07 - K-Means کوییز آزمایشگاه.rar
380.8 KB
✴️ دوره یادگیری ماشین با جادی
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 7 - کوییز آزمایشات K-Means
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 7 - کوییز آزمایشات K-Means
Media is too big
VIEW IN TELEGRAM
✴️ دوره یادگیری ماشین با جادی
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 8 - روش سلسله مراتبی
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 8 - روش سلسله مراتبی
Media is too big
VIEW IN TELEGRAM
✴️ دوره یادگیری ماشین با جادی
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 9 - ادامه روش سلسله مراتبی
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 9 - ادامه روش سلسله مراتبی
Media is too big
VIEW IN TELEGRAM
✴️ دوره یادگیری ماشین با جادی
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 10 - آزمایشگاه روش سلسله مراتبی (1)
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 10 - آزمایشگاه روش سلسله مراتبی (1)
Media is too big
VIEW IN TELEGRAM
✴️ دوره یادگیری ماشین با جادی
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 11 - آزمایشگاه روش سلسله مراتبی (2)
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 11 - آزمایشگاه روش سلسله مراتبی (2)
Media is too big
VIEW IN TELEGRAM
✴️ دوره یادگیری ماشین با جادی
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 12 - DBSCAN
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 12 - DBSCAN
Media is too big
VIEW IN TELEGRAM
✴️ دوره یادگیری ماشین با جادی
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 13 - آزمایشگاه DBSCAN
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 13 - آزمایشگاه DBSCAN
14 - DBSCAN کوییز آزمایشگاه.rar
418.1 KB
✴️ دوره یادگیری ماشین با جادی
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 14 - کوییز آزمایشگاه DBSCAN
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 14 - کوییز آزمایشگاه DBSCAN
15 - Clustering پروژه خوشه بندی.rar
505.6 KB
✴️ دوره یادگیری ماشین با جادی
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 15 - پروژه خوشه بندی Clustering
🔰 فصل چهارم (خوشه بندی Clustering)
✅ 15 - پروژه خوشه بندی Clustering
Media is too big
VIEW IN TELEGRAM
✴️ دوره یادگیری ماشین با جادی
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 1 - مقدمه سیستمهای توصیهگر
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 1 - مقدمه سیستمهای توصیهگر
Media is too big
VIEW IN TELEGRAM
✴️ دوره یادگیری ماشین با جادی
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 2 - سیستمهای توصیهگر مبنی بر محتوا
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 2 - سیستمهای توصیهگر مبنی بر محتوا
Media is too big
VIEW IN TELEGRAM
✴️ دوره یادگیری ماشین با جادی
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 3 - آزمایشگاه سیستمهای توصیهگر مبنی بر محتوا
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 3 - آزمایشگاه سیستمهای توصیهگر مبنی بر محتوا
04_کوییز_آزمایشگاه_سیستم_های_توصیه_گر_مبنی_بر_محتوا.rar
384 KB
✴️ دوره یادگیری ماشین با جادی
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 4 - کوییز آزمایشگاه سیستم های توصیه گر مبنی بر محتوا
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 4 - کوییز آزمایشگاه سیستم های توصیه گر مبنی بر محتوا
Media is too big
VIEW IN TELEGRAM
✴️ دوره یادگیری ماشین با جادی
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 5 - سیستمهای توصیهگر مبتنی بر همکاری
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 5 - سیستمهای توصیهگر مبتنی بر همکاری
Media is too big
VIEW IN TELEGRAM
✴️ دوره یادگیری ماشین با جادی
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 6 - آزمایشگاه سیستمهای توصیهگر مبتنی بر همکاری
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 6 - آزمایشگاه سیستمهای توصیهگر مبتنی بر همکاری
07_کوییز_آزمایشگاه_سیستم_های_توصیه_گر_مبتنی_بر_همکاری.rar
383.9 KB
✴️ دوره یادگیری ماشین با جادی
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 7 - کوییز آزمایشگاه سیستم های توصیه گر مبتنی بر همکاری
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 7 - کوییز آزمایشگاه سیستم های توصیه گر مبتنی بر همکاری
08 - پروژه تلفن همراه پیشنهادی.rar
7.1 MB
✴️ دوره یادگیری ماشین با جادی
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 8 - پروژه تلفن همراه پیشنهادی
🔰 فصل پنجم (سیستم های توصیه گر)
✅ 8 - پروژه تلفن همراه پیشنهادی
06 - Files.rar
25.5 MB
🔰 فایل های این دوره در صورت نیاز
#ML
#ML
persian machine learning book @DataPlusScience.pdf
17.2 MB
یادگیری ماشین و علم داده: مبانی، مفاهیم، الگوریتمها و ابزارها
تالیف و گردآوری: میلاد وزان
نسخه الکترونیک کتاب توسط مولف به صورت رایگان منتشر شده است.
فهرست مطالب:
فصل اول: علم داده
فصل دوم: مقدمهای بر پایتون
فصل سوم: داده
فصل چهارم: مقدمهای بر یادگیری ماشین
فصل پنجم: انتخاب و ارزیابی مدل
فصل ششم: یادگیری با نظارت
فصل هفتم: یادگیری عمیق
فصل هشتم: یادگیری غیرنظارتی
فصل نهم: مباحث منتخب
#Book
#ML
تالیف و گردآوری: میلاد وزان
نسخه الکترونیک کتاب توسط مولف به صورت رایگان منتشر شده است.
فهرست مطالب:
فصل اول: علم داده
فصل دوم: مقدمهای بر پایتون
فصل سوم: داده
فصل چهارم: مقدمهای بر یادگیری ماشین
فصل پنجم: انتخاب و ارزیابی مدل
فصل ششم: یادگیری با نظارت
فصل هفتم: یادگیری عمیق
فصل هشتم: یادگیری غیرنظارتی
فصل نهم: مباحث منتخب
#Book
#ML