دانلود ها ی دارای تگ: "machine learning"

19 مورد برای عبارت مورد نظر پیدا شد.

دانلود Udemy Machine Learning The Art of Digging Data - آموزش کاوش در داده ها با یادگیری ماشین

دانلود Udemy Machine Learning The Art of Digging Data - آموزش کاوش در داده ها با یادگیری ماشین

به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشینی (Machine learning) به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها توانایی تعلٌم و یادگیری پیدا می‌کنند. هدف یادگیری ماشین این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و با افزایش داده‌ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند. گسترهٔ این وظیفه می‌تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گام‌برداری روبات‌های دوپا با دریافت سیگنال پاداش و تنبیه باشد. طیف پژوهش‌هایی که در یادگیری ماشینی می‌شود گسترده‌است. در سوی نظری آن پژوهشگران بر آن‌اند که روش‌های یادگیری تازه‌ای به وجود بیاورند و امکان‌پذیری و کیفیت یادگیری را برای روش‌های‌شان مطالعه کنند و در سوی دیگر عده‌ای از پژوهش‌گران سعی می‌کنند روش‌های یادگیری ماشینی را بر مسایل تازه‌ای اعمال کنند. البته این طیف گسسته نیست و پژوهش‌های انجام‌شده دارای مولفه‌هایی از هر دو رویکرد هستند.
در دوره ی آموزشی Udemy Machine Learning The Art of Digging Data با آموزش کاوش در داده ها با یادگیری ماشین آشنا می شوید.  

دانلود Packt Machine Learning on iOS with CoreML - آموزش یادگیری ماشین در آی او اس یا کور ام ال

دانلود Packt Machine Learning on iOS with CoreML - آموزش یادگیری ماشین در آی او اس یا کور ام ال

اپل هفته گذشته در جریان کنفرانس سالانه WWDC علاوه بر معرفی محصولات سخت افزاری و نرم افزاری متعدد، به توسعه دهندگان نشان داد که بالاخره در مورد هوش مصنوعی رویکرد جدی را در پیش گرفته. این کمپانی از پلتفرم جدید Cole ML رونمایی کرد که ساخت اپلیکیشن های هوشمند تری را از طریق قابلیت های یادگیری ماشین میسر می سازد. با عرضه نسخه بتای Core ML کاربران به ارزیابی آن پرداختند و نشان دادند که این سیستم هنوز به اندازه کافی باهوش نیست.
در دوره Packt Machine Learning on iOS with CoreML با آموزش یادگیری ماشین در آی او اس یا کور ام ال آشنا می شوید.

دانلود Udemy Learn Machine Learning Maths Behind - آموزش ریاضیات در یادگیری ماشین

دانلود Udemy Learn Machine Learning Maths Behind - آموزش ریاضیات در یادگیری ماشین

به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشینی (Machine learning) به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها توانایی تعلٌم و یادگیری پیدا می‌کنند. هدف یادگیری ماشین این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و با افزایش داده‌ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند. گسترهٔ این وظیفه می‌تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گام‌برداری روبات‌های دوپا با دریافت سیگنال پاداش و تنبیه باشد. طیف پژوهش‌هایی که در یادگیری ماشینی می‌شود گسترده‌است. در سوی نظری آن پژوهشگران بر آن‌اند که روش‌های یادگیری تازه‌ای به وجود بیاورند و امکان‌پذیری و کیفیت یادگیری را برای روش‌های‌شان مطالعه کنند و در سوی دیگر عده‌ای از پژوهش‌گران سعی می‌کنند روش‌های یادگیری ماشینی را بر مسایل تازه‌ای اعمال کنند. البته این طیف گسسته نیست و پژوهش‌های انجام‌شده دارای مولفه‌هایی از هر دو رویکرد هستند.
در دوره ی آموزشی Udemy Learn Machine Learning Maths Behind با مفاهیم یادگیری ماشین و مباحث ریاضیات در آن آشنا می شوید.  

دانلود Udemy Python Machine Learning Basics: Shallow Learning Bootcamp - آموزش مقدماتی یادگیری ماشین با پایتون: آموزش سطحی

دانلود Udemy Python Machine Learning Basics: Shallow Learning Bootcamp - آموزش مقدماتی یادگیری ماشین با پایتون: آموزش سطحی

پایتون یک زبان برنامه نویسی شی گرا و بسیار محبوب بوده و فلسفه اصلی ایجاد آن تاکید بر دو هدف خوانایی بالای برنامه و نیز کوتاهی و بازدهی مناسب آن است. یکی از ویژگی های پایتون متن باز بودن آن است که باعث شده داکیومنت های فراوان و کتابخانه های آماده ی بسیار زیادی برای آن وجود داشته باشد که کار برنامه نویسی را بسیار آسان می کند. از طرف دیگر به لطف وجود فریمورک های مختلف برای پایتون می توان به وسیله ی آن برنامه های تحت وب و نیز تلفن همراه نیز تولید کرد. یکی از حوزه های تکنولوژی که نقشی قابل توجه در بهبود سرویس های ارائه شده در تلفن های همراه و فضای مجازی دارد، یادگیری ماشینی است. گاهی اوقات دو عبارت یادگیری ماشینی و هوش مصنوعی به جای یکدیگر مورد استفاده قرار می گیرند و این مساله به خصوص زمانی که یک شرکت بزرگ قصد دارد از جدیدترین نوآوری هایش سخن بگوید بیشتر به چشم می خورد، با این همه هوش مصنوعی و یادگیری ماشینی دو حوزه کاملا مجزا و البته متصل به یکدیگر در علم کامپیوتر به شمار می روند.
در دوره آموزشی Udemy Python Machine Learning Basics: Shallow Learning Bootcamp به آموزش یادگیری ماشین با پایتون به صورت سطحی می پردازیم.

دانلود Udemy Advanced Machine Learning & Data Analysis Projects Bootcamp - آموزش پیشرفته یادگیری ماشین و آنالیز داده ها

دانلود Udemy Advanced Machine Learning & Data Analysis Projects Bootcamp - آموزش پیشرفته یادگیری ماشین و آنالیز داده ها

 به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشینی (Machine learning) به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها توانایی تعلٌم و یادگیری پیدا می‌کنند. هدف یادگیری ماشین این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و با افزایش داده‌ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند. گسترهٔ این وظیفه می‌تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گام‌برداری روبات‌های دوپا با دریافت سیگنال پاداش و تنبیه باشد. طیف پژوهش‌هایی که در یادگیری ماشینی می‌شود گسترده‌است. در سوی نظری آن پژوهشگران بر آن‌اند که روش‌های یادگیری تازه‌ای به وجود بیاورند و امکان‌پذیری و کیفیت یادگیری را برای روش‌های‌شان مطالعه کنند و در سوی دیگر عده‌ای از پژوهش‌گران سعی می‌کنند روش‌های یادگیری ماشینی را بر مسایل تازه‌ای اعمال کنند. البته این طیف گسسته نیست و پژوهش‌های انجام‌شده دارای مولفه‌هایی از هر دو رویکرد هستند.
در دوره ی آموزشی Udemy Advanced Machine Learning & Data Analysis Projects Bootcamp با مفاهیم پیشرفته یادگیری ماشین و آنالیز داده ها آشنا می شوید.  

دانلود Udemy Python For Machine Learning - آموزش یادگیری ماشین با پایتون

دانلود Udemy Python For Machine Learning - آموزش یادگیری ماشین با پایتون

پایتون یک زبان برنامه نویسی شی گرا و بسیار محبوب بوده و فلسفه اصلی ایجاد آن تاکید بر دو هدف خوانایی بالای برنامه و نیز کوتاهی و بازدهی مناسب آن است. یکی از ویژگی های پایتون متن باز بودن آن است که باعث شده داکیومنت های فراوان و کتابخانه های آماده ی بسیار زیادی برای آن وجود داشته باشد که کار برنامه نویسی را بسیار آسان می کند. از طرف دیگر به لطف وجود فریمورک های مختلف برای پایتون می توان به وسیله ی آن برنامه های تحت وب و نیز تلفن همراه نیز تولید کرد. یکی از حوزه های تکنولوژی که نقشی قابل توجه در بهبود سرویس های ارائه شده در تلفن های همراه و فضای مجازی دارد، یادگیری ماشینی است. گاهی اوقات دو عبارت یادگیری ماشینی و هوش مصنوعی به جای یکدیگر مورد استفاده قرار می گیرند و این مساله به خصوص زمانی که یک شرکت بزرگ قصد دارد از جدیدترین نوآوری هایش سخن بگوید بیشتر به چشم می خورد، با این همه هوش مصنوعی و یادگیری ماشینی دو حوزه کاملا مجزا و البته متصل به یکدیگر در علم کامپیوتر به شمار می روند.
در دوره آموزشی Udemy Python For Machine Learning به آموزش یادگیری ماشین با پایتون می پردازیم.

دانلود LiveLessons Essential Machine Learning and AI with Python and Jupyter Notebook - آموزش ملزومات یادگیری ماشین و هوش مصنوعی با پایتون و ژوپیتر

دانلود LiveLessons Essential Machine Learning and AI with Python and Jupyter Notebook - آموزش ملزومات یادگیری ماشین و هوش مصنوعی با پایتون و ژوپیتر

هوش مصنوعی یا هوش ماشینی (Artificial Intelligence) هوش مصنوعی به هوشی که یک ماشین در شرایط مختلف از خود نشان می‌دهد، گفته می‌شود. به عبارت دیگر هوش مصنوعی به سیستم‌هایی گفته می‌شود که می‌توانند واکنش‌هایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیه‌سازی فرایندهای تفکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند. بیشتر نوشته‌ها و مقاله‌های مربوط به هوش مصنوعی، آن را به عنوان «دانش شناخت و طراحی عامل‌های هوشمند» تعریف کرده‌اند. هوش مصنوعی را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانش‌ها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، عصب‌شناسی، فیزیولوژی، تئوری کنترل، احتمالات و بهینه‌سازی جستجو کرد و کاربردهای گوناگون و فراوانی در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم اجتماعی و بسیاری از علوم دیگر دارد.
در دوره LiveLessons Essential Machine Learning and AI with Python and Jupyter Notebook با آموزش ملزومات یادگیری ماشین و هوش مصنوعی با پایتون و ژوپیتر آشنا می شوید.

دانلود Udemy Machine Learning with Python: Data Science for Beginners - آموزش مقدماتی علوم داده و یادگیری ماشین با پایتون

دانلود Udemy Machine Learning with Python: Data Science for Beginners - آموزش مقدماتی علوم داده و یادگیری ماشین با پایتون

علم داده‌ ها (Data Science)، مطالعاتی پیرامون استخراج دانش و آگاهی از مجموعه‌ای داده و اطلاعات است. هدف این علم، استخراج مفهوم از داده و تولید محصولات داده‌ محور است. به شاغلین در حوزه ی علم داده، داده پژوه (data scientist) می گویند. یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشینی (Machine learning) است که به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها توانایی تعلم و یادگیری پیدا می‌کنند.
یکی از لذت بخش ترین و جزو 10 تا از بهترین و پرطرفدارترین شغل های جهان علوم داده است. این شغل به طور متوسط در دنیا در آمدی حدود 120 هزار دلار دارد. موضوع فقط پول نیست و جذابیت بی نظیر آن برای خیلی ها شگفت انگیز است. اگر شما یک برنامه نویس هستید یا تجربه نوشتن اسکریپت دارید، این دوره آموزشی به شما آموزش می دهد که چکونه از علوم داده در جهت بهره وری بیشتر کار خود در صنعت و یا هرجای دیگر استفاه کنید.
در دوره آموزشی Udemy Machine Learning with Python: Data Science for Beginners با مفاهیم علوم داده و یادگیری ماشین و پیاده سازی آن با استفاده از پایتون آشنا می شوید.

دانلود Lynda Machine Learning & AI Foundations: Linear Regression - آموزش مبانی یادگیری ماشین و هوش مصنوعی: رگرسیون خطی

دانلود Lynda Machine Learning & AI Foundations: Linear Regression - آموزش مبانی یادگیری ماشین و هوش مصنوعی: رگرسیون خطی

هوش مصنوعی یا هوش ماشینی (Artificial Intelligence) هوش مصنوعی به هوشی که یک ماشین در شرایط مختلف از خود نشان می‌دهد، گفته می‌شود. به عبارت دیگر هوش مصنوعی به سیستم‌هایی گفته می‌شود که می‌توانند واکنش‌هایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیه‌سازی فرایندهای تفکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند. به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشینی (Machine learning) به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها توانایی تعلٌم و یادگیری پیدا می‌کنند. هدف یادگیری ماشین این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و با افزایش داده‌ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند. رگرسیون خطی یا تنازل خطی یا وایازی خطی (Linear regression) یکی از روشهای تحلیل رگرسیون است. در رگرسیون خطّی، متغیّر وابسته ترکیب خطی‌ای از ضرایب (پارامترها) است (لازم نیست که نسبت به متغیرهای مستقل خطی باشد).
در دوره Lynda Machine Learning & AI Foundations: Linear Regression با آموزش مبانی یادگیری ماشین و هوش مصنوعی و رگرسیون خطی آشنا می شوید.

دانلود Packt Fundamentals of Machine Learning with scikit-learn - آموزش اصول و مبانی یادگیری ماشین

دانلود Packt Fundamentals of Machine Learning with scikit-learn - آموزش اصول و مبانی یادگیری ماشین

به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشینی (Machine learning) به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها توانایی تعلٌم و یادگیری پیدا می‌کنند. هدف یادگیری ماشین این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و با افزایش داده‌ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند. گسترهٔ این وظیفه می‌تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گام‌برداری روبات‌های دوپا با دریافت سیگنال پاداش و تنبیه باشد. طیف پژوهش‌هایی که در یادگیری ماشینی می‌شود گسترده‌است. در سوی نظری آن پژوهشگران بر آن‌اند که روش‌های یادگیری تازه‌ای به وجود بیاورند و امکان‌پذیری و کیفیت یادگیری را برای روش‌های‌شان مطالعه کنند و در سوی دیگر عده‌ای از پژوهش‌گران سعی می‌کنند روش‌های یادگیری ماشینی را بر مسایل تازه‌ای اعمال کنند. البته این طیف گسسته نیست و پژوهش‌های انجام‌شده دارای مولفه‌هایی از هر دو رویکرد هستند.
در دوره ی آموزشی Packt Fundamentals of Machine Learning with scikit-learn با مفاهیم یادگیری ماشین آشنا می شوید.