چرا دوره ماشین لرنینگ پیواس؟
-
آموزش 0 تا 100 است
به جای چند دوره یک دوره ببینید!
800
دانشجو
99
جلسه
-
تدریس ملموسانه
سطح تدریس بسیار بالا میباشد!
-
دوره 0 تا 100 میباشد.
توضیحات دوره از 0 تا 100 میباشد!
-
پشتیبانی رایگان
تا 3 ماه از پشتیبانی رایگان استفاده کنید!
کلا دوره ماشین لرنینگ درمورد چیه؟
این دوره آموزشی یک دوره پروژه محور و جامع می باشد که جدیدترین مهارت های مورد نیاز یک دانشمند داده را به شما یاد می دهد و شما را با نحوه ساخت پروژه های مختلف هوش مصنوعی آشنا می کند. شما در این دوره با تجسم سازی و بررسی داده ها آشنا می شوید این دوره شامل آموزش :
- Numpy
- Pandas
- Matplotlib
- Scikit-Learn
میباشد. این یکی از کامل ترین دوره های آموزش علم داده و یادگیری ماشین است
سرفصل های دوره ماشین لرنینگ
این دوره از کامل ترین دوره های ماشین لرنینگ در اینترنت میباشد که سرفصل های آن دقیقا مطابق و حتی چیزی بیشتر از سرفصل های استاندارد حال حاضر کشور میباشد.
- Introduction
- Environment setup
- Numpy
- Pandas
- Matplotlib
- Seaborn
- Sick it learn
- Linear regression
- Supervised learning
- Unsupervised learning
- Random forest
- Dbscan
- K Means clustering
نمونه جلسات دوره!
لیست پخش
2 ویدیوها
پخش ویدئو
مخاطبین دوره
این دوره برای چه کسانی توصیه می شود؟
- هر کسی با تجربه صفر (یا مبتدی/جوانان) که می خواهد یادگیری ماشین، علم داده و پایتون را یاد بگیرد.
- اگر شما یک برنامه نویس هستید که می خواهید مهارت های خود را در علم داده و یادگیری ماشین گسترش دهید تا خود را ارزشمندتر کنید
سوالات متداول
با مشاهده این دوره به صورت کامل به هوش مصنوعی مسلط میشوم ؟
با اتمام این دوره شما به اصولی ترین مبحث هوش مصنوعی یعنی ماشین لرنینگ و علم داده مسلط خواهید شد.
چطور از استاد سوال بپرسم ؟
پس از ثبت نام در دوره میتوانید از طریق تیکت ، به صورت خصوصی با استاد در ارتباط باشید.
پشتیبانی دوره به چه صورت هست؟
پس از ثبت نام در دوره میتوانید تا 3 ماه به صورت رایگان با مدرس در ارتباط باشید.
ارتباط با مدرس از طریق تیکت بوده و میتوانید به صورت متن و صوت به پرسش و پاسخ بپردازید.
بعد از پرداخت امکان دانلود دوره وجود دارد؟
بله میتوانید ویدیو ها را دانلود نمایید.
جلسات دوره
معرفی دوره
رایگان
۱۵:۴۷
این جلسه به منظور آشنایی با مدرس و نحوه تدریس ایشان رایگان میباشد.
۱۵:۴۷
نحوه استفاده از دوره
۰۴:۱۹
خصوصی
۰۴:۱۹
جلسه 1
۱۹:۴۷
envirnoment
خصوصی
۱۹:۴۷
جلسه 2
۱۸:۴۲
random array
خصوصی
۱۸:۴۲
جلسه 3
۱۴:۰۹
random.seed
خصوصی
۱۴:۰۹
جلسه 4
۱۸:۲۷
numpy unique
خصوصی
۱۸:۲۷
جلسه 5
۱۷:۴۳
numpy operation
خصوصی
۱۷:۴۳
جلسه 6
۱۳:۱۴
variance
خصوصی
۱۳:۱۴
جلسه 7
۱۳:۱۱
reshape
خصوصی
۱۳:۱۱
جلسه 8
۱۹:۳۳
dot product
خصوصی
۱۹:۳۳
جلسه 9
۱۹:۴۲
dot product example
خصوصی
۱۹:۴۲
جلسه 10
۲۱:۳۲
comparison and sorting
خصوصی
۲۱:۳۲
جلسه 11
۱۵:۰۵
load image
خصوصی
۱۵:۰۵
فایل جلسه 11
خصوصی
جلسه 12
۱۶:۴۱
pandas
خصوصی
۱۶:۴۱
فایل جلسه 12
خصوصی
جلسه 13
۱۲:۴۹
pandas
خصوصی
۱۲:۴۹
جلسه 14
۱۹:۲۸
pandas info
خصوصی
۱۹:۲۸
جلسه 15
۱۳:۵۲
name attribute
خصوصی
۱۳:۵۲
جلسه 16
۱۸:۰۷
PANDAS -EXERCISEE
خصوصی
۱۸:۰۷
فایل جلسه 16
خصوصی
جلسه 17
۲۰:۲۵
basic analysis
خصوصی
۲۰:۲۵
جلسه 18
۱۵:۳۶
basic-2
خصوصی
۱۵:۳۶
جلسه 19
۱۷:۴۳
EXERCISE
خصوصی
۱۷:۴۳
جلسه 20
۱۷:۵۸
pandas series
خصوصی
۱۷:۵۸
جلسه 21
۳۱:۴۲
series method
خصوصی
۳۱:۴۲
جلسه 22
۱۹:۵۰
ploting
خصوصی
۱۹:۵۰
جلسه 23
۱۷:۳۲
pandas exercise
خصوصی
۱۷:۳۲
جلسه 24
۱۵:۰۴
indexing
خصوصی
۱۵:۰۴
جلسه 25
۱۷:۲۷
sorting
خصوصی
۱۷:۲۷
جلسه 26
۱۵:۳۸
sorting methods
خصوصی
۱۵:۳۸
جلسه 27
۱۸:۳۶
loc-iloc
خصوصی
۱۸:۳۶
جلسه 28
۲۵:۱۶
EXERCISE
خصوصی
۲۵:۱۶
جلسه 29
۱۸:۰۰
dataframe filtering (1)
خصوصی
۱۸:۰۰
جلسه 30
۲۰:۴۱
dataframe filtering (2)
خصوصی
۲۰:۴۱
جلسه 31
۲۰:۵۳
isna()
خصوصی
۲۰:۵۳
جلسه 32
۲۷:۲۵
EXERCISE
خصوصی
۲۷:۲۵
جلسه 33
۱۶:۳۶
drop
خصوصی
۱۶:۳۶
جلسه 34
۱۵:۰۸
modifying 1
خصوصی
۱۵:۰۸
جلسه 35
۱۶:۵۵
modifying 2
خصوصی
۱۶:۵۵
جلسه 36
۲۰:۲۰
EXERCISE
خصوصی
۲۰:۲۰
جلسه 37
۱۴:۵۵
modifying 3
خصوصی
۱۴:۵۵
جلسه 38
۲۲:۳۸
replace methods in pandas
خصوصی
۲۲:۳۸
جلسه 39
۱۵:۲۳
loc
خصوصی
۱۵:۲۳
جلسه 40
۲۲:۴۷
EXERCISE
خصوصی
۲۲:۴۷
جلسه 41
۱۷:۰۵
dtype
خصوصی
۱۷:۰۵
جلسه 42
۱۸:۰۵
NA VALUE
خصوصی
۱۸:۰۵
جلسه 43
۲۱:۳۵
EXERCISE
خصوصی
۲۱:۳۵
جلسه 44
۱۵:۰۲
MATPLTLIB-LINE PLOT
خصوصی
۱۵:۰۲
جلسه 45
۰۷:۵۱
MATPLOTLIB
خصوصی
۰۷:۵۱
جلسه 46
۲۱:۵۰
PLOT STYLE
خصوصی
۲۱:۵۰
جلسه 47
۲۰:۰۱
line plot
خصوصی
۲۰:۰۱
جلسه 48
۱۲:۴۵
legend
خصوصی
۱۲:۴۵
جلسه 49
۲۶:۰۸
bar plot 1
خصوصی
۲۶:۰۸
جلسه 50
۰۵:۵۵
bar plot 2
خصوصی
۰۵:۵۵
جلسه 51
۱۳:۱۳
hist plot
خصوصی
۱۳:۱۳
جلسه 52
۱۵:۴۶
scatter plot
خصوصی
۱۵:۴۶
جلسه 53
۲۰:۲۱
pie plot
خصوصی
۲۰:۲۱
جلسه 54
۲۱:۲۹
subplots 1
خصوصی
۲۱:۲۹
جلسه 55
۱۲:۲۲
subplot 2
خصوصی
۱۲:۲۲
جلسه 56
۱۳:۲۱
ploting 1
خصوصی
۱۳:۲۱
جلسه 57
۱۳:۲۲
pandas ploting 2
خصوصی
۱۳:۲۲
جلسه 58
۱۸:۳۷
ploting pandas 3
خصوصی
۱۸:۳۷
جلسه 59
۱۶:۱۵
ploting 4
خصوصی
۱۶:۱۵
جلسه 60
۱۹:۴۵
box plot
خصوصی
۱۹:۴۵
جلسه 61
۲۱:۳۰
scatter plot
خصوصی
۲۱:۳۰
جلسه 62
۲۱:۳۷
subplots 2
خصوصی
۲۱:۳۷
فایل جلسه 62
خصوصی
جلسه 63
۱۳:۳۰
suptitle
خصوصی
۱۳:۳۰
جلسه 64
۳۳:۱۴
EXERCISE
خصوصی
۳۳:۱۴
جلسه 65
۲۴:۰۲
aggregation
خصوصی
۲۴:۰۲
جلسه 66
۱۷:۵۰
group by
خصوصی
۱۷:۵۰
جلسه 67
۲۱:۳۴
aggregation-3
خصوصی
۲۱:۳۴
جلسه 68
۰۶:۰۸
EXERCISE
خصوصی
۰۶:۰۸
جلسه 69
۲۵:۰۲
multi_indexing 1
خصوصی
۲۵:۰۲
جلسه 70
۳۵:۵۶
multi-indexing 2
خصوصی
۳۵:۵۶
جلسه 71
۲۳:۴۸
string
خصوصی
۲۳:۴۸
جلسه 72
۲۱:۳۰
apply map part 1
خصوصی
۲۱:۳۰
جلسه 73
۱۶:۴۲
apply map part 2
خصوصی
۱۶:۴۲
جلسه 74
۱۵:۱۸
seaborn part 1
خصوصی
۱۵:۱۸
جلسه 75
۰۹:۱۱
seaborn-lineplot part 2
خصوصی
۰۹:۱۱
جلسه 76
۱۷:۰۸
seaborn-part 3
خصوصی
۱۷:۰۸
جلسه 77
۱۸:۲۴
seaborn-part 4
خصوصی
۱۸:۲۴
جلسه 78
۱۹:۵۱
seaborn part 5
خصوصی
۱۹:۵۱
جلسه 79
۱۷:۴۴
seaborn part 6
خصوصی
۱۷:۴۴
جلسه 80
۲۴:۳۲
seaborn part 7
خصوصی
۲۴:۳۲
جلسه 81
۲۵:۵۱
scikit-learn 1
خصوصی
۲۵:۵۱
جلسه 82
۱۴:۱۵
scikit-learn 2
خصوصی
۱۴:۱۵
جلسه 83
۲۱:۰۸
scikit-learn 3
خصوصی
۲۱:۰۸
جلسه 84
۲۱:۴۵
scikit-learn 4
خصوصی
۲۱:۴۵
جلسه 85
۱۴:۳۵
scikit-learn 5
خصوصی
۱۴:۳۵
جلسه 86
۲۱:۲۸
scikit-learn 6
خصوصی
۲۱:۲۸
جلسه 87
۲۷:۲۵
scikit-learn 7
خصوصی
۲۷:۲۵
جلسه 88
۲۹:۲۲
scikit-learn 8
خصوصی
۲۹:۲۲
جلسه 89
۱۵:۴۴
scikit-learn 9
خصوصی
۱۵:۴۴
جلسه 90
۲۱:۱۷
scikit-learn 10
خصوصی
۲۱:۱۷
جلسه 91
۱۴:۱۹
scikit-learn 11
خصوصی
۱۴:۱۹
جلسه 92
۳۰:۰۴
scikit-learn 12
خصوصی
۳۰:۰۴
جلسه 93
۲۲:۲۸
scikit-learn 13
خصوصی
۲۲:۲۸
جلسه 94
۲۱:۵۱
scikit-learn 14
خصوصی
۲۱:۵۱
فایل جلسه 94
خصوصی
جلسه 95
۰۵:۱۰
scikit-learn 15
خصوصی
۰۵:۱۰
جلسه 96
۲۲:۱۱
Naive Bayes Classification
خصوصی
۲۲:۱۱
فایل جلسه 96
خصوصی
جلسه 97
۳۵:۳۱
K-means Clustering and DBSCAN cluster
خصوصی
۳۵:۳۱
فایل جلسه 97
خصوصی
جلسه 98
۱۷:۴۹
Tensorflow 1
خصوصی
۱۷:۴۹
جلسه 99
۳۴:۱۲
Tensorflow 2
خصوصی
۳۴:۱۲
پشتیبانی دوره ماشین لرنینگ
پشتیبانی دوره از طریق ارسال تیکت و ارتباط مستقیم با مدرس خواهد بود، به گونه ای که دانشجویان و مدرس میتوانند از طریق ارسال تیکت های متنی وصوتی! سوالات و پاسخ های خود را ثبت نمایند.
همچنین پشتیبانی فنی پیواس به صورت 12 ساعته از ساعت 9 صبح تا 9 شب به صورت تلفنی و تیکت پاسخگوی دانشجویان میباشند.
دسترسی به محتوای دوره
بلافاصله بعد از خرید دوره برای حساب کاربری شما فعال شده و میتوانید از همین صفحه جلسات را مشاهده کنید.
همچنین دوره به قسمت ( دوره های خریداری شده ) در پنل کاربری شما اضافه خواهد شد.
سوال دیگری دارید؟
دیگه هر چی بود گفتیم ولی بازم اگه سوالی دارید 3 تا راه ارتباطی براتون گذاشتیم 😋 !
- از چت آنلاین استفاده کنین تا پشتیبان درعرض نهایتا 2 دقیقه پاسختون رو بده !
- وارد قسمت پنل کاربری بشید و روی گزینه تیکت جدید کلیک کنید و سوالاتتون رو مطرح کنید تا پشتیبان نهایتا طی 6 ساعت به شما پاسخ بده !
- وارد صفحه تماس با ما شوید و با شماره ما تماس بگیرید و تلفنی مشاوره دریافت کنید.
و اینکه تمام این راه های ارتباطی کاملا رایگان هستن !
دیدگاه‌ها
برای ارسال دیدگاه لازم است وارد حساب کاربری خود شوید
