پیشنهاد فرادرس

آموزش هوش مصنوعی و تحلیل پیش بینی با پایتون

دسته بندی ها: آموزش پایتون (Python) ، هوش مصنوعی ، آموزش های یودمی (Udemy)

هوش مصنوعی شبیه سازی هوش انسانی از طریق ماشین آلات و عمدتا از طریق سیستم های کامپیوتری است. هوش مصنوعی یک رشته در زیر مجموعه کامپیوتر است. این دوره درک جامع از مفاهیم AI و کاربرد آن با استفاده از پایتون و iPython را پوشش می دهد.

این دوره شامل موارد زیر خواهد بود:

  • هوش مصنوعی چیست؟
  • هوش
  • اپلیکیشن های AI
  • حل مشکل
  • الگوریتم های جستجو AI
  • استراتژی جستجو اطلاعاتی (اکتشافی)
  • استراتژی جستجو اطلاعاتی (اکتشافی)
  • ماژول Scikit-learn
  • و غیره

سرفصل:

  • معرفی دوره
  • معرفی تحلیل پیش بینی
  • جنگل تصادفی و جنگل بسیار تصادفی
  • Class Imbalance و Grid Search
  • Adaboost Regressor
  • پیش بینی ترافیک با استفاده از رگرسیون جنگل های بسیار تصادفی
  • پیش بینی ترافیک
  • الگوهای تشخیص با یادگیری بدون نظارت
  • خوشه بندی
  • Affinity Propagation Model
  • Clustering Quality
  • Gaussian Mixture Model
  • Classifiers
  • طبقه بندی در هوش مصنوعی
  • پردازش داده
  • Classifier رگرسیون منطقی
  • Confusion Matrix
  • برنامه نویسی منطقی
  • تطبیق بیان ریاضی
  • تحلیل برنامه نویسی منطق جغرافیایی
  • Heuristic Search
  • و غیره
آیا این نوشته را دوست داشتید؟
Artificial Intelligence and Predictive Analysis using Python Publisher:Udemy Author:EDU CBA Duration:06:21:15

This course is a comprehensive understanding of AI concepts and its application using Python and iPython.
Artificial intelligence is the simulation of human intelligence through machines and mostly through computer systems. Artificial intelligence is a sub field of computer. It enables computers to do things which are normally done by human beings. This course is a comprehensive understanding of AI concepts and its application using Python and iPython.The training will include the following;What is Artificial Intelligence?IntelligenceApplications of AIProblem solvingAI search algorithmsInformed (Heuristic) Search StrategiesLocal Search AlgorithmsLearning SystemCommon SenseGenetic algorithmsExpert SystemsScikit-learn module
Who is the target audience?
Students and professionals who are interested in learning robotics and bio metrics.
People who are very keen about learning Artificial Intelligence.
Course content
59 lectures
06:21:15

Introduction
2 lectures
19:34
Introduction to Predictive Analysis
08:44
Random Forest and Extremely Random Forest
10:50

Class Imbalance and Grid Search
2 lectures
16:01
Dealing with Class Imbalance
06:41
Grid Search
09:20

Adaboost Regressor
3 lectures
16:25
Adaboost Regressor
07:40
Predicting Traffic Using Extremely Random Forest Regressor
02:04
Traffic Prediction
06:41

Detecting patterns with Unsupervised Learning
4 lectures
22:17
Detecting patterns with Unsupervised Learning
05:17
Clustering
06:40
Clustering Meanshift
03:59
Clustering Meanshift Continues
06:21

Affinity Propagation Model
2 lectures
10:24
Affinity Propagation Model
05:27
Affinity Propagation Model Continues
04:57

Clustering Quality
2 lectures
12:22
Clustering Quality
04:57
Program of Clustering Quality
07:25

Gaussian Mixture Model
2 lectures
12:55
Gaussian Mixture Model
04:27
Program of Gaussian Mixture Model
08:28

Classifiers
9 lectures
54:05
Classification in Artificial Intelligence
03:13
Processing Data
08:31
Logistic Regression Classifier
02:52
Logistic Regression Classifier Example Using Python
06:40
Naive Bayes Classifier and its Examples
10:52
Confusion Matrix
03:41
Example os Confusion Matrix
05:37
Support Vector Machines Classifier(SVM)
05:08
SVM Classifier Examples
07:31

Logic Programming
5 lectures
37:34
Concept of Logic Programming
10:49
Matching the Mathematical Expression
06:35
Parsing Family Tree and its Example
09:16
Analyzing Geography Logic Programming
05:20
Puzzle Solver and its Example
05:34

Heuristic Search
6 lectures
44:24
What is Heuristic Search
06:12
Local Search Technique
08:44
Constraint Satisfaction Problem
08:42
Region Coloring Problem
04:48
Building Maze
07:16
Puzzle Solver
08:42
1 more section

پیشنهاد فرادرس