هوش مصنوعی (AI) در حال حاضر یکی از داغ ترین زمینه های علوم رایانه است. پایتون به دلیل سادگی و انعطاف پذیری آن و همچنین پشتیبانی عالی آن از کتابخانه های منبع باز مانند Scikit-learn و Keras، به عنوان یک زبان غالب در برنامه نویسی AI / ML در نظر گرفته شده است. در این دوره با هشت پروژه واقعی، درختان تصمیم گیری برای طبقه بندی داده ها با استفاده از کتابخانه های Scikit-learn، ایجاد classifier با استفاده از جنگل های تصادفی، تکنیک های پردازش متن و تمرین با bag-of-words و مدل های word2vec، یادگیری عمیق و شبکه های عصبی و استفاده از از شبکه های عصبی پیچشی و Keras آشنا می شوید.

سرفصل:

  • ساخت مدل های پیش بینی
  • تکنیک های طبقه بندی و ارزیابی
  • درختان تصمیم گیری
  • پیش بینی با درخت تصمیم گیری و داده های عملکرد دانش آموزان
  • جنگل های تصادفی
  • پیش بینی گونه های پرنده با جنگل های تصادفی
  • اپلیکیشن ها برای طبقه بندی کامنت
  • مشکل طبقه بندی متن
  • شناسایی YouTube Comment Spam با  کلمات و جنگل های تصادفی
  • مدل های Word2Vec
  • تشخیص احساسات مثبت / منفی در نظرات کاربران
  • یادگیری عمیق
  • شبکه های عصبی
  • شناسایی ژانر آهنگ با استفاده از تجزیه و تحلیل صوتی و شبکه های عصبی
  • بررسی Spam Detector برای استفاده از شبکه های عصبی
  • یادگیری عمیق و شبکه های عصبی پیچشی
  • شناسایی سمبل های  ریاضی دست نوشته با شبکه های عصبی پیچشی
  • بازنویسی شناسه گونه پرنده برای استفاده از تصاویر