دانشمند داده

طبقه بندی داده

حوزه‌های علم داده

یادگیری عمیق و یادگیری ماشین

وظایف دانشمند داده

انواع داده

انواع یادگیری ماشین

شناخت داده

توسعه و انتشار

زبان‌های برنامه‌نویسی برای علم داده

استخراج ویژگی، قسمت اول

استخراج ویژگی، قسمت دوم

کتابخانه‌های پایتون

مثال اول

مثال دوم

کلیات حل مساله

ساختار الگوریتم ها

دستورات شرطی

حلقه و تکرار

حل چند مساله

فلوچارت

تابع نویسی

متغیرهای محلی

ساخت رشته

کنترل نحوه نمایش

لیست ها

توابع کار با لیست

تاپل ها

دیکشنری و مجموعه

ساختار شرطی

حلقه ها

حلقه در ساختارهای داده

رسم اشکال هندسی(حل تمرین)

مثلث خیام پاسکال(حل تمرین)

شی گرایی 1

شی گرایی 2

کار با فایل

آشنایی با انواع خطا

مدیریت استثنا1

مدیریت استثنا2

استثنا(حل تمرین)

ویروس و آنتی ویروس

توضیحات محیط و نصب

عملگرهای ریاضی

عملگرهای شرطی، منطقی و بیتی

رسم نمودار گرافیکی

رسم نمودارهای آماری

توابع لامبدا و رسم سری ریمان(حل تمرین)

آرایه های چند بعدی در Numpy

اعمال توابع در Numpy

آمار و احتمالات در Numpy

فکر بکر 1(حل تمرین)

فکر بکر 2(حل تمرین)

دیتافریم در Pandas

گروه بندی داده ها در Pandas

SQL

دستورات

مثال

View

Internal Table

Database Managment

توابع

CTE

CTE 2

Functions

Date Functions

Examples

Stored Procedure

Trigger

View

Wild Card

Window Function

MySQL Window Function

تعاریف

طراحی جداول

نرمال سازی

ERD

ERD 2

ERD 3

تعمیم و تجمیع

محدودیت‌ها

محدودیت‌های کارکردی

MySQl

پیاده سازی

ایجاد جدول

کلیدها

عملیات

تعریف توابع

اجرای توابع

اجرای توابع 2

توسعه پایگاه داده

DSDL

DSDL 2

DSDL 3

دستورات

دستورات 2

الحاق جداول

به روز رسانی جداول

معرفی پایگاه داده

شناخت انواع پایگاه داده

محیط‌های توسعه

نحوه نمایش داده

فریم‌ورک‌های هوش مصنوعی

بصری‌سازی داده‌ها

پردازش صوت و گفتار در پایتون

پردازش متن و معرفی Parser‌ها در پایتون

پردازش تصویر در پایتون

شی‌گرایی مقدماتی

شی‌گرایی پیشرفته

آموزش مقدماتی decorator

آموزش decorator پیشرفته قسمت اول

آموزش decorator پیشرفته قسمت دوم

Type Annotations مقدماتی

کتابخانه‌ی Typing

آشنایی کتابخانه Pydantic

شروع برنامه‌نویسی تابعی قسمت اول

شروع برنامه‌نویسی تابعی قسمت دوم

Generator ها در پایتون

مفهوم کد تمیز

Design Pattern و Singleton Pattern

معرفی کتابخانه Logging و نحوه‌ی ماژول‌بندی

ادامه‌ی نحوه‌ی Log زدن صحیح در Production

نحوه‌ی نوشتن CLI در پایتون (typer , argparse)

آشنایی با Enum کلاس‌ها

معرفی پروژه‌ی کلاس Silero-VAD-Python

معرفی ساختار تمیز و استفاده از Cookiecutter

Linterها در پایتون

آموزش نحوه Test نویسی

بازنویسی پروژه Silero-VAD-Python

نحوه انتشار پکیج در pypi.org

نحوه نوشتن اپلیکیشن با استفاده از fastapi

نحوه نوشتن اپلیکیشن تحت وب با استفاده از gradio

معرفی علم شبکه

ویژگی‌های شبکه

پایتون در تحلیل شبکه

مولفه‌های مهم در تحلیل شبکه

پروژه

مقدمه‌ای بر تحلیل اکتشافی داده‌ها

تحلیل اکتشافی داده‌ها در پایتون

نمودارها در تحلیل داده

کلیات خوشه بندی

عملیات خوشه بندی در پایتون

بسته‌های خوشه بندی

کلیات دسته بندی

روش‌های دسته بندی

عملیات دسته بندی در پایتون

درخت تصمیم

مولفه‌های مهم در دسته بندی

آشنایی با قواعد انجمنی

عملیات در قواعد انجمنی

محیط‌های پیاده سازی

عملگرهای مهم پایتون

ماتریس‌ها در پایتون

آرایه‌ها در پایتون

پاکسازی داده‌ها

جداول داده‌ها در پایتون

عملیات در جداول داده

پیش پردازش داده‌‍‌ها

استاندارد سازی داده

کلیات داده کاوی

انواع مختلف داده

مباحث تکمیلی در پیش بینی و دسته بندی

محیط‌های اجرای داده کاوی

شبکه عصبی مصنوعی

بالانس داده

اصول جلب توجه در مخاطب

نمودارهای پرکاربرد در مصورسازی

داستان چیست؟

مثال‌هایی از داستان سرایی

مثال‌هایی از داستان سرایی (قسمت دوم)

استفاده از جداول در مصورسازی

اشتباهات رایج در مصورسازی

اهمیت محتوای بصری

مروری بر دوره مصورسازی

دلایل وجود نمودارهای بد

طراحی مناسب در مصورسازی

مولفه‌های ترسیم نمودار

انواع نمودارها در مصورسازی

تفاوت نمودار میله‌ای و هیستوگرام

نمودارهای دایره‌ای

نمودارهای پراکندگی و خطی

نمودارها در Power BI

آشنایی با Tableau

پایتون در مصورسازی

سخن پایانی دوره مصورسازی

تست فنی

Introduction to Machine Learning

?What is Machine Learning

Learning Types

Bayesian Networks

Inference in Bayesian Networks

Naive Bayes Classifier

Naive Bayes classifier Example

Hidden Markov Model

Decision Tree

Entropy

ID3 algorithm

C4.5 algorithm

Decision Tree(Programing)

Ensemble of Classifiers

Stacking & Bagging

Boosting & Adaboost

Ensemble(Programing)

Evaluation Metrics

Metric 01(Programing)

Metric 02(Programing)

Gaussian Naive Bayes

Gaussian Naive Bayes Parametric

Naive Bayesian 01(Programing)

Naive Bayesian 02(Programing)

KNN

KNN decision boundary

KNN 01(Programing)

KNN 02(Programing)

Introduction to Linear Regression

Gradient Descent

Nonlinear Regression

Bias & Variance

Regularization

Introduction to Sklearn(Programing)

Pre-process 01(Programing)

Pre-process 02(Programing)

Pre-process 03(Programing)

Pre-process 04(Programing)

Pre-process 05(Programing)

Pre-process 06(Programing)

Regression 01(Programing)

Regression 02(Programing)

Regression 03(Programing)

Regression 04(Programing)

Logistic Regression

Formalism

Roc Curve

Logistic Regression(Programing)

Multiclass

SVM

Svm Example

Kernel Functions

Soft Margin in Svm

SVM(Programing)

معیار‌های فاصله و شباهت

انواع روش‌های خوشه‌بندی

خوش‌بندی سلسله مراتبی

الگوریتم K-means

الگوریتم Kernel K-means

الگوریتم DBSCAN

معیار‌های ارزیایی خوشه‌بندی

مقایسه Linkage‌ های مختلف در خوشه‌بندی سلسله مراتبی (Programming)

نحوه استفاده از الگوریتم DBSCAN و ارزیابی آن (Programming)

پیاده‌سازی الگوریتم k-means روی مجموعه داده digits (Programming)

استفاده از الگوریتم k-means برای color quantization (Programming)

تخمین توزیع و تخمین‌گر MLE

توزیع نرمال و تخمین‌گر MLE

توزیع نرمال چند متغیره

الگوریتم EM و توزیع GMM

الگوریتم EM

کاربرد GMM در خوشه‌بندی و تخمین توزیع (Programming)

مقدمه‌ای بر روش‌های کاهش بعد

روش‌های انتخاب ویژگی

Sequential Forward Selection

Bias-Variance Tradeoff

PCA (part1)

PCA (part2)

PCA using SVD (Matrix Factorizations)

LDA (part1)

LDA (part2)

مقایسه‌ی PCA , LDA (Programming)

مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین

تقسیم‌بندی مسائل یادگیری ماشین: یادگیری با‌نظارت و بدون نظارت

مسائل و کاربرد‌های یادگیری بدون نظارت

Normalizing Flows

رابطه‌ی تغییر متغیر (Change of Variable Formula)

مدل NICE

مدل RealNVP

مدل Glow

Semi-Supervised و الگوریتم Self-Training

الگوریتم Co-training و Label Propagation

Semi-Supervised Learning and Bias-Variance Tradeoff

Data Augmentation

Transfer Learning

Self-Supervised Learning

BERT and GPT Models

تحلیل احساسات با استفاده از مدل (Programming) BERT

Autoencoder

برخی از کاربرد‌های Autoencoder (Denoising)

Variational Autoencoder

VAE: Regularized Latent Space

تشخیص ناهنجاری و الگوریتم Isolation Forest

تشخیص ناهنجاری با استفاده از AE و تخمین توزیع

تشخیص ناهنجاری با استفاده از Isolation Forest بر روی کارت‌های اعتباری (Programming)

بهینه‌سازی شبکه‌های عصبی

Dropout

Data Augmentation & Batch Normalization

طراحی شبکه‌های عمیق 01

طراحی شبکه‌های عمیق 02

طراحی شبکه‌های عمیق 03

معرفی اتوانکدر‌ها

کاربرد اتوانکدر‌ها

مدل‌های مولد

مدل‌های مولد تخاصمی

انواع مدل‌های GAN

StyleGAN

چالش‌های مدل‌های GAN & مدل‌های مولد متن به تصویر

مدل‌های مولد متن به تصویر

شبکه‌های عصبی MLP

مفهوم کانولوشن

کانولوشن در پردازش تصویر

شبکه‌های عصبی کانولوشنال 01(CNN)

شبکه‌های عصبی کانولوشنال 02(CNN)

لایه Transposed Conv

شبکه AlexNet

شبکه VGG & GoogleNet & ResNet

شبکه‌های عصبی 01

شبکه‌های عصبی 02

الگوریتم گرادیان کاهشی

الگوریتم گرادیان کاهشی 02

پیاده سازی الگوریتم گرادیان کاهشی بر روی شبکه عصبی پرسپترون

الگوریتم پس انتشار خطا

batch & mini-batch & stochastic gradient descent

مثال ساده طبقه بندی

مقدمه

دستاوردهای هوش مصنوعی 01

دستاوردهای هوش مصنوعی 02

هوش مصنوعی در بازار کار

آینده هوش مصنوعی 01

آینده هوش مصنوعی 02

یادگیری عمیق چیست؟

تاریخچه شبکه‌های عصبی

تفاوت یادگیری عمیق و کلاسیک

فرایند کلی یادگیری عمیق

یادگیری انتقالی(Transfer Learning)

مثال

پیاده سازی Transfer Learning

مقدمه

یادگیری ماشین

انواع روش ‌های یادگیری ماشین

یادگیری تقویتی

چالش‌های یادگیری ماشین 01

چالش‌های یادگیری ماشین 02

چالش‌های یادگیری ماشین 03

Deep learning frameworks

Tensorflow

آموزش Google Colab

Deep Feed-Forward Coding

Deep Forward Implementation

CNN 01

CNN 02

Training and overfitting

شبکه‌های بازگشتی

شبکه‌های بازگشتی و مکانیزم توجه

مکانیزم توجه

ترانسفورمرها 01

ترانسفورمرها 02

پروژه مسیر دانشمند داده