1
2
3
مدت
مدرک
تاریخ به روز رسانی
1
2
3
مدت
مدرک
تاریخ به روز رسانی

(1361 رای)
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
مدت
مدرک
ندارد
تاریخ به روز رسانی
1404/12/24
12,000,000تومان
هر قسط با اسنپ پی : 3,000,000 تومان
4 قسط ماهانه، بدون چک و ضامن.
1
(679 رای)
کلیات حل مساله
ساختار الگوریتم ها
دستورات شرطی
حلقه و تکرار
حل چند مساله
فلوچارت
توضیحات محیط و نصب
عملگرهای ریاضی
عملگرهای شرطی، منطقی و بیتی
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)
تابع نویسی
متغیرهای محلی
شی گرایی 1
شی گرایی 2
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
رسم نمودار گرافیکی
رسم نمودارهای آماری
توابع لامبدا و رسم سری ریمان(حل تمرین)
کار با فایل
ویروس و آنتی ویروس
آشنایی با انواع خطا
مدیریت استثنا1
مدیریت استثنا2
استثنا(حل تمرین)
2
(98 رای)
آشنایی با پایگاهداده
آشنایی با نرمالسازی پایگاه داده
نصب SQL Server و SSMS
آشنایی با محیط SSMS
دستورات مقدماتی SQL
اعمال چندین شرط بر روی ستونهای متنی و تاریخ
شرط بر روی مقادیر ناموجود
آشنایی با جداول و مقادیر منحصربهفرد
آشنایی و استفاده از جا نگهدارها
توابع متنی در SQL
توابع تاریخ در SQL
توابع عددی در SQL
انواع داده در SQL
آشنایی با sub Query
آشنایی با مفهموم Join در SQL
پیاده سازی Joing در SQL
ساخت جداول و دیتابیس در SQL
کلید اصلی و خارجی
ویرایش و حذف جداول و دیتای آنها
درج داده در جداول و بهروزرسانی دادهها
انتقال و استخراج داده از SQL Server به فایل
CROSS JOIN و اپراتور APPLY در SQL
توابع تجمیعی در SQL
برخی کوئریهای تحلیلی
شرط بر روی خروجی Group By
مروری بر شرط HAVING با دیتابیس جدید
ساخت و تغییر View
استفاده از شرط در SELECT
متغیرها و کنترل جریان اجرای کوئری
ساخت جدول تاریخ با استفاده از حلقه WHILE
جداول موقت و CTE در SQL
اپراتورهای مجموعهای در SQL
کوئری Merge برای مقایسه جداول
آشنایی با توابع پنجرهایی (window function)
توابع پنجرهای و Rank برای شناسایی مشتریان برتر
توابع Log , Lead و کاربرد آنها
تابع ntile و الگوریتم RFM
ساخت روال ذخیره شده و تابع
ساخت job و زمانبندی اجرای job
مروری بر ایجاد دسترسی
مقدمهای بر بهبود عملکرد با Index
ساخت schema
3
(71 رای)
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
4
(45 رای)
گیت چیست؟
تاریخچه گیت
معرفی گیت هاب
نصب گیت
push کردن در گیت هاب
نحوه clone , pull, push در یک پروژه تیمی ساده
آشنایی با add , gitignore
آشنایی با commit و انواع تغییرات فایل در گیت
آشنایی با دستور diff
آشنایی با دستور remote و push
آشنایی با pull و fetch و رفع ناسازگاریها
بازگشت به عقب با استفاده از reset, revert
آشنایی با مفهوم شاخه (Branch)
مفهوم workflow
عملیات ادغام و کار با merge و rebase
دستور checkout
دستور commit --amend و دستور tag
دستور stash
آموزش submodule قسمت اول
آموزش submodule قسمت دوم
آشنایی با محیط گیت هاب
آشنایی با codespace, profile
ساختن github pages
آموزش fork , pull request داخل گیت هاب
آموزش github actions
5
(142 رای)
کلیات داده کاوی
انواع مختلف داده
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
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
معرفی علم شبکه
ویژگیهای شبکه
پایتون در تحلیل شبکه
مولفههای مهم در تحلیل شبکه
مباحث تکمیلی در پیش بینی و دسته بندی
محیطهای اجرای داده کاوی
شبکه عصبی مصنوعی
بالانس داده
پروژه
6
(248 رای)
اهمیت محتوای بصری
مروری بر دوره مصورسازی
دلایل وجود نمودارهای بد
مولفههای ترسیم نمودار
انواع نمودارها در مصورسازی
تفاوت نمودار میلهای و هیستوگرام
نمودارهای دایرهای
نمودارهای پراکندگی و خطی
اصول جلب توجه در مخاطب
نمودارهای پرکاربرد در مصورسازی
استفاده از جداول در مصورسازی
اشتباهات رایج در مصورسازی
طراحی مناسب در مصورسازی
داستان چیست؟
مثالهایی از داستان سرایی
مثالهایی از داستان سرایی (قسمت دوم)
نمودارها در Power BI
آشنایی با Tableau
پایتون در مصورسازی
سخن پایانی دوره مصورسازی
تست فنی
7
(159 رای)
Introduction to Machine Learning
?What is Machine Learning
Learning Types
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)
KNN
KNN decision boundary
KNN 01(Programing)
KNN 02(Programing)
Evaluation Metrics
Decision Tree
Entropy
ID3 algorithm
C4.5 algorithm
پیاده سازی درخت تصمیم
بررسی معیارهای ارزیابی در درخت تصمیم
بررسی ماتریس درهم ریختگی و نمودار ROC در درخت تصمیم
Multiclass
Bayesian Networks
Inference in Bayesian Networks
Naive Bayes Classifier
Naive Bayes classifier Example
Hidden Markov Model
Gaussian Naive Bayes
Gaussian Naive Bayes Parametric
Naive Bayesian 01(Programing)
Naive Bayesian 02(Programing)
Logistic Regression
Formalism
Roc Curve
Logistic Regression(Programing)
SVM
Svm Example
Kernel Functions
Soft Margin in Svm
SVM(Programing)
Ensemble of Classifiers
Stacking & Bagging
Boosting & Adaboost
Ensemble(Programing)
8
(101 رای)
مقدمهای بر هوش مصنوعی و یادگیری ماشین
تقسیمبندی مسائل یادگیری ماشین: یادگیری بانظارت و بدون نظارت
مسائل و کاربردهای یادگیری بدون نظارت
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)
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)
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)
Autoencoder
برخی از کاربردهای Autoencoder (Denoising)
Variational Autoencoder
VAE: Regularized Latent Space
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
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)
9
(167 رای)
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
مقدمه
یادگیری ماشین
انواع روش های یادگیری ماشین
یادگیری تقویتی
چالشهای یادگیری ماشین 01
چالشهای یادگیری ماشین 02
چالشهای یادگیری ماشین 03
شبکههای عصبی 01
شبکههای عصبی 02
الگوریتم گرادیان کاهشی ۰۱
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
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
بهینهسازی شبکههای عصبی
Dropout
Data Augmentation & Batch Normalization
طراحی شبکههای عمیق 01
طراحی شبکههای عمیق 02
طراحی شبکههای عمیق 03
یادگیری انتقالی(Transfer Learning)
مثال کاربردی
پیاده سازی Transfer Learning
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
آموزش Google Colab
Deep learning frameworks
Tensorflow
شبکههای بازگشتی
شبکههای بازگشتی و مکانیزم توجه
مکانیزم توجه
ترانسفورمرها 01
ترانسفورمرها 02
Deep Feed-Forward Coding
Deep Forward Implementation
CNN 01
CNN 02
Training and overfitting
10
(13 رای)
مقدمه و آشنایی اولیه یا Mlflow
آشنایی با اجزای MLflow
نصب اولیه MLflow
بررسی رقبای MLflow
تعریف مساله و ساخت مدلهای اولیه
نحوه مدیریت دادههای نامتوازن (imbalanced)
ساخت Experiment در MLflow
Experiment Tracking مدلها با MLflow
Model Registry در MLflow
Load Model در MLflow
طریقه نصب Mlflow بر روی سرور با استفاده از داکر
تحلیل اولیه دیتاست و شروع کار با MLFlow
آموزش مدلها و ایجاد ساختار درست پروژه
ساختاردهی پروژه جهت مدیریت در MLFlow
پیکربندی داکر و استفاده در MLFlow
نمایش کل خروجی ها و تحلیل در MLFlow
11
(16 رای)
پروژه مسیر دانشمند داده
12