رد شدن و رفتن به محتوای اصلی
  • Machine Learning
مفاهیم ML
  • مقدمه
  • مقدمه ای بر ML، مقدمه ای بر ML
  • مدل های ML
  • رگرسیون خطی
  • رگرسیون لجستیک
  • طبقه بندی
  • داده ها
  • کار با داده های عددی
  • کار با داده های طبقه بندی شده
  • مجموعه داده ها، تعمیم و برازش بیش از حد
  • مدل های پیشرفته ML
  • شبکه های عصبی
  • جاسازی‌ها
  • مقدمه‌ای بر مدل‌های زبان بزرگ
  • ML دنیای واقعی
  • سیستم های ML تولید
  • یادگیری ماشین خودکار
  • انصاف
دوره های پایه دوره های پیشرفته راهنما واژه نامه
  • همه شرایط
  • عامل
  • خوشه بندی
  • جنگل های تصمیم گیری
  • مبانی
  • GCP
  • هوش مصنوعی مولد
  • معیارهای
  • هوش مصنوعی مسئول
  • TensorFlow
/
  • English
  • Deutsch
  • Español
  • Español – América Latina
  • Français
  • Indonesia
  • Italiano
  • Polski
  • Português – Brasil
  • Tiếng Việt
  • Türkçe
  • Русский
  • Українська
  • עברית
  • العربيّة
  • فارسی
  • हिंदी
  • বাংলা
  • ภาษาไทย
  • 中文 – 简体
  • 中文 – 繁體
  • 日本語
  • 한국어
ورود به برنامه
  • مفاهیم ML
صفحه اصلی دوره سقوط
  • Machine Learning
  • مفاهیم ML
    • موارد بیشتر
    • صفحه اصلی
    • دوره سقوط
  • دوره های پایه
  • دوره های پیشرفته
  • راهنما
  • واژه نامه
    • موارد بیشتر
  • لینک های سریع
  • پیش‌نیازها
  • تمرینات
  • مرکز راهنمایی
  • مدل های ML
  • رگرسیون خطی (۸۰ دقیقه)
    • رگرسیون خطی (10 دقیقه)
    • باخت (10 دقیقه)
    • تمرین تعاملی: پارامترها (5 دقیقه)
    • نزول گرادیان (10 دقیقه)
    • فراپارامترها (10 دقیقه)
    • تمرین تعاملی: فرود گرادیان (5 دقیقه)
    • تمرین برنامه‌نویسی (۲۰ دقیقه)
    • دانش خود را آزمایش کنید (10 دقیقه)
    • بعدش چی
  • رگرسیون لجستیک (35 دقیقه)
    • مقدمه (5 دقیقه)
    • محاسبه یک احتمال (10 دقیقه)
    • از دست دادن و تنظیم (10 دقیقه)
    • دانش خود را آزمایش کنید (10 دقیقه)
    • بعدش چی
  • طبقه بندی (70 دقیقه)
    • مقدمه (3 دقیقه)
    • آستانه ها و ماتریس سردرگمی (12 دقیقه)
    • دقت، یادآوری، دقت و معیارهای مرتبط (15 دقیقه)
    • ROC و AUC (10 دقیقه)
    • سوگیری پیش بینی (3 دقیقه)
    • طبقه بندی چند کلاسه (2 دقیقه)
    • تمرین برنامه نویسی (15 دقیقه)
    • دانش خود را آزمایش کنید (10 دقیقه)
    • بعدش چی
  • داده ها
  • کار با داده های عددی (85 دقیقه)
    • مقدمه (3 دقیقه)، مقدمه (3 دقیقه)، مقدمه (3 دقیقه)
    • چگونه یک مدل داده ها را با بردارهای ویژگی دریافت می کند (5 دقیقه)
    • مراحل اول (5 دقیقه)
    • تمرین برنامه نویسی (10 دقیقه)
    • عادی سازی (20 دقیقه)
    • بنینگ (15 دقیقه)، بنینگ (15 دقیقه)، بنینگ (15 دقیقه)
    • شستشو (5 دقیقه)، شستشو (5 دقیقه)، شستشو (5 دقیقه)
    • کیفیت ویژگی های عددی خوب (5 دقیقه)، کیفیت ویژگی های عددی خوب (5 دقیقه)، کیفیت ویژگی های عددی خوب (5 دقیقه)
    • تبدیل های چند جمله ای (5 دقیقه)
    • دانش خود را آزمایش کنید (10 دقیقه)
    • نتیجه گیری (2 دقیقه)، نتیجه گیری (2 دقیقه)، نتیجه گیری (2 دقیقه)
    • بعدش چی
  • کار با داده های طبقه بندی شده (50 دقیقه)
    • مقدمه (5 دقیقه)
    • واژگان و رمزگذاری یکباره (10 دقیقه)
    • مشکلات رایج با داده های طبقه بندی شده (5 دقیقه)
    • ضربدرهای ویژه (5 دقیقه)
    • تمرینات متقابل ویژه (15 دقیقه)
    • دانش خود را آزمایش کنید (10 دقیقه)
    • بعدش چی
  • مجموعه داده ها، تعمیم و برازش بیش از حد (105 دقیقه)
    • مقدمه (5 دقیقه)
    • مشخصات داده ها (10 دقیقه)
    • برچسب ها (10 دقیقه)
    • مجموعه داده های نامتعادل (10 دقیقه)
    • تقسیم مجموعه داده اصلی (10 دقیقه)
    • تبدیل داده ها (5 دقیقه)
    • تعمیم (5 دقیقه)
    • اضافه کردن (10 دقیقه)
    • پیچیدگی مدل (10 دقیقه)
    • تنظیم L2 (10 دقیقه)
    • تفسیر منحنی های ضرر (10 دقیقه)
    • دانش خود را آزمایش کنید (10 دقیقه)
    • بعدش چی
  • مدل های پیشرفته ML
  • شبکه های عصبی (75 دقیقه)
    • مقدمه (5 دقیقه)
    • گره ها و لایه های مخفی (15 دقیقه)
    • توابع فعال سازی (10 دقیقه)
    • آموزش پس از انتشار (10 دقیقه)
    • تمرینات تعاملی (15 دقیقه)
    • طبقه بندی چند کلاسه (10 دقیقه)
    • دانش خود را آزمایش کنید (10 دقیقه)
    • بعدش چی
  • جاسازی ها (45 دقیقه)
    • مقدمه (5 دقیقه)
    • فضای جاسازی و تعبیه های ثابت (10 دقیقه)
    • تمرینات تعاملی (15 دقیقه)
    • به دست آوردن جاسازی (15 دقیقه)
    • دانش خود را آزمایش کنید (10 دقیقه)
    • بعدش چی