*کافیه این ویدیو رو ببینی و منابع مرتبط رو توی کانال تماشا کنی تا یه مهندس علم داده کاربلد بشی!*
‏فرق این ویدیو با بقیه ویدیوها اینه که تمامی محتواها تو همین کانال هست و نیازی نیست بگردی دنبال منبع!
خیلی وقت ها دوست داریم یه کاری رو شروع کنیم، یه مهارتی یاد بگیریم و یا توی حرفه ای که توش هستیم به تخصص برسیم، اما اینکار نیازمند دونستن مسیر هست، چرا که با داشتن نقشه راه اولا کارمون راحت تره، مسیر روشن تر و مشخص تر هست و کل انرژیمون روی هدفمون متمرکز خواهد بود. حالا در نظر بگیر اگه علاوه بر مسیر، *منابع رایگان* هم در اختیارمون قرار بگیره که دیگه عالی میشه!
توی این ویدیو فرض رو بر این گذاشتم که میخوام مجددا علم داده‏ (Data Science) رو یاد بگیرم، *حالا اگه از صفر شروع کنم، بهترین و بهینه ترین راه چیه؟*
بهتون پیشنهاد میکنم این ویدیو رو تماشا کنین و اونو با دوستانتون به اشتراک بذارین، چون فقط با دنبال کردن این مسیر، خیلی راحت میتونین یه رزومه با مهارتهای کاملا اساسی بسازین و با انجام پروژه های معرفی شده، *راه چند ساله رو تو چند هفته برین!*

*لطفا از دانلود ویدیوها اجتناب کنین، برای این ویدیوها زحمت زیادی کشیده شده (من راضی نیستم که اونها رو دانلود کنید) و به همین دلیل تنها راه استفاده رایگان، تماشای آنلاین هست.*

*ویدیوهای مرتبط با هر مرحله*

*گام اول* 2:58
دوره کامل پایتون از مقدماتی تا پیشرفته [ Ссылка ]
پنج پروژه با استفاده از پایتون - از سطح مقدماتی تا پیشرفته [ Ссылка ]
آشنایی با کتابخانه Pandas و دستورات مهم آن در 20 دقیقه [ Ссылка ]
آشنایی با کتابخانه numpy و دستورات مهم آن در 20 دقیقه [ Ссылка ]

*گام دوم* 9:13
آشنایی با کتابخانه matplotlib و دستورات مهم آن در 10 دقیقه [ Ссылка ]

*گام سوم* 15:13
هوش مصنوعی، ماشین لرنینگ و دیپ لرنینگ، آشنایی، تفاوتها و کاربردهای آنها [ Ссылка ]
انواع روشهای ماشین لرنینگ‌ (تفاوت و کاربردهای یادگیری بی نظارت، با نظارت و تقویتی) [ Ссылка ]
پلی لیست الگوریتم های پایه ماشین لرنینگ [ Ссылка ]
دوره کامل یادگیری ماشین از مقدماتی تا پیشرفته [ Ссылка ]
3 پروژه کاملا کاربردی و مبتنی بر واقعیت برای تمرین بیشتر یادگیری ماشین [ Ссылка ]

*گام چهارم* 20:11
آموزش یادگیری ماشین 18 - چطور با استفاده از ‫PCA بُعد ویژگی ها (‫featureها) رو کاهش بدیم؟ [ Ссылка ]
موازنه بایاس و واریانس یعنی چی؟ (دلیل overfit یا underfit شدن مدلها چیه؟) [ Ссылка ]
بخشهایی از دوره ماشین لرنینگ [ Ссылка ]
عتبار سنجی متقابل (cross validation) چیه و چطور بهترین پارامترهارو پیدا میکنه؟ [ Ссылка ]
بهینه سازی هایپر پارامترهای شبکه با استفاده از grid search و random search
[ Ссылка ]

*گام پنجم* 26:12
دوره کامل یادگیری عمیق (دیپ لرنینگ) از مقدماتی تا پیشرفته [ Ссылка ]
دوره کامل شبکه های عصبی کانولوشنی (CNN) از مقدماتی تا پیشرفته [ Ссылка ]
پروژه کامل دیپ لرنینگ (Deep Learning) روی دیتاست بیماری قلبی با توضیحات کامل تمامی مراحل پیاده سازی [ Ссылка ]
پروژه کامل شبکه عصبی کانولوشنی (CNN) با توضیحات کامل تمامی مراحل پیاده سازی و لایه های شبکه [ Ссылка ]
‫آموزش صفر تا صد کگل (Kaggle) برای یادگیری ماشین (Machine Learning) و علم داده (Data Science) [ Ссылка ]
بررسی دقیق و کامل انواع تابع هزینه (Loss function) در Keras و تفاوتهای آنها [ Ссылка ]


*گام ششم* 29:17
‫دوره آموزشی کامل گیت هاب (GitHub) - کاملا پروژه محور (از مقدماتی تا پیشرفته) [ Ссылка ]

*گام هفتم* 32:15
10 حوزه پرکاربرد یادگیری ماشین (Machine Learning) با توضیح کامل جزییات، بازار کار و منابع هر کدام [ Ссылка ]
چطور توی لینکدین یک پروفایل تخصصی داشته باشیم؟ دنبال کار بگردیم؟ بررسی تمام جزئیات مهم [ Ссылка ]

*گام هشتم* 34:17
.
ممنون میشم اگر ویدیوها آموزنده هست اونها رو لایک کنید، توی کانالمون سابسکرایب کنید و اونها رو با دیگران هم به اشتراک بذارین.
.
*لطفا از دانلود ویدیوها اجتناب کنین، برای این ویدیوها زحمت زیادی کشیده شده (من راضی نیستم که اونها رو دانلود کنید) و به همین دلیل تنها راه استفاده رایگان، تماشای آنلاین هست.*
لینک کانال تلگرام [ Ссылка ]

اگر برای ورود به دنیای برنامه نویسی و آموزش آن به صورت خودآموز نیاز به راهنمایی و مشاوره دارید، میتونین از طریق لینک زیر جهت رزرو زمان مناسب اقدام کنید تا با هم در موردش صحبت کنیم و یه شروع قدرتمند داشته باشین.
[ Ссылка ]

свернуть