مقدمه‌

سلام!

قالب کالج

سیستم امتیازات و دریافت گواهی اصلی

یادگیری ماشین چیست؟

چرا پایتون؟

آماده‌سازی محیط کار

اجرای نوت‌بوک‌ها

گوگل کولب

معرفی مجموعه‌داده درسنامه

مدیریت پروژه

اهداف فصل

چرخه پروژه

اولویت‌بندی

سازماندهی تیم

چرا پروژه‌ها شکست می‌خورند؟

آماده‌سازی داده

سوالاتی درباره داده

چالش‌های داده

ویژگی‌های مجموعه‌داده‌ی خوب

تقسیم‌بندی مجموعه‌داده

داده‌های پرت

مقادیر گم‌شده

ردیابی صحیح

مجموعه‌داده نامتوازن

مهندسی ویژگی

اهمیت

مشخصات ویژگی خوب

ویژگی‌های دسته‌ای

مقادیر گم‌شده در ویژگی‌های دسته‌ای

بازاریابی بانکی

ویژگی‌های تقویمی

سنتز ویژگی

ترافیک شهری

تغییر مقیاس ویژگی

نشت داده

فوت و فن‌های مهندسی ویژگی

کاهش ابعاد

انتخاب ویژگی

سوباسا

خط لوله

رگرسیون

مقدمه

مدل چیست؟

تخمین، تابع هزینه و بهینه‌سازی

آزمون تخمین، تابع هزینه و بهینه‌سازی

رگرسیون خطی

آزمون رگرسیون خطی

ارزیابی

دایی موند

رگرسیون چندجمله‌ای

امید به زندگی

عمومیت

رگولاریزیشن

دسته‌بندی

رگرسیون لجستیک

ارزیابی - قسمت اول

تحلیل NBA

ارزیابی - قسمت دوم

کراس ولیدیشن

k-نزدیک‌ترین همسایه

آزمون k-نزدیک‌ترین همسایه

پسته

بیز ساده‌لوحانه

کامنت‌کاوی

ماشین بردار پشتیبان

هایپرپارامترها

تشخیص تقلب

آشنایی با کتابخانه‌ی H2O

درخت تصمیم

آزمون درخت تصمیم

فوت و فن درخت تصمیم

بیش‌برازش درخت تصمیم

درآمد

یادگیری تجمعی

جنگل تصادفی

شکارچی قارچ

الگوریتم AdaBoost

مشتریان بانک

الگوریتم Gradient Boosting

الگوریتم XGboost

روش Stacking

پروژه اول

تفریحی

کَنکِلی

شبکه عصبی

پرسپترون

آموزش پرسپترون

تمرین پرسپترون

پرسپترون چندلایه

ام نیست

یادگیری نظارت‌نشده

الگوریتم PCA

الگوریتم t-SNE

تشخیص اخبار دروغین

خوشه‌بندی با k-means

بخش‌بندی مشتریان مرکز خرید

خوشه‌بندی با k-modes

خوشه‌بندی با k-prototype

پروژه دوم

تعبیه‌ی متن

تشخیص جنسیت

موضوع‌بندی

فاصله‌ی ویرایش

معیار شباهت RBO

تحلیل جست‌و‌جو

پیشنهاد خودکار

بیشتر بدانید

نمونه‌کاهی با NearMiss

نمونه‌افزایی با SMOTE

درخت رگرسیون

## روند آموزشی کوئرا کالج

امروزه با فراگیر شدن آموزش‌های آنلاین، قالب‌های متعددی برای یادگیری مفاهیم علوم کامپیوتر بصورت آنلاین پیاده‌سازی شده است. آموزش آنلاین این مفاهیم، فرصت برنامه‌نویسی به همراه یادگیری را فراهم می‌کند و هم‌چنین انجام تمرین‌های واقعی و استفاده از کتابخانه‌ها و قالب‌های نزدیک به صنعت را تسهیل می‌کند. اما آموزش آنلاین چالش‌هایی نیز به همراه دارد؛ زیرا تعاملی که استاد در سر کلاس با دانشجو دارد و نظمی که جلسات کلاس به یادگیری دانشجو می‌دهد به سختی در قالب‌های آموزش آنلاین گنجانده می‌شود.
در کوئرا کالج تلاش کردیم قالبی برای برطرف شدن نیاز تعاملی بودن، نظم، و هم‌چنین عملی بودن آموزش آماده کنیم.

در کل، آموزش این دوره متشکل از چندین فصل می‌باشد، که هر فصل شامل تعدادی درسنامه، تمرین یا آزمون است. 

## 📖 درسنامه‌ها
پس از مطالعه‌ی هر درسنامه می‌توانید تیک **"خواندم"** آن را بزنید و پیش بروید. در پایین هر درسنامه بخش کامنت‌ها تعبیه شده تا بتوانید پرسش‌ها و نظرات عمومی خود را درباره‌ی درسنامه‌ی مربوطه با ما و سایر شرکت‌کنندگان دوره مطرح کنید.

## 👨‍💻 تمرین‌ها
تمرین‌ها نیز همگی توسط سامانه‌ی داوری خودکار *Quera* تصحیح شده، و پس از ارسال کد، توسط سیستم، نمره‌دهی می‌شود. داوری تمرین ممکن است شامل چندین تست مختلف باشد و سعی شده هنگامیکه در کسب نمره‌ی کامل یک تست دچار مشکل می‌شوید بازخورد مناسبی توسط سیستم خروجی داده شود.

در تمرین‌هایی که عملکرد مدل یادگیری ماشین شما سنجیده می‌شود یک حد آستانه (Threshold) تعریف شده و در صورتی‌که مدل شما عملکردی بهتر از آن حد داشته باشد تمرین با موفقیت گذرانده می‌شود. البته اگر عملکرد مدل شما از مقدار خواسته‌شده بهتر باشد امتیاز اضافه‌تری کسب خواهید کرد.

## ❔ آزمون‌ها
در بعضی از فصل‌ها به منظور درک عمیق‌تر مباحث آموخته شده تعدادی آزمون چندگزینه‌ای در نظر گرفته شده است. پاسخ شما به آزمون‌ها نیز مشابه با تمرین‌ها توسط سامانه‌ی داوری خودکار *Quera* انجام خواهد گرفت. هرچند که از نظر تعداد ارسال پاسخ محدودیتی نخواهید داشت، با این حال امتیاز آزمون‌ها در مقایسه با تمرین‌ها کمتر در نظر گرفته شده است.

## 💬 پشتیبانی
ما گام به گام در طول مسیر این کالج همراه‌تان هستیم! در صورت وجود هرگونه پرسش یا ابهام درباره‌ی هر بخشی از این کالج می‌توانید از طریق پیغام خصوصی با پشتیبانان کالج در ارتباط باشید.

form

plain_text

جامپ یادگیری ماشین