[ENGLISH]

01 Course Overview [2mins]
01-01 Course Overview [2mins]

02 Getting Your Feet Ready to Run [33mins]
02-01 Overview [1mins]
02-02 What to Expect [1mins]
02-03 On Machine Learning [4mins]
02-04 What Is Different About Machine Learning? [3mins]
02-05 Learning Types [8mins]
02-06 Machine Learning Pipeline [7mins]
02-07 Problem Definition [2mins]
02-08 Demo: Installing Python [2mins]
02-09 Introducing Google Collaboratory [4mins]
02-10 Summary [1mins]

03 Feeding Your Machine Learning Pipeline [18mins]
03-01 Overview [1mins]
03-02 Revisiting ML Pipeline [1mins]
03-03 Understanding Data Sourcing [5mins]
03-04 CSV Format [1mins]
03-05 Understanding SciPy [5mins]
03-06 Demo: Loading Data into Pandas [4mins]
03-07 Summary [1mins]

04 Understanding the Overall Data Trends [46mins]
04-01 Overview [1mins]
04-02 Revisiting ML Pipeline [2mins]
04-03 Introducing Data Analysis [3mins]
04-04 Univariant Numerical Analysis [9mins]
04-05 Bivariant Numerical Analysis [6mins]
04-06 Demo: Descriptive Stats - Part One [6mins]
04-07 Demo: Descriptive Stats - Part Two [3mins]
04-08 Data Visualization [7mins]
04-09 Demo: Data Visualization - Part One [5mins]
04-10 Demo: Data Visualization - Part Two [3mins]
04-11 Summary [1mins]

05 Making Your Data Ready for the ML Model [31mins]
05-01 Overview [1mins]
05-02 Revisting ML Pipeline [1mins]
05-03 Data Scaling: The Problem [7mins]
05-04 Data Scaling: The Solution [3mins]
05-05 The Need for Data Segregation [4mins]
05-06 Train Test Split [4mins]
05-07 KFlod Cross Validation [4mins]
05-08 Welcoming scikit-learn [2mins]
05-09 Demo: Data Segregation Techniques [4mins]
05-10 Summary [1mins]

06 Implementing Your Regression Solution [43mins]
06-01 Overview [1mins]
06-02 Revisiting ML Pipeline [1mins]
06-03 Scoping Your Focus [5mins]
06-04 Introducing Derivatives [6mins]
06-05 Linear Regression [4mins]
06-06 Variance Bias Tradeoff [6mins]
06-07 Other Regression Algorithms [3mins]
06-08 Model Evaluation [3mins]
06-09 Demo: Deploying and Testing the Model - Part 1 [6mins]
06-10 Demo: Deploying and Testing the Model - Part 2 [6mins]
06-11 Summary [2mins]

07 What Is Next? [15mins]
07-01 Overview [1mins]
07-02 Handling Features [2mins]
07-03 Model Improvement [1mins]
07-04 Automated ML [4mins]
07-05 Operationalization [2mins]
07-06 Team Data Science Process [2mins]
07-07 Summary [3mins]

[فارسی]

01 بررسی اجمالی دوره [2 دقیقه]
01-01 بررسی اجمالی دوره [2 دقیقه]

02 آماده کردن پاها برای دویدن [33 دقیقه]
02-01 نمای کلی [1 دقیقه]
02-02 انتظار چه چیزی [1 دقیقه]
02-03 در یادگیری ماشینی [4 دقیقه]
02-04 تفاوت یادگیری ماشینی چیست؟ [3 دقیقه]
02-05 انواع یادگیری [8 دقیقه]
02-06 یادگیری ماشینی Pipeline [7 دقیقه]
02-07 تعریف مشکل [2 دقیقه]
02-08 نسخه‌ی نمایشی- نصب پایتون [2 دقیقه]
02-09 معرفی Google Collaboratory [4 دقیقه]
02-10 خلاصه [1 دقیقه]

03 تغذیه ماشین یادگیری Pipeline [18 دقیقه]
03-01 نمای کلی [1 دقیقه]
03-02 بازبینی ML Pipeline [1 دقیقه]
03-03 درک منبع داده [5 دقیقه]
03-04 فرمت CSV [1 دقیقه]
03-05 درک SciPy [5 دقیقه]
03-06 نسخه‌ی نمایشی- بارگیری داده‌ها در Pandas [4 دقیقه]
03-07 خلاصه [1 دقیقه]

04 درک روند کلی داده [46 دقیقه]
04-01 نمای کلی [1 دقیقه]
04-02 بازبینی ML Pipeline [2 دقیقه]
04-03 معرفی تجزیه و تحلیل داده‌ها [3 دقیقه]
04-04 تحلیل عددی تک متغیری [9 دقیقه]
04-05 تجزیه و تحلیل عددی دو متغیره [6 دقیقه]
04-06 نسخه‌ی نمایشی- آمار توصیفی - قسمت اول [6 دقیقه]
04-07 نسخه‌ی نمایشی- آمار توصیفی - قسمت دوم [3 دقیقه]
04-08 تجسم داده‌ها [7 دقیقه]
04-09 نسخه‌ی نمایشی- تجسم داده - قسمت اول [5 دقیقه]
04-10 نسخه‌ی نمایشی- تجسم داده - قسمت دوم [3 دقیقه]
04-11 خلاصه [1 دقیقه]

05 آماده‌سازی داده‌های خود برای مدل ML [31 دقیقه]
05-01 نمای کلی [1 دقیقه]
05-02 در حال بازبینی ML Pipeline [1 دقیقه]
05-03 مقیاس داده ها- مشکل [7 دقیقه]
05-04 مقیاس‌بندی داده ها- راه حل [3 دقیقه]
05-05 نیاز به تفکیک داده‌ها [4 دقیقه]
05-06 تقسیم تست قطار [4 دقیقه]
05-07 KFlod Cross Validation [4 دقیقه]
05-08 استقبال از آموزش اسکیت [2 دقیقه]
05-09 نسخه‌ی نمایشی- تکنیک‌های جداسازی داده‌ها [4 دقیقه]
05-10 خلاصه [1 دقیقه]

06 پیاده‌سازی راه حل رگرسیون شما [43 دقیقه]
06-01 نمای کلی [1 دقیقه]
06-02 بازبینی ML Pipeline [1 دقیقه]
06-03 محدوده تمرکز شما [5 دقیقه]
06-04 معرفی مشتقات [6 دقیقه]
06-05 رگرسیون خطی [4 دقیقه]
06-06 مبادله سوگیری واریانس [6 دقیقه]
06-07 سایر الگوریتم‌های رگرسیون [3 دقیقه]
06-08 ارزیابی مدل [3 دقیقه]
06-09 نسخه‌ی نمایشی- استقرار و آزمایش مدل - قسمت 1 [6 دقیقه]
06-10 نسخه‌ی نمایشی- استقرار و آزمایش مدل - قسمت 2 [6 دقیقه]
06-11 خلاصه [2 دقیقه]

07 بعدی چیه؟ [15 دقیقه]
07-01 نمای کلی [1 دقیقه]
07-02 ویژگی‌های مدیریت [2 دقیقه]
07-03 بهبود مدل [1 دقیقه]
07-04 ML خودکار [4 دقیقه]
07-05 عملیاتی شدن [2 دقیقه]
07-06 فرآیند علم داده تیم [2 دقیقه]
07-07 خلاصه [3 دقیقه]