ویدیوهای آموزشی

یادگیری ماشین (جلسه دهم) - بیش‌برازش و تنظیم
یادگیری ماشین (جلسه دهم) - بیش‌برازش و تنظیم
یادگیری ماشین (جلسه دهم) - بیش‌برازش و تنظیم

یادگیری ماشین (جلسه دهم) - بیش‌برازش و تنظیم

ویژه توسط کاربران Seyed Naser Razavi
ویژه توسط کاربران Seyed Naser Razavi

- تعریف بیش‌برازش: 00:00:00 - تنظیم: 00:15:38 - روش‌های تنظیم L1 و L2: 00:33:45 - رگرسیون با تنظیم: 00:55:26 - معادله نرمال با تنظیم (تنظیم تیخونوف): 01:12:26 - دسته‌بندی با تنظیم: 01:19:57 - روش‌های بهینه‌سازی پیشرفته: 01:27:16 - پیاده‌سازی انواع تنظیم در پایتون: 01:30:39 - نشانی وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ - دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018

- تعریف بیش‌برازش: 00:00:00 - تنظیم: 00:15:38 - روش‌های تنظیم L1 و L2: 00:33:45 - رگرسیون با تنظیم: 00:55:26 - معادله نرمال با تنظیم (تنظیم تیخونوف): 01:12:26 - دسته‌بندی با تنظیم: 01:19:57 - روش‌های بهینه‌سازی پیشرفته: 01:27:16 - پیاده‌سازی انواع تنظیم در پایتون: 01:30:39 - نشانی وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ - دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018


یادگیری ماشین (جلسه ششم) - پایتون برای یادگیری ماشین
یادگیری ماشین (جلسه ششم) - پایتون برای یادگیری ماشین
یادگیری ماشین (جلسه ششم) - پایتون برای یادگیری ماشین

یادگیری ماشین (جلسه ششم) - پایتون برای یادگیری ماشین

ویژه توسط کاربران Seyed Naser Razavi
ویژه توسط کاربران Seyed Naser Razavi

در این جلسه از درس با زبان پایتون و به ویژه با هدف استفاده از پایتون در کاربردهای یادگیری ماشین آشنا می‌شویم. فهرست مطالب به شرح زیر است: - پایتون: 00:00:00 - عملیات ریاضی و منطقی: 00:7:30 - متغیرها: 00:12:52 - ساختارهای داده‌ای: 00:22:49 - بردارها و ماتریس‌ها در پایتون: 00:31:38 - ایجاد ماتریس‌های تصادفی و توزیع نرمال: 00:56:06 - کار با ماتریس‌ها: ۰۱:۰۸:۲۵ - ذخیره و بازیابی ماتریس‌ها: 01:11:39 - نشانی‌وب‌سایت: http://www.snrazavi.ir/ml-2018/ - دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018 منابع پیشنهادی برای یادگیری پایتون (از مبتدی تا پیشرفته): Python Cookbook Third edition by David Beazley and Brian K. Jones پایتون برای افراد مبتدی و تازه‌کار: Head First Python: A Brain-Friendly Guide 2nd Edition پایتون برای یادگیری ماشین: Python for Data Analysis: Data Wrangling with Pandas NumPy and IPython 2nd Edition کتاب مورد علاقه من: Introduction to Programming in Python: An Interdisciplinary Approach https://introcs.cs.princeton.edu/python/home/

در این جلسه از درس با زبان پایتون و به ویژه با هدف استفاده از پایتون در کاربردهای یادگیری ماشین آشنا می‌شویم. فهرست مطالب به شرح زیر است: - پایتون: 00:00:00 - عملیات ریاضی و منطقی: 00:7:30 - متغیرها: 00:12:52 - ساختارهای داده‌ای: 00:22:49 - بردارها و ماتریس‌ها در پایتون: 00:31:38 - ایجاد ماتریس‌های تصادفی و توزیع نرمال: 00:56:06 - کار با ماتریس‌ها: ۰۱:۰۸:۲۵ - ذخیره و بازیابی ماتریس‌ها: 01:11:39 - نشانی‌وب‌سایت: http://www.snrazavi.ir/ml-2018/ - دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018 منابع پیشنهادی برای یادگیری پایتون (از مبتدی تا پیشرفته): Python Cookbook Third edition by David Beazley and Brian K. Jones پایتون برای افراد مبتدی و تازه‌کار: Head First Python: A Brain-Friendly Guide 2nd Edition پایتون برای یادگیری ماشین: Python for Data Analysis: Data Wrangling with Pandas NumPy and IPython 2nd Edition کتاب مورد علاقه من: Introduction to Programming in Python: An Interdisciplinary Approach https://introcs.cs.princeton.edu/python/home/


امنیت در سیستم های یادگیری ماشین
امنیت در سیستم های یادگیری ماشین
امنیت در سیستم های یادگیری ماشین

امنیت در سیستم های یادگیری ماشین

ویژه توسط کاربران vahidbehzadan
ویژه توسط کاربران vahidbehzadan

ارايه در دانشگاه صنعتی اصفهان به دعوت انجمن رمز

ارايه در دانشگاه صنعتی اصفهان به دعوت انجمن رمز


کارگاه یادگیری ماشین با پایتون (جلسه دوم)
کارگاه یادگیری ماشین با پایتون (جلسه دوم)
کارگاه یادگیری ماشین با پایتون (جلسه دوم)

کارگاه یادگیری ماشین با پایتون (جلسه دوم)

ویژه توسط کاربران Seyed Naser Razavi
ویژه توسط کاربران Seyed Naser Razavi

آشنایی با کتابخانه NumPy به منظور کار با آرایه‌های چند بعدی - سید ناصر رضوی http://www.snrazavi.ir - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد) - دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز - دانلود فایل نوت‌بوک پایتون: http://www.snrazavi.ir/ml-with-python

آشنایی با کتابخانه NumPy به منظور کار با آرایه‌های چند بعدی - سید ناصر رضوی http://www.snrazavi.ir - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد) - دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز - دانلود فایل نوت‌بوک پایتون: http://www.snrazavi.ir/ml-with-python


کارگاه یادگیری ماشین با پایتون (جلسه هفتم) پیاده سازی توابع هزینه
کارگاه یادگیری ماشین با پایتون (جلسه هفتم) پیاده سازی توابع هزینه
کارگاه یادگیری ماشین با پایتون (جلسه هفتم) پیاده سازی توابع هزینه

کارگاه یادگیری ماشین با پایتون (جلسه هفتم) پیاده سازی توابع هزینه

ویژه توسط کاربران Seyed Naser Razavi
ویژه توسط کاربران Seyed Naser Razavi

دسته‌بندی خطی، توابع هزینه رگرسیون لجستیک چندکلاسی (سافت‌مکس) و ماشین بردار پشتیبان چندکلاسی و پیاده‌سازی در پایتون، پیاده‌سازی برداری، تنظیم - سید ناصر رضوی - دانلود مطالب: http://www.snrazavi.ir/ml-with-python/ - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد)

دسته‌بندی خطی، توابع هزینه رگرسیون لجستیک چندکلاسی (سافت‌مکس) و ماشین بردار پشتیبان چندکلاسی و پیاده‌سازی در پایتون، پیاده‌سازی برداری، تنظیم - سید ناصر رضوی - دانلود مطالب: http://www.snrazavi.ir/ml-with-python/ - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد)


یادگیری ماشین (جلسه هشتم): پایتون برای یادگیری ماشین
یادگیری ماشین (جلسه هشتم): پایتون برای یادگیری ماشین
یادگیری ماشین (جلسه هشتم): پایتون برای یادگیری ماشین

یادگیری ماشین (جلسه هشتم): پایتون برای یادگیری ماشین

ویژه توسط کاربران Seyed Naser Razavi
ویژه توسط کاربران Seyed Naser Razavi

- دستورات شرطی و حلقه‌ها: 00:00:00 - توابع: 00:16:56 - پیاده‌سازی تابع هزینه رگرسیون خطی: 00:28:12 - برداری‌سازی محاسبات: 00:35:02 - نشانی وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ - دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018

- دستورات شرطی و حلقه‌ها: 00:00:00 - توابع: 00:16:56 - پیاده‌سازی تابع هزینه رگرسیون خطی: 00:28:12 - برداری‌سازی محاسبات: 00:35:02 - نشانی وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ - دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018


یادگیری ماشین (جلسه سیزدهم، بخش دوم) - معرفی ماشین‌های بردار پشتیبان
یادگیری ماشین (جلسه سیزدهم، بخش دوم) - معرفی ماشین‌های بردار پشتیبان
یادگیری ماشین (جلسه سیزدهم، بخش دوم) - معرفی ماشین‌های بردار پشتیبان

یادگیری ماشین (جلسه سیزدهم، بخش دوم) - معرفی ماشین‌های بردار پشتیبان

ویژه توسط کاربران Seyed Naser Razavi
ویژه توسط کاربران Seyed Naser Razavi

- مقدمه و سرفصل مطالب: 00:00:00 - انگیزه استفاده از ماشین‌های بردار پشتیبان و مرز تصمیم بهینه: 00:09:33 - مفاهیم پایه‌ای، بردارهای پشتیبان و حاشیه: 00:18:39 - بیان مسئله به صورت رسمی: 00:23:32 - کمینه‌سازی مقدار حاشیه: 00:32:40 - تابع هدف در ماشین‌های بردار پشتیبان: 00:42:07 - نشانی وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ - دانلود کدها و پروژه‌ها: https://github.com/snrazavi/Machine_Learning_2018

- مقدمه و سرفصل مطالب: 00:00:00 - انگیزه استفاده از ماشین‌های بردار پشتیبان و مرز تصمیم بهینه: 00:09:33 - مفاهیم پایه‌ای، بردارهای پشتیبان و حاشیه: 00:18:39 - بیان مسئله به صورت رسمی: 00:23:32 - کمینه‌سازی مقدار حاشیه: 00:32:40 - تابع هدف در ماشین‌های بردار پشتیبان: 00:42:07 - نشانی وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ - دانلود کدها و پروژه‌ها: https://github.com/snrazavi/Machine_Learning_2018


یادگیری ماشین (جلسه شانزدهم) - یادگیری بدون نظارت و خوشه‌بندی
یادگیری ماشین (جلسه شانزدهم) - یادگیری بدون نظارت و خوشه‌بندی
یادگیری ماشین (جلسه شانزدهم) - یادگیری بدون نظارت و خوشه‌بندی

یادگیری ماشین (جلسه شانزدهم) - یادگیری بدون نظارت و خوشه‌بندی

ویژه توسط کاربران Seyed Naser Razavi
ویژه توسط کاربران Seyed Naser Razavi

- معرفی: 00:00 - الگوریتم خوشه‌بندی K-Means: 07:27 - پیاده‌سازی در پایتون: 26:03 - خوشه‌بندی به عنوان بهینه‌سازی: 30:43 - مقداردهی اولیه به مراکز خوشه‌ها: 39:50 - بهینه محلی و سراسری در خوشه‌بندی: 46:41 - تعیین تعداد مناسب خوشه‌ها و روش آرنج: 53:35 - بهبود خوشه‌بندی با پس‌پردازش خوشه‌ها: 01:03:04 - الگوریتم خوشه‌بندی دوبخشی‌ساز: 01:09:53 - پیاده‌سازی و اجرای الگوریتم‌های خوشه‌بندی در پایتون: 01:13:56

- معرفی: 00:00 - الگوریتم خوشه‌بندی K-Means: 07:27 - پیاده‌سازی در پایتون: 26:03 - خوشه‌بندی به عنوان بهینه‌سازی: 30:43 - مقداردهی اولیه به مراکز خوشه‌ها: 39:50 - بهینه محلی و سراسری در خوشه‌بندی: 46:41 - تعیین تعداد مناسب خوشه‌ها و روش آرنج: 53:35 - بهبود خوشه‌بندی با پس‌پردازش خوشه‌ها: 01:03:04 - الگوریتم خوشه‌بندی دوبخشی‌ساز: 01:09:53 - پیاده‌سازی و اجرای الگوریتم‌های خوشه‌بندی در پایتون: 01:13:56


کارگاه یادگیری ماشین با پایتون (جلسه سوم)
کارگاه یادگیری ماشین با پایتون (جلسه سوم)
کارگاه یادگیری ماشین با پایتون (جلسه سوم)

کارگاه یادگیری ماشین با پایتون (جلسه سوم)

ویژه توسط کاربران Seyed Naser Razavi
ویژه توسط کاربران Seyed Naser Razavi

آشنایی با کتابخانه matplotlib به منظور ترسیم شکل و کتابخانه sklearn برای استفاده از روش‌های یادگیری ماشین - سید ناصر رضوی http://www.snrazavi.ir - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد) - دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز - دانلود فایل‌های پایتون http://www.snrazavi.ir/ml-with-python

آشنایی با کتابخانه matplotlib به منظور ترسیم شکل و کتابخانه sklearn برای استفاده از روش‌های یادگیری ماشین - سید ناصر رضوی http://www.snrazavi.ir - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد) - دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز - دانلود فایل‌های پایتون http://www.snrazavi.ir/ml-with-python


یادگیری ماشین (جلسه چهارم) - رگرسیون چند متغیره و چندجمله‌ای
یادگیری ماشین (جلسه چهارم) - رگرسیون چند متغیره و چندجمله‌ای
یادگیری ماشین (جلسه چهارم) - رگرسیون چند متغیره و چندجمله‌ای

یادگیری ماشین (جلسه چهارم) - رگرسیون چند متغیره و چندجمله‌ای

ویژه توسط کاربران Seyed Naser Razavi
ویژه توسط کاربران Seyed Naser Razavi

- مرور رگرسیون و الگوریتم گرادیان کاهشی: 00:00:00 - انواع گرادیان کاهشی (دسته‌ای، اتفاقی): 00:08:18 - رگرسیون خطی چند متغیره: 00:16:45 - مقیاس‌بندی (نرمال‌سازی) ویژگی‌ها: 00:29:02 - تنظیم نرخ یادگیری: 00:46:20 - رگرسیون چندجمله‌ای: 01:01:15 - روش معادله نرمال: 01:23:38 دانلود اسلایدها و نشانی وب‌سایت: http://www.snrazavi.ir/ml-2018/

- مرور رگرسیون و الگوریتم گرادیان کاهشی: 00:00:00 - انواع گرادیان کاهشی (دسته‌ای، اتفاقی): 00:08:18 - رگرسیون خطی چند متغیره: 00:16:45 - مقیاس‌بندی (نرمال‌سازی) ویژگی‌ها: 00:29:02 - تنظیم نرخ یادگیری: 00:46:20 - رگرسیون چندجمله‌ای: 01:01:15 - روش معادله نرمال: 01:23:38 دانلود اسلایدها و نشانی وب‌سایت: http://www.snrazavi.ir/ml-2018/


کارگاه یادگیری ماشین با پایتون (جلسه اول)
کارگاه یادگیری ماشین با پایتون (جلسه اول)
کارگاه یادگیری ماشین با پایتون (جلسه اول)

کارگاه یادگیری ماشین با پایتون (جلسه اول)

ویژه توسط کاربران Seyed Naser Razavi
ویژه توسط کاربران Seyed Naser Razavi

کار با آرایه‌های چند بعدی و کتابخانه NumPy - دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد) - سید ناصر رضوی http://www.snrazavi.ir https://twitter.com/naser_razavi - دانلود فایل ژوپیتر نوت‌بوک پایتون: http://www.snrazavi.ir/ml-with-python/ - دانلود تمام کدها به صورت یک‌جا از سایت گیت‌هاب: https://github.com/snrazavi/Machine-Learning-in-Python-Workshop

کار با آرایه‌های چند بعدی و کتابخانه NumPy - دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد) - سید ناصر رضوی http://www.snrazavi.ir https://twitter.com/naser_razavi - دانلود فایل ژوپیتر نوت‌بوک پایتون: http://www.snrazavi.ir/ml-with-python/ - دانلود تمام کدها به صورت یک‌جا از سایت گیت‌هاب: https://github.com/snrazavi/Machine-Learning-in-Python-Workshop


یادگیری ماشین (جلسه دوم) - یادگیری نظارت شده و رگرسیون خطی
یادگیری ماشین (جلسه دوم) - یادگیری نظارت شده و رگرسیون خطی
یادگیری ماشین (جلسه دوم) - یادگیری نظارت شده و رگرسیون خطی

یادگیری ماشین (جلسه دوم) - یادگیری نظارت شده و رگرسیون خطی

ویژه توسط کاربران Seyed Naser Razavi
ویژه توسط کاربران Seyed Naser Razavi

فهرست - مرور تعاریف یادگیری ماشین 00:01:00 - روش‌های یادگیری ماشین: 00:06:00 - رگرسیون خطی: 00:40:00 - تابع هزینه مجموع مربعات خطا: 01:04:00 - وب‌سایت درس و دانلود اسلایدها: http://www.snrazavi.ir/ml-2018/ - دانلود کدها و پروژه‌ها: https://github.com/snrazavi/Machine_Learning_2018

فهرست - مرور تعاریف یادگیری ماشین 00:01:00 - روش‌های یادگیری ماشین: 00:06:00 - رگرسیون خطی: 00:40:00 - تابع هزینه مجموع مربعات خطا: 01:04:00 - وب‌سایت درس و دانلود اسلایدها: http://www.snrazavi.ir/ml-2018/ - دانلود کدها و پروژه‌ها: https://github.com/snrazavi/Machine_Learning_2018


یادگیری ماشین (جلسه هفتم) - پایتون برای یادگیری ماشین
یادگیری ماشین (جلسه هفتم) - پایتون برای یادگیری ماشین
یادگیری ماشین (جلسه هفتم) - پایتون برای یادگیری ماشین

یادگیری ماشین (جلسه هفتم) - پایتون برای یادگیری ماشین

ویژه توسط کاربران Seyed Naser Razavi
ویژه توسط کاربران Seyed Naser Razavi

در این ویدیو که با هدف یادگیری زبان پایتون به منظور استفاده در کاربردهای یادگیری ماشین است، سعی شده حداقل مباحث لازم از پایتون و به ویژه کتابخانه NumPy برای شروع برنامه‌نویسی در پایتون ارائه گردد. فهرست مباحث این بخش شامل موارد زیر است: - عملگر دو نقطه (کالن): 00:05:05 - اتصال ماتریس‌ها: 00:17:01 - عملیات ماتریسی: 00:23:55 - ترسیم نمودارهای ساده: 01:13:28 وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018 منابع پیشنهادی برای یادگیری پایتون (از مبتدی تا پیشرفته): Python Cookbook Third edition by David Beazley and Brian K. Jones پایتون برای افراد مبتدی و تازه‌کار: Head First Python: A Brain-Friendly Guide 2nd Edition پایتون برای یادگیری ماشین: Python for Data Analysis: Data Wrangling with Pandas NumPy and IPython 2nd Edition کتاب مورد علاقه من: Introduction to Programming in Python: An Interdisciplinary Approach https://introcs.cs.princeton.edu/python/home/

در این ویدیو که با هدف یادگیری زبان پایتون به منظور استفاده در کاربردهای یادگیری ماشین است، سعی شده حداقل مباحث لازم از پایتون و به ویژه کتابخانه NumPy برای شروع برنامه‌نویسی در پایتون ارائه گردد. فهرست مباحث این بخش شامل موارد زیر است: - عملگر دو نقطه (کالن): 00:05:05 - اتصال ماتریس‌ها: 00:17:01 - عملیات ماتریسی: 00:23:55 - ترسیم نمودارهای ساده: 01:13:28 وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018 منابع پیشنهادی برای یادگیری پایتون (از مبتدی تا پیشرفته): Python Cookbook Third edition by David Beazley and Brian K. Jones پایتون برای افراد مبتدی و تازه‌کار: Head First Python: A Brain-Friendly Guide 2nd Edition پایتون برای یادگیری ماشین: Python for Data Analysis: Data Wrangling with Pandas NumPy and IPython 2nd Edition کتاب مورد علاقه من: Introduction to Programming in Python: An Interdisciplinary Approach https://introcs.cs.princeton.edu/python/home/


آموزش هوش مصنوعی، یادگیری ماشین - جلسه 8
آموزش هوش مصنوعی، یادگیری ماشین - جلسه 8
آموزش هوش مصنوعی، یادگیری ماشین - جلسه 8

آموزش هوش مصنوعی، یادگیری ماشین - جلسه 8

ویژه توسط کاربران Aidinism
ویژه توسط کاربران Aidinism

در این جلسه از آموزش هوش مصنوعی ، در مورد تئوری و نحوه کارکرد ماشین بردار پشتیبانی صحبت میکنیم. SVM بیشتر برای دسته بندی استفاده میشه و قابلیت دسته بندی حجم زیادی از دیتاها رو داره همینطور در مورد نحوه لود کرد اطلاعات از دیتاست های آماده صحبت میکنیم ====================================== وبسایت : https://aidinism.com توییتر: https://twitter.com/aidinism اینستاگرام: https://instagram.com/aidinism دیسکورد: https://discord.gg/m872kz لطفا ویدیو رو لایک کنید و عضو کانال شوید

در این جلسه از آموزش هوش مصنوعی ، در مورد تئوری و نحوه کارکرد ماشین بردار پشتیبانی صحبت میکنیم. SVM بیشتر برای دسته بندی استفاده میشه و قابلیت دسته بندی حجم زیادی از دیتاها رو داره همینطور در مورد نحوه لود کرد اطلاعات از دیتاست های آماده صحبت میکنیم ====================================== وبسایت : https://aidinism.com توییتر: https://twitter.com/aidinism اینستاگرام: https://instagram.com/aidinism دیسکورد: https://discord.gg/m872kz لطفا ویدیو رو لایک کنید و عضو کانال شوید


آموزش هوش مصنوعی، یادگیری ماشین - جلسه 0
آموزش هوش مصنوعی، یادگیری ماشین - جلسه 0
آموزش هوش مصنوعی، یادگیری ماشین - جلسه 0

آموزش هوش مصنوعی، یادگیری ماشین - جلسه 0

ویژه توسط کاربران Aidinism
ویژه توسط کاربران Aidinism

این سری آموزشی برای آشنایی با اصول یادگیری ماشین با استفاده از Python و کتابخانه Tensor Flow که یکی از محبوب ترین کتابخانه های یادگیری ماشینی هست ، طراحی شده. سعی میکنم از اصول اولیه و پایه یادگیری ماشینی یا Machine Learning شروع کنم و کم کم به مطالب پیچیده تر و عملی تر برسیم مطالب و مستند های مختلف رو میتونید از سایت https://aidinism.com دنبال کنید و نسخه متنی این آموزش رو هم میتونید در اینجا ببینید: https://virgool.io/@aidinism/machine-learning-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D9%85%D8%A7%D8%B4%DB%8C%D9%86%DB%8C-fpaf6c1yod5x ====================================== وب سایت: https://aidinism.com توییتر: https://twitter.com/aidinism اینستاگرام: https://instagram.com/aidinism دیسکورد: https://discord.gg/m872kz آپارات: https://aparat.com/aidinpictures نماشا: https://namasha.com/aidinism لطفا ویدیو رو لایک کنید و عضو کانال شوید

این سری آموزشی برای آشنایی با اصول یادگیری ماشین با استفاده از Python و کتابخانه Tensor Flow که یکی از محبوب ترین کتابخانه های یادگیری ماشینی هست ، طراحی شده. سعی میکنم از اصول اولیه و پایه یادگیری ماشینی یا Machine Learning شروع کنم و کم کم به مطالب پیچیده تر و عملی تر برسیم مطالب و مستند های مختلف رو میتونید از سایت https://aidinism.com دنبال کنید و نسخه متنی این آموزش رو هم میتونید در اینجا ببینید: https://virgool.io/@aidinism/machine-learning-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D9%85%D8%A7%D8%B4%DB%8C%D9%86%DB%8C-fpaf6c1yod5x ====================================== وب سایت: https://aidinism.com توییتر: https://twitter.com/aidinism اینستاگرام: https://instagram.com/aidinism دیسکورد: https://discord.gg/m872kz آپارات: https://aparat.com/aidinpictures نماشا: https://namasha.com/aidinism لطفا ویدیو رو لایک کنید و عضو کانال شوید