Course catalog

Course duration

Course provider

Topic

Categories

Showing 181-191 of 191 items.

linkedin یادگیری پایتون (Mitalearn-273544)

  • 3 hours 5 minutes
  • مناسب همه
  • Update date: 14 September 2023
  • Author: Joe Marini
درباره این دوره: 

 پایتون – زبان شی گرا محبوب و بسیار خوانا – هم قدرتمند است و هم یادگیری آن نسبتاً آسان است. چه در برنامه نویسی تازه کار باشید و چه یک توسعه دهنده با تجربه، این دوره می تواند به شما در شروع کار با پایتون کمک کند. جو مارینی یک نمای کلی از فرآیند نصب، نحو اصلی پایتون و نمونه ای از نحوه ساخت و اجرای یک برنامه ساده پایتون ارائه می دهد. یاد بگیرید که با تاریخ و زمان کار کنید، فایل‌ها را بخوانید و بنویسید، و داده‌های HTML، JSON و XML را از وب بازیابی و تجزیه کنید.

linkedin یادگیری پیتون (Mitalearn-426646)

  • 3 hours 41 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Joe Marini
درباره این دوره:

پایتون-زبان محبوب و بسیار قابل خواندن شیء گرا-یادگیری قدرتمند و نسبتاً آسان است. این که آیا شما در برنامه نویسی تازه کار هستید یا یک توسعه دهنده با تجربه ، این دوره می تواند به شما در شروع کار با پایتون کمک کند. جو مارینی مروری بر فرآیند نصب ، نحو اساسی پایتون و نمونه ای از نحوه ساخت و اجرای یک برنامه ساده پایتون ارائه می دهد. یاد بگیرید که با تاریخ و زمان کار کنید ، پرونده ها را بخوانید و بنویسید ، و داده های JSON و XML را از وب بازیابی و تجزیه کنید.

این دوره شامل چالش های کد است که توسط CoderPad تهیه شده است. چالش های کد تمرینات برنامه نویسی تعاملی با بازخورد در زمان واقعی است ، بنابراین می توانید برای پیشبرد مهارت های برنامه نویسی خود ، در کنار محتوای دوره ، تمرین کدگذاری دستی را انجام دهید.

linkedin یادگیری جنگو (Mitalearn-179058)

  • 1 hours 40 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Caleb Smith
درباره این دوره:

با جنگو، می‌توانید برنامه‌های تحت وب را در عرض چند ساعت از مفهومی به راه‌اندازی ببرید. این یک چارچوب رایگان و منبع باز است که در بالای پایتون طراحی شده است و از معماری داده محور پشتیبانی می کند. در این دوره آموزشی، آنچه را که برای راه اندازی و اجرا با جنگو باید بدانید را بیاموزید. مربی Caleb Smith با ایجاد یک پروژه جنگو کاملاً جدید، یک مدل داده و فیلدها را تعریف می کند، از پایگاه داده پرس و جو می کند، و از کنترل کننده ها، نماها و قالب های URL داخلی چارچوب برای ساختار دادن بقیه قسمت های پشتی استفاده می کند. به علاوه، یاد بگیرید که چگونه CSS و جاوا اسکریپت را برای بهبود سبک و قابلیت استفاده از قالب های جنگو خود ترکیب کنید.

linkedin یادگیری عمیق با پایتون: شبکه های عصبی حلقوی (Mitalearn-417551)

  • 1 hours 34 minutes
  • مناسب همه
  • Release date: 20 June 2025
  • Author: Frederick Nwanganga
درباره این دوره: 

 

دنیای جذاب شبکه های عصبی حلقوی (CNN) را کشف کنید و کشف کنید که چگونه آنها در زمینه دید رایانه و یادگیری عمیق انقلابی ایجاد کرده اند. بلوک های ساختمانی CNN ها را درک کرده و با استفاده از پایتون ، با تمرکز بر روی برنامه های دنیای واقعی مانند طبقه بندی تصویر ، تشخیص شی و تقسیم تصویر ، به تمرینات عملی بپردازید. مربی فرد Nwanganga به شما کمک می کند تا در طراحی ، اجرای و بهینه سازی مدل های CNN مهارت لازم را داشته باشید. درک خود را از معماری های پیشرفته مانند VGG NET ، RESNET و کارآمد ، تقویت کنید و نحوه استفاده از مدلهای پیش ساخته را برای دقت و کارآیی افزایش دهید. این دوره که برای دانشمندان داده ، علاقه مندان به یادگیری ماشین و توسعه دهندگان با درک بنیادی از یادگیری عمیق و مهارت های برنامه نویسی پایتون طراحی شده است ، این دوره به شما کمک می کند تا تکنیک های پیشرفته یادگیری ماشین را باز کنید. با استفاده از Codepaces GitHub ، می توانید از هر دستگاه ، در هر زمان ، همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد ، استفاده کنید. برای یادگیری نحوه شروع کار "استفاده از Codespaces GitHub" را با این دوره بررسی کنید.


linkedin یادگیری عمیق: تشخیص چهره (Mitalearn-128007)

  • 1 hours 25 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Adam Geitgey
درباره این دوره:

تشخیص چهره برای همه چیز از برچسب گذاری خودکار تصاویر گرفته تا باز کردن قفل تلفن های همراه استفاده می شود. و با پیشرفت های اخیر در یادگیری عمیق، دقت تشخیص چهره بهبود یافته است. در این دوره آموزشی، یاد بگیرید که چگونه یک سیستم تشخیص چهره ایجاد کنید که می تواند چهره ها را در تصاویر تشخیص دهد، چهره ها را شناسایی کند، و حتی چهره ها را با آرایش دیجیتال تغییر دهد، همانطور که در برنامه های محبوب تلفن همراه تجربه کرده اید. نحوه راه اندازی یک محیط توسعه را بیابید. ابزارهایی را که می توانید برای تشخیص چهره استفاده کنید، کشف کنید. ببینید چگونه می توان یک مدل یادگیری ماشینی را برای تجزیه و تحلیل تصاویر و شناسایی نشانه های چهره آموزش داد. مراحل مربوط به کدگذاری تشخیص ویژگی چهره، نمایش چهره به عنوان مجموعه ای از اندازه گیری ها و رمزگذاری چهره ها را بیاموزید. علاوه بر این، یاد بگیرید که چگونه سیستم های از قبل موجود را تغییر دهید و تنظیم کنید.

linkedin یادگیری ماشین با پایتون: k-Means Clustering (Mitalearn-392561)

  • 50 minutes
  • مناسب همه
  • Update date: 1 May 2024
  • Author: Frederick Nwanganga
درباره این دوره: 

 خوشه بندی - یک رویکرد یادگیری ماشینی بدون نظارت که برای گروه بندی داده ها بر اساس شباهت استفاده می شود - برای کار در تجزیه و تحلیل شبکه، تقسیم بندی بازار، گروه بندی نتایج جستجو، تصویربرداری پزشکی و تشخیص ناهنجاری استفاده می شود. خوشه‌بندی K-means یکی از محبوب‌ترین و آسان‌ترین الگوریتم‌های خوشه‌بندی است. در این دوره آموزشی، Fred Nwanganga به شما نگاهی مقدماتی به خوشه‌بندی k-means می‌دهد – چگونه کار می‌کند، برای چه چیزی خوب است، چه زمانی باید از آن استفاده کنید، چگونه تعداد مناسبی از خوشه‌ها را انتخاب کنید، نقاط قوت و ضعف آن، و موارد دیگر. Fred راهنمایی عملی در مورد نحوه جمع‌آوری، کاوش و تبدیل داده‌ها در آماده‌سازی برای تقسیم‌بندی داده‌ها با استفاده از خوشه‌بندی k-means ارائه می‌کند و راهنمای گام به گام نحوه ساخت چنین مدلی در پایتون را ارائه می‌دهد.

linkedin یادگیری ماشین با پایتون: رگرسیون لجستیک (Mitalearn-392595)

  • 1 hours 19 minutes
  • مناسب همه
  • Update date: 29 April 2024
  • Author: Frederick Nwanganga
درباره این دوره: 

 آیا به دنبال راهی عملی برای استفاده از یادگیری ماشین برای حل مشکلات پیچیده دنیای واقعی هستید؟ رگرسیون لجستیک رویکردی برای یادگیری ماشینی تحت نظارت است که مقادیر انتخاب شده را برای پیش‌بینی نتایج احتمالی مدل‌سازی می‌کند. در این دوره، فردریک نوانگانگا، استاد نوتردام، راهنمای گام به گام نحوه ساخت یک مدل رگرسیون لجستیک با استفاده از پایتون را در اختیار شما قرار می دهد. نکات عملی برای جمع آوری، کاوش، و تبدیل داده های خود را قبل از شروع بیاموزید. در پایان این دوره، شما مهارت های فنی برای دانستن زمان و نحوه طراحی، ساخت، ارزیابی و مدیریت موثر یک مدل رگرسیون لجستیک را به تنهایی خواهید داشت.

این دوره با GitHub یکپارچه شده است. Codespaces، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه اندازی ماشین محلی ارائه می دهد. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را بررسی کنید.

linkedin یادگیری ماشین با پایتون: قوانین انجمن (Mitalearn-392578)

  • 1 hours 27 minutes
  • مناسب همه
  • Update date: 25 April 2024
  • Author: Frederick Nwanganga
درباره این دوره: 

 به مربی فردریک نوانگانگا بپیوندید زیرا او یک رویکرد کاربردی و قابل درک برای استفاده از یادگیری ماشین برای حل مشکلات دنیای واقعی را معرفی می کند و راهنمایی های گام به گام در مورد نحوه انجام این کار در پایتون ارائه می دهد. فردریک به طور خاص بر قوانین انجمن و نحوه اعمال آنها برای تجزیه و تحلیل سبد بازار تمرکز می کند. او توضیح می دهد که قوانین تداعی چیست و دو الگوریتم محبوب را بررسی می کند، سپس به این می پردازد که چه زمانی و چرا باید از قوانین تداعی استفاده کنید. به علاوه، فردریک نحوه ایجاد، تجسم، و تفسیر قوانین ارتباط در پایتون را پوشش می‌دهد.

این دوره با GitHub Codespaces، یک محیط توسعه‌دهنده ابر فوری که تمام قابلیت‌های IDE مورد علاقه شما را بدون نیاز به هیچ‌گونه نیازی ارائه می‌کند، یکپارچه شده است. راه اندازی ماشین محلی با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را بررسی کنید.

linkedin یادگیری ماشین با پایتون: مبانی (Mitalearn-218192)

  • 1 hours 54 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Frederick Nwanganga
درباره این دوره:

احتمالاً قبلاً در مورد یادگیری ماشینی شنیده اید، اما آیا تا به حال فکر کرده اید که این اصطلاح واقعاً به چه معناست؟ یک ماشین چگونه یاد می گیرد؟ آیا به ساخت یک مدل یادگیری ماشین فکر کرده اید، اما نمی دانید از کجا شروع کنید؟n فردریک دقیقاً با معنای یادگیری ماشین‌ها و روش‌های مختلف یادگیری آنها شروع می‌کند، سپس به نحوه جمع‌آوری، درک و آماده‌سازی داده‌ها برای یادگیری ماشین می‌پردازد. او همچنین مثال‌های راهنمایی از نحوه انجام هر مرحله با استفاده از پایتون ارائه می‌دهد. در نهایت، او همه آن‌ها را برای ساخت، ارزیابی و تفسیر نتایج یک مدل یادگیری ماشین در پایتون گرد هم می‌آورد.

linkedin یادگیری ماشین کاربردی: مهندسی ویژگی (2020) (Mitalearn-227593)

  • 2 hours 26 minutes
  • مناسب همه
  • Release date: 10 August 2020
  • Author: Derek Jedamski
درباره این دوره: 

 کیفیت پیش‌بینی‌هایی که از مدل یادگیری ماشین شما به دست می‌آید بازتاب مستقیم داده‌هایی است که در طول آموزش به آن‌ها می‌دهید. مهندسی ویژگی به شما کمک می کند تا آخرین بیت ارزش را از داده ها استخراج کنید. این دوره ابزارهایی را برای گرفتن مجموعه داده، حذف سیگنال و حذف نویز به منظور بهینه سازی مدل های خود ارائه می دهد. این مفاهیم تقریباً به هر نوع الگوریتم یادگیری ماشینی تعمیم می یابد. مدرس درک جدامسکی در مورد اصول یادگیری ماشین و مقدمه ای کامل برای مهندسی ویژگی ها تجدید نظر می کند. او ویژگی های پیوسته و طبقه بندی شده را بررسی می کند و نحوه تمیز کردن، عادی سازی و تغییر آنها را نشان می دهد. بیاموزید که چگونه مقادیر از دست رفته را آدرس‌دهی کنید، نقاط پرت را حذف کنید، داده‌ها را تبدیل کنید، شاخص‌ها ایجاد کنید و ویژگی‌ها را تبدیل کنید. در فصل‌های پایانی، درک نحوه آماده‌سازی ویژگی‌ها برای مدل‌سازی را توضیح می‌دهد و چهار تغییر را برای مقایسه ارائه می‌دهد، بنابراین می‌توانید تأثیر تمیز کردن، تبدیل و ایجاد ویژگی‌ها را از طریق لنز عملکرد مدل ارزیابی کنید.

linkedin یادگیری مولدهای پایتون (2016) (Mitalearn-93004)

  • 44 minutes
  • متوسط
  • Release date: 13 September 2016
  • Author: Josh McQuiston
درباره این دوره:

ژنراتورها مفهومی منحصر به فرد برای پایتون هستند. اگر بدانید چگونه و چه زمانی از آنها استفاده کنید، فوق العاده مفید هستند. به بیان ساده، ژنراتورها بهترین راه برای تکرار از طریق مجموعه داده های بزرگ و پیچیده هستند. Pythonista Josh McQuiston هر آنچه را که باید در مورد ژنراتورهای Python بدانید را توضیح می دهد و نمونه هایی از ژنراتورهای در حال کار را ارائه می دهد. یاد بگیرید که چگونه یک تابع مولد اولیه بسازید، از عبارات و اشیاء مولد استفاده کنید، و ببینید که چگونه ژنراتورها در پشت صحنه کار می کنند تا مدیران زمینه و برنامه های مشترک را تقویت کنند.

Suggestions