اپلیکیشن اندرویدی فلشکارت آموزشی Implementing Machine Learning Workflows in Julia
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره Implementing Machine Learning Workflows in Julia
موضوع کلی: علوم رایانه و مهندسی نرمافزار
موضوع میانی: توسعه نرمافزارهای کاربردی با زبان برنامهنویسی جولیا (Julia)
📋 سرفصلهای دوره
- 1. مقدمهای بر یادگیری ماشین و جولیا
- 2. نصب و پیکربندی جولیا برای یادگیری ماشین
- 3. مبانی زبان جولیا برای یادگیری ماشین
- 4. ساختارهای دادهای جولیا در یادگیری ماشین
- 5. عملگرها و توابع کاربردی در جولیا برای یادگیری ماشین
- 6. آشنایی با اکوسیستم یادگیری ماشین جولیا
- 7. مدیریت بستهها در جولیا (Pkg)
- 8. کار با دادهها در جولیا: فایلها و فرمتها
- 9. پیشپردازش دادهها: پاکسازی و تبدیل
- 10. مهندسی ویژگی (Feature Engineering) در جولیا
- 11. آمار توصیفی و تجسم دادهها با جولیا
- 12. مقدمهای بر رگرسیون خطی
- 13. پیادهسازی رگرسیون خطی با جولیا
- 14. ارزیابی مدلهای رگرسیون
- 15. رگرسیون چندگانه و انتخاب ویژگی
- 16. مقدمهای بر طبقهبندی
- 17. آشنایی با الگوریتمهای طبقهبندی: KNN و Naive Bayes
- 18. پیادهسازی KNN و Naive Bayes در جولیا
- 19. ارزیابی مدلهای طبقهبندی: دقت، صحت، Recall و F1-score
- 20. مقدمهای بر درختهای تصمیمگیری
- 21. پیادهسازی درختهای تصمیمگیری در جولیا
- 22. جنگل تصادفی (Random Forest) و Boosting
- 23. پیادهسازی Random Forest و Boosting در جولیا
- 24. مقدمهای بر خوشهبندی
- 25. الگوریتم K-Means و پیادهسازی در جولیا
- 26. ارزیابی خوشهبندی: Silhouette Score و Davies-Bouldin Index
- 27. کاهش ابعاد: PCA و t-SNE
- 28. پیادهسازی PCA و t-SNE در جولیا
- 29. شبکههای عصبی: مفاهیم پایه
- 30. پیادهسازی شبکههای عصبی ساده با Flux.jl
- 31. بهینهسازی مدلهای یادگیری ماشین
- 32. اعتبارسنجی متقابل (Cross-Validation)
- 33. تنظیم هایپرپارامترها (Hyperparameter Tuning)
- 34. کار با دادههای نامتوازن (Imbalanced Data)
- 35. یادگیری ماشین افزایشی (Incremental Learning)
- 36. استقرار مدلهای یادگیری ماشین در جولیا
- 37. کار با دادههای بزرگ در جولیا (DataFrames.jl)
- 38. مقدمهای بر یادگیری عمیق با Julia
- 39. استفاده از GPU برای تسریع یادگیری ماشین
- 40. مفاهیم پیشرفته یادگیری تقویتی
- 41. کار با کتابخانههای یادگیری ماشین پیشرفته جولیا (MLJ.jl)
- 42. ساخت Pipeline های یادگیری ماشین
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.