حراج!

Machine Learning

نوع رویداد: آنلاین
رشته های تحصیلی:آمار, اخترشناسی, ارتباطات, اقتصاد, انفورماتیک پزشکی, ایمونولوژی, بازرگانی, بهداشت عمومی, بیوانفورماتیک, بیوتکنولوژی, بیوتکنولوژی دارویی, بیوتکنولوژی کشاورزی, بیوفیزیک, پرستاری, پزشکی, تکنولوژی تولیدات دامی, جغرافیا, حسابداری, حقوق, داروسازی, دامپزشکی, دندانپزشکی, روان‌پزشکی, روان‌شناسی, ریاضی, زیست گیاهی, ژنتیک, ژنتیک پزشکی, سلولی مولکولی, شیمی, صنایع غذایی, طراحی صنعتی, علم و اطلاعات, علوم آزمایشگاهی, علوم اجتماعی, علوم تغذیه, علوم جانوری, علوم دامی, علوم کامپیوتر, علوم مهندسی, علوم و صنایع غذایی, علوم و مهندسی آب, علوم و مهندسی خاک, فیزیک, فیزیک مهندسی, فیزیوتراپی, کارآفرینی, کسب‌وکار, مدیریت, معماری داخلی, مکاترونیک, مهندسی انرژی, مهندسی ایمنی, مهندسی بافت, مهندسی برق, مهندسی بهداشت حرفه‌ای, مهندسی بیوسیستم, مهندسی پزشکی, مهندسی پلیمر, مهندسی دریا, مهندسی راه آهن, مهندسی رباتیک, مهندسی ژنتیک, مهندسی سازه, مهندسی شهرسازی, مهندسی شیمی, مهندسی صنایع, مهندسی عمران, مهندسی فناوری اطلاعات, مهندسی کامپیوتر, مهندسی کشاورزی, مهندسی متالوژی, مهندسی محیط زیست, مهندسی مدیریت پروژه, مهندسی معدن, مهندسی معماری, مهندسی مکانیک, مهندسی منابع طبیعی, مهندسی مواد, مهندسی نساجی, مهندسی نفت, مهندسی هوافضا, میکروبیولوژی, نانو, همه‌ی رشته‌ها
توضیحات

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/

http://qorpi.ir/people/

 

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 هایپرپارامتردر 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

برگزارکننده: تیم مهندسی کورپی صفحه برگزار کننده
1 دیدگاه
1235 بازدید
لینک کوتاه
نظرات

قوانین ثبت دیدگاه

  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.

پاسخ دهید به معصومه لغو پاسخ

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

برگزارکننده: تیم مهندسی کورپی صفحه برگزار کننده
1 دیدگاه
1235 بازدید
لینک کوتاه