Sokan Academy

آموزش یادگیری نظارت نشده با پایتون

یادگیری نظارت نشده یکی از زیر‌شاخه‌های یادگیری ماشین است که بر یافتن الگوها در داده‌های بدون برچسب متمرکز است. در این دوره، تکنیک‌های یادگیری بدون نظارت مانند خوشه‌بندی، کاهش ابعاد و فاکتورسازی ماتریس را با کاربردهایی در زمینه‌های مختلف مانند بازاریابی، زیست‌شناسی و سیستم‌های توصیه‌گر می‌آموزید.

آموزش یادگیری نظارت نشده با پایتون
5:50 ساعتآموزشویدیویی
608 هزار

در پایان این دوره می‌توانید


  • تکنیک‌های کلیدی یادگیری بدون نظارت، مانند خوشه‌بندی، کاهش ابعاد، و تجزیه ماتریس را در مسائل مختلف به کار بگیرید.
  • عملکرد خوشه‌بندی را از طریق مقیاس‌بندی ویژگی و استانداردسازی داده‌ها بهبود دهید.
  • کیفیت خوشه‌بندی را با معیارهایی مانند اینرسی، جدول‌بندی متقاطع و سایر معیارهای داخلی و خارجی ارزیابی کنید.
  • با تکنیک‌های پیشرفته مانند خوشه‌بندی سلسله مراتبی و t-SNE، تجربه عملی تصویرسازی داده‌های با ابعاد بالا به دست آورید.
  • با مجموعه داده‌های متنوع و واقعی مانند روندهای بازار سهام، اندازه‌گیری گونه‌های گیاهی و الگوهای رفتار رأی گیری کار کنید و آنها را تجزیه و تحلیل کنید.
  • الگوریتم‌هایی مانند خوشه‌بندی t-SNE ،PCA و NMF را با استفاده از کتابخانه‌های محبوب پایتون مانند scikit-learn و SciPy اعمال کنید.
  • با استفاده از تجزیه ماتریس و شباهت کسینوس ، یک سیستم توصیه‌گر کارآمد برای توصیه‌های شخصی بسازید.

معرفی


دوره "یادگیری ماشین نظارت نشده در پایتون" کاوش عمیقی از تکنیک های یادگیری ماشین ارائه می دهد. این روش‌‌ها بر اساس مجموعه داده‌های بدون برچسب عمل می کنند و بر کشف الگوها، روابط و ساختارهای پنهان در داده‌های خام تمرکز دارند.

در طول این دوره نه تنها با خوشه‌بندی، کاهش ابعاد و تجزیه ماتریسی آشنا می‌شوید، بلکه تجربه عملی در پیاده‌سازی این تکنیک‌ها در پایتون با استفاده از کتابخانه‌هایی مانند scikit-learn و SciPy را به دست می‌آورید.

در پایان دوره، می‌توانید از مجموعه داده‌های بدون برچسب، بینش‌های معنادار بدست آورید و آن‌ها را تصویرسازی کنید. این دوره با ایجاد یک سیستم توصیه‌کننده برای توصیه‌ی هنرمندان محبوب موسیقی به پایان می‌رسد تا تأثیر عملی یادگیری بدون نظارت در علم داده را نشان دهد.

سرفصل‌ها


4 سرفصل | 29 قسمت

پیش‌نیازها


آموزش محاسبات عددی با NumPy
آموزش محاسبات عددی با NumPy
5:30 ساعتآموزشویدیویی
آموزش مقدماتی آمار در پایتون
آموزش مقدماتی آمار در پایتون
5:30 ساعتآموزشویدیویی
آموزش ساماندهی داده‌ها با Pandas
آموزش ساماندهی داده‌ها با Pandas
4:30 ساعتآموزشویدیویی

مدرس‌ها


سوالات متداول


این دوره برای دانشمندان داده، تحلیلگران داده، مهندسان یادگیری ماشین و هر کسی که علاقه مند به کاوش و سازماندهی داده‌های بدون برچسب هستند ایده آل است. همچنین برای مبتدیانی در یادگیری بدون نظارت که برخی از مهارت‌های پایه پایتون را دارند مناسب است.

این دوره عمدتاً از scikit-learn برای الگوریتم‌های یادگیری ماشین، Matplotlib برای تصویرسازی داده‌ها و Pandas و Numpy برای دستکاری داده‌ها استفاده می‌کند.

درک اولیه از برنامه نویسی پایتون و آشنایی با Pandas و Numpy توصیه می‌شود. دانش ابتدایی از آمار و جبر خطی مفید خواهد بود.

مهارت‌های یادگیری بدون نظارت در نقش‌های داده‌محور بسیار ارزشمند هستند و به شما این امکان را می‌دهند که داده‌های بدون برچسب را تجزیه و تحلیل کنید، الگوها را کشف کنید و تصمیم‌های مبتنی بر داده بگیرید. این مهارت‌ها در صنایعی مانند امور مالی، خرده فروشی، فناوری و مراقبت‌های بهداشتی قابل اجرا هستند.

آخرین گفت‌و‌گو‌های دوره


کاربر میهمان

شما به عنوان کاربر میهمان در سایت سکان آکادمی حضور دارید لطفاً برای ارسال دیدگاه ابتدا وارد حساب خود شوید.

آموزش یادگیری نظارت نشده با پایتون-colorful

آموزش یادگیری نظارت نشده با پایتون

5:50 ساعتآموزشویدیویی
608 هزار
sokan-academy-footer-logo
کلیه حقوق مادی و معنوی این وب‌سایت متعلق به سکان آکادمی می باشد.