آکادمی پایتون
11.6K subscribers
976 photos
10 videos
1 file
534 links
Download Telegram
نمونه درخت تصمیم گیری
@python_easy_learn
دوره آنلاین فشرده پایتون (8 ساعت)


🛫 مناسب برای مهاجرت شغلی یا تحصیلی به #آمریکا، #اروپا و #استرالیا
بدون نیاز به دانش قبلی در کد نویسی


🕰زمان برگزاری: جمعه ها 20 و 27 فروردین ساعت 10 تا 14
🎥برگزار کننده شرکت آتی پژوهش امیرکبیر
@kargah2018
📱کانال آکادمی پایتون
@python_easy_learn
📲کانال استخدام پایتون
@python_jobs_announce
📲کانال اپلای
https://t.me/joinchat/R6A3mXMv4fQNyK6h
☎️جهت کسب اطلاعات بیشتر و ثبت نام
@kargah68
امروز آخرین مهلت ثبت نام دوره پایتون فشرده👆👆👆
حلقه for در پایتون
@python_easy_learn
حلقه while در پایتون
@python_easy_learn
مثال حلقه for
@python_easy_learn
انواع داده در پایتون
@python_easy_learn
انواع داده در پایتون+مثال
@python_easy_learn
دستورات شرطی در پایتون
@python_easy_learn
دستورات شرطی در پایتون
@python_easy_learn
دستورات شرطی در پایتون
@python_easy_learn
دستورات شرطی در پایتون
@python_easy_learn
زبان برنامه نویسی R رو مثل آب خوردن یاد بگیر👇👇
@R_easy_learn
آکادمی زبان برنامه نویسی R
دستور continue در پایتون
@python_easy_learn
دستور break در پایتون
@python_easy_learn
با توجه به شرایط خودتان ، کدام دوره از لحاظ زمانی را مناسب تر می دانید؟
Anonymous Poll
37%
دوره فشرده پایتون (بین ۱۰ تا ۱۴ ساعت)
63%
دوره آموزش پایتون (بین 45 تا 60ساعت)
🎲 دوره فصل بهار : پایتون مقدماتی تا پیشرفته (آنلاین)

🎁50 درصدتخفیف ویژه ثبت نام زود هنگام

🛫 مناسب برای مهاجرت شغلی یا تحصیلی به #آمریکا، #اروپا و #استرالیا
بدون نیاز به دانش قبلی در کد نویسی

🔬 48 ساعت آموزش انلاین

گروه a
روزهای یکشنبه و سه شنبه ساعت 20 تا 22
17فروردین تا 25خرداد

گروه b
روزهای شنبه، دوشنبه و چهارشنبه ساعت 18 تا 20 از 28 فروردین تا 20 خرداد

گروه c
روزهای یکشنبه،سه شنبه، پنج شنبه، ساعت 18 تا 20 از 29 فروردین تا 21خرداد



📋سرفصل
🖥معرفی پایتون،متغیرها، عبارات، دستورات و عملگرها،توابع،شرطی ها و بازگشت،توابع نتیجه دار،تکرار،رشته ها،لیست ها،چند تایی ها،دیکشنری ها،فایل ها،کلاس ها و اشیا, توابع, متدها،مجموعه های اشیا,وراثت, لیست های پیوندی,پشته ها,صف ها,درخت ها
🖥آموزش ماژول های۱:
math, re, random, statistics
🖥آموزش و نصب ماژول های۲:
numpy, pandas, scipy, matplotlib,
pygame
🖥انجام مثال های کاربردی متعدد در زمینه محاسبات علمی/عددی/اماری، کد نویسی چندین بازی, سیستم نوبت دهی و رزرو و...

🧑‍🏫مدرس: دکتر ذبیح الله ذبیحی - پژوهشگر پسا دکتری و مدرس دانشگاه صنعتی امیرکبیر، پژوهشگر پیشین آزمایشگاه نانوبایو حسگر دانشگاه کامپلوتنسه مادرید، پژوهشگر برتر دانشگاه صنعتی امیرکبیر در سال 96- مدرس دوره های شبیه سازی و نرم افزار های تخصصی

🎥برگزار کننده: شرکت آتی پژوهش امیرکبیر
@kargah2018
📱کانال آکادمی پایتون
@python_easy_learn
📲کانال استخدام پایتون
@python_jobs_announce
📲کانال اپلای
https://t.me/joinchat/R6A3mXMv4fQNyK6h
☎️جهت ثبت نام و کسب اطلاع
@kargah68
#یادگیری_ماشین
در حال حاضر ما در عصر داده زندگی می‌کنیم به طوری که حجم داده‌‌ها ی تولید شده روز به روز در حال افزایش است. یادگیری ماشین با یادگیری داده‌ها و تحلیل آن‌‌ها، این امکان را به انسان می دهد تا اطلاعات مفیدی را برای حل مشکلات پیش رویش در حوزه‌‌های مختلف بدست آورد چرا که تلاش انسان در طول تاریخ همواره در جهت رفع موانع زندگی خود بوده است. یادگیری ماشین با فراگیری داده‌‌های دردسترس، انسان را برای رویارویی با شرایطی که در آینده رخ خواهد داد راهنمایی می‌کند.
@python_easy_learn

https://t.me/kargah2018/797
#یادگیری_ماشین
یادگیری ماشین چیست؟

ساخت یک مدل داده چیزی شبیه تربیت سگ راهنما است. از طریق آموزش تخصصی، سگ‌های راهنما یاد می‌گیرند تا در شرایط مختلف چه عکس العمل‌هایی داشته باشند. برای مثال، سگ یاد می‌گیرد تا در برابر چراغ قرمز توقف کند و یا چطور صاحب خود را برای عبور از موانع هدایت کند. اگر سگ به خوبی آموزش دیده باشد، نیازی به مربی نخواهد بود؛ سگ راهنما قادر خواهد بود با تکیه بر آموزش‌های قبلی خود، در موقعیت‌های جدید تصمیمات درست بگیرد. مشابه آن، مدل‌های یادگیری ماشین را می‌توان آموزش داد تا براساس تجربه‌ی گذشته در موقعیت‌های جدید تصمیم‌گیری کنند.

@python_easy_learn

https://t.me/kargah2018/797
#یادگیری_ماشین
پاکسازی داده

مشابه برخی از انواع میوه‌ها، معمولا مجموعه داده‌ها هم قبل از استفاده به نوعی پاک‌سازی اولیه و تغییرات انسانی نیاز دارند. برای علم داده و یادگیری ماشین به صورت گسترده‌تر، روش‌های مختلفی برای پاکسازی داده‌ها وجود دارد.
پاکسازی، فرآیند فنی با هدف بهبود مجموعه داده‌ها برای قابل استفاده شدن آن‌هاست. این فرآیند شامل تغییر و گاهی حذف داده‌های ناکامل، دارای فرمت نادرست، نامربوط و تکراری است. همچنین گاهی نیاز به تبدیل داده متنی به مقادیر عددی و بازطراحی ویژگی‌ها می‌شود. در یک پروژه تحلیل داده، معمولا پاکسازی داده زمان‌برترین قسمت است.

@python_easy_learn

https://t.me/kargah2018/797