%40 تخفیف  برای خرید  مسیرهای یادگیری

logo mix

آموزش جامع یادگیری تحت نظارت (با زیرنویس فارسی AI)
Supervised Learning Essential Training
کد محصول: FL6596-2833061
لیندا _ آموزش جامع یادگیری تحت نظارت (با زیرنویس فارسی AI) - Lynda _ Supervised Learning Essential Training
سطح متوسـط
زیرنویس انگلیسی
زیرنویس فارسی AI
75,000 تومان
اضافه به سبد خرید add_shopping_cart
تولید کننده محتوا
Lynda.com (Linkedin Learning)
تولید کننده زیرنویس فارسی
فارسی لینـدا FarsiLynda.com
مدرس
Ayodele Odubela - آیودل اودوبلا
تاریخ انتشار
1399/11/2
2021-01-21
سطح آموزش
متوسط
زبان آموزش
انگلیسی
زیرنویس
فارسی و انگلیسی
نوع زیرنویس فارسی
ترجمه شده توسط هوش مصنوعی (AI)
مدت زمان آموزش
1ساعت و 28دقیقه
تعداد ویدیو‌ها
31 ویدیو
حجم فایل‌ها
302 مگابایت (دانلود با تعرفه داخلی)
زمان تقریبی دانلود فایل‌ها
5 دقیقه (با سرعت اینترنت 1 مگابایت در ثانیه)
تعداد بازدید : 5225
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

دانشمندان داده و دانشجویان ML/AI ممکن است به یک تجربه عملی با الگوریتم‌های یادگیری نظارت شده نیاز داشته باشند. در این دوره، مربی Ayodele Odubela به شما می‌آموزد که مدلهایی را که ایجاد کرد‌ه‌اید در داده‌های جدید استفاده کنید و عملکرد مدل را ارزیابی کنید. او در ابتدا بیان می‌کند که یادگیری تحت نظارت چیست و چگونه می‌توان با استفاده از داده‌های آموزشی دارای برچسب، پیش بینی کرد. او به شما یک نمای کلی از الگوریتم رگرسیون لجستیک، نحوه ساخت یک مدل خطی در پایتون و نحوه محاسبه معیارهای مدل می‌دهد. در مرحله بعدی، او به شما کمک می‌کند تا درختان تصمیم اول خود و همچنین مدلهای نزدیکترین k همسایه را با استفاده از GridSearch ایجاد کنید. او چگونگی ایجاد شبکه‌های عصبی مصنوعی را که بنیادی برای بیشتر کارهای یادگیری عمیق است، پوشش می‌دهد. وی در پایان با یک مرور کلی هوش مصنوعی اخلاقی از شما می‌خواهد که تأثیر مدل‌های خود را در نظر بگیرید.

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 ) :

 

00 مقدمه
_ | 00_01 یادگیری ماشین تحت نظارت و رونق فناوری
_ | 00_02 با استفاده از فایلهای تمرینی
_ | 00_03 آنچه شما باید بدانید

01 یادگیری نظارت شده با پایتون
_ | 01_01 یادگیری تحت نظارت چیست؟
_ | 01_02 پایتون نظارت بر بسته‌های یادگیری
_ | 01_03 پیش بینی با یادگیری نظارت شده

02 مدل رگرسیون
_ | 02_01 تعریف رگرسیون لجستیک و خطی
_ | 02_02 مراحل آماده‌سازی داده‌ها برای مدل سازی
_ | 02_03 بررسی مجموعه داده‌های شما برای فرضیات
_ | 02_04 ایجاد یک مدل رگرسیون خطی
_ | 02_05 ایجاد یک مدل رگرسیون لجستیک
_ | 02_06 ارزیابی پیش بینی مدل رگرسیون

03 درخت تصمیم
_ | 03_01 درختان تصمیم رایج را شناسایی کنید
_ | 03_02 تقسیم داده‌ها و کاهش عمق درخت تصمیم
_ | 03_03 نحوه ساخت درخت تصمیم
_ | 03_04 ایجاد درختان تصمیم اول
_ | 03_05 تجزیه و تحلیل عملکرد درخت تصمیم
_ | 03_06 بررسی چگونگی ایجاد روش‌های گروه شاگردان قوی

04 K- نزدیکترین همسایگان
_ | 04_01 کشف نزدیکترین همسایگان خود
_ | 04_02 معامله بزرگ در مورد k
_ | 04_03 نحوه جمع آوری مدل KNN
_ | 04_04 ساخت KNN خود
_ | 04_05 رمزگشایی معیارهای مدل KNN
_ | 04_06 در جستجوی بهترین مدل

05 شبکه عصبی
_ | 05_01 شبکه‌های عصبی بیولوژیکی در مقابل مصنوعی
_ | 05_02 پیش پردازش داده‌ها برای مدل سازی
_ | 05_03 چگونه شبکه‌های عصبی الگوها را در داده‌ها پیدا می‌کنند
_ | 05_04 مونتاژ شبکه‌های عصبی خود را
_ | 05_05 مقایسه شبکه‌ها و انتخاب مدل‌های نهایی

06 نتیجه گیری
_ | 06_01 بررسی اجمالی اخلاقی
_ | 06_02 چگونه می‌توانم مهارتهای خود را در یادگیری تحت نظارت ادامه دهم؟

00 Introduction
_ 00_01 Supervised machine learning and the technology boom
_ 00_02 Using the exercise files
_ 00_03 What you should know

01 Supervised Learning with Python
_ 01_01 What is supervised learning
_ 01_02 Python supervised learning packages
_ 01_03 Predicting with supervised learning

02 Regression Modeling
_ 02_01 Defining logistic and linear regression
_ 02_02 Steps to prepare data for modeling
_ 02_03 Checking your dataset for assumptions
_ 02_04 Creating a linear regression model
_ 02_05 Creating a logistic regression model
_ 02_06 Evaluating regression model predictions

03 Decision Trees
_ 03_01 Identify common decision trees
_ 03_02 Splitting data and limiting decision tree depth
_ 03_03 How to build a decision tree
_ 03_04 Creating your first decision trees
_ 03_05 Analyzing decision tree performance
_ 03_06 Exploring how ensemble methods create strong learners

04 K-Nearest Neighbors
_ 04_01 Discovering your k-nearest neighbors
_ 04_02 What`s the big deal about k
_ 04_03 How to assemble a KNN model
_ 04_04 Building your own KNN
_ 04_05 Deciphering KNN model metrics
_ 04_06 Searching for the best model

05 Neural Networks
_ 05_01 Biological vs. artificial neural networks
_ 05_02 Preprocessing data for modeling
_ 05_03 How neural networks find patterns in data
_ 05_04 Assembling your neural networks
_ 05_05 Comparing networks and selecting final models

06 Conclusion
_ 06_01 Ethical overview
_ 06_02 How can I keep developing my skills in supervised learning

مدرس: Ayodele Odubela - آیودل اودوبلا

تعداد دوره های آموزشی: 2

Ayodele Odubela دانشمند داده و اخلاق شناس هوش مصنوعی است.
Ayodele معتقد است که برای بهبود زندگی افراد به حاشیه رانده شده، از فناوری استفاده می شود. وی پس از فارغ التحصیلی از دانشگاه پیتزبورگ با مدرک دیجیتال و رسانه ارتباطات ، قبل از اخذ کارشناسی ارشد در رشته علوم داده از دانشگاه رجیس ، در آژانس های بازاریابی ، شرکت های برنامه سازی و ناشران آنلاین کار می کرد. از آن زمان ، او به یافتن راه حل هایی برای جهت گیری در علم داده ، از جمله یافتن راه هایی برای شناسایی و کاهش آسیب سوگیری در الگوریتم های رمزگذاری شده ، و کار بر روی کتابی در زمینه چگونگی شناسایی و مقابله با تعصب در مدل های یادگیری ماشین متمرکز شده است.
Ayodele در حال حاضر به عنوان دانشمند داده در SambaSafety ، ارائه دهنده مدیریت ریسک تحرک، مبتنی بر ابر برای رانندگان ، 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