Skip to content

#2 آموزش پیشرفته پایتون - پروژه داده کاوی و یادگیری ماشین - مراحل اول و دوم

By Vision Academy

1 hr 5 min video·fa··27364 views

This is an AI-generated summary of “#2 آموزش پیشرفته پایتون - پروژه داده کاوی و یادگیری ماشین - مراحل اول و دوم” — a 1 hr 5 min YouTube video by Vision Academy, published October 20, 2020. It condenses the full transcript into 8 key takeaways with clickable timestamps.

Summary

این ویدیو به آموزش مراحل اول و دوم یک پروژه یادگیری ماشین با تمرکز بر تخمین قیمت مسکن در کالیفرنیا می‌پردازد و شامل درک مسئله، جمع‌آوری و آماده‌سازی اولیه داده‌ها با استفاده از ابزارهایی مانند Anaconda و Jupyter Notebook است.

Key Points

  • مرحله دوم شامل آماده‌سازی محیط کار با نصب Anaconda و Jupyter Notebook و سپس دانلود و بارگذاری داده‌ها است. 
  • مراحل شش‌گانه پروژه‌های یادگیری ماشین شامل درک مسئله، جمع‌آوری داده، درک داده، آماده‌سازی داده، آموزش مدل و انتخاب بهترین مدل است. 
  • برای تخمین قیمت مسکن در کالیفرنیا، از داده‌های سال ۱۹۹۰ استفاده می‌شود و معیارهایی مانند جمعیت، درآمد، تعداد اتاق خواب و نزدیکی به ساحل در نظر گرفته می‌شوند. 
  • در مرحله اول، درک کلی مسئله، صحبت با مشتری، پرسیدن سوالات کلیدی و تعیین نوع مسئله (نظارت شده، رگرسیون، چند متغیره) انجام می‌شود. 
  • کتابخانه Pandas برای خواندن و کار با داده‌ها استفاده می‌شود و ساختار داده DataFrame برای نمایش اطلاعات به صورت جدولی به کار می‌رود. 
  • برای تحلیل داده‌های عددی، از کتابخانه Matplotlib برای رسم هیستوگرام استفاده می‌شود تا توزیع داده‌ها مشاهده شود. 
  • توابع مفیدی مانند head، tail، shape، info، describe و unique در Pandas برای بررسی اولیه داده‌ها و درک ساختار و محتوای آن‌ها استفاده می‌شوند. 
  • در پایان مرحله دوم، داده‌ها به دو بخش مجموعه آموزش (train set) و مجموعه تست (test set) با استفاده از تابع train_test_split از کتابخانه Scikit-learn تقسیم می‌شوند. 
#2 آموزش پیشرفته پایتون - پروژه داده کاوی و یادگیری ماشین - مراحل اول و دوم

#2 آموزش پیشرفته پایتون - پروژه داده کاوی و یادگیری ماشین - مراحل اول و دوم

این ویدیو به آموزش مراحل اول و دوم یک پروژه یادگیری ماشین با تمرکز بر تخمین قیمت مسکن در کالیفرنیا می‌پردازد و شامل درک مسئله، جمع‌آوری و آماده‌سازی اولیه داده‌ها با استفاده از ابزارهایی مانند Anaconda و Jupyter Notebook است.

Key Points

—مرحله دوم شامل آماده‌سازی محیط کار با نصب Anaconda و Jupyter Notebook و سپس دانلود و بارگذاری داده‌ها است.
—مراحل شش‌گانه پروژه‌های یادگیری ماشین شامل درک مسئله، جمع‌آوری داده، درک داده، آماده‌سازی داده، آموزش مدل و انتخاب بهترین مدل است.
—برای تخمین قیمت مسکن در کالیفرنیا، از داده‌های سال ۱۹۹۰ استفاده می‌شود و معیارهایی مانند جمعیت، درآمد، تعداد اتاق خواب و نزدیکی به ساحل در نظر گرفته می‌شوند.
—در مرحله اول، درک کلی مسئله، صحبت با مشتری، پرسیدن سوالات کلیدی و تعیین نوع مسئله (نظارت شده، رگرسیون، چند متغیره) انجام می‌شود.
—کتابخانه Pandas برای خواندن و کار با داده‌ها استفاده می‌شود و ساختار داده DataFrame برای نمایش اطلاعات به صورت جدولی به کار می‌رود.
—برای تحلیل داده‌های عددی، از کتابخانه Matplotlib برای رسم هیستوگرام استفاده می‌شود تا توزیع داده‌ها مشاهده شود.
—توابع مفیدی مانند head، tail، shape، info، describe و unique در Pandas برای بررسی اولیه داده‌ها و درک ساختار و محتوای آن‌ها استفاده می‌شوند.
—در پایان مرحله دوم، داده‌ها به دو بخش مجموعه آموزش (train set) و مجموعه تست (test set) با استفاده از تابع train_test_split از کتابخانه Scikit-learn تقسیم می‌شوند.
Summarize any video — free
Summarizer.tube
Copy All
Share Link
Bookmark

Summarize any YouTube video, free

You just read an AI summary of this video. Paste any other YouTube link and get the key points with clickable timestamps in seconds — no signup, 5 free a day.

More Resources

YouTube Video SummarizerPodcast SummarizerLecture SummarizerYouTube Transcript Toolvs Summarize.techAll AlternativesFor StudentsFor ProfessionalsFor Content CreatorsAll Use CasesHow to Summarize YouTube
Or summarize right on YouTube with our free Chrome extension →

More Summaries

15 min

پشت پرده فرهنگ صورتی کوکت و رسوایی اینترنتیش! WITH A LITTLE HELP FROM LANA DEL REY

Wifey’s Closetfa

این ویدئو به بررسی استایل و استتیک "کوکت" می‌پردازد، ریشه‌های فرانسوی آن را توضیح می‌دهد، ارتباط آن را با مفاهیم بحث‌برانگیز "نیمفت" و "لالیتا" روشن می‌سازد و چگونگی بازسازی و پاک‌سازی این استایل از م

1 hr 32 min

ورود به دنیای هوش مصنوعی | جلسه‌ی ۱ | مفاهیم پایه‌ای هوش‌مصنوعی

Ali Sharifi Zarchifa

این دوره آموزشی مقدمه‌ای بر هوش مصنوعی، کاربردهای آن، و نحوه استفاده مؤثر از ابزارهای هوش مصنوعی مانند مدل‌های زبانی بزرگ ارائه می‌دهد و بر اهمیت درک عمیق‌تر و مهارت‌های عملی در این زمینه تأکید می‌کند

27 min

اثر دانش بعد از هوش مصنوعی

Voorivexfa

این ویدئو به بررسی سه شاخص کلیدی شکاف دانش، تأثیر دانش و لبه دانش می‌پردازد و توضیح می‌دهد که چگونه هوش مصنوعی این شاخص‌ها را تغییر داده و رابطه بین دانش و تأثیرگذاری را، به ویژه برای تازه‌واردان، دگر

23 min

چطور تمرکز خودمان را دوباره بسازیم؟ (خلاصه و ترجمه دکتر Marc Berman)

KhashayarTalksfa

این ویدئو بر اساس تحقیقات دکتر مارک برمن، توضیح می‌دهد که چگونه زندگی مدرن و فضای مجازی تمرکز ما را کاهش داده و راهکارهای علمی، به ویژه گذراندن وقت در طبیعت، را برای بازیابی و تقویت تمرکز ارائه می‌کند