معرفی دوره | مدرسه پردازش و تحلیل داده دقیقه

مدرسه پردازش و تحلیل داده دقیقه

سرفصل‌ها

پردازش و پاک‌سازی داده‌ها

معرفی دوره00:20:28

ابزارهای بهینه‌سازی و روش‌های یادگیری ماشین00:21:35

انواع مدل‌های بهینه‌سازی00:21:59

آشنایی و کار با پکیج بهینه سازی پایومو – بخش اول00:19:00

آشنایی و کار با پکیج بهینه سازی پایومو – بخش دوم00:12:06

آشنایی و کار با پکیج بهینه سازی پایومو – بخش سوم00:19:11

آشنایی و کار با پکیج بهینه سازی پایومو – بخش جهارم00:16:28

آشنایی و کار با پکیج بهینه سازی پایومو – بخش پنجم00:21:25

نکاتی درباره روشهای ذخیره سازی دیتا در پایتون و دسترسی به آنها00:16:56

تمرین

مبانی ریاضی

حل تمرین00:20:05

معرفی برخی مفاهیم آماری و استفاده از سالور غیر خطی00:19:51

شیوه کار با محیط googlecolab و بارگذاری داده در آن – بخش اول00:20:35

شیوه کار با محیط googlecolab و بارگذاری داده در آن – بخش دوم00:20:20

شرایط KKT00:19:17

حل مثال با استفاده از روش KKT – بخش اول00:20:31

حل مثال با استفاده از روش KKT – بخش دوم00:18:43

نکاتی درباره روش KNN (Classification) – بخش اول00:21:12

نکاتی درباره روش KNN (Classification) – بخش دوم00:12:27

مدل‌های پیش‌بینی

پرسش و پاسخ و حل تمرین KNN00:19:27

حل تمرین KNN – ادامه00:19:57

آشنایی با روش ANN00:21:37

معرفی معیارهای دقت و کارایی روش KNN00:20:46

آموزش SVM فرم Primal vs dual00:18:09

کدنویسی فرم Primal00:21:16

کدنویسی فرم Primal (ادامه) – پرسش و پاسخ00:17:48

پرسش و پاسخ (ادامه)00:20:23

تمرین

مدل‌های خوشه‌بندی (Clustering)

حل مسئله با موضوع Dual SVM00:19:32

حل مسئله با موضوع Dual SVM – ادامه00:15:47

SVM – test, train و normalizing data00:18:03

SVM – Cross Referencing00:07:30

Kernel Trick در SVM – مقدمات00:16:50

Kernel Trick در SVM – فرمول‌نویسی00:17:46

Kernel Trick در SVM – معرفی انواع kernel00:11:51

معرفی و کاربرد روش رگرسیون در پیش‌بینی و دسته‌بندی00:19:18

کاربرد روش رگرسیون در پیش‌بینی و دسته‌بندی00:13:42

دسته‌بندی با روش رگرسیون لوجستیک00:23:39

تمرین

حل مسئله Kernel based SVM00:18:49

حل مسئله Kernel based SVM – ادامه00:18:08

تمرین پاک‌سازی داده00:19:15

خوشه‌بندی (یادگیری بدون نظارت)00:13:12

استفاده از روش Kmeans clustering به روش تکرار00:15:42

فرمولاسیون روش Kmeans clustering00:16:41

تکنیک Kmeans clustering به روش MIQCP در پایومو00:19:33

تکنیک Kmedoids clustering به روش MILP در پایومو00:20:17

تکنیک Kmedoids clustering به روش MILP در پایومو – ادامه00:22:06

تحلیل مؤلفه‌های اصلی (PCA)

ارسال رزومه

معرفی دوره

بعد ←

پردازش و پاک‌سازی داده‌ها

انواع مدل‌های بهینه‌سازی00:21:59

آشنایی و کار با پکیج بهینه سازی پایومو – بخش اول00:19:00

آشنایی و کار با پکیج بهینه سازی پایومو – بخش دوم00:12:06

آشنایی و کار با پکیج بهینه سازی پایومو – بخش سوم00:19:11

آشنایی و کار با پکیج بهینه سازی پایومو – بخش جهارم00:16:28

آشنایی و کار با پکیج بهینه سازی پایومو – بخش پنجم00:21:25

نکاتی درباره روشهای ذخیره سازی دیتا در پایتون و دسترسی به آنها00:16:56

تمرین

مبانی ریاضی

حل تمرین00:20:05

معرفی برخی مفاهیم آماری و استفاده از سالور غیر خطی00:19:51

شیوه کار با محیط googlecolab و بارگذاری داده در آن – بخش اول00:20:35

شیوه کار با محیط googlecolab و بارگذاری داده در آن – بخش دوم00:20:20

شرایط KKT00:19:17

حل مثال با استفاده از روش KKT – بخش اول00:20:31

حل مثال با استفاده از روش KKT – بخش دوم00:18:43

نکاتی درباره روش KNN (Classification) – بخش اول00:21:12

نکاتی درباره روش KNN (Classification) – بخش دوم00:12:27

مدل‌های پیش‌بینی

پرسش و پاسخ و حل تمرین KNN00:19:27

حل تمرین KNN – ادامه00:19:57

آشنایی با روش ANN00:21:37

معرفی معیارهای دقت و کارایی روش KNN00:20:46

آموزش SVM فرم Primal vs dual00:18:09

کدنویسی فرم Primal00:21:16

کدنویسی فرم Primal (ادامه) – پرسش و پاسخ00:17:48

پرسش و پاسخ (ادامه)00:20:23

تمرین

مدل‌های خوشه‌بندی (Clustering)

حل مسئله با موضوع Dual SVM00:19:32

حل مسئله با موضوع Dual SVM – ادامه00:15:47

SVM – test, train و normalizing data00:18:03

SVM – Cross Referencing00:07:30

Kernel Trick در SVM – مقدمات00:16:50

Kernel Trick در SVM – فرمول‌نویسی00:17:46

Kernel Trick در SVM – معرفی انواع kernel00:11:51

معرفی و کاربرد روش رگرسیون در پیش‌بینی و دسته‌بندی00:19:18

کاربرد روش رگرسیون در پیش‌بینی و دسته‌بندی00:13:42

دسته‌بندی با روش رگرسیون لوجستیک00:23:39

تمرین

حل مسئله Kernel based SVM00:18:49

حل مسئله Kernel based SVM – ادامه00:18:08

تمرین پاک‌سازی داده00:19:15

خوشه‌بندی (یادگیری بدون نظارت)00:13:12

استفاده از روش Kmeans clustering به روش تکرار00:15:42

فرمولاسیون روش Kmeans clustering00:16:41

تکنیک Kmeans clustering به روش MIQCP در پایومو00:19:33

تکنیک Kmedoids clustering به روش MILP در پایومو00:20:17

تکنیک Kmedoids clustering به روش MILP در پایومو – ادامه00:22:06

تحلیل مؤلفه‌های اصلی (PCA)

مبانی ریاضی PCA و آماده‌سازی داده01:27:10

کارگاه انجام پروژه درس در زمینه PCD، استفاده از روش‌های یادگیری ماشین01:21:20

ارسال رزومه

بارگذاری رزومه و تکمیل اطلاعات

شبکه‌های اجتماعی

آخرین مطالب

وارد شدن