آموزش جامع یادگیری ماشین و زیرشاخه ها در پایتون (با رویکرد مالی)
بررسی کامل دوره
- نظرات فراگیران:0 نظر0
- آموزشگاه:تاپ لرن4.5
- مدرس:قائم تقی پور0
- زمان:23 ساعت و 16 دقیقه
- مدرک:ندارد
- توضیحات:دارد
توضیحات
آموزش جامع یادگیری ماشین و زیرشاخه ها در پایتون (با رویکرد مالی)توسعه هوش مصنوعی و گسترش کاربرد های آن، دانشجویان علاقه مند را دچار سردرگمی در انتخاب شاخه مناسب برای فعالیت در این حوزه و مسیر شروع یادگیری مباحث AI نموده است. یکی از شاخه های پرکاربرد در هوش مصنوعی در سال های اخیر، استفاده از الگوریتم های مبتنی بر هوش مصنوعی شاملِ یادگیری ماشین و زیرمجموعه های آن، مانند یادگیری عمیق و یادگیری تقویتی، در حوزه مالی بوده است. به همین علت، یکی از راه های مناسب برای ورودی به دنیای هوش مصنوعی و یادگیری این مباحث، استفاده از مسیر پیاده سازی پروژه های مالی است. سادگی درک مفاهیم مالی می تواند موجب تسریع در روند یادگیری مطالب مرتبط با هوش مصنوعی، با استفاده از پروژه های کاربردی گردد. به این ترتیب، علاوه بر کسب مهارت در پیاده سازی الگوریتم ها درجهت کاربرد های مالی، با یادگیری مباحث مهم هوش مصنوعی، امکان ورود سریع تر به دیگر حوزه های هوش مصنوعی نیز میسر می گردد.در این دوره، در فصل اول کار با داده های مورد استفاده در پروژه ها آموزش داده می شود و در فصل دوم مباحث مرتبط با یادگیری نظارت شده (Supervised learning) شامل الگوریتم های مختلف رگرسیونی و دسته بندی و همچنین روش های مختلف بهینه سازی الگوریتم ها و انتخاب Hyperparameter های مناسب بررسی شده، و در فصل سوم به یادگیری بدون نظارت (Unsupervised learning) و الگوریتم های مربوطه پرداخته می شود . فصل چهارم شامل مباحث مرتبط با یادگیری تقویتی (Reinforcement Learning و Q-Learning ) بوده و در نهایت، در فصل پنجم به مباحث یادگیری عمیق (Deep Learning) و شبکه های عصبی مصنوعی (Artificial Neural Networks) می پردازیم. در این دوره، مباحث مذکور در قالب فصل های جداگانه و از سطح مقدماتی تا پیشرفته مورد بررسی قرارگرفته و پروژه های متعددی از هرکدام پیاده سازی خواهد شد.جهت کسب اطلاعات بیشتر در رابطه با این دوره، لطفا جلسه ی معرفی دوره را مشاهده نمایید. سرفصل های دوره:1) مفاهیم مقدماتی و شروع کار با داده ها2) یادگیری ماشین نظارت شده (Supervised Learning)3) یادگیری بدون نظارت (Unsupervised Learning)4) یادگیری تقویتی (Reinforcement Learning)5) یادگیری عمیق (Deep Learning) و شبکه های عصبی مصنوعی (ANN)
دوره آموزش جامع یادگیری ماشین و زیرشاخه ها در پایتون (با رویکرد مالی) دورهای با امتیاز نهایی 0 میباشد و توسط دوره بین که موتور جستجوی بهترین دوره های آموزشی میباشد، تحلیل، بررسی و امتیازدهی شده است. مدت زمان این دوره 23 ساعت و 16 دقیقه میباشد که در تاپ لرن توسط قائم تقی پور مدرس این دوره ارائه شده است. قابل توجه است که این دوره مدرک ندارد و دوره مذکور 500,000 تومان میباشد.
همچنین میتوانید با کلیک بر روی دکمه شروع یادگیری به آموزشگاه ارائهدهنده متصل شوید و دوره آموزش جامع یادگیری ماشین و زیرشاخه ها در پایتون (با رویکرد مالی) را تهیه نمایید.
علاوه بر این، شما عزیزان میتوانید همه دورههای مشخص نشده سراسر اینترنت را در صفحه مشخص نشده در دورهبین مشاهده، مقایسه و بهترین دوره از نظر کیفیت و قیمت را به آسانی انتخاب نمایید.
دورههای مشابه
دوره آموزشی پروژه محور پایتون و یادگیری ماشین با رویکرد حل مساله
علی نظری زاده
مدرسه بیگ دیتا
آموزش کار با پیش پردازش ها در یادگیری ماشین با پایتون (Python) (رایگان)
سعید مظلومی راد
فرادرس
آموزش یادگیری ماشین Machine Learning با پایتون Python
سعید مظلومی راد
فرادرس
آموزش رایگان یادگیری ماشین با پایتون – سریع و آسان در 180 دقیقه
دکتر فرشید شیرافکن
فرادرس
آموزش آشنایی با ابزارهای داده کاوی و یادگیری ماشین با پایتون (رایگان)
حمیدرضا سلطانعلی زاده
فرادرس
آموزش مقدمه ای در رابطه با یادگیری ماشین با پایتون (Python) (رایگان)
سعید مظلومی راد
فرادرس
آموزش یادگیری ماشین و پیاده سازی در پایتون Python – بخش دوم
دکتر فرشید شیرافکن
فرادرس
آموزش یادگیری ماشین و پیاده سازی در پایتون Python – بخش یکم
دکتر فرشید شیرافکن
فرادرس
تشخیص ارقام دستنویس با پایتون ( پروژه پردازش تصویر و یادگیری ماشین )
مهدی حمزه لوئی
دانشجویار
آموزش جامع یادگیری تقویتی (Reinforcement Learning) در پایتون
قائم تقی پور
تاپ لرن
نظرات فراگیران
poyesh4
سلام دوست عزیز من هم فعال در بازار فارکس هستم و برنامهنویس MQL و بسیار علاقه مند به پایتون و استفاده از هوش مصنوعی که متاسفانه هیچ سبک خاصی رونتونستم درست پیاده سازی کنم که هوش مصنوعی بتونه درست تشخیص بده خوشحال میشم با هم صحبتکنیم و همفکری داشته باشیم
مسعود فتاحی
با سلام خدمت استاد بزرگوار من فعال حوزه ی فارکس هستم و تمام دوره های قبلی شما که در رابطه با بورس و موارد مالی بوده را مشاهده کردم و با توجه به اینکه در فصل یادگیری تقویتی هستیم و من قبلا نیز در این حوزه مطالعه داشتم خواهشمندم که مثال یا پروژه این فصل برای بازارهای دوطرفه مثل فارکس باشد به دلیل اینکه پیاده سازی یادگیری تقویتی در این بخش چالش های زیادی دارد ، از پیاده سازی محیط ، انتخاب اکشن مناسب و پاداش و سیاست های انتخابی و ... من با الگوریتم های زیادی مثل DQN و موارد مشابه کار کردم و مثال های زیادی در این حوزه در اینترنت هستن منتها اصلا کاربردی نیستند ، امیدوارم که در این فصل بتونیم در کنار شما یک پروژه کاربردی برای یادگیری تقویتی داشته باشیم. ممنون از شما
قائم تقی پور (مدرس)
سلام دوست عزیز ممنون بابت بیان نظر و پیشنهادتون جلسات این دوره از قبل ضبط شده و مواردی که دوستان پیشنهاد میدن رو سعی میکنم انشاءالله در جلسات بروزرسانی که بعد از اتمام دوره منتشر میشن، حتما مد نظر قرار بدم. موفق باشید.
مهرداد مرادی
درود درپیرو صحبت دوست عزیزم من هم از شما خواهش دارم که مثال ودرس شما در راستا استفاده از هوش مصنوعی برای بازارهای مالی با دیتا واقعی به روز باشه
قائم تقی پور (مدرس)
سلام هنوز نیمی از دوره باقی مونده و پاسخی که به دوست قبلیمون داده شده برای این کامنت هم صادق هست. موفق باشید.