MACHINELEARNING_IR Telegram 1878
👨🏻‍💻 وقتی آموزش یادگیری ماشین رو توی MIT شروع کردم، اصلاً فکر نمی‌کردم این تجربه قرار باشه انقدر رووم تاثیر بذاره. چیزی که واقعاً متفاوتش می‌کرد، روش «آموزش همراه با پیاده سازی عملی» بود. این روش بهم یاد داد که مفاهیم پیچیده مثل الگوریتم‌ها و مدل‌های یادگیری رو با پروژه‌های عملی یاد بگیرم و توی زندگی واقعی پیاده کنم.

✏️ این تجربه‌ها انقدر منو تحت تاثیر قرار داد که تصمیم گرفتم چیزایی که یاد گرفتم رو با بقیه به اشتراک بذارم. یه مجموعه آموزشی به اسم Machine Learning: Teach by Doing درست کردم که توش از همون روش MIT استفاده کردم. توی 6 ماه گذشته 37 تا ویدیو ضبط کردم، که هر کدومشون نتیجه تمرین‌ها و چالش‌هایی بود که خودم باهاشون مواجه شدم.

✔️ یکی از چیزایی که یاد گرفتم اینه که یادگیری فقط توی خوندن کتاب یا دیدن ویدیو خلاصه نمی‌شه. وقتی چیزی رو انجام می‌دی، تازه می‌فهمی چقدر جزئیات کوچیک اهمیت دارن. این روش نه تنها مهارت‌هام رو قوی‌تر کرد، بلکه بهم کمک کرد تا بتونم این دانش رو به زبونی ساده و کاربردی با دیگران به اشتراک بذارم.👇


😉 یادگیری ماشین از صفر
😉 تاریخچه یادگیری ماشین
😉 انواع مدل‌های یادگیری ماشین
😉 مراحل پروژه‌های یادگیری ماشین
😉 نصب پایتون و VSCode
😉 آشنایی با طبقه‌بندهای خطی (۱)
😉 آشنایی با طبقه‌بندهای خطی (۲)
😉 کار با NumPy و scikit-learn
😉 الگوریتم Random Linear Classifier
😉 آشنایی با مدل Perceptron
😉 کدنویسی Perceptron
😉 قضیه همگرایی Perceptron
😉 اهمیت ویژگی‌ها در یادگیری ماشین
😉 آموزش One Hot Encoding
😉 رگرسیون لجستیک (۱)
😉 آشنایی با Cross Entropy Loss
😉 نحوه کار Gradient Descent
😉 رگرسیون لجستیک از صفر در پایتون
😉 معرفی Regularization
😉 پیاده‌سازی Regularization در پایتون
😉 مقدمه‌ای بر رگرسیون خطی
😉 پیاده‌سازی Ordinary Least Squares
😉 مفاهیم و اصول رگرسیون Ridge
😉 مروری بر رگرسیون برای مصاحبه‌ها
😉 معماری شبکه عصبی در ۳۰ دقیقه
😉 شهود Backpropagation
😉 توابع فعال‌سازی شبکه عصبی
😉 مفهوم Momentum
😉 تمرین عملی شبکه عصبی در پایتون
😉 مقدمه‌ای بر شبکه‌های عصبی کانولوشن
😉 آشنایی با فیلترهای 1D و عملیات کانولوشن
😉 فیلترهای 2D و شناسایی ویژگی‌ها
😉 لایه‌های فیلترینگ در CNNs
😉 اصطلاح Max Pooling در CNNs
😉 توضیح معماری CNN
😉 تکنیک Backpropagation در CNNs
😉 ساخت اَپ تشخیص تومور مغزی با CNN



🌐 #یادگیری_ماشین #MachineLearning

💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
Please open Telegram to view this post
VIEW IN TELEGRAM



tgoop.com/MachineLearning_ir/1878
Create:
Last Update:

👨🏻‍💻 وقتی آموزش یادگیری ماشین رو توی MIT شروع کردم، اصلاً فکر نمی‌کردم این تجربه قرار باشه انقدر رووم تاثیر بذاره. چیزی که واقعاً متفاوتش می‌کرد، روش «آموزش همراه با پیاده سازی عملی» بود. این روش بهم یاد داد که مفاهیم پیچیده مثل الگوریتم‌ها و مدل‌های یادگیری رو با پروژه‌های عملی یاد بگیرم و توی زندگی واقعی پیاده کنم.

✏️ این تجربه‌ها انقدر منو تحت تاثیر قرار داد که تصمیم گرفتم چیزایی که یاد گرفتم رو با بقیه به اشتراک بذارم. یه مجموعه آموزشی به اسم Machine Learning: Teach by Doing درست کردم که توش از همون روش MIT استفاده کردم. توی 6 ماه گذشته 37 تا ویدیو ضبط کردم، که هر کدومشون نتیجه تمرین‌ها و چالش‌هایی بود که خودم باهاشون مواجه شدم.

✔️ یکی از چیزایی که یاد گرفتم اینه که یادگیری فقط توی خوندن کتاب یا دیدن ویدیو خلاصه نمی‌شه. وقتی چیزی رو انجام می‌دی، تازه می‌فهمی چقدر جزئیات کوچیک اهمیت دارن. این روش نه تنها مهارت‌هام رو قوی‌تر کرد، بلکه بهم کمک کرد تا بتونم این دانش رو به زبونی ساده و کاربردی با دیگران به اشتراک بذارم.👇


😉 یادگیری ماشین از صفر
😉 تاریخچه یادگیری ماشین
😉 انواع مدل‌های یادگیری ماشین
😉 مراحل پروژه‌های یادگیری ماشین
😉 نصب پایتون و VSCode
😉 آشنایی با طبقه‌بندهای خطی (۱)
😉 آشنایی با طبقه‌بندهای خطی (۲)
😉 کار با NumPy و scikit-learn
😉 الگوریتم Random Linear Classifier
😉 آشنایی با مدل Perceptron
😉 کدنویسی Perceptron
😉 قضیه همگرایی Perceptron
😉 اهمیت ویژگی‌ها در یادگیری ماشین
😉 آموزش One Hot Encoding
😉 رگرسیون لجستیک (۱)
😉 آشنایی با Cross Entropy Loss
😉 نحوه کار Gradient Descent
😉 رگرسیون لجستیک از صفر در پایتون
😉 معرفی Regularization
😉 پیاده‌سازی Regularization در پایتون
😉 مقدمه‌ای بر رگرسیون خطی
😉 پیاده‌سازی Ordinary Least Squares
😉 مفاهیم و اصول رگرسیون Ridge
😉 مروری بر رگرسیون برای مصاحبه‌ها
😉 معماری شبکه عصبی در ۳۰ دقیقه
😉 شهود Backpropagation
😉 توابع فعال‌سازی شبکه عصبی
😉 مفهوم Momentum
😉 تمرین عملی شبکه عصبی در پایتون
😉 مقدمه‌ای بر شبکه‌های عصبی کانولوشن
😉 آشنایی با فیلترهای 1D و عملیات کانولوشن
😉 فیلترهای 2D و شناسایی ویژگی‌ها
😉 لایه‌های فیلترینگ در CNNs
😉 اصطلاح Max Pooling در CNNs
😉 توضیح معماری CNN
😉 تکنیک Backpropagation در CNNs
😉 ساخت اَپ تشخیص تومور مغزی با CNN



🌐 #یادگیری_ماشین #MachineLearning

💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

BY Machine Learning | یادگیری ماشین


Share with your friend now:
tgoop.com/MachineLearning_ir/1878

View MORE
Open in Telegram


Telegram News

Date: |

Just as the Bitcoin turmoil continues, crypto traders have taken to Telegram to voice their feelings. Crypto investors can reduce their anxiety about losses by joining the “Bear Market Screaming Therapy Group” on Telegram. Select “New Channel” Click “Save” ; 2How to set up a Telegram channel? (A step-by-step tutorial) So far, more than a dozen different members have contributed to the group, posting voice notes of themselves screaming, yelling, groaning, and wailing in various pitches and rhythms.
from us


Telegram Machine Learning | یادگیری ماشین
FROM American