منو
منو
منو
تیم مهندسی کورپی با همکاری ازمایشگاه علم داده PDAT و انجمن علمی معتبر سراسر کشور برگزار میکند
****** دوره یادگیری ماشین ******
-بررسی تئوری ریاضیاتی و پیاده سازی با پایتون
-دوره کاملا پروژه محور(پروژه های ناسا،سرن،پروژه های بازار های مالی و...)
-کامل ترین دوره یادگیری ماشین
-ضبط شده جلسات در اختیار شرکت کنندگان قرار می گیرد
-ارایه گواهی معتبر از طرف شتابدهنده ره نشان دانشگاه صنعتی شریف تحت نظر بنیاد ملی نخبگان
-اهدای گواهی معتبر انجام پروژه تیم مهندسی کورپی و آزمایشگاه علم داده PDAT
رزومه مدرس :
https://www.linkedin.com/in/pouriya-khaliliyan/
سرفصل ها :
1) یادگیری ماشین چیست
2) فضای فرضیه
3) تابع هزینه
4) MAE
5) MSE
6) MBE
7) MSLE
8) Binary cross entropy
9) Categorical cross entropy
10) Hinge loss
11) داده های یادگیری و داده های تست
12) Overfitting
13) Underfitting
14) یادگیری نظارت شده
15) یادگیری غیر نظارت شده
16) یادگیری نیمه نظارت شده
17) یادگیری تقویتی
18) اشنایی با گوگل کولب
19) نصب پکیج ها در کولب
20) دستورات لینوکس برای کولب
21) فریم ورک numpy
22) ارایه ها و ماتریس
23) ضرب داخلی و ضرب خارجی ارایه ها
24) عملیات درایه ماتریسی
25) دنباله ها
26) Reshape
27) توزیع نرمال
28) توزیع استاندارد نرمال
29) اتحاد و اشتراک
30) حدف داده های تکراری
31) واریانس
32) انحراف معیار
33) کوواریانس
34) میانه
35) میانگین
36) هبستگی
37) ضریب پیرسن
38) ضریب سپیرمن
39) فریم ورک پانداس
40) بارگزاری دیتاست
41) کار با index
42) کار با values
43) Dataframe
44) عملیات در dataframe
45) پیش پردازش اطلاعات
46) پیش پردازش دیتا های ناسا1
47) فرایند های آماری و آنالیز دیتاست
48) فریم ورک matplotlib
49) نمودار خطی
50) نمودار نقطه ای
51) نمودار میله ای
52) رسم توابع
53) دستورات در نمودار
54) مصور سازی آنالیز داده های ناسا
55) بررسی پایستگی احتمال و نرمالایز کردن
56) هیستوگرام
57) Pie plot
58) پیش پردازش اطلاعات
59) پیش پردازش اولیه داده ها
60) Missing values
61) Normalizing
62) Box plot
63) Swarm plot
64) Strip plot
65) Pair plot
66) Heatmap
67) Join plot
68) رگرسیون
69) کلیسفیکشن
70) رگرسیون خطی
71) گرادیان کاهشی
72) گرادیان کاهشی برای رگرسیون خطی
73) پروژه مدل سازی دمای ستاره ها(داده ناسا)
74) Decision tree
75) بهره اطلاعات
76) Gain function
77) انتروپی شنون
78) نظریه تکامل
79) پروژه تشخیص حملات قلبی هوشمند
80) KNN
81) محسابه نرم L1وL2
82) فاصله مینکوفسکی
83) بهینه سازی هایپرپارامتر k در KNN
84) بررسی ریاضیاتی overfitting
85) Transparent Model
86) Interpretable Model and data
87) Regulation
88) Multi Object Optimization
89) خلوت سازی مدل
90) تابع جریمه یا پنالتی
91) LASSO
92) Machine
93) بردار های پشتیبان
94) مرز تصمیم گیری
95) Margin
96) بدست اوردن مدل های خطی از مدل خطی
97) افزایش بعد
98) کرنل
99) استفاده از 10 الگوریتم یادگیری نظارت شده بصورت همزمان
100) پروژه تشخیص ضربان های نامنظم قلبی با داده ECG
101) Clustering
102) K-Means
103) خوشه بندی داده های iris
104) ترکیب خوشه بندی با روش های نظارت شده برای کلیسیفیکشن
105) کاهش ابعاد
106) PCA
107) بهینه سازی هایپر پارامتر تعداد components در PCA
108) ترکیب PCA با الگوریتم ها نظارت شده
109) پروژه داده های ماهواره ای سازمان فضایی اروپا
رویدادستان یک سامانه‌ی آنلاین برای تمام انجمن های علمی است که در حوزه‌ی برگزاری رویداد فعالیت دارند یا دانشجویانی که می‌خواهند به راحتی رویدادهای مورد علاقه‌شان را پیدا کرده و در آن‌ها شرکت کنند.
قوانین ثبت دیدگاه