%40 تخفیف  برای خرید  مسیرهای یادگیری

logo mix

آموزش یادگیری ماشین کاربردی: یادگیری گروهی (با زیرنویس فارسی AI)
Applied Machine Learning: Ensemble Learning
از پرفروش‌های چند ماه اخیر
کد محصول: FL8048-3153832
لیندا _ آموزش یادگیری ماشین کاربردی: یادگیری گروهی (با زیرنویس فارسی AI) - Lynda _ Applied Machine Learning: Ensemble Learning
سطح متوسـط
زیرنویس انگلیسی
زیرنویس فارسی AI
95,000 تومان
اضافه به سبد خرید add_shopping_cart
تولید کننده محتوا
Lynda.com (Linkedin Learning)
تولید کننده زیرنویس فارسی
فارسی لینـدا FarsiLynda.com
مدرس
Derek Jedamski - درک جدآمسکی
تاریخ انتشار
1400/12/5
2022-02-24
سطح آموزش
متوسط
زبان آموزش
انگلیسی
زیرنویس
فارسی و انگلیسی
نوع زیرنویس فارسی
ترجمه شده توسط هوش مصنوعی (AI)
مدت زمان آموزش
2ساعت و 25دقیقه
تعداد ویدیو‌ها
36 ویدیو
حجم فایل‌ها
375 مگابایت (دانلود با تعرفه داخلی)
زمان تقریبی دانلود فایل‌ها
6 دقیقه (با سرعت اینترنت 1 مگابایت در ثانیه)
تعداد بازدید : 3698
درباره تولید کننده

lynda1

 

Lynda Weinman

بسیاری لیندا واینمن را "مادر آموزش اینترنتی" لقب داده اند. وی که هم اکنون (2016) ۶۰ سال سن دارد در ۱۹۹۵ سایتی را راه اندازی کرد که به عنوان منبعی رایگان برای دانش آموزان محسوب می شد. طی آن دوران لیندا به صورت خودآموز در حال یادگیری طراحی وب بود و تلاش داشت تا آموخته هایش را با سایرین نیز به اشتراک بگذارد. هر چند این روزها مسئله یاد شده امری عادی به حساب می آید اما در اواسط دهه نود -روزگاری که هنوز یوتیوبی نبود- یادگیری طراحی وب به صورت خودجوش چندان مسئله رایجی محسوب نمی گشت.

اشتیاق آن روزهای لیندا در یادگیری ، حالا به لطف وب سایت و سرویسی هایی همانند آنچه خود او راه اندازی کرده به میلیون ها نفر دیگر در سراسر دنیا نیز سرایت نموده و آنها می توانند با اندک هزینه ای و در هر جا و مکانی آنچه که دوست دارند را فرا بگیرند.
ناگفته نماند که پیدا کردن مسیر صحیح کسب و کار، حتی برای لیندا واینمن نیز بدون فراز و نشیب نبوده و وی هم مانند هر فرد موفق دیگری در راه رسیدن به پیروزی پستی و بلندی های بسیاری را از سر گذرانده.

درک نیازی که هیچکس به آن پاسخ نداده بود

وقتی در سال ۱۹۹۳ واینمن طراحی وب را اندک اندک فرا گرفته و قصد آموزش دادن آن را پیدا کرد، ابتدا به کتاب فروشی مراجع نمود و سعی کرد کتابی را به عنوان مرجع انتخاب و از روی آن به دانش آموزان خود درس بدهد. اما وی متوجه شد کتاب فروشی ها و کتابخانه ها تنها راهنماهایی بسیار فنی و پیچیده را ارائه می نمایند که درک شان برای افراد معمولی و با دانش متوسط تقریباً غیر ممکن محسوب می شود.

لیندا واینمن میگوید: به یاد می آورم که با خود فکر کردم شاید چنین کتابی هنوز وجود ندارد. بلافاصله از کتاب فروشی به خانه رفتم و ایده ی اولیه نوشتن آن را پیاده سازی کردم.

کمی بعد کتاب "طراحی گرافیک های تحت وب" که به باور بسیاری اولین کتاب ساده و قابل درک توسط عموم در رابطه با حرفه طراحی وب بود، توسط افراد بسیاری در سراسر دنیا به عنوان یک مرجع غیر فنی مورد استفاده قرار می گرفت و محبوبیتی غیر قابل باور به دست آورده بود.

درست در همان زمان و در سال ۱۹۹۵ واینمن آدرس ایمیل فردی را مشاهده نمود که به صورت debbie@debbie.com بود و مشتاق شد بداند آیا دامنه ی لیندا نیز برای ثبت کردن در دسترس قرار دارد یا خیر. وی این دامنه را خریداری و وبسایتی تحت آن راه انداخت تا از طریقش بتواند با دانش آموزان و همچنین خوانندگان کتاب خود ارتباط برقرار نماید.

lynda2

شروعی کوچک و توسعه ای آهسته و پیوسته

بعد از موفقیت کتاب واینمن همسر او، بروس هون (Bruce Heavin)، که در اصل موسس کمپانی لیندا نیز محسوب می شود، پیشنهاد داد در طول تعطیلات بهاره یکی از سالن های کامپیوتر دانشگاهی را اجاره نموده و در آن به مدت یک هفته دوره آموزش طراحی وب برگزار نمایند.
آنها این ایده را عملی کردند و سپس به منظور جذب افراد علاقه مند بنر تبلیغاتی را روی سایت لیندا قرار دادند. نه تنها ظرفیت کلاس یاد شده بسیار سریع پر گشت، بلکه افراد از گوشه و کنار دنیا و حتی مثلاً شهر وین برای حضور در آن ثبت نام نمودند.

اینکه تنها یک بنر در سایت خود قرار دهیم و سپس مردم از سراسر دنیا برای حضور در کلاس مان ثبت نام نمایند، باعث شده بود تا شوکه شویم.
آن کارگاه های یک هفته ای بسیار زود باعث شدند تا کسب و کار امروزی لیندا و همسرش پایه گذاری گردد. واینمن از درآمد حق امتیاز کتاب خود با ارزش ۲۰ هزار دلار استفاده کرد و مدرسه طراحی وبی را راه اندازی نمود که دوره هایش در هر ماه به سرعت پیش فروش شده و ظرفیت شان تکمیل می گشت. لیندا می گوید: "مشتریان زیادی وجود داشتند که مجبور بودیم به آنها نه بگوییم، زیرا ظرفیتی برای پذیرش شان وجود نداشت".

اوج گیری پس از بحران

کسب و کار لیندا پس از چند سال توانست ۳۵ فرصت شغلی را ایجاد و درآمدی ۳.۵ میلیون دلاری را فراهم کند. اما در سال ۲۰۰۱ و پس از انفجار حباب دات کام و حوادث مرتبط به یازده سپتامبر، تمایل افراد به یادگیری دروس طراحی وب کاهشی عجیب پیدا کرد، تا جایی که واینمن و همسرش در ادامه دادن مسیر مردد شده بودند.

کمپانی آنها دچار بحرانی جدی گشت، واینمن و هون ۷۵ درصد کارمندان خود را اخراج کردند و تنها ۹ نفر در استخدام شان باقی ماند. دفتر و مقر برگزاری دوره های لیندا نیز کوچک تر گشت و سعی را بر این گذاشتند تا واحد هایی با قیمت ارزان تر اجاره نمایند.

روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر.

خود واینمن در مورد آن ایام می گوید: "همه در حال نبرد برای بقا بودند و سعی می کردند سر خود را بالای آب نگه دارند. ما نیز وضعیتی مشابه را تجربه می کردیم و در نهایت درست همین زمان بود که تصمیم گرفتیم خدمات خود را به صورت کاملاً آنلاین ارائه نماییم."

روزگاری که ایده یاد شده شکل گرفت و سپس عملی گشت (ارائه خدمات به صورت آنلاین) تماشای فیلم بر روی کامپیوترها تازه در حال رواج یافتن بود. لیندا دات کام تصمیم گرفت در ازای سرویسی که ارائه می کند هزینه حق اشتراکی ۲۵ دلاری را به صورت ماهیانه دریافت نماید.

افراد اندکی از این راهکار استقبال کردند. واینمن می گوید: "درآمد مان به شدت افت کرده بود. روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر."

با تنها ۱۰۰۰ نفر پرداخت کننده حق اشتراک ماهیانه، بقای کمپانی به نظر بسیار سخت می رسید. ایجاد یک جامعه ی آنلاین زمان بر است و لیندا به خود امید می داد که آنها مسیر شان را عوض نکرده اند بلکه راهی تازه را شروع نموده اند پس باید صبر پیشه کنند. او توضیح می دهد که "همه چیز بسیار آهسته پیش رفت. ولی کم کم پرداخت حق اشتراک ماهیانه آنلاین رواج پیدا کرد و مقدار آن هر ساله چندین برابر شد".

در ۲۰۰۶ تعداد مشترکین به ۱۰۰.۰۰۰ نفر رسید و واینمن و همسرش ۱۵۰ کارمند خود را به همراه خانواده هایشان به دیزنی لند بردند تا موفقیت بزرگی که رقم خورده بود را جشن بگیرند.

lynda4

ایجاد فرهنگ سازمانی مناسب در زمان رشد

اینکه اعضا و کارمندان شرکت همانند یک خانواده با یکدیگر در تعامل باشند همواره برای لیندا حائز اهمیت بوده و او حتی همیشه تلاش داشته تا افراد تحت استخدام خود را با اسم کوچک بشناسد و صدا بزند. ولی رشد سریع کمپانی و رسیدن تعداد کارمندان به عدد ۵۰۰، رفته رفته چالش هایی تازه را پدید می آورد و سبب می گردد واینمن در ایده آل های خود بازنگری نماید.

وی می گوید: "چالش اصلی بر سر تعیین سمت و مقام افراد بود. اینکه با هر کس چه برخوردی باید صورت بگیرد. همه ی کسانی که رشدی سریع را در شرکت خود تجربه کرده اند می دانند که ایجاد سلسله مراتب تا چه حد اهمیت دارد."

در ۲۰۰۷ تصمیم بر این شد تا یک مدیرعامل جهت اداره ی بهتر مجموعه به آن اضافه گردد. به گفته ی خود لیندا "درست در همان زمان بود که او تصمیم گرفت در رفتارها و برخوردهای خود سیاست بیشتری داشته و بروکراتیک تر عمل نماید".

ایجاد فرهنگ سازمانی برای شرکتی با بیش از ۵۰۰ کارمند کاری بسیار دشوار خواهد بود ولی حتی آنچه از این مسئله نیز دشوارتر به حساب می آید پایه ریزی درست و مطابقت دادن افراد با فرهنگ یاد شده است. اینکار در زمانی که یک شرکت نوپا و کوچک محسوب می شود چندان سخت نیست و شاید ضروری هم نباشد ولی با رشد آن صورت پذیرفتنش الزام می یابد.

 پیش به سوی موفقیت

مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند.

در طی سال های اخیر کمپانی واینمن توسط افراد گوناگونی که در حرفه ی خود بهترین هستند دوره های آنلاین متعددی را ایجاد نموده و سعی کرده نشان دهد این دوره های آنلاین راه و روش یادگیری را برای همیشه متحول کرده اند.

لیندا دات کام قالبی معین و کارآمد را برای دوره های آموزشی اش پدید آورده و سپس کوشش کرده تا از نظر موضوعی نیز در بین مطالب مورد تدریس خود تنوع ایجاد نماید. روزگاری در وب سایت مورد بحث تنها ۲۰ دوره آموزش ویدئویی آنلاین وجود داشت، اما اکنون این رقم به ۶۳۰۰ رسیده که شامل ۲۶۷.۰۰۰ ویدئوی آموزشی می گردد.

ارائه ی کتابخانه ای ویدئویی به جای اینکه از افراد درخواست شود تا در دوره هایی مشخص با روال معمول و پیوسته شرکت نمایند، عاملی بوده که سبب گشته شیوه ی آموزشی لیندا دات کام نسبت به سایرین کاملاً متفاوت گردد.

واینمن می گوید: "مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند. ما به خاطر همین تفاوت مان مورد توجه قرار داشته و تحت نظر سایرین هستیم".

lynda6

فروش به لینکدین Linked in

من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم.

واینمن زمانی که متوجه می شود لینکدین قصد خرید کمپانی اش را دارد، در ابتدا شوکه می گردد. او و همسرش هرگز به دنبال فروش شرکت خود و یافتن مشتری برای آن نبوده اند و البته در سن ۶۰ سالگی وی هنوز هم احساس می نموده که برای بازنشستگی بسیار زود است.

اما رفته رفته به این نتیجه می رسند که این فروش و ادغام دو کمپانی با یکدیگر احتمالاً امری منطقی و موثر خواهد بود. هر دو شرکت به نوعی تلاش داشته اند به افراد کمک کنند تا وضعیت شغلی خود را بهبود بخشند و احتمالاً در کنار یکدیگر بسیار بهتر از گذشته می توانند این هدف را محقق کنند.

واینمن می گوید: "بسیاری از مردم بر روی رقم معامله صورت پذیرفته تمرکز دارند و شاید این مسئله برای افرادی که با صنعت ما آشنا نیستند یک شگفتی محسوب شود. ولی خود من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم و اولین چیزی که در رابطه با این موضوع به ذهنم می رسد، میزان بزرگی این اثرگذاری است."

به نظر می آید حتی لیندا واینمن هم از موفقیت خودش شگفت زده است و تصور چنین روزی را نداشته. بر خلاف بسیاری از بنیانگذاران کمپانی ها مهم تکنولوژیک امروزی ، وی با هدف کسب درآمد های کلان شروع به کار نکرده و قصد اولیه اش هرگز ایجاد کمپانی نبوده که توسط لینکدین به ارزش ۱.۵ میلیارد دلار خریداری شد. او تنها سعی داشته آنچه که برای خودش جذاب بوده، یعنی طراحی وب را به سایرین نیز بیاموزد.

واینمن که بر حسب اتفاق بدل به یک معلم گشته، می گوید: "من نه چندان گنگ بودم و نه به آن صورت خوره ی دنیای تکنولوژی. افراد زیادی پیش من می آمدند و می پرسیدند چگونه این کار را انجام می دهی؟ یا چگونه آن کار را انجام می دهی؟ هرگز با خودم فکر نکرده بودم به اشتراک گذاشتن دانش در رابطه با آنچه که برایت جالب است، در واقع همان تدریس کردن محسوب می شود."

در حالکیه لیندا اعتقاد دارد تنها در زمان و مکان مناسبی حضور داشته، سخت است بدل شدن یک دامنه ی ۳۵ دلاری به کسب و کاری ۱.۵ میلیارد دلاری را حاصل یک اتفاق بدانیم.

فارسی لیندا

آیا می خواهید مهارت های خود را به عنوان یک متخصص یادگیری ماشینی افزایش دهید، اما نمی دانید از کجا شروع کنید؟ برای شروع کار به سمت هدف خود نیازی به آموزش رسمی در علم داده ندارید. در این دوره، مدرس Derek Jedamski به شما نشان می‌دهد که چگونه داده‌های آشفته را مهار کنید، سیگنال‌ها را در آن بیابید، و مدل‌هایی بسازید که پیش‌بینی‌های قدرتمندی را با فراگیران گروه، یکی از رایج‌ترین کلاس‌های الگوریتم‌های یادگیری ماشین، انجام دهید.
بررسی اصول اولیه خط لوله یادگیری ماشین برای پیدا کردن جایی که فراگیران گروه در آن نشسته اند. در مورد تئوری اساسی که فراگیران گروه را هدایت می کند آشنا شوید، نمونه هایی از یادگیری گروهی در پایتون را پوشش می دهد و سپس مدل های خود را پیاده سازی می کند. مفاهیمی مانند تقویت، بسته بندی، و انباشتن، و نحوه استفاده از هر کدام و زمان را کاوش کنید. ابزارهایی را که برای افزایش قدرت پیش‌بینی و پیشرفت مهارت‌های یادگیری ماشینی خود نیاز دارید، دریافت کنید.

سطح آموزشی
خرید آنلاین و دانلود فوری
به همراه فایلهای تمرین
ویدئوهای آموزشی با زیرنویس
ویدئوهای آموزشی با زیرنویس فارسی
کیفیت HD ویدئوهای آموزشی
قابل استفاده برای ناشنوایان
 
 
 

نمونه ویدیوی آموزشی ( زیرنویس‌ها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :

 

[FARSI]

01 مقدمه
01-01 یادگیری گروه را کاوش کنید
01-02 آنچه باید بدانید
01-03 چه ابزارهایی نیاز دارید
01-04 استفاده از فایل های تمرین

02 مبانی یادگیری ماشین را مرور کنید
02-01 یادگیری ماشینی چیست؟
02-02 یادگیری ماشینی در زندگی واقعی چگونه است؟
02-03 خط لوله یادگیری ماشینی سرتاسر به چه شکل است؟
02-04 مبادله سوگیری-واریانس

03 آماده سازی داده ها
03-01 خواندن در داده ها
03-02 تمیز کردن ویژگی های مداوم
03-03 پاکسازی ویژگی های طبقه بندی شده
03-04 تمام مجموعه‌های قطار، اعتبارسنجی و آزمایش را بنویسید

04 یادگیری گروهی چیست؟
04-01 یادگیری گروهی چیست؟
04-02 یادگیری گروهی چگونه کار می کند؟
04-03 چرا یادگیری گروهی اینقدر قدرتمند است؟

05 تقویت
05-01 تقویت چیست؟
05-02 چگونه تقویت خطای کلی را کاهش می دهد؟
05-03 چه زمانی باید به استفاده از تقویت فکر کنید؟
05-04 نمونه هایی از الگوریتم هایی که از تقویت استفاده می کنند چیست؟
05-05 الگوریتم های تقویت را در پایتون کاوش کنید
05-06 یک مدل تقویتی را اجرا کنید

06 کوله بری
06-01 کیسه کشی چیست؟
06-02 چگونه بسته بندی خطای کلی را کاهش می دهد؟
06-03 چه زمانی باید به استفاده از کیسه کشی فکر کنید؟
06-04 نمونه هایی از الگوریتم هایی که از کیسه بندی استفاده می کنند چیست؟
06-05 الگوریتم های بسته بندی را در پایتون کاوش کنید
06-06 مدل بگینگ را پیاده سازی کنید

07 انباشته شدن
07-01 انباشتن چیست؟
07-02 چگونه انباشتن خطای کلی را کاهش می دهد؟
07-03 چه زمانی باید به استفاده از Stacking فکر کنید؟
07-04 نمونه هایی از الگوریتم هایی که از انباشتگی استفاده می کنند چیست؟
07-05 الگوریتم‌های پشته‌بندی را در پایتون کاوش کنید
07-06 یک مدل انباشتگی را پیاده سازی کنید

08 نتیجه گیری
08-01 سه روش را با هم مقایسه کنید
08-02 همه مدل‌ها را در مجموعه اعتبارسنجی مقایسه کنید
08-03 چگونه به پیشرفت مهارت های خود ادامه دهید

[ENGLISH]

01 Introduction
01-01 Explore ensemble learning
01-02 What you should know
01-03 What tools you need
01-04 Using the exercise files

02 Review Machine Learning Basics
02-01 What is machine learning?
02-02 What does machine learning look like in real life?
02-03 What does an end-to-end machine learning pipeline look like?
02-04 Bias-Variance trade-off

03 Preparing the Data
03-01 Reading in the data
03-02 Cleaning up continuous features
03-03 Cleaning up categorical features
03-04 Write out all train, validation, and test sets

04 What is Ensemble Learning?
04-01 What is ensemble learning?
04-02 How does ensemble learning work?
04-03 Why is ensemble learning so powerful?

05 Boosting
05-01 What is boosting?
05-02 How does boosting reduce overall error?
05-03 When should you consider using boosting?
05-04 What are examples of algorithms that use boosting?
05-05 Explore boosting algorithms in Python
05-06 Implement a boosting model

06 Bagging
06-01 What is bagging?
06-02 How does bagging reduce overall error?
06-03 When should you consider using bagging?
06-04 What are examples of algorithms that use bagging?
06-05 Explore bagging algorithms in Python
06-06 Implement a bagging model

07 Stacking
07-01 What is stacking?
07-02 How does stacking reduce overall error?
07-03 When should you consider using stacking?
07-04 What are examples of algorithms that use stacking?
07-05 Explore stacking algorithms in Python
07-06 Implement a stacking model

08 Conclusion
08-01 Compare the three methods
08-02 Compare all models on validation set
08-03 How to continue advancing your skills

مدرس: Derek Jedamski - درک جدآمسکی

تعداد دوره های آموزشی: 6

درک جدآمسکی یک دانشمند ماهر و متخصص در یادگیری ماشین است. درک تجربه رگرسیون و مدل سازی طبقه بندی، پردازش زبان طبیعی، تجزیه و تحلیل آماری، کنترل کیفیت، تجزیه و تحلیل کسب و کار، و ارتباط نتایج فنی با مخاطبان در زمینه های مختلف را تجربه کرده است. او همچنین دارای درک کامل از پایتون، R، SQL، Apache Spark، و دیگر فریم ورکها و زبان ها است. در حال حاضر او در GitHub به عنوان یک دانشمند داده کار می کند.

جدیدترین آموزشهای مرتبط

تمامی زیرنویس‌های فارسی و مطالب ترجمه شده در سایت، بطور انحصاری متعلق به فارسی لینـدا بوده و هر گونه کپی‌ برداری و یا استفاده از آنها به هر شکلی در سایتها یا برنامه‌های دیگر پیگرد قانونی دارد
logo-samandehi
فارسی کلاس