پست جدید
0
ثبت نام
ورود
منوی سایت
خانه
تقویم رویدادها
مجری ها
سوابق و رزومه کاربر
لیست کانالهای این مجری
جزییات بیشتر
آموزش مدیریت محصول هوش مصنوعی
47
فالوور
25
پست
درآمد
0
ریال
5,000,000
ریال
جزییات بیشتر
پایتون و دیتاساینس
1687
فالوور
59
پست
درآمد
10,000
ریال
500,000
ریال
مجید فرزانه
هوش مصنوعی
بنیانگذار شبکه آموزشی بست
4
امتیاز
298
دیدگاه
96,143
دانشجو
84
پست
همه پستهای مجری
هوش مصنوعی
5
(
2
)
Torob Data Challenge (Learning to Rank) راه حل مسابقه
هوش مصنوعی
5
(
3
)
دولینگو: معرفی یک پلتفرم آموزشی مبتنی بر هوش مصنوعی و آشنایی با یک سند Responsible AI
هوش مصنوعی
5
(
2
)
معرفی یه روش معروف Explainable AI به بهانهی معرفی Fiddler ai (یک محصول اقیانوس آبی دیگر)
هوش مصنوعی
0
(
0
)
استراتژیهای ورود به بازار برای محصولات هوش مصنوعی
هوش مصنوعی
5
(
5
)
الگوریتم ازدحام ذرات (Particle Swarm Optimization)
هوش مصنوعی
5
(
4
)
فایل ارائهی وبینار AI Terminology
هوش مصنوعی
0
(
0
)
گفتگوی مجید فرزانه با پادکست باهوش
هوش مصنوعی
5
(
1
)
کتابخانه Numpy بخش اول | دیتاساینس در پایتون
هوش مصنوعی
0
(
0
)
چالشهای شبکههای عصبی (محوشدگی گرادیان، بیش برازش، کم برازش)
هوش مصنوعی
0
(
0
)
مقدمهای بر شبکههای عصبی
هوش مصنوعی
0
(
0
)
درخت تصمیم و پیاده سازی در sklearn
هوش مصنوعی
0
(
0
)
معرفی الگوریتم Naiive Bayes و پیاده سازی در sklearn
هوش مصنوعی
0
(
0
)
الگوریتم SVM (معرفی و پیاده سازی در sklearn)
هوش مصنوعی
0
(
0
)
الگوریتم KNN (تئوری + پیاده سازی با sklearn)
هوش مصنوعی
0
(
0
)
معرفی اجمالی کتابخانه sklearn برای یادگیری ماشین
هوش مصنوعی
0
(
0
)
کتابخانه pandas (بخش آخر) | دیتاساینس در پایتون
هوش مصنوعی
0
(
0
)
کتابخانه pandas (بخش چهارم) | دیتاساینس در پایتون
هوش مصنوعی
0
(
0
)
کتابخانه pandas (بخش سوم) | دیتاساینس در پایتون
هوش مصنوعی
0
(
0
)
کتابخانه pandas (بخش دوم) | دیتاساینس در پایتون
هوش مصنوعی
0
(
0
)
کتابخانه pandas (بخش اول) | دیتاساینس در پایتون
هوش مصنوعی
5
(
5
)
کتابخانه numpy بخش دوم | دیتاساینس در پایتون
هوش مصنوعی
0
(
0
)
هکاتون هوش مصنوعی ایرانسل (مسابقه انتخابی)
هوش مصنوعی
0
(
0
)
14- معرفی خوشه بندی FCM و نحوهی ارزیابی نتایج خوشهبندی
هوش مصنوعی
0
(
0
)
13- معرفی یادگیری بدون نظارت و خوشه بندی
هوش مصنوعی
0
(
0
)
12- یه مثال اساسی از رگرسیون و مهندسی ویژگیهای زمانی | دیتاساینس
هوش مصنوعی
0
(
0
)
11 - معرفی گرادیان نزولی و استفاده از اون در حل مسائل رگرسیون | دیتاساینس
هوش مصنوعی
0
(
0
)
10- معیارهای ارزیابی در دیتاساینس
هوش مصنوعی
0
(
0
)
9- با دادههای غیرعددی چیکار کنیم؟ | دیتاساینس
هوش مصنوعی
0
(
0
)
8- معرفی الگوریتم نایو بیز Naiive Bayes | دیتاساینس
هوش مصنوعی
0
(
0
)
7- حل یک سوال مسابقهای دیتاساینس با KNN
هوش مصنوعی
0
(
0
)
6- الگوریتم کا-نزدیکترین همسایگی (KNN) | دیتاساینس
هوش مصنوعی
0
(
0
)
5- حل یک مسئلهی طبقهبندی ساده | دیتاساینس در متلب
هوش مصنوعی
0
(
0
)
4- یادگیری ماشین | Machine Learning در دیتاساینس
هوش مصنوعی
0
(
0
)
3- آشنایی با مفاهیم اولیه و پیش پردازش داده در دیتاساینس
هوش مصنوعی
5
(
1
)
2- چرا دیتاساینس؟ چرا با متلب؟
هوش مصنوعی
0
(
0
)
آموزش برنامه نویسی متلب (MATLAB)
هوش مصنوعی
5
(
2
)
بررسی توانایی الگوریتم ژنتیک در حل سودوکو (درک عمیقتر ژنتیک)
هوش مصنوعی
5
(
1
)
معرفی الگوریتم ژنتیک (بخش چهارم: حل مسئله با ژنتیک در پایتون)
هوش مصنوعی
5
(
1
)
معرفی الگوریتم ژنتیک (بخش سوم: معرفی چرخه رولت)
هوش مصنوعی
5
(
1
)
معرفی الگوریتم ژنتیک (بخش دوم: پیادهسازی با پایتون)
هوش مصنوعی
5
(
1
)
معرفی الگوریتم ژنتیک (بخش اول: تئوری)
هوش مصنوعی
5
(
1
)
وبینار AI-Terminology
هوش مصنوعی
5
(
2
)
الگوریتم تکامل تفاضلی (از معرفی تا پیادهسازی)
هوش مصنوعی
5
(
1
)
یک کاربرد عملی از الگوریتمهای تکاملی (انتخاب ویژگی در یادگیری ماشین نظارتی)
هوش مصنوعی
0
(
0
)
مسابقه Mine Problem Unidro - بینایی ماشین و هوش مصنوعی
هوش مصنوعی
5
(
1
)
مثالی از محصولات Blue Ocean هوش مصنوعی
هوش مصنوعی
0
(
0
)
بررسی تمرین هفته سوم: ایجاد یک مدل یادگیری ماشین و ارزیابی آن
هوش مصنوعی
0
(
0
)
معرفی محصولات هوش مصنوعی B2B
هوش مصنوعی
5
(
2
)
معرفی محصولات B2C: تیک تاک چگونه از هوش مصنوعی استفاده میکند؟
هوش مصنوعی
0
(
0
)
تکنولوژیهایی که تحت تأثیر یادگیری عمیق هستند.
هوش مصنوعی
0
(
0
)
معرفی یک ابزار no-code برای ساخت مدل یادگیری عمیق دلخواه
هوش مصنوعی
0
(
0
)
معرفی یک ابزار جامع no-code برای ایجاد و ارزیابی مدلهای یادگیری ماشین (مثال عملی)
هوش مصنوعی
0
(
0
)
بررسی تمرین فصل دوم مدیریت محصول هوش مصنوعی
هوش مصنوعی
0
(
0
)
درک شهودی یادگیری عمیق
هوش مصنوعی
0
(
0
)
تاریخچه شبکههای عصبی و آشنایی با معماریهای مختلف یادگیری عمیق
هوش مصنوعی
0
(
0
)
انواع مدلهای یادگیری ماشین
هوش مصنوعی
0
(
0
)
شبکههای عصبی مصنوعی و چالشهای یادگیری ماشین
هوش مصنوعی
0
(
0
)
دیپلوی - تست و رفع باگ - اخلاق در محصولات هوش مصنوعی
هوش مصنوعی
0
(
0
)
استراتژیهای Deployment محصول هوش مصنوعی
هوش مصنوعی
0
(
0
)
تمرین فصل اول: بررسی محصولات هوش مصنوعی در ایران
هوش مصنوعی
0
(
0
)
مراحل توسعه محصول جدید (NPD) مبتنی بر یادگیری ماشین
هوش مصنوعی
0
(
0
)
تفاوت یادگیری ماشین و یادگیری عمیق
هوش مصنوعی
5
(
2
)
معرفی مرجع دوره - مدیریت محصول هوش مصنوعی
هوش مصنوعی
5
(
1
)
گروه تلگرامی مدیریت محصول هوش مصنوعی
هوش مصنوعی
5
(
1
)
هوش مصنوعی چیست؟ | مدیریت محصول هوش مصنوعی
هوش مصنوعی
0
(
0
)
گروه تلگرامی هوش مصنوعی - مجید فرزانه
هوش مصنوعی
0
(
0
)
درس آخر: کلاسها و اشیاء در پایتون
هوش مصنوعی
0
(
0
)
12 - دیکشنری در پایتون (Dictionary)
هوش مصنوعی
0
(
0
)
11- مجموعهها در پایتون (set)
هوش مصنوعی
0
(
0
)
10 - خواندن و نوشتن در فایلها در پایتون (File IO)
هوش مصنوعی
0
(
0
)
9- 2- استفاده از لیست در توابع، معرفی Tuple و Table در پایتون
هوش مصنوعی
0
(
0
)
9- 1- الگوریتمهای پرکاربرد در کار با لیستها در پایتون
هوش مصنوعی
0
(
0
)
یادگیری فوری زبان برنامه نویسی متلب MATLAB
هوش مصنوعی
0
(
0
)
9- لیستها در پایتون
هوش مصنوعی
0
(
0
)
8- توابع در پایتون
هوش مصنوعی
0
(
0
)
7- حلقههای تودرتو یا Nested Loops در پایتون
هوش مصنوعی
0
(
0
)
6- حلقه for در پایتون
هوش مصنوعی
0
(
0
)
5- چند مثال از حلقه while در پایتون
هوش مصنوعی
5
(
1
)
4- حلقه تکرار While در پایتون
هوش مصنوعی
0
(
0
)
2- دستورات شرطی در پایتون
هوش مصنوعی
0
(
0
)
3- آنالیز رشتهها در پایتون
هوش مصنوعی
4
(
1
)
1- متغیرها، رشتهها، محاسبات ریاضی، ورودی و خروجی در پایتون
هوش مصنوعی
0
(
0
)
مراحل اصلی مدیریت محصول هوش مصنوعی
هوش مصنوعی
0
(
0
)
معرفی واژههای مرسوم در فضای هوش مصنوعی