مدت :

۸ ساعت

قیمت : ۲۸,۰۰۰ تومان
روزآمدی: ۲۵ اردیبهشت ۱۴۰۳
LinkedIn
Twitter
Facebook
Telegram

درباره مدرس 

اطلاعات دوره

توضیحات

این آموزش یادگیری ماشین رایگان را بر اساس محبوب‌ترین کتاب یادگیری ماشین در وبسایت آمازون (ویرایش سوم) تهیه کرده‌ایم. شما می‌توانید درس‌های این مجموعه را، هم به صورت رایگان در شبکه‌های اجتماعی مدرس، با شناسه AsefyCom و هم با قیمت اندکی از وبسایت هم‌رویش دریافت کنید.

با خرید این بسته (که می‌توانستید رایگان هم ببینید) در واقع حامی تولید رایگان می‌شوید تا کسی به دلیل ضعف مالی از آموزش دیدن بازنماند.

توجه: این آموزش در حال ضبط و انتشار مستمر است. با یک مرتبه خرید، فصل‌های تازه و به‌روزرسانی‌های بعدی نیز رایگان در به بخش‌ دانلودهای پروفایل افزوده خواهند شد.

 

کتاب یادگیری ماشین ژرون (Aurelien Geron) 

کتاب یادگیری ماشین جرون با تلفظ فرانسوی «ژرون» محبوب‌ترین کتاب در این زمینه است. این اثر در سال ۲۰۲۲ به ویرایش سوم رسید. خریداران جهانی وبسایت آمازون بیشترین دریافت (میلیونی) و بالاترین رضایت (میانگین ۴.۷) را در میان دیگر کتاب‌های یادگیری ماشینی به این اثر اختصاص داده‌اند.

 

کتاب هندزان ماشین لرنینگ جرون
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow – 3rd Edition

 

بسته آموزشی حاضر شامل فیلم‌هایی برای آموزش یادگیری ماشین است که فصل به فصل این کتاب را سریع اما کامل چکیده می‌کنند. همچنین تجربه خود مدرس را هم خواهید داشت. زبان ساده مصطفی آصفی پیش از این در آموزش شبکه عصبی از صفر (+) و آموزش کدنویسی شبکه عصبی از صفر (+) مورد استقبال شما قرار گرفت و انگیزه اصلی تولید این بسته شد.

 

از زبان مدرس

سه انگیزه از شروع این سبک آموزش داشتم که چنین فرآیند ضبط دشواری (چکیده‌سازی به زبان ساده) رو شروع کردم.

۱- اول این که آموزش رایگان باشه و نباشه! کسانی که نمی‌تونن خرید کنن رایگان ببینن و کسانی که می‌تونن با پرداخت مبلغ اندکی از انتشار رایگان (و در واقع از خریداران کم بضاعت) حمایت کنن.

۲- دوم این که بیش از مدرس به کتاب (به مرجع) توجه بشه. فناوری اطلاعات به سرعت در حال پیشرفته و شما بیشتر از یک مدرس ایرانی به یک همراه برای زدن به دل منابع جهانی نیاز دارید.

۳- سوم هم این که مثل تندخوانی کتاب، تند دیدن فیلم آموزشی رو تجربه کنید. من از تندخوانی کتاب جواب گرفتم. تندخوانی باعث میشه که فکر فرصت فرار و کاهش تمرکز نداشته باشه. پایین‌تر بیش‌تر در این مورد توضیح دادم.

 

چالش یادگیری ماشین 

اگر این آموزش یا نسخه رایگان آن را در شبکه‌های احتماعی مدرس تا پایان فصل ۲ تماشا کردید، شما را به شرکت در مسابقه یادگیری ماشین (+) دعوت می‌کنیم. این چالش هم تمرینی برای شماست و هم جایزه و مزایایی نیز دارد.

 

تماشا به شیوه تندخوانی

در زیر هدف مدرس از توصیه به تندخوانی کتاب جرون را می‌خوانید:

تندخوانی به مغز اجازه فرار نمیده و یادگیری رو عمیق‌تر می‌کنه! این رو من تجربه کردم و پیشنهاد می‌کنم شما هم تجربه کنید. تماشای فیلم آموزشی با دور تند در آغاز کار سخته و ناچار هستید مدام فیلم رو جلو و عقب کنید؛ اما اگه تلاش کنید که تمرکز کامل روی فیلم داشته باشید تا کمتر عقب بزنید و دوباره ببینید، یواش یواش عادت می‌کنید که تمام تمرکز رو در حین تماشای فیلم روی درک جمله‌ها بگذارید و به چیز دیگه‌ای اجازه ندید ذهنتون رو به هم بریزه. امیدوارم در چنین نقطه‌ای یادگیری عمیق‌تری رو تجربه کنید.

من برای کمک به شما در تندخوانی چه کردم؟

برای تجربه تندخوانی بعد از ضبط فصل ۱ از تدوین‌گر مجموعه آقای شمس درخواست کردم که دور فیلم رو یک و نیم برابر کنه. شما مثلا کل محتوای فصل ۱ رو در ۳۷ دقیقه دارید در حالی که ضبط اصلی ۵۵ دقیقه هست. البته اگه شما رو اذیت می‌کنه می‌تونید تو آپارات/یوتیوب یا تو پلیر خودتون سرعت رو ۰.۶۷ بگذارید تا به دو اصلی برگردین.

من برای همه درس‌ها این کار رو نکردم. تا درس ۶ از فصل ۳ برخی درس‌ها با دور تند تدوین شده ولی از این درس به بعد تدوین‌ها با دور معمولی هستند. با تدوین تند برخی فیلم‌ها انگار تجربه تندخوانی رو پیش‌فرض براتون گذاشتم ولی بعد از اون خودتون می‌تونید انتخاب کنید که چطور پیش برید.

اگه با VLC Player می‌بینید، می‌تونید با استفاده از کلیدهای جمع (+) یا تفریق (-) سرعت فیلم‌ها رو کم یا زیاد کنید. آپارات و یوتیوب هم گزینه‌هایی برای افزایش یا کاهش سرعت فیلم دارن.

 

تعامل برای خودآموزی یادگیری ماشین 

«لطفا دقت کنید که این آموزش یادگیری ماشین وقتی جواب میده که هر جا تمرینی تو فیلم‌ها ازتون خواستم تنبلی نکنید و انجامش بدین. وگرنه به سرنوشت مهارت‌های دیگه‌ای دچار میشه که دوست داشتید یاد بگیرید ولی فقط آموزش دیدید و یاد نگرفتید!

همچنین لطفا بعد از تماشای آموزش نظر خودتون رو در انتهای این صفحه (بخش نظرات) ارسال کنید تا برای آموزش‌های بعدی استفاده کنم.»

 

ویژگی‌های این آموزش یادگیری ماشین
  • بر پایه محبوب‌ترین و پرفروش‌ترین کتاب یادگیری ماشین است.
  • هم رایگان و هم بهادار منتشر شده تا کسی از آموزش بازنماند.
  • از ویرایش سوم کتاب استفاده شده است.
  • از صفر آغاز می‌شود، چارچوب کار را بیان می‌کند و سپس ژرف و ژرف‌تر می‌شود.
  • شما تجربه نویسنده کتاب را در کنار تجربه مدرس این دوره و نکته‌های اضافه خواهید داشت.

 

پیشنیاز ضرروی 

 

پیشنیاز تکمیلی 

 

منبع 

Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow – 3rd Edition

 

آموزش رایگان یا غیررایگان؟ 

هم‌رویش با ایجاد سبک آموزش رایگان/غیررایگان امیدوار است که در شرایط اقتصادی کنونی همگام با تامین هزینه‌های خود، بستر آموزش رایگان را برای تعلیم افراد کم‌بضاعت فراهم کند.

در این سبک آموزشی شما می‌توانید درس‌های دوره‌ها را در شبکه‌های اجتماعی معرفی‌شده رایگان تماشا کنید و یا بسته یکجا را با پرداخت مبلغ اندکی از وبسایت هم‌رویش خریداری کنید.

با خرید آموزش‌ رایگان از وبسایت، ما را در مسیر انتشار رایگان برای کسانی که توان خرید ندارند، یاری می‌کنید.

برای نمونه درس‌های این دوره را می‌توانید در شبکه‌های اجتماعی مدرس به شناسه AsefyCom رایگان تماشا و یا با پرداخت مبلغ اندکی از این صفحه خریداری کنید.

 

کلیدواژگان

یادگیری ماشین جرون | آموزش یادگیری ماشین | آموزش سریع یادگیری ماشینی | یادگیری ماشین رایگان | آموزش رایگان ماشین لرنینگ | کتاب یادگیری ماشین جرون | دانلود کتاب جرون | آموزش کتاب جرون | یادگیری عمیق

ریز محتوای فیلم‌ها

ریز محتوای فیلم‌ها

فصل ۱: چشم انداز یادگیری ماشین 

  • یادگیری ماشین چیست؟ تعریف استاندارد
  • چرا از یادگیری ماشین استفاده کنیم؟
  • نمونه پروژه های یادگیری ماشین
  • انواع یادگیری ماشین
  • یادگیری نظارت شده یا Supervised learning
  • یادگیری نظارت نشده یا Unsupervised learning
  • یادگیری تقویتی یا Reinforcement learning
  • یادگیری نیمه نظارتی یا Semi-supervised learning
  • یادگیری خود نظارتی یا Self-supervised learning
  • داده دهی به روش دسته ای یا Bach چیست؟
  • داده دهی به روش تدریجی یا Online چیست؟
  • یادگیری مدل مبنا یا Model-based
  • یادگیری نمونه مبنا یا Instance-based
  • بررسی پروژه ارتباط پول با سطح شادمانی با کدهای پایتونی
  • چالش های یادگیری ماشین چیست؟
  • داده های کم ، غیرمعرف و مخدوش
  • مدل های بیش برازش و کم برازش
  • فرق اعتبارسنجی و تست چیست؟
  • اعتبارسنجی یا Validation
  • داده های آزمون یا Test
  • رویکرد اندرو انگ در دسته بندی داده‌ها
  • جمع بندی و تمرین

 

فصل ۲: اجرای یک پروژه یادگیری ماشین

درس ۲-۱-تعریف مسئله

  • تعریف پروژه پیش بینی قیمت خانه
  • تعریف خط لوله (Pipeline) یادگیری ماشین
  • سوالاتی که در آغاز پروژه باید پرسید
  • تعیین معیار عملکرد (فرق MAE و RMSE)

درس ۲-۲-دریافت داده‌ها

  • بررسی سورس کدها
  • اجرای سورس کد در گوگل کولب 
  • تابع دریافت داده‌ها
  • ساخت Test set
  • روش‌های تقسیم داده‌های آموزش و آزمایش
  • رویکرد نمونه گیری لایه لایه Stratified
  • کلاس StratifiedShuffleSplit  در sklearn
  • هش کردن داده‌ها hashing و دلیل آن

درس ۲-۳-کاوش داده‌ها (دیباچه‌ای به تحلیل اکتشافی)

  • نمایش نمودار فراوانی یا histogram
  • نمایش نمودار پراکندگی یا scatter plot
  • ماتریس همبستگی correlation matrix
  • ضریب همبستگی پیرسون Pearson Coefficient
  • بررسی ترکیب ویژگی ها feature combination

درس ۲-۴-مناسب‌سازی داده‌ها

  • متغیرهای مستقل پیش بینی قیمت
  • مراحل مناسب سازی داده‌ها
  • مدیریت داده‌های پرت (outlier) و خالی (null)
  • تبدیل داده‌های متنی به عددی
  • تبدیل One Hot و مفهوم آن
  • تغییر مقیاس داده‌ها
  • تبدیل توزیع داده‌ها به توزیع نرمال (گوسی)
  • برخورد با توزیع‌های دارای چولگی و لاگ نرمال
  • برخورد با داده‌های چندنمایی (multimodal)
  • تابع پایه شعاعی در برخورد با توزیع چند مدی
  • تبدیل معکوس متغیرهای هدف

درس ۲-۴(پیوست الف)- تبدیل اختصاصی در Scikit-learn 

  • مفهوم Custom Transformer
  • کلاس FuncitonTrasformer در سایکیتلرن
  • تبدیل اختصای با کلاس TransformerMixin و BaseMixin

درس ۲-۴(پیوست ب)- ایجاد پایپلاین در Scikit-learn

  • مفهوم Pipline در یادگیری ماشین
  • تعلیم مدل با پایپ لاین و رگرسیون خطی
  • تعلیم مدل با پایپ لاین و رگرسیون درخت تصمیم

درس ۲-۵(بخش اول)- آموزش مدل

  • افزودن تخمین گر به متد make_pipline
  • آموزش مدل با رگرسیون خطی
  • آموزش مدل با رگرسیون درخت تصمیم
  • آموزش مدل با رگرسیون جنگل تصادفی

درس ۲-۵(بخش دوم)- اعتبارسنجی متقابل

  • اعتبارسنجی متقابل یا کراس ولیدیشن چیست؟
  • انواع روش های cross validation
  • معیار تشخیص بیش برازش یا overfit مدل
  • تقسیم داده آموزش به دو بخش train و validation
  • اجرای کراس ولیدیشن در سایکیتلرن
  • مفهوم k-fold cross validation
  • انتخاب مدل رگرسیون جنگل تصادفی و ارزیابی آن
  • منابع برای مطالعه بیشتر و مسیر پیشرفت

درس ۲-۶- تدقیق یا تنظیم مدل fine-tune model

  • مفهوم فاین تیونینگ fine tuning چیست؟
  • فرق پارامتر و هایپرپارامتر چیست؟
  • معرفی منابع برای مطالعه بیشتر
  • کلاس GridSearchCV در Scikit-learn
  • کلاس RandomSearchCV در Scikit-learn
  • کلاس HalvingGridSearchCV در سایکیتلرن
  • کلاس HalvingRandomSearchCV در اسکیلرن
  • مفهوم Ensemble در یادگیری ماشین
  • مفهوم tune کردن در تدقیق مدل
  • تحلیل مدل با feature_importance_
  • ارزیابی مدل روی داده های آزمون یا تست
  • محاسبه بازه اطمینان برای ارزیابی خطای تست
  • جمع بندی فرآیند تدقیق یا تیونینگ مدل

درس ۲-۷ و ۲-۸: دپلوی و نگهداری مدل

 

فصل ۳: کلاسیفیکیشن و حل یک پروژه 

درس ۳-۱- تعریف مساله و دیتاست MNIST

  • مفهوم classification
  • تعریف پروژه فصل ۲ به صورت مساله کلاسیفیکیشن
  • دلیل استفاده از کلاسیفایرها
  • معرفی دیتاست MNIST
  • روش دریافت دیتاست امنیست
  • نحوه تبدیل عکس به ورودی عددی ماشین
  • دریافت امنیست در scikit-learn
  • متد fetch_* در datasets
  • متغیر DESCR و تابع keys
  • تقسیم امنیست به ترین و تست
  • نمایش نمونه داده دیتاست با matplotlib

درس ۳-۲- کلاسیفایر باینری

  • تعریف Binary Classification
  • استفاده از گرادیان کاهشی تصادفی
  • مفهوم Stochastic gradient descent
  • آشنایی با کلاس SGDClassifier در سایکیتلرن
  • تعلیم کلاسیفایر باینری روی MNIST

درس ۳-۳- اعتبارسنجی متقابل و Accuracy

  • اعتبارسنجی با کراس ولیدیشن cross validation
  • مفهوم درستی یا Accuracy با کراس ولیدیشن
  • چالش معیار accuarcy در دیتاست های چوله
  • کلاس DummyClassifier در Scikit-learn
  • کدنویسی کراس ولیدیشن
  • فرق متد cross_val_score و cross_val_pred

درس ۳-۴- ماتریس اختلاط یا درهم‌ریختگی

  • مفهوم confusion matrix یا درهم‌ریختگی یا گیجی
  • مفهوم TP و FP و TN و FN در ماتریس کانفیوژن
  • متد confusion_matrix

درس ۳-۵- معیارهای دقت و فراخانی و اف وان

  • مفهوم دقت یا precision
  • مفهوم فراخوانی یا recall
  • مفهوم اف وان اسکور یا F1 score
  • چرا میانگین همساز یا harmonic mean؟
  • تابع recall_score و precision_score و f1_score
  • دو مثال برای اولویت بین دقت و فراخوانی

درس ۳-۶- تعادل بین دقت و فراخوانی

  • مرور تفاوت درستی و دقت و فراخوانی
  • چرا تعادل با trade-off بین دو معیار؟
  • مفهوم decision_function در sgdclassifier
  • مفهوم score در رده بندی
  • مفهوم فاصله علامت دار و اطمینان کلاس نمونه
  • چرا با افزایش precision مقدار recall کم می‌شود و برعکس؟
  • متد cross_val_predict با متد decision_function
  • متد precision_recall_curve و عملکرد آن
  • مفهوم آستانه تصمیم کلاسیفایر یا threshold
  • یافتن عدد recall در یک precision معین
  • جستاری در خودآموزی numpy یا matplotlib یا pandas
  • وبسایت w3schools و تمرین خودآموزی با تابع argmax نامپای

درس ۲-۷-منحنی ROC در یادگیری ماشین

  • تاریخچه منحنی Receiver Operating Characteristic
  • چرا منحنی مشخصه عملکرد گیرنده یا سیستم؟
  • معنی فاکتور False positive rate
  • تفاوت FPR و TNR یا true negative rate
  • فرمول FPR و TPR و TNR و کلید حفظشان
  • حل تمرین محاسبه fall-out و sensitivity و specificity
  • ترسیم نمودار ROC با متد roc_curve
  • مقایسه منحنی precision-recall و fpr-tpr
  • کجا منحنی ROC و کجا منحنی PR

درس ۲-۸- مقایسه عملکرد

  • مرور رادیویی به ۷  درس قبل
  • معرفی RandomForestClassifier
  • منابع مطالعه جنگل تصادفی
  • معرفی متد predict_proba
  • محاسبه f1 و roc_auc_score
  • مفهوم کالیبراسیون کلاسیفایرها
  • نگاه کلی به کار ماژول calibration در scikit-learn
  • مقایسه عملکرد دو کلاسیفایر
  • معادل فارسی classification و منابع آن

 

ضبط ادامه دارد …

 

نظرات (9)

9 دیدگاه برای آموزش یادگیری ماشین ـــ رایگان از کتاب جرون

  1. سعیدی

    عرض سلام و ادب و تشکر از آموزش های خوب شما
    در خصوص داده های نامتوازن چند کلاسه و روش های طبقه بندی آنها ممکن آموزش بدهید ممنونم.

    • مصطفی آصفی

      سلام و سپاس از محبت شما. بله به مبحثش تو کتاب برسیم حتما توضیح میدم.

  2. Nikzad (خریدار محصول)

    جناب آقای آصفی
    تعهد شما به ارائه اطلاعات قابل اعتماد از منابع معتبر در کنار توضیح مفاهیم پیچیده به زبان ساده، واقعاً تحسین‌برانگیز است.
    وضوح و دسترس‌پذیری محتوای شما این سایت را به منبعی ارزشمند تبدیل کرده است.
    استفاده از منابع معتبر ، اعتبار کار شما را افزایش داده است.
    به عنوان یک خواننده و خودآموخته، از تلاشی که در ایجاد محتوای چنین پرباری کرده‌اید، سپاسگزارم.
    محتواهای آموزشی شما مرا به اعماق موضوعات ترغیب می کند و من را در ادامه مسیر خود بسیار تحت تاثیر قرار می دهد.
    با احترام نیک زاد

    • مصطفی آصفی

      سلام به شما. خوشحالم که کار اینقدر براتون انگیزه بخش بوده و سپاسگزارم که وقت گذاشتین تا این بازخورد پرمهر رو بنویسید. خیلی انرژی بخش بود.

  3. حمیدرضا

    با اختلاف یکی از بهترین دوره هاست. برعکس بیشتر مطالب که کپی برداری از روی هم هستن و بسیار سطحی، این ویدیو ها با توجه به اینکه از یک منبع قوی برگرفته شده، بسیااااار استخون دار هست‌. من خود کتاب رو به زبان انگلیسی خوندم، برای جمع بندی و ری‌ویو این ویدیو ها رو دیدم، به جرات میگم محتوای ویدیو ها بسیار شیوا و عالی بیان شده.

    • مصطفی آصفی

      سلام و سپاس که برای انتقال انرژی خوبتون وقت گذاشتین و همین طور سپاس که از این پروژه حمایت می‌کنید. امیدوارم ادامه کار هم مفید واقع بشه.

  4. d.reza3764 (خریدار محصول)

    من فایل رو خریداری کردم. ممنون از تدریس خوب شما. لطفا در اولین فرصت ادامه آموزش رو هم قرار دهید.

    • مصطفی آصفی

      سلام و درود به شما که این پروژه رو حمایت می کنید. بله حتما. کار تو برنامه مستمر بنده و اولویت‌هام هست. انتشار هر درس تازه تو تلگرام هم‌رویش (+) و اینستاگرام بنده (+) اطلاع رسانی میشه.

  5. جواد

    سلام اول از همه تشکر بابت زحمات بی دریغتون. دوم صد در صد شیوتون برا کسی که یا میخواد مرور کنه یا میخواد اشنا بشه عالیه

    • مصطفی آصفی

      سلام و سپاس که اینجا هم همراه دوره هستین و ممنونم که برای ارسال نظر و بازخورد خودتون وقت گذاشتین.

  6. علی

    با عرض سلام و ادب
    آموزش با کیفیت و پر محتوایی هست. من به دوستانم پیشنهاد کردم. آرزوی موفقیت و ادامه کار

    • مصطفی آصفی

      سلام و سپاس از شما برای انرژی خوبتون و این که برای ارسال بازخوردتون وقت گذاشتین.

  7. محمدصادق بابایی (خریدار محصول)

    سلام استاد
    من ۲ سالی هست با سایت هم رویش اشنا شدم کارتون عالیه ادامه ویدیو کتاب و زودتر بزارید ممنون

    • مصطفی آصفی

      سلام به شما. ممنونم که با خرید این دوره از ادامه انتشار رایگان اون حمایت می کنید. خیلی خوشحالم که کار خوب بوده و باعث شده مدت طولانی همراه هم رویش بمونید. پیشنهاد می کنیم خودتون هم آستین بالا بزنید و از تجربه هاتون دوره تهیه و منتشر کنید.
      در مورد این کتابم خوشخالم که با این شیوه ارتباط گرفتین. بله حتما با وجود مشغله ای که دارم یک روز در هفته کامل روی این پروژه کار می کنم. وسواسم برای توضیح مطالب باعث شده که ضبط هر بخش طول بکشه.امیدوارم قابل استفاده باشه.

  8. رضا فرزانه پور

    درود مجدد
    دم شما گرم استاد بابت وقتی که گذاشتید برای پاسخ بنده
    راجب سختی های تولید محتوا کیفیت عالی کار شما اطلاع دارم عزیز خسته نباشید اتفاقا گفتم زیر این اموزش رایگان هم نظر بزارم یه خسته نباشید بگم
    هم دانش هم اخلاق ماشالله ۵ ستاره که چه عرض کنم ۵ میلیون ستاره داره
    انشالله در آینده منتظر سایر شاهکارهای شما هستیم !
    دم شما گرم
    پس سایت بسته شده انگار ممنون بابت اطلاع شما گفتم چرا بالا نمیاد
    از طریق سایر راه های معرفی شده پس دنبالتون میکنم بهترم هست
    با آرزوی موفقیت روز افزون برای شما استاد بزرگوار

    • مصطفی آصفی

      بازم سپاس از لطفتون. قطعا در این حد نیست کارم ولی لطف و همراهی شما به هر حال انرژی بخشه.

  9. رضا فرزانه پور

    درود جناب اصفی همه فن حریف تو همه حوزه ها !
    ماشالله خوشم اومد
    دمت گرم با این احترامی که قایل هستید برای کاربرا
    جناب اصفی من از سال ۹۹ دنبال میکنم هم رویش و شما رو دقیقا زمانی که فقط چندتا امورش داشتید
    اون زمان یادمه یه سایت شخصی داشتید که توش نوشته بودید من یک پژوهشگرم و…
    متاسفانه اون سایتو گم کردم آدرسشو سرچم میزنم نمیاره
    خواستم بدونم هنوز برقراره؟ اگر هست که لطفا لینکشو بفرستید برام ممنون

    • مصطفی آصفی

      سلام جناب فرزانه پور و ممنونم از لطفی که دارین و انرژي خوبی که دادین. گاهی برای ضبط ۱۰ دقیقه ساعت ها زمان می گذارم و دوباره و دوباره می گیرم تا جمله ها دربیان و این خیلی خوشحال کننده ست که در نهایت بازتابی تو کیفیت کار داره و این وسواس می تونه مخاطب رو دلگرم کنه. همین دیروز که شما این نظرو فرستادین از حدود ۵ و نیم تا ۹ و نیم صبح داشتم فقط چند صفحه از فصل ۲ کتاب رو خلاصه گویی می کردم. امیدوارم تو چند هفته آینده این فصل مهم و طولانی رو بتونم تو یه ترک به این بسته اضافه کنم.

      خوشحالی بیشترم از پیام شما البته اینه که شما از آغاز همراه هستین و این برای یه مجموعه افتخاریه که همراهان قدیمیش همچنان روش حساب کنن. اون سایت رو موقت بستم چون نمی رسیدم ولی به زودی برنامه هایی براش دارم. asefy.com بود که حالا تو اینستاگرام/آپارات/یوتیوب با شناسه asefycom نامش رو تو ذهن مخاطب نگه می‌دارم تا اگه بعدتر عمری بود کار روی اون رو ادامه بدم.

دیدگاه خود را بنویسید

نظرات کاربران در خصوص دوره 

9 دیدگاه برای آموزش یادگیری ماشین ـــ رایگان از کتاب جرون

  1. سعیدی

    عرض سلام و ادب و تشکر از آموزش های خوب شما
    در خصوص داده های نامتوازن چند کلاسه و روش های طبقه بندی آنها ممکن آموزش بدهید ممنونم.

    • مصطفی آصفی

      سلام و سپاس از محبت شما. بله به مبحثش تو کتاب برسیم حتما توضیح میدم.

  2. Nikzad (خریدار محصول)

    جناب آقای آصفی
    تعهد شما به ارائه اطلاعات قابل اعتماد از منابع معتبر در کنار توضیح مفاهیم پیچیده به زبان ساده، واقعاً تحسین‌برانگیز است.
    وضوح و دسترس‌پذیری محتوای شما این سایت را به منبعی ارزشمند تبدیل کرده است.
    استفاده از منابع معتبر ، اعتبار کار شما را افزایش داده است.
    به عنوان یک خواننده و خودآموخته، از تلاشی که در ایجاد محتوای چنین پرباری کرده‌اید، سپاسگزارم.
    محتواهای آموزشی شما مرا به اعماق موضوعات ترغیب می کند و من را در ادامه مسیر خود بسیار تحت تاثیر قرار می دهد.
    با احترام نیک زاد

    • مصطفی آصفی

      سلام به شما. خوشحالم که کار اینقدر براتون انگیزه بخش بوده و سپاسگزارم که وقت گذاشتین تا این بازخورد پرمهر رو بنویسید. خیلی انرژی بخش بود.

  3. حمیدرضا

    با اختلاف یکی از بهترین دوره هاست. برعکس بیشتر مطالب که کپی برداری از روی هم هستن و بسیار سطحی، این ویدیو ها با توجه به اینکه از یک منبع قوی برگرفته شده، بسیااااار استخون دار هست‌. من خود کتاب رو به زبان انگلیسی خوندم، برای جمع بندی و ری‌ویو این ویدیو ها رو دیدم، به جرات میگم محتوای ویدیو ها بسیار شیوا و عالی بیان شده.

    • مصطفی آصفی

      سلام و سپاس که برای انتقال انرژی خوبتون وقت گذاشتین و همین طور سپاس که از این پروژه حمایت می‌کنید. امیدوارم ادامه کار هم مفید واقع بشه.

  4. d.reza3764 (خریدار محصول)

    من فایل رو خریداری کردم. ممنون از تدریس خوب شما. لطفا در اولین فرصت ادامه آموزش رو هم قرار دهید.

    • مصطفی آصفی

      سلام و درود به شما که این پروژه رو حمایت می کنید. بله حتما. کار تو برنامه مستمر بنده و اولویت‌هام هست. انتشار هر درس تازه تو تلگرام هم‌رویش (+) و اینستاگرام بنده (+) اطلاع رسانی میشه.

  5. جواد

    سلام اول از همه تشکر بابت زحمات بی دریغتون. دوم صد در صد شیوتون برا کسی که یا میخواد مرور کنه یا میخواد اشنا بشه عالیه

    • مصطفی آصفی

      سلام و سپاس که اینجا هم همراه دوره هستین و ممنونم که برای ارسال نظر و بازخورد خودتون وقت گذاشتین.

  6. علی

    با عرض سلام و ادب
    آموزش با کیفیت و پر محتوایی هست. من به دوستانم پیشنهاد کردم. آرزوی موفقیت و ادامه کار

    • مصطفی آصفی

      سلام و سپاس از شما برای انرژی خوبتون و این که برای ارسال بازخوردتون وقت گذاشتین.

  7. محمدصادق بابایی (خریدار محصول)

    سلام استاد
    من ۲ سالی هست با سایت هم رویش اشنا شدم کارتون عالیه ادامه ویدیو کتاب و زودتر بزارید ممنون

    • مصطفی آصفی

      سلام به شما. ممنونم که با خرید این دوره از ادامه انتشار رایگان اون حمایت می کنید. خیلی خوشحالم که کار خوب بوده و باعث شده مدت طولانی همراه هم رویش بمونید. پیشنهاد می کنیم خودتون هم آستین بالا بزنید و از تجربه هاتون دوره تهیه و منتشر کنید.
      در مورد این کتابم خوشخالم که با این شیوه ارتباط گرفتین. بله حتما با وجود مشغله ای که دارم یک روز در هفته کامل روی این پروژه کار می کنم. وسواسم برای توضیح مطالب باعث شده که ضبط هر بخش طول بکشه.امیدوارم قابل استفاده باشه.

  8. رضا فرزانه پور

    درود مجدد
    دم شما گرم استاد بابت وقتی که گذاشتید برای پاسخ بنده
    راجب سختی های تولید محتوا کیفیت عالی کار شما اطلاع دارم عزیز خسته نباشید اتفاقا گفتم زیر این اموزش رایگان هم نظر بزارم یه خسته نباشید بگم
    هم دانش هم اخلاق ماشالله ۵ ستاره که چه عرض کنم ۵ میلیون ستاره داره
    انشالله در آینده منتظر سایر شاهکارهای شما هستیم !
    دم شما گرم
    پس سایت بسته شده انگار ممنون بابت اطلاع شما گفتم چرا بالا نمیاد
    از طریق سایر راه های معرفی شده پس دنبالتون میکنم بهترم هست
    با آرزوی موفقیت روز افزون برای شما استاد بزرگوار

    • مصطفی آصفی

      بازم سپاس از لطفتون. قطعا در این حد نیست کارم ولی لطف و همراهی شما به هر حال انرژی بخشه.

  9. رضا فرزانه پور

    درود جناب اصفی همه فن حریف تو همه حوزه ها !
    ماشالله خوشم اومد
    دمت گرم با این احترامی که قایل هستید برای کاربرا
    جناب اصفی من از سال ۹۹ دنبال میکنم هم رویش و شما رو دقیقا زمانی که فقط چندتا امورش داشتید
    اون زمان یادمه یه سایت شخصی داشتید که توش نوشته بودید من یک پژوهشگرم و…
    متاسفانه اون سایتو گم کردم آدرسشو سرچم میزنم نمیاره
    خواستم بدونم هنوز برقراره؟ اگر هست که لطفا لینکشو بفرستید برام ممنون

    • مصطفی آصفی

      سلام جناب فرزانه پور و ممنونم از لطفی که دارین و انرژي خوبی که دادین. گاهی برای ضبط ۱۰ دقیقه ساعت ها زمان می گذارم و دوباره و دوباره می گیرم تا جمله ها دربیان و این خیلی خوشحال کننده ست که در نهایت بازتابی تو کیفیت کار داره و این وسواس می تونه مخاطب رو دلگرم کنه. همین دیروز که شما این نظرو فرستادین از حدود ۵ و نیم تا ۹ و نیم صبح داشتم فقط چند صفحه از فصل ۲ کتاب رو خلاصه گویی می کردم. امیدوارم تو چند هفته آینده این فصل مهم و طولانی رو بتونم تو یه ترک به این بسته اضافه کنم.

      خوشحالی بیشترم از پیام شما البته اینه که شما از آغاز همراه هستین و این برای یه مجموعه افتخاریه که همراهان قدیمیش همچنان روش حساب کنن. اون سایت رو موقت بستم چون نمی رسیدم ولی به زودی برنامه هایی براش دارم. asefy.com بود که حالا تو اینستاگرام/آپارات/یوتیوب با شناسه asefycom نامش رو تو ذهن مخاطب نگه می‌دارم تا اگه بعدتر عمری بود کار روی اون رو ادامه بدم.

دیدگاه خود را بنویسید