پایتون پیشرفته
آزمون بررسی و شروع دوره پایتون تخصصی
پایتون پیشرفته اپیزود 2: Random 117:23
آزمون Random 1
پایتون پیشرفته اپیزود 3: Random 208:43
آزمون Random 2
پایتون پیشرفته اپیزود 4: Yield-Decorator24:47
پایتون پیشرفته اپیزود 5: Web Scraping29:40
پایتون پیشرفته اپیزود 6: Regex21:51
پایتون پیشرفته اپیزود 7 : Multithread part 121:07
پایتون پیشرفته اپیزود 7: Multithred part 216:01
پایتون پیشرفته اپیزود 8: OOP part 123:13
پایتون پیشرفته اپیزود 8: OOP part 223:00
پایتون پیشرفته اپیزود 9 : Graphics Part 118:53
پایتون پیشرفته اپیزود 9: Graphics part 209:42
پایتون پیشرفته اپیزود 10: GUI27:20
پایتون پیشرفته اپیزود 11: Data _ytics37:26
تحلیل اکتشافی داده ها
EDA اپیزود 2: جمع آوری داده با پانداز و نامپای23:27
EDA اپیزود 3: مروری بر مراحل مختلف EDA مانند کوآنتایل24:06
EDA اپیزود 4: مدیریت مقادیر از دست رفته22:49
EDA اپیزود 5: نتیجه گیری برای جمع آوری داده ها و وارد کردن داده ها16:16
EDA اپیزود 6: تبدیل داده ها25:55
EDA اپیزود 7: مدیریت داده های پرت با استفاده از تکنیک های آماری16:20
EDA اپیزود 8: Data binning (گسسته سازی داده ها)18:10
EDA اپیزود 9: تحول جامع داده21:12
EDA اپیزود 10: Sorting and Re indexing20:10
EDA اپیزود 11: تغییر و تحول در دیتاهای مبتنی بر متن25:44
تبدیل داده از فرمت Wide به Long (بازشکل دهی داده ها)26:08
مصورسازی توزیع ها با هیستوگرام ها و نمودار های چگالی
تحلیل تک متغیره: درک داده ها22:18
تحلیل بصری برای متغیر های عددی26:44
تحلیل جامع تک متغیره19:49
تحلیل داده های طبقه بندی شده13:55
Profiling17:12
تحلیل چند متغیره23:26
Factor Analysis16:04
استفاده از داده های کتگوری در EDA17:52
تکنیک های تخصصی مصور سازی17:17
یادگیری ماشین از مقدماتی تا پیشرفته
اپیزود 1
اپیزود 2
اپیزود 3
اپیزود 4
اپیزود 5
اپیزود 6 – Classification and Clustering Kmeans and KNN37:30
اپیزود 7 – Fuzzy C-Means and Fuzzy KNN34:45
اپیزود 8 – SVM and SVR36:31
اپیزود 9، Naive Bayes Classifier and Gaussian Naive Bayes Classifier27:35
اپیزود 9، قسمت 2 – Naive Bayes Classifier and Gaussian Naive Bayes Classifier26:35
اپیزود 10 ، قسمت 1 ، درخت تصمیم35:18
اپیزود 10، قسمت 2، Information gain31:44
اپیزود 10، قسمت 3، هرس کردن در درخت تصمیم (Pruning)22:58
اپیزود 10، قسمت 4، ID3 Algorithm19:50
اپیزود 11، قسمت 1، Ensemble Learning48:26
اپیزود 11، قسمت 2، تقویت گرادیان13:01
اپیزود 11، قسمت 3، XGBoost (Extreme Gradient Boosting)38:57
اپیزود 11، قسمت 4 ، Ensemble Learning implementation34:04
اپیزود 12
اپیزود 13، قسمت 1، Feature Engineering42:10
اپیزود 13، قسمت 2، Feature engineering: Principal Component analysis44:31
اپیزود 13، قسمت 3، Linear discriminant analysis36:48
یادگیری ماشین، اپیزود 13، قسمت 454:19
اپیزود 13، قسمت 523:11
اپیزود 14، قسمت 1، تفسیر پذیری درمقابل توضیح پذیری36:34
اپیزود 14، قسمت 2، تفسیر پذیری درمقابل توضیح پذیری27:36
پیادهسازی یادگیری ماشین
ML implementation – اپیزود 1 – مفاهیم اولیه – بوالحسنی48:58
ML Implementation اپیزود 2: مثال های کاربردی و عملی47:49
اپیزود سه قسمت یک
ML implementation اپیزود 3 قسمت 2: PCA21:04
ML implementation اپیزود 4 مدلهای یادگیری بدون نظارت Unsupervised Learning Models53:45
ML implementation اپیزود 5 انتخاب مدل و تنظیم ابرپارامترها29:45
اپیزود شش
ML implementation اپیزود 7: مبانی یادگیری عمیق با Pytorch54:48
ML implementation اپیزود 8 شبکه های عصبی پیچشی CNN57:41
ML implementation اپیزود 9 دیتاست سرطان سینه45:21
ML implementation اپیزود 10: Recurrent Neural Networks23:06
ML implementation اپیزود 11: Examples of RNN37:11
ML implementation اپیزود 12 مثال هایی از RNN در موسیقی37:31
ٍِEDA اپیزود 1: معرفی تحلیل اکتشافی داده
