✅ لیست ویدیو‌های دوره «یادگیری ماشین کاربردی»

📄 مدرس: دکتر احسان ناظر فرد
🏛 دانشکده مهندسی کامپیوتر دانشگاه امیرکبیر


1️⃣ قسمت اول: معرفی دوره و مقدمات

2️⃣ قسمت دوم: مقدمه‌ای بر ML

3️⃣ قسمت سوم: رگرسیون خطی

4️⃣ قسمت چهارم: رگرسیون خطی / چند متغیره

5️⃣ قسمت پنجم: مصالحه بایاس واریانس

6️⃣ قسمت ششم: الگوریتم K-نزدیک ترین همسایه

7️⃣ قسمت هفتم: درخت تصمیم

8️⃣ قسمت هشتم: درخت تصمیم / بخش دوم

9️⃣ قسمت نهم: طبقه بندی چند کلاسه

1️⃣ قسمت دهم: شبکه‌های بیزین

1️⃣ قسمت یازدهم: دسته بندی بیزین NBC

1️⃣ قسمت دوازدهم: دسته بندی بیزین

1️⃣ قسمت سیزدهم: دسته بندی بیزین GBN

1️⃣ قسمت چهاردهم: ماشین بردار پشتیبان (1)

1️⃣ قسمت پانزدهم: ماشین بردار پشتیبان (2)

1️⃣ قسمت شانزدهم: ماشین بردار پشتیبان (3)

⚫️ قسمت هفدهم: طبقه بندی ترکیبی

🟣 قسمت هجدهم: الگوریتم‌های یادگیری تجمعی

💠 قسمت نوزدهم: یادگیری نظارت نشده

🏛 قسمت بیستم: خوشه بندی k میانگین

⚡️ قسمت بیست و یکم: تحلیل خوشه ای

🟢 قسمت بیست و دوم: تحلیل خوشه ای (2)


🌐 #یادگیری_ماشین #ML
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت اول: "مقدمات و نصب Anaconda"
🔹 مدت زمان: 14:38
⚙️ محصولی از: Pista Academy


🌐 #یادگیری_ماشین #ML
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

✅ 7 پلتقرم فوق العاده که می‌تونی دیتاست‌های مورد نیازت رو برای پروژه‌های ML پیدا کنی!

👨🏻‍💻 اگه به دنبال یه سری دیتاست رایگان برای پروژه‌های یادگیری ماشینت هستی، حتماً باید این منابع رو ببینی. اینجا کلی داده‌های جالب و متنوع پیدا می‌کنی که می‌تونه حسابی به پروژه‌هات کمک کنه. فرقی نداره دنبال داده برای تمرین باشی یا واسه یه پروژه تحقیقاتی بزرگ، این منابع کلی گزینه خوب برات دارن.👌🏼


1️⃣ ریپوی Awesome Public Datasets

⏪ توی این مخزن کلی دیتاست دسته‌بندی شده پیدا می‌کنی که از منابع مختلف جمع شده. هر نوع داده‌ای که بخوای، اینجا هست!

📎 لینک: Awesome Public Datasets


2️⃣ پلتفرم Hugging Face

⏪ این پلتفرم برای مدل‌های یادگیری ماشین و پردازش زبان طبیعی معروفه و کلی دیتاست برای برای تمرین و توسعه مدل‌ها داره.

📎 لینک: Hugging Face


3️⃣ وبسایت Kaggle

⏪ یه جامعه بزرگ از دانشمندان داده که انواع مختلفی از دیتاست‌های عمومی رو برای تمرین و رقابت فراهم می‌کنه. این سایت به دلیل تنوع و کیفیت بالای داده‌ها، بسیار محبوبه.

📎 لینک: Kaggle


4️⃣ پلتفرم OpenML

⏪ یه پلتفرم آنلاین برای به اشتراک‌گذاری دیتاست‌ها و الگوریتم‌های یادگیری ماشین. می‌تونی داده‌های مورد نیازت رو بگیری و روشون کار کنی.

📎 لینک: OpenML


5️⃣ وبسایت AWS Open Data Registry

⏪ سرویس آمازونه و کلی دیتاست عمومی بزرگ داره. واسه تحقیق و پروژه‌های یادگیری ماشین عالیه.

📎 لینک: AWS Open Data Registry


6️⃣ پلتفرم DagsHub

⏪ اینجا پروژه‌های یادگیری ماشین رو میزبانی می‌کنه و کلی دیتاست خوب برای تحلیل و مدل‌سازی داره.

📎 لینک: DagsHub


7️⃣ وبسایت Papers with Code

⏪ کلی مقاله علمی همراه با کد و داده‌هاشون اینجا پیدا می‌کنی. یه منبع غنی برای دیتاست‌های یادگیری ماشین هست.

📎 لینک: Papers with Code


🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت دوم: "رگرسیون خطی"
🔹 مدت زمان: 21:45
⚙️ محصولی از: Pista Academy


🌐 #یادگیری_ماشین #ML
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

📒 جزوه «الگوریتم‌های یادگیری ماشین»

👨🏻‍💻 این کتاب مثل یه جعبه‌ ابزار کامل برای هر کسی که می‌خواد با اصول یادگیری ماشین به صورت عمیق و مفهومی آشنا بشه. هر فصل به یکی از مهم‌ترین الگوریتم‌ها می‌پردازه و توضیح میده که چطور از اون‌ها تو پروژه‌های واقعی استفاده کنین. تمرکز اصلی روی ساخت این الگوریتم‌ها از صفر، هم از لحاظ تئوری و هم پیاده‌سازی با پایتونه.

✅ هر فصل شامل سه بخش اصلیه: بخش مفهوم که مبانی تئوری رو توضیح میده، بخش ساخت که نحوه کدنویسی از صفر رو نشون میده، و بخش پیاده‌سازی که کاربرد این الگوریتم‌ها در کتابخانه‌های معروف پایتون مثل Scikit-learn و TensorFlow رو بررسی می‌کنه.


🌐 #یادگیری_ماشین #ML
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت سوم: "رگرسیون خطی (2)"
🔹 مدت زمان: 25:38
⚙️ محصولی از: Pista Academy


🌐 #یادگیری_ماشین #ML
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

✅ پروژه یادگیری ماشین من
1️⃣ پیش‌بینی هزینه‌های پزشکی

👨🏻‍💻 پروژه من با هدف پیش‌بینی هزینه‌های پزشکی و عوامل تأثیر گذار بر روی این هزینه‌ها با استفاده از تکنیک‌های یادگیری ماشین و رگرسیون خطی انجام شد.

✔️ تو این پروژه از دیتاستی با اطلاعات بیش از 1300 بیمار استفاده کردم و فاکتورهایی مثل سن، جنسیت، BMI، تعداد فرزندان و منطقه رو بررسی کردم تا هزینه‌های پزشکی رو پیش‌بینی کنم. همچنین این مدل کمک می‌کنه بفهمیم هر فاکتور چقدر روی هزینه‌های درمانی تأثیر داره.

⏪ از دیتاست و کد نویسی گرفته تا آنالیز و نتایج پروژه، همگی در لینک‌های زیر موجوده.👇

┌ 💡 Predicting Medical Exp
└ 🐱 GitHub-Repos


🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

🔴 12 ریپوی گیت‌هاب برای یادگیری MLOps

👨🏻‍💻 خیلی‌ها هنوز ازم می‌پرسن که چطور می‌تونن MLOps رو یاد بگیرن. جوابش توی سه تا کار خلاصه می‌شه: خوندن، طراحی کردن و کدنویسی.

✔️ من اینجا 12 تا ریپوی فوق‌العاده رو معرفی کردم که بهتون کمک می‌کنه تا راحت‌تر تو مسیر یادگیری‌ MLOps پیش برین.


✏️ طراحی سیستم‌های یادگیری ماشین

1️⃣ ریپوی Designing ML Systems

⏪ تو این ریپو، می‌تونی چکیده‌ها و منابع کتاب «طراحی سیستم‌های یادگیری ماشین» رو پیدا کنی، که خیلی برای درک پایه‌ای مفیده.

🐱 لینک: GitHub-Repos


2️⃣ ریپوی ML Technical Interviews

⏪ اینجا یه راهنمای خوب برای مصاحبه‌های فنی مربوط به یادگیری ماشین و هوش مصنوعی پیدا می‌کنی. کمک می‌کنه آماده‌تر بشی!

🐱 لینک: GitHub-Repos


3️⃣ ریپوی Post-Deployment Data Science

⏪ تو این ریپو می‌تونی با دیتا ساینس بعد از دیپلوی کردن مدل‌ها آشنا بشی، خیلی کاربردی برای پروژه‌های واقعی.

🐱 لینک: GitHub-Repos


🖥 دوره‌های آموزشی

1️⃣ ریپوی MLOps Coding Course

⏪ یه دوره خیلی خوب برای یادگیری ساخت و نگهداری یه کدبیس MLOps حرفه‌ای.

🐱 لینک: GitHub-Repos


2️⃣ ریپوی MLOps Zoomcamp

⏪ این یه دوره رایگان از DataTalks.Club که توش می‌تونی MLOps رو یاد بگیری.

🐱 لینک: GitHub-Repos


3️⃣ ریپوی MLOps Course

⏪ تو این دوره یاد می‌گیری چطوری اپلیکیشن‌های ML در سطح تولید رو طراحی، توسعه و پیاده‌سازی کنی.

🐱 لینک: GitHub-Repos


🖥 الگوهای کدنویسی

1️⃣ ریپوی Amazon Sagemaker Examples

⏪ کلی ژوپیتر نوت‌بوک آماده که نحوه ساخت، آموزش و دیپلوی مدل‌های یادگیری ماشین با Amazon SageMaker رو نشون می‌ده.

🐱 لینک: GitHub-Repos


2️⃣ ریپوی MLOps Stacks

⏪ این ریپو یه پکیج آماده برای شروع پروژه‌های ML در Databricks داره که از همون اول با بهترین استانداردهای تولید همراهه.

🐱 لینک: GitHub-Repos


3️⃣ ریپوی MLOps Template

⏪ اینجا می‌تونی یه پکیج پایتون قوی و منعطف برای شروع کارای MLOps بسازی و دیپلوی کنی.

🐱 لینک: GitHub-Repos (1) | GitHub-Repos (2)


🖊 لیست‌های آموزشی منتخب

1️⃣ ریپوی MLOps Roadmap

⏪ یه نقشه راه جامع برای یادگیری MLOps در سال 2024.

🐱 لینک: GitHub-Repos


2️⃣ ریپوی Awesome Product ML

⏪ اینجا یه لیست از بهترین کتابخونه‌های متن‌باز برای دیپلوی، مانیتورینگ و مقیاس‌بندی ML وجود داره.

🐱 لینک: GitHub-Repos


3️⃣ ریپوی Awesome MLOps

⏪ این ریپو پر از منابع مختلف برای MLOps است، خیلی جمع‌وجوره.

🐱 لینک: GitHub-Repos


🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت چهارم: "کتابخانه scikit-learn"
🔹 مدت زمان: 19:06
⚙️ محصولی از: Pista Academy


🌐 #یادگیری_ماشین #ML
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

🔸 بهبود مدل‌های پیش‌بینی با Workalendar

👨🏻‍💻 توی مدل‌های پیش‌بینی، اضافه کردن اطلاعات درباره روزهای تعطیل و کاری می‌تونه دقت پیش‌بینی‌ها رو افزایش بده. اما چون هر کشوری تقویم و روزهای تعطیل خاص خودش رو داره، این تنوع می‌تونه چالش‌های زیادی ایجاد کنه.

✔️ حالا با ابزار Workalendar، این پروسه خیلی راحت‌تر شده! این ابزار به راحتی روزهای کاری، تعطیلات و تقویم‌های تجاری کشورهای مختلف رو مدیریت می‌کنه. دیگه نیاز نیست نگران تفاوت‌های منطقه‌ای و تقویم‌های متنوع باشی، چون Workalendar همه چیز رو به‌راحتی برات ساماندهی می‌کنه.👇


┌ 💡 Workalendar
├ 📄 Documentation
└ 🐱 GitHub-Repos

pip install workalendar

🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

📄 جزوه «ماتریس درهم ریختگی»
💰 راهنمای ارزیابی مدل‌های یادگیری ماشین

👨🏻‍💻 وقتی تازه شروع به یادگیری ماشین لرنینگ کرده بودم، ماتریس درهم ریختگی به نظرم یه مفهوم پیچیده و دور از ذهن می‌اومد. اما با مرور زمان و بیشتر کار کردن با داده‌ها، فهمیدم که این ماتریس چقدر مهمه و چطور می‌تونه دید بهتری از عملکرد مدل‌هام بده.

✔️ در واقع، این ماتریس بهت کمک می‌کنه که بفهمی کجاها مدلت داره خوب عمل می‌کنه و کجاها نیاز به بهبود داره.

⏪ برای اینکه بهتر با این مفهوم آشنا بشین، من یه جزوه آموزشی خوب آماده کردم که توش همه چیز رو درباره ماتریس درهم ریختگی، از پایه تا پیشرفته توضیح میده.


🌐 #یادگیری_ماشین #ML
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت پنجم: "روش های ارزیابی الگوریتم"
🔹 مدت زمان: 13:57
⚙️ محصولی از: Pista Academy


🌐 #یادگیری_ماشین #ML
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

❓ دنبال یه راه سریع و راحت برای انتخاب ویژگی‌ها به صورت خودکار می‌گردی؟
✅ الگوریتم mRMR رو امتحان کن!


👨🏻‍💻 الگوریتم mRMR یه الگوریتم بهینه برای انتخاب ویژگی‌هاست که به صورت مقیاس‌پذیر عمل می‌کنه.

✏️ یعنی چی؟ یعنی mRMR بهت کمک می‌کنه تا کوچکترین و مرتبط‌ترین مجموعه ویژگی‌ها رو برای مدل یادگیری ماشینت پیدا کنی. خیلی راحت می‌تونی ویژگی‌های اضافی رو کنار بذاری و فقط با مهم‌ترین‌ها کار کنی.

⏪ این الگوریتم با ابزارهای معروفی مثل Pandas، Polars و Spark هم سازگاره.

📄 توی مثال بالا می‌بینیم چطور میشه بهترین K ویژگی رو انتخاب کرد. خروجی هم یه لیست مرتب از ویژگی‌های مرتبط خواهد بود که می‌تونی توی برای مدل‌هات استفاده کنی.👇

┌ 🏳️‍🌈 mRMR
└ 🐱 GitHub-Repos

pip install mrmr-selection

🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

✅ لیست «پروژه‌های یادگیری ماشین من»
📉 آنالیز پروژه + فایل پروژه + دیتاست


1️⃣ پروژه اول: پیش بینی قیمت املاک

2️⃣ پروژه دوم: پیش‌بینی قیمت خودرو‌ها

3️⃣ پروژه سوم: پیش‌بینی قیمت طلا

4️⃣ پروژه چهارم: پیش‌بینی میزان فروش

5️⃣ پروژه پنجم: پیش‌بینی انتشار CO2

6️⃣ پروژه ششم: پیش‌بینی مصرف برق در شیکاگو

7️⃣ پروژه هفتم: پیش‌بینی بیماری کم‌خونی

8️⃣ پروژه هشتم: پیش‌بینی وضعیت آب و هوا

9️⃣ پروژه نهم: شناسایی ارقام دست‌نویس

1️⃣ پروژه دهم: پیش‌بینی تب دنگی

1️⃣ پروژه یازدهم: تحلیل داده‌های مهاجرت

1️⃣ پروژه دوازدهم: پیش‌بینی قیمت خونه

1️⃣ پروژه سیزدهم: پیش‌بینی قیمت پرواز

1️⃣ پروژه چهاردهم: شناسایی ایمیل‌های مخرب

1️⃣ پروژه پانزدهم: پیش‌بینی هزینه‌های پزشکی


🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت ششم: "روش‌های ارزیابی الگوریتم (2)"
🔹 مدت زمان: 08:59
⚙️ محصولی از: Pista Academy


🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

✅ 10 تا از بهترین دورهای یادگیری ماشین
🔹 وبسایت Coursera / آپدیت 2024


1️⃣ دوره Deep Learning Specialization

⏪ تو این دوره یاد می‌گیری چطور با شبکه‌های عصبی عمیق کار کنی و مدل‌های هوش مصنوعی پیشرفته بسازی.


2️⃣ دوره Supervised ML

⏪ یه دوره جامه برای ساخت مدل‌های ماشین لرنینگ نظارت شده؛ از پایه تا پیشرفته.


3️⃣ دوره AI for Everyone

⏪ اگه تازه می‌خوای یادگیری هوش مصنوعی رو شروع کنی، این دوره نقطه شروع خیلی خوبیه تا مفاهیم رو کامل یاد بگیری.


4️⃣ دوره AI Engineering Specialization

⏪ تو این دوره یاد می‌گیری چطور سیستم‌های هوش مصنوعی کاربردی و حرفه‌ای رو توسعه بدی.


5️⃣ دوره NLP Specialization

⏪ با این دوره می‌تونی مهارت‌های NLP رو ارتقا بدی و با ابزارهای پیشرفته آشنا بشی.


6️⃣ دوره Advanced ML on Google Cloud

⏪ تو این دوره نحوه استفاده از سرویس‌های گوگل کلود برای پیاده‌سازی مدل‌های پیشرفته ماشین لرنینگ رو یاد می‌گیری.


7️⃣ دوره Mathematics for ML

⏪ تو این دوره ریاضیات مورد نیاز برای درک بهتر ماشین لرنینگ رو به زبان ساده یاد می‌گیری.


8️⃣ دوره NN & Deep Learning

⏪ با این دوره با شبکه‌های عصبی و یادگیری عمیق آشنا میشی و کلی تکنیک جدید یاد بگیری.


9️⃣ دوره Probabilistic Graphical Models

⏪ این دوره درباره مدل‌های گرافیکی که باهاش روابط پیچیده بین داده‌ها رو بهتر درک می‌کنی.


1️⃣ دوره IBM Data Science

⏪ با این دوره مهارت‌های علوم داده و AI رو بدون نیاز به تجربه یاد می‌گیری و آماده بازار کار میشی.


🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت هفتم: "نکات رگرسیون خطی"
🔹 مدت زمان: 11:59
⚙️ محصولی از: Pista Academy


🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

🧠 جزوه «ریاضیات یادگیری تقویتی»

👨🏻‍💻 یادگیری تقویتی یکی از اون موضوعات جذاب تو دنیای یادگیری ماشینه که شاید اولش یه کم پیچیده به نظر بیاد، ولی اگه خوب بفهمینش، یه جورایی مثل یه روش یادگیری تجربیه!

📔 این جزوه که توسط شیو ژائو، استاد دانشگاه وِست‌لِیک شهر هانگژو چین، نوشته شده، دقیقاً به همین مبانی می‌پردازه و بهت کمک می‌کنه درک عمیقی از یادگیری تقویتی و مباحث ریاضی این حوزه پیدا کنی. هدف اصلی این جزوه اینه که از نگاه ریاضیاتی، بفهمی یادگیری تقویتی چطوری کار می‌کنه و چه جوری می‌شه ازش تو دنیای واقعی استفاده کرد.

✔️ من تمام منابع این جزوه؛ شامل ویدیوها، اسلایدها و گیت‌هاب دوره رو اینجا براتون قرار دادم:👇

┌ ➗️ Mathematical of RL
├ 😉 Lecture Videos
├ 🖥 Coding Exercise and Notes
└ 🐱 GitHub-Repos


🌐 #یادگیری_ماشین #ML
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

🖥 جزوه «یادگیری ماشین دانشگاه شریف»

👨🏻‍💻 این جزوه که توسط دکتر حمید بیگی، استاد دانشکده کامپیوتر شریف تهیه شده، مروری جامع به سه نوع یادگیری ماشین داره: یادگیری نظارت‌شده، یادگیری بدون نظارت و یادگیری تقویتی.

✅ هدف اصلی این جزوه اینه که یه درک عمیق از یادگیری ماشین و الگوریتم‌های مهمش بدست بیارین و بدونین چطور میشه این تکنیک‌ها و الگوریتم‌ها رو در پروژه‌های واقعی به کار برد.


🌐 #یادگیری_ماشین #ML
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa

🔹 دوره فارسی و جامع «یادگیری ماشین»

✅ قسمت هشتم: "بهبود مدل رگرسیون خطی"
🔹 مدت زمان: 15:27
⚙️ محصولی از: Pista Academy


🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa