منابع پیشنهادی برای یادگیری پایتون (از مبتدی تا پیشرفته): Python Cookbook, Third edition, by David Beazley and Brian K. Jones پایتون برای افراد مبتدی و تازهکار: Head First Python: A Brain-Friendly Guide 2nd Edition پایتون برای یادگیری ماشین: Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython 2nd Edition کتاب مورد علاقه من: Introduction to Programming in Python: An Interdisciplinary Approach introcs.cs.princeton.edu/python/home/
سلام جناب دکتر بسیار ممنون از ویدئوهای خیلی خوبتون ، سوالی که دارم این هس که چرا به اون داده های سینوسی ، یک سری داده های نویزی هم اضافه کردین؟ و این که نحوه اضافه کردن این داده های نویزی به انواع مختلف دیتاها به چه صورت هس؟
منابع پیشنهادی برای یادگیری پایتون (از مبتدی تا پیشرفته): Python Cookbook, Third edition, by David Beazley and Brian K. Jones پایتون برای افراد مبتدی و تازهکار: Head First Python: A Brain-Friendly Guide 2nd Edition پایتون برای یادگیری ماشین: Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython 2nd Edition کتاب مورد علاقه من: Introduction to Programming in Python: An Interdisciplinary Approach introcs.cs.princeton.edu/python/home/
یک سوال آماری هم داشتم، در مورد MLE . آیا این جمله درست است: ما وقتی بدنبال ماکزیمم کردن تابع درست نمایی هستیم، بدنبال آن هستیم که بتوانیم با پراکندگی کمتر داده ها، پیش بینی بهتری داشته باشیم. و این مقدار بیشینه یعنی اینکه در نمودار احتمال تجمعی، شیب نمودار ماکزیمم خواهد بود و مجددا این به معنای آن است که پراکندگی داده ها ی مورد نیاز برای پیش بینی، کمتر است.
ضمن تشکر از مجموعه ی بسیار خوب شما. با توجه به فیلتر بودن یوتیوب و اینکه خیلی سخته اینجا ویدیوها رو ببینیم، خواستم ببینم این منابع غیر از یوتیوب جایی دیگه وجود دارن؟
منابع پیشنهادی برای یادگیری پایتون (از مبتدی تا پیشرفته):
Python Cookbook, Third edition, by David Beazley and Brian K. Jones
پایتون برای افراد مبتدی و تازهکار:
Head First Python: A Brain-Friendly Guide 2nd Edition
پایتون برای یادگیری ماشین:
Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython 2nd Edition
کتاب مورد علاقه من:
Introduction to Programming in Python: An Interdisciplinary Approach
introcs.cs.princeton.edu/python/home/
خیلی عالی بود - قدرت بیان و تفهیم مطالبتون بسیار بالاست
بسیار از لطفتون سپاسگزارم. با آرزوی موفقیت
سلام
سپاس از شما بابت آموزشهای خوب شما
🌹
خیلی خیلی ممنون از سخاوت شما استاد بزرگوار
ممنون بابت فیلمهایی که به اشتراک میگذارید
سپاسگزارم
بسیار عالی، ممنون🌹🌼🌹🌼🌹
پاینده باشین 🙏🙏🙏🙏🙏🙏
سلام جناب دکتر بسیار ممنون از ویدئوهای خیلی خوبتون ، سوالی که دارم این هس که چرا به اون داده های سینوسی ، یک سری داده های نویزی هم اضافه کردین؟ و این که نحوه اضافه کردن این داده های نویزی به انواع مختلف دیتاها به چه صورت هس؟
دادههای دنیای واقعی معمولا دارا ی نویز هستند به همین دلیل نویز اضافه شده
@@DrNaserRazavi بسیار ممنون جناب دکتر ، ایا فرمول و قاعده خاصی داره اضافه کردن این داده های نویزی ؟
- دانلود اسلایدها: www.snrazavi.ir/ml-2018/
- دانلود کدها و پروژهها: github.com/snrazavi/Machine_Learning_2018
سلام...آقای رضوی برای یادگیری زبان پایتون چه منابعی رو پیشنهاد میکنید؟
منابع پیشنهادی برای یادگیری پایتون (از مبتدی تا پیشرفته):
Python Cookbook, Third edition, by David Beazley and Brian K. Jones
پایتون برای افراد مبتدی و تازهکار:
Head First Python: A Brain-Friendly Guide 2nd Edition
پایتون برای یادگیری ماشین:
Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython 2nd Edition
کتاب مورد علاقه من:
Introduction to Programming in Python: An Interdisciplinary Approach
introcs.cs.princeton.edu/python/home/
خیلی ممنونم
سلام آقای رضوی شما اموزش خصوصی هم دارین؟
❤❤
یک سوال آماری هم داشتم، در مورد MLE . آیا این جمله درست است:
ما وقتی بدنبال ماکزیمم کردن تابع درست نمایی هستیم، بدنبال آن هستیم که بتوانیم با پراکندگی کمتر داده ها، پیش بینی بهتری داشته باشیم. و این مقدار بیشینه یعنی اینکه در نمودار احتمال تجمعی، شیب نمودار ماکزیمم خواهد بود و مجددا این به معنای آن است که پراکندگی داده ها ی مورد نیاز برای پیش بینی، کمتر است.
awsome!
Glad you think so!
ضمن تشکر از مجموعه ی بسیار خوب شما. با توجه به فیلتر بودن یوتیوب و اینکه خیلی سخته اینجا ویدیوها رو ببینیم، خواستم ببینم این منابع غیر از یوتیوب جایی دیگه وجود دارن؟
سپاسگزارم. فعلا خیر متاسفانه
@@DrNaserRazavi به هر حال بازم ممنون از محتوی های فوق العاده ای که اینجا شیر میکنین
گیت ها فابل پایتون رو باز نمیکنه