| ناشر | Analytics Vidhya Educon Private Limited |
|---|---|
| تاریخ انتشار | ۱۷ ژانویه ۲۰۲۰ |
| تاریخ اضافه شده | ۱۷ ژانویه ۲۰۲۰ |
| الزامات سیستم عامل | iOS |
| الزامات | Requires iOS 9.0 or later. Compatible with iPhone, iPad, and iPod touch. |
| کل بارگیری ها | ۰ |
| قیمت | Free |
شرح
Analytics Vidhya بزرگترین انجمن علم داده هند و دومین جامعه بزرگ در جهان است.
هدف ما این است که به شما در یادگیری مفاهیم علم داده، یادگیری ماشین، یادگیری عمیق، کلان داده و هوش مصنوعی (AI) به تعاملی ترین شیوه از اصول اولیه تا سطوح بسیار پیشرفته کمک کنیم.
برنامه Analytics Vidhya منابع یادگیری با کیفیت بالا را برای متخصصان علوم داده، مهندسان داده و دانشجویانی که میخواهند علم داده و الگوریتمهای یادگیری ماشین را مطالعه کنند، همراه با کدها فراهم میکند.
برخی از پست های محبوب در برنامه
یک مسیر یادگیری جامع برای یادگیری عمیق در سال 2019
مسیر یادگیری نهایی برای تبدیل شدن به یک دانشمند داده و استاد یادگیری ماشین در سال 2019
یک آموزش کامل برای یادگیری علم داده با پایتون از ابتدا
ملزومات الگوریتم های یادگیری ماشین (با کدهای پایتون و R)
مقدمه ای بر پیاده سازی شبکه های عصبی با استفاده از TensorFlow
راهنمای کامل برای شروع یادگیری عمیق در پایتون
نکات و ترفندهایی برای مصاحبه علوم داده Ace
7 نوع تکنیک رگرسیون که باید بدانید!
آموزش کامل رگرسیون ریج و کمند در پایتون
آموزش یادگیری عمیق برای محاسبه زمان نمایش بازیگران در هر ویدیو (با کدهای پایتون)
معرفی جامع Apache Spark، RDD ها و Dataframe ها (با استفاده از PySpark)
مقدمه ای ساده برای تشخیص چهره (با کدهای پایتون)
30 سوال برای آزمایش درک شما از رگرسیون لجستیک
آموزش کامل مدلسازی درختی از ابتدا در R & Python
جامع ترین طرح یادگیری علوم داده
6 گام آسان برای یادگیری الگوریتم Naive Bayes (با کدهای Python و R)
28 برگه تقلب برتر برای یادگیری ماشین، علم داده، احتمال، SQL و داده های بزرگ
حل مسائل طبقه بندی چند برچسبی (مطالعات موردی شامل)
درک الگوریتم ماشین بردار پشتیبان از مثال ها (همراه با کد)
معماری شبکه های عصبی کانولوشنال (CNN) ابهام زدایی شده است
راهنمای کامل تنظیم پارامتر در XGBoost (با کدهای موجود در پایتون)
تمرین تکنیک های یادگیری ماشین در R با بسته MLR
Heroes of Deep Learning: نکات برتر برای دانشمندان مشتاق داده از مجموعه مصاحبه اندرو انگز
الگوریتم های یادگیری ماشینی و یادگیری عمیق:
رگرسیون های خطی و لجستیک
ساده لوحانه
شبکه های عصبی
درختان تصمیم
شبکه های عصبی کانولوشنال
شبکه های عصبی بازگشتی با حافظه کوتاه مدت
SVM (ماشین های بردار پشتیبانی)
ماشین های محدود بولتزمن
ماشین های محدود بولتزمن
آموزش کتابخانه ها و ابزارها:
پانداها
Matplotlib
Scikit- Learn
TensorFlow
کافه
PyTorch
XGBoost
دوره ها
PySpark
دسته ها و موضوعات برتر
علم داده
اطلاعات بزرگ
تجزیه و تحلیل کسب و کار
یادگیری عمیق
فراگیری ماشین
NLP (پردازش زبان طبیعی)
یادگیری تقویتی
شبکه عصبی (سنتی و کانولوشن)
یادگیری تحت نظارت
یادگیری بدون نظارت
مدل سازی در پایتون و R
تجزیه و تحلیل سری زمانی
مهندسی داده
ما بیش از 200000 کاربر ثبت نام شده در وبلاگ و خبرنامه و بیش از 2.4 میلیون بازدید ماهانه از پورتال خود داریم. افراد در Analytics Vidhya شرکت می کنند تا از رهبران فکری و کارشناسان صنعت بیاموزند، در هکاتون های استخدام، نام تجاری و حل مشکل/جمع یابی در پلتفرم جهانی DataHack ما (https://datahack.analyticsvidhya.com/contest/all/) شرکت کنند. به عنوان هوش مصنوعی، یادگیری ماشین، مهندسی داده، داده کاوی و تجزیه و تحلیل پیشرفته، و همچنین در بحث برای به اشتراک گذاشتن ایده ها و حل مشکلات تجاری مرتبط با داده برای سازمان ها شرکت می کنند. در طول 2 سال گذشته، ما در بیش از 60 هکاتون با برخی از شرکت های پیشرو جهانی در جهان و در هند شرکت داشته ایم. ما همچنین یک پلتفرم اختصاصی برای دورهها داریم (https://trainings.analyticsvidhya.com/) که توسط بهترینهای علم داده ایجاد شده است که میتوانید در دورهها ثبتنام کنید و مجموعه مهارتهای خود را تقویت کنید.
حریم خصوصی: https://www.analyticsvidhya.com/privacy-policy/
شرایط: https://www.analyticsvidhya.com/terms/
