یادگیری ماشینی و یادگیری عمیق به شما بینش غیر قابل تصور و قدرتمندی درخصوص داده ها می بخشد. هر دوی این زمینه ها در جهان مدرن مبتنی بر داده ها فراگیر هستند. این دوره با پوشش مفاهیم پایه تا پیشرفته پایتون آغاز می شود. سپس، شما می توانید طیف وسیعی از سناریوهای زندگی واقعی را که در آن یادگیری ماشینی می تواند مورد استفاده قرار گیرد و ساخت مدل های یادگیری عمیق و یادگیری ماشینی را فرا بگیرید.

سرفصل:

  • معرفی دوره
  • سینتکس پایتون
  • ساختارهای داده و Comprehensions
  • توابع و کلاس های First-Class
  • کتابخانه استاندارد گسترده
  • ویژگی های جدید در Python 3.5
  • دانلود و نصب Python
  • استفاده از خط فرمان و پوسته تعاملی
  • Packages در پایتون
  • افزودن ماژول به Packages
  • استفاده از Version Control
  • استفاده از Multiprocessing
  • استفاده از concurrent.futures
  • استفاده از asyncio Event Loop و Coroutine Scheduler
  • همزمان سازی تسک های چندگانه
  • دکوراتورهای توابع
  • دکوراتورهای کلاس
  • استفاده از unittest.mock
  • Reactive Programming چیست؟
  • استفاده از Reactive Extensions برای پایتون
  • تعامل با کد C با استفاده از Cython
  • راه حل های یادگیری ماشینی پایتون
  • پروژه های یادگیری ماشینی پایتون
  • مبانی پردازش زبان طبیعی
  • پشتیبانی از ماشین های بردار
  • تنظیم خبرنامه روزانه شخصی شما
  • ساخت یک مدل و ارزیابی عملکرد آن
  • کار با تصاویر
  • طراحی و ساخت یک Chatbot
  • یادگیری عمیق با پایتون
  • یادگیری عمیق چیست؟
  • کتابخانه های منبع باز برای یادگیری عمیق
  • معرفی Backpropagation
  • لایه های Convolutional و Pooling
  • مجموعه داده های مقیاس بزرگ، ImageNet و شبکه های عصبی بسیار عمیق
  • لایه های Recurrent
  • لایه های Recurrent در مقابل لایه های Convolutional
  • شبکه های مجازی-آموزش مدل تحلیل احساسات برای متن
  • TensorFlow – کتابخانه یادگیری ماشین گوگل

و غیره.