در این مطلب، ویدئو APPIH; راهنمای یادگیری ماشین برای نفت و گاز با استفاده از پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:48:09
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:01,599 –> 00:00:03,520
با سلام به همه و
2
00:00:03,520 –> 00:00:07,520
خوش آمدید به بحث پانل امروز
3
00:00:08,000 –> 00:00:09,760
از طرف متخصصان نفت آمریکا
4
00:00:09,760 –> 00:00:12,080
از میراث ایرانی.
5
00:00:12,080 –> 00:00:14,880
افتخار بزرگ ما است که
6
00:00:14,880 –> 00:00:17,199
یک میزگرد دیگر را شروع
7
00:00:17,199 –> 00:00:21,039
کنیم. اجازه دهید معرفی
8
00:00:21,039 –> 00:00:23,359
کنیم که ناظم امروز افتخار بزرگ ما است
9
00:00:23,359 –> 00:00:24,160
که
10
00:00:24,160 –> 00:00:27,199
امروز دکتر داریم او تجربه قابل توجهی
11
00:00:27,199 –> 00:00:28,480
در
12
00:00:28,480 –> 00:00:31,519
تخمین مدل عددی ذخیره دارد. مدل سازی و
13
00:00:31,519 –> 00:00:34,079
تجزیه و تحلیل داده ها در حال حاضر او
14
00:00:34,079 –> 00:00:37,120
برای شرکت انرژی پایین کار می
15
00:00:37,120 –> 00:00:40,000
کند. از دکتر اعضای پانل به خاطر
16
00:00:40,000 –> 00:00:41,840
پذیرفتن دعوت ما تشکر می کنم و بدون
17
00:00:41,840 –> 00:00:42,640
تاخیر بیشتر
18
00:00:42,640 –> 00:00:44,719
میکروفون را
19
00:00:44,719 –> 00:00:46,960
برای توقف و راه اندازی
20
00:00:46,960 –> 00:00:49,840
پانل به دکتر هوشادم منتقل می کنم. ممنون
21
00:00:54,960 –> 00:00:57,120
اوه باشه ممنون آماتور بسیار متشکرم از آن تشکر می
22
00:00:57,120 –> 00:00:58,160
کنم
23
00:00:58,160 –> 00:01:00,879
پس سلام به همه می
24
00:01:00,879 –> 00:01:01,680
خواهم از
25
00:01:01,680 –> 00:01:05,600
appih برای میزبانی این رویداد در
26
00:01:05,600 –> 00:01:09,040
18 ماه گذشته تشکر کنم، از زمانی که همه گیر
27
00:01:09,040 –> 00:01:09,520
شروع شده است،
28
00:01:09,520 –> 00:01:12,159
appih در میزبانی چندین وبینار و رویدادهای مجازی کار بسیار خوبی انجام داده است،
29
00:01:12,159 –> 00:01:13,040
30
00:01:13,040 –> 00:01:15,759
31
00:01:15,759 –> 00:01:18,720
امیدوارم از این رویداد لذت ببرید. همچنین امروز
32
00:01:18,720 –> 00:01:20,720
قصد داریم در مورد کتاب جدیدی در
33
00:01:20,720 –> 00:01:22,560
یادگیری ماشین و کاربردهای آن صحبت کنیم کاتیون در
34
00:01:22,560 –> 00:01:23,920
نفت و
35
00:01:23,920 –> 00:01:26,080
گاز عنوان کتاب راهنمای یادگیری ماشینی
36
00:01:26,080 –> 00:01:28,960
برای نفت و گاز با استفاده از پایتون است.
37
00:01:28,960 –> 00:01:32,000
38
00:01:32,000 –> 00:01:35,439
39
00:01:35,439 –> 00:01:36,799
40
00:01:36,799 –> 00:01:39,759
41
00:01:39,759 –> 00:01:41,439
42
00:01:41,439 –> 00:01:44,960
در علم داده و تجزیه و تحلیل داده ها،
43
00:01:44,960 –> 00:01:47,680
اولین مهمان ما آریس است، او یک
44
00:01:47,680 –> 00:01:49,040
مشاور فنی ارشد
45
00:01:49,040 –> 00:01:52,720
برای راه حل های مهندسی در بازار ihs است
46
00:01:52,720 –> 00:01:55,520
و مهمان دوم ما هاسپیتی است. او یک
47
00:01:55,520 –> 00:01:57,759
مهندس ارشد داده و دانشمند در
48
00:01:57,759 –> 00:01:59,119
نفت و گاز تاک است.
49
00:01:59,119 –> 00:02:02,159
50
00:02:02,159 –> 00:02:04,960
آنها کمی در مورد
51
00:02:04,960 –> 00:02:07,439
خودشان به ما بگویند سوابقشان
52
00:02:07,439 –> 00:02:10,239
چه کار کرده اند من می خواهم
53
00:02:10,239 –> 00:02:12,560
با آریزا شروع
54
00:02:12,560 –> 00:02:14,319
کنم سلام و عصر بخیر خانم ها و
55
00:02:14,319 –> 00:02:16,400
آقایان من علیرضا هستم
56
00:02:16,400 –> 00:02:19,840
مشاور ارشد فنی و مدرس
57
00:02:19,840 –> 00:02:22,319
در ohs market از چه
58
00:02:22,319 –> 00:02:24,800
کاری پشتیبانی می کنم برخی از محصولات مهندسی برای
59
00:02:24,800 –> 00:02:26,319
انواع مختلف
60
00:02:26,319 –> 00:02:28,720
ارزیابی های مهندسی مخازن مانند
61
00:02:28,720 –> 00:02:30,879
تحلیل گذرا پرتو
62
00:02:30,879 –> 00:02:33,519
مدل سازی عددی چاه تست تحلیل گرهی
63
00:02:33,519 –> 00:02:34,239
64
00:02:34,239 –> 00:02:37,280
و داده ها برنامه های کاربردی تجزیه و تحلیل در
65
00:02:37,280 –> 00:02:40,239
نفت و گاز من در آگوست 2019 به ihs ملحق شدم
66
00:02:40,239 –> 00:02:41,840
و قبل از آن مهندس ارشد
67
00:02:41,840 –> 00:02:44,480
مخزن در منابع eclipse
68
00:02:44,480 –> 00:02:47,360
بودم، همچنین به
69
00:02:47,360 –> 00:02:48,080
مدت
70
00:02:48,080 –> 00:02:50,080
پنج سال در دانشکده جوان در ایالت پن بودم که در هر ترم یک درس تدریس می
71
00:02:50,080 –> 00:02:53,040
کردم و دکترای خود را در دانشگاه ویرجینی غربی گرفتم.
72
00:02:53,040 –> 00:02:54,239
73
00:02:54,239 –> 00:02:56,080
زیر نظر دکتر
74
00:02:56,080 –> 00:02:58,000
شهاب مهدک یکی از پیشگامان کاربردهای نفت و
75
00:02:58,000 –> 00:02:59,280
گاز
76
00:02:59,280 –> 00:03:02,480
برای یادگیری ماشین
77
00:03:02,480 –> 00:03:04,080
و چندین تحقیق انجام
78
00:03:04,080 –> 00:03:06,720
دادم و چند فصل کتاب مقاله در
79
00:03:06,720 –> 00:03:08,720
کاربردهای یادگیری ماشین در صنعت نفت
80
00:03:08,720 –> 00:03:10,959
و گاز نوشتم و برخی از
81
00:03:10,959 –> 00:03:13,920
این کاربردها را روزانه تمرین کردم. شغل برای
82
00:03:13,920 –> 00:03:19,040
مشکلات مهندسی
83
00:03:19,040 –> 00:03:21,440
بسیار متشکرم، فقط اجازه دهید من یک
84
00:03:21,440 –> 00:03:23,200
سوال بپرسم، بنابراین
85
00:03:23,200 –> 00:03:25,440
کارهای روزمره شما
86
00:03:25,440 –> 00:03:27,440
از نظر استفاده از
87
00:03:27,440 –> 00:03:30,560
برنامه های کاربردی علم داده یا تجزیه و تحلیل داده ها چگونه است،
88
00:03:30,560 –> 00:03:33,599
مطمئن باشید که می دانید عملکرد خوب محاسبه را پیش بینی می کنید.
89
00:03:33,599 –> 00:03:34,560
90
00:03:34,560 –> 00:03:37,200
یورو که اتحادیه اروپا را پیشبینی میکند،
91
00:03:37,200 –> 00:03:39,840
عملکرد خوبی را بهینه میکند.
92
00:03:39,840 –> 00:03:40,400
93
00:03:40,400 –> 00:03:42,640
94
00:03:42,640 –> 00:03:44,159
95
00:03:44,159 –> 00:03:46,560
در حال یادگیری توسعه میدان
96
00:03:46,560 –> 00:03:48,159
ارزیابی دارایی هستم
97
00:03:48,159 –> 00:03:50,159
و میدانید
98
00:03:50,159 –> 00:03:51,920
بهینهسازی
99
00:03:51,920 –> 00:03:55,519
طرح توسعه و حفاری،
100
00:03:55,519 –> 00:03:58,159
اوه بسیار خوب، متشکرم، خوشحالم که شما اینجا هستید،
101
00:03:58,159 –> 00:03:58,879
در
102
00:03:58,879 –> 00:04:00,560
مورد خانهتان چطور میتوانید کمی در مورد خودتان به ما بگویید،
103
00:04:00,560 –> 00:04:01,760
104
00:04:01,760 –> 00:04:02,879
105
00:04:02,879 –> 00:04:04,879
مطمئناً بله، متشکرم از
106
00:04:04,879 –> 00:04:07,200
اینکه ما را دارید متشکرم و از
107
00:04:07,200 –> 00:04:10,000
همه کسانی که امروز به سیستم وارد شدند متشکرم، بنابراین بله، بنابراین
108
00:04:10,000 –> 00:04:10,720
109
00:04:10,720 –> 00:04:13,760
من در ابتدا کارم را شروع کردم،
110
00:04:13,760 –> 00:04:17,279
کمی می دانید که 11 سال پیش
111
00:04:17,279 –> 00:04:18,959
در سایت تکمیل بودم، بنابراین من در
112
00:04:18,959 –> 00:04:20,560
درجه اول در
113
00:04:20,560 –> 00:04:23,199
سایت uh frack بودم. من مثل این بودم
114
00:04:23,199 –> 00:04:25,120
115
00:04:25,120 –> 00:04:27,040
که در چند سال اول مهندس تکمیل را شروع کردم، چند سال در
116
00:04:27,040 –> 00:04:29,360
این زمینه کار کردم و
117
00:04:29,360 –> 00:04:30,560
بعد از
118
00:04:30,560 –> 00:04:34,160
آن میدانی که میخواستم در دفتر
119
00:04:34,160 –> 00:04:35,759
کار کنم و کارهای مهندسی بیشتری انجام دهم، بنابراین
120
00:04:35,759 –> 00:04:36,560
از
121
00:04:36,560 –> 00:04:39,520
مهندسی تکمیل در
122
00:04:39,520 –> 00:04:41,440
رشته مهندسی مخزن در دفتر کار، بنابراین
123
00:04:41,440 –> 00:04:42,479
من به
124
00:04:42,479 –> 00:04:45,600
مدت
125
00:04:45,600 –> 00:04:47,919
سه چهار سال پس از آن مخزن و تولید را انجام داده ام و در
126
00:04:47,919 –> 00:04:51,120
پنج سال گذشته
127
00:04:51,120 –> 00:04:53,440
درگیر استفاده از شما می دانم ماچی بوده ام. در
128
00:04:53,440 –> 00:04:54,320
حال یادگیری
129
00:04:54,320 –> 00:04:57,440
در صنعت نفت و گاز هستم و و
130
00:04:57,440 –> 00:04:58,080
و
131
00:04:58,080 –> 00:05:01,199
و اساساً نقش من در حال حاضر این است
132
00:05:01,199 –> 00:05:02,000
که من یک
133
00:05:02,000 –> 00:05:03,600
مهندس داده دانشمند داده هستم و
134
00:05:03,600 –> 00:05:05,280
مسئول
135
00:05:05,280 –> 00:05:07,039
تقریباً جمع آوری تمام داده ها در یک
136
00:05:07,039 –> 00:05:08,479
مکان مرکزی
137
00:05:08,479 –> 00:05:10,240
و همچنین در دسترس قرار دادن آن ها برای
138
00:05:10,240 –> 00:05:12,400
همه و در عین حال
139
00:05:12,400 –> 00:05:15,520
یافتن الگوهای پنهان در دادهها
140
00:05:15,520 –> 00:05:17,919
که واقعاً نمیتوانید بدون وارد شدن
141
00:05:17,919 –> 00:05:19,840
به عمق دادهها ببینید
142
00:05:19,840 –> 00:05:23,280
و شامل تکمیل حفاری
143
00:05:23,280 –> 00:05:26,720
مخزن تولید و زمینشناسی است.
144
00:05:26,720 –> 00:05:27,759
145
00:05:27,759 –> 00:05:30,560
146
00:05:30,560 –> 00:05:33,199
147
00:05:33,199 –> 00:05:35,520
زمینههایی که میدانید و فکر میکنم
148
00:05:35,520 –> 00:05:39,199
یکی از
149
00:05:39,199 –> 00:05:40,560
زیباییهایی که در حال حاضر در مورد شغلم دوست دارم این
150
00:05:40,560 –> 00:05:42,000
است که درگیر برنامههای مختلف هستم
151
00:05:42,000 –> 00:05:43,520
و نه فقط در
152
00:05:43,520 –> 00:05:46,560
یک حوزه که میدانید، بنابراین این کار را به
153
00:05:46,560 –> 00:05:47,840
نوعی هیجانانگیز میکند.
154
00:05:47,840 –> 00:05:51,039
به نوعی
155
00:05:51,039 –> 00:05:53,360
از حفاری تا تولید گسترش می یابد
156
00:05:53,360 –> 00:05:55,600
157
00:05:55,600 –> 00:05:58,080
و همچنین مانند گذشته من
158
00:05:58,080 –> 00:05:59,600
در گذشته در دانشگاه های مختلف مانند
159
00:05:59,600 –> 00:06:00,080
160
00:06:00,080 –> 00:06:04,639
کالج wvu um marietta و سان فرانسیس تدریس کردم
161
00:06:04,639 –> 00:06:07,919
دانشگاه مثل اینکه
162
00:06:07,919 –> 00:06:10,319
من کمکی برگزار کرده ام مثل اینکه دوره های کوتاهی
163
00:06:10,319 –> 00:06:11,680
را در
164
00:06:11,680 –> 00:06:13,520
نقاط مختلف کره زمین که شما می شناسید برگزار کرده ام
165
00:06:13,520 –> 00:06:14,880
و تجربه جالبی بوده
166
00:06:14,880 –> 00:06:16,000
167
00:06:16,000 –> 00:06:19,120
168
00:06:19,120 –> 00:06:21,840
169
00:06:21,840 –> 00:06:23,600
است. برای اینکه درک بهتری
170
00:06:23,600 –> 00:06:24,639
از سوابق خود داشته باشید،
171
00:06:24,639 –> 00:06:27,759
چگونه برای اولین بار با کل
172
00:06:27,759 –> 00:06:28,160
173
00:06:28,160 –> 00:06:30,160
حوزه داده آشنا شدید، مثلاً در
174
00:06:30,160 –> 00:06:31,520
مدرسه یا
175
00:06:31,520 –> 00:06:34,560
کارتان، چگونه برای اولین بار به
176
00:06:34,560 –> 00:06:38,560
کل علم داده علاقه مند شدید،
177
00:06:38,560 –> 00:06:41,199
می توانم شروع کنم تا من اشاره کردم که
178
00:06:41,199 –> 00:06:44,160
می دانید من این فرصت را داشتم که
179
00:06:44,160 –> 00:06:46,560
زیر نظر دکتر
180
00:06:46,560 –> 00:06:48,080
شهاب ماهاریک که
181
00:06:48,080 –> 00:06:50,080
پیشگام کاربردهای یادگیری ماشین و
182
00:06:50,080 –> 00:06:51,599
هوش مصنوعی در صنعت نفت و گاز
183
00:06:51,599 –> 00:06:53,520
است کار کنم، بنابراین در طول
184
00:06:53,520 –> 00:06:56,720
چهار سال دکتری خود با
185
00:06:56,720 –> 00:07:00,400
بسیاری از کاربردهای مختلف
186
00:07:00,400 –> 00:07:02,639
ماشین مواجه شدم. یادگیری برای طیف گسترده ای از
187
00:07:02,639 –> 00:07:04,160
رشته های مختلف
188
00:07:04,160 –> 00:07:06,160
مهندسی مخازن شبیه سازی
189
00:07:06,160 –> 00:07:08,000
مهندسی تولید مخزن به طوری
190
00:07:08,000 –> 00:07:09,840
که واقعا به من کمک کرد تا درک خوبی داشته باشم
191
00:07:09,840 –> 00:07:11,840
و سپس زمانی
192
00:07:11,840 –> 00:07:13,759
که پایه و اساس خوب علم داده، من
193
00:07:13,759 –> 00:07:17,840
سعی کردم آن را در کار روزمره خود
194
00:07:18,479 –> 00:07:22,720
به کار ببرم، بله، اما شما می دانید که
195
00:07:22,720 –> 00:07:25,039
این در درجه اول از طریق شغل من درست بود، بنابراین
196
00:07:25,039 –> 00:07:26,080
وقتی برای اولین بار کارهای غیر متعارف را شروع کردیم،
197
00:07:26,080 –> 00:07:27,360
198
00:07:27,360 –> 00:07:29,120
آنها مانند شما می دانستند که ما مانند
199
00:07:29,120 –> 00:07:31,759
آزمایش هستیم. و درست چاههای اکتشافی را
200
00:07:31,759 –> 00:07:33,520
انجام میدادیم که شما میدانید مثل اینکه
201
00:07:33,520 –> 00:07:35,039
در بازار کارم را در مارسلوس شروع کردم.
202
00:07:35,039 –> 00:07:36,400
203
00:07:36,400 –> 00:07:38,160
204
00:07:38,160 –> 00:07:42,000
205
00:07:42,000 –> 00:07:42,800
206
00:07:42,800 –> 00:07:45,440
بسیاری از نکات نمونه را میدانید که
207
00:07:45,440 –> 00:07:47,039
در آن زمان از یادگیری ماشینی استفاده کنید،
208
00:07:47,039 –> 00:07:49,120
و از آنجایی که ما دادههای بیشتر و دادههای بیشتری به دست
209
00:07:49,120 –> 00:07:50,080
210
00:07:50,080 –> 00:07:54,160
آوردیم، یک مکان مرکزی
211
00:07:54,160 –> 00:07:57,280
برای ذخیره همه این دادهها داشتیم، این زمانی بود
212
00:07:57,280 –> 00:07:59,440
که شروع کردم به بررسی این
213
00:07:59,440 –> 00:08:01,199
موضوع که با همه این دادهها چه کاری میتوانیم انجام دهیم.
214
00:08:01,199 –> 00:08:03,039
اکنون دادههای بسیار زیادی وارد میشود، میدانید
215
00:08:03,039 –> 00:08:05,120
که قبلاً خوب بود،
216
00:08:05,120 –> 00:08:07,120
ما میدانیم 10 مایل اینجا، 20 مایل اینجا، شما
217
00:08:07,120 –> 00:08:07,759
میدانید،
218
00:08:07,759 –> 00:08:09,840
اما همانطور که دوست دارید با گذشت زمان، همانطور که
219
00:08:09,840 –> 00:08:11,680
واوهای بیشتری را مته میکنید، میدانید که تجزیه و تحلیل
220
00:08:11,680 –> 00:08:12,000
این
221
00:08:12,000 –> 00:08:14,560
واوها بسیار ذهنی میشود و
222
00:08:14,560 –> 00:08:15,520
خیلی مغرض شدن
223
00:08:15,520 –> 00:08:17,840
درست است، شما می توانید از انواع مختلفی از
224
00:08:17,840 –> 00:08:19,440
تجزیه و تحلیل های
225
00:08:19,440 –> 00:08:21,919
مشابه استفاده کنید، خوب، من می خواهم این
226
00:08:21,919 –> 00:08:24,160
مسیر را با این صفحه مقایسه کنم،
227
00:08:24,160 –> 00:08:26,319
اما در برخی موارد باید به کل
228
00:08:26,319 –> 00:08:27,520
این زمینه نگاه کنید
229
00:08:27,520 –> 00:08:29,919
تا کل
230
00:08:29,919 –> 00:08:31,199
الگوی
231
00:08:31,199 –> 00:08:33,599
هر منطقه مورد علاقه خود را درک کنید. و
232
00:08:33,599 –> 00:08:35,200
این زمانی بود که من بسیار
233
00:08:35,200 –> 00:08:36,080
علاقه مند
234
00:08:36,080 –> 00:08:39,599
شدم به این که چه کاری می توانیم انجام دهیم تا واقعاً از
235
00:08:39,599 –> 00:08:43,039
یادگیری ماشینی استفاده کنیم و مدلی را آموزش دهیم تا
236
00:08:43,039 –> 00:08:45,200
بتوانیم الگوهای پنهان را استخراج کنیم
237
00:08:45,200 –> 00:08:45,920
238
00:08:45,920 –> 00:08:48,000
که نمی توانند شما را ببینند، بنابراین
239
00:08:48,000 –> 00:08:49,360
این همان چیزی است که
240
00:08:49,360 –> 00:08:50,720
این همان کاری بود که من شروع به انجام
241
00:08:50,720 –> 00:08:52,560
آن کردم و از طریق شغلم بود، من
242
00:08:52,560 –> 00:08:54,560
این کار را حدود پنج سال پیش شروع کردم
243
00:08:54,560 –> 00:08:56,480
و این زمانی بود که عمیقاً
244
00:08:56,480 –> 00:08:58,800
در آن کاوش کردم و پتانسیل زیادی
245
00:08:58,800 –> 00:09:01,920
در
246
00:09:01,920 –> 00:09:03,279
آن یافتم. مانند
247
00:09:03,279 –> 00:09:05,680
اصول اولیه ای که می توانید با آن ها انجام دهید
248
00:09:05,680 –> 00:09:08,640
مانند یادگیری ماشینی جالب
249
00:09:08,640 –> 00:09:11,200
جالب، اوه، پس چرا بچه ها
250
00:09:11,200 –> 00:09:13,120
این کتاب را
251
00:09:13,120 –> 00:09:16,080
نوشتید بله، من می توانم این سوال را بپذیرم تا
252
00:09:16,080 –> 00:09:17,279
شما بدانید
253
00:09:17,279 –> 00:09:20,640
که وقتی برای اولین بار درست شروع کردیم،
254
00:09:20,640 –> 00:09:23,200
مثل من دوستت داشتهام میدانی و من در
255
00:09:23,200 –> 00:09:23,920
256
00:09:23,920 –> 00:09:25,360
حال حاضر خیلی صادق نیستم
257
00:09:25,360 –> 00:09:27,040
، دوست داشتم چیزی ملموس داشته باشم
258
00:09:27,040 –> 00:09:29,279
آنچه را که میتوانم گام به گام دنبال
259
00:09:29,279 –> 00:09:30,320
260
00:09:30,320 –> 00:09:32,880
کنم در اینجا نحوه اعمال و حل این
261
00:09:32,880 –> 00:09:33,839
مشکل
262
00:09:33,839 –> 00:09:37,040
با این الگوریتم است
263
00:09:37,040 –> 00:09:39,519
. میتواند این مشکل را حل کند، بنابراین
264
00:09:39,519 –> 00:09:41,279
وقتی که ما برای اولین بار شروع کردیم، میدانید
265
00:09:41,279 –> 00:09:43,200
حدود سه سال پیش مانند نوشتن این
266
00:09:43,200 –> 00:09:44,160
267
00:09:44,160 –> 00:09:46,320
کتاب، کتابهایی در این زمینه وجود دارد،
268
00:09:46,320 –> 00:09:47,760
کتابهای مختلف
269
00:09:47,760 –> 00:09:49,200
یادگیری ماشینی زیادی وجود دارد،
270
00:09:49,200 –> 00:09:51,040
در این مورد شکی نیست،
271
00:09:51,040 –> 00:09:53,200
من همه را تشویق میکنم. برای خواندن همه آن
272
00:09:53,200 –> 00:09:54,399
کتاب ها،
273
00:09:54,399 –> 00:09:58,480
اما هیچ کتابی وجود نداشت که به شما یاد دهد
274
00:09:58,480 –> 00:10:01,279
چگونه با استفاده از پایتون گام به گام یادگیری ماشینی را اعمال کنید،
275
00:10:01,279 –> 00:10:01,839
276
00:10:01,839 –> 00:10:04,959
به عنوان مثال می دانید
277
00:10:04,959 –> 00:10:06,480
چنین کتابی وجود ندارد،
278
00:10:06,480 –> 00:10:08,560
می دانید، بنابراین ما گفتیم خوب چرا این را
279
00:10:08,560 –> 00:10:10,160
معرفی نمی کنیم کتاب و
280
00:10:10,160 –> 00:10:12,640
برای اولین بار این مفاهیم را بشکنید،
281
00:10:12,640 –> 00:10:14,640
کلمات کلیدی زیادی
282
00:10:14,640 –> 00:10:17,760
وجود داشتند که از یادگیری عمیق ماشینی استفاده میشدند،
283
00:10:17,760 –> 00:10:19,839
و همه این
284
00:10:19,839 –> 00:10:20,959
کلمات کلیدی که
285
00:10:20,959 –> 00:10:23,200
مانند پرتاب کردن در اطراف شما بدون آن
286
00:10:23,200 –> 00:10:25,040
287
00:10:25,040 –> 00:10:27,040
مردم واقعاً معنی آن کلمات کلیدی را به درستی درک می کنند، بنابراین ما
288
00:10:27,040 –> 00:10:28,240
خوب
289
00:10:28,240 –> 00:10:29,600
هستیم که چه کاری می خواهیم
290
00:10:29,600 –> 00:10:32,399
291
00:10:32,399 –> 00:10:35,760
292
00:10:35,760 –> 00:10:38,560
293
00:10:38,560 –> 00:10:39,360
انجام دهیم.
294
00:10:39,360 –> 00:10:42,240
لازم نیست دوست داشته باشید به عنوان مثال می
295
00:10:42,240 –> 00:10:43,200
دانید
296
00:10:43,200 –> 00:10:45,519
صدها هزار دلار برای توسعه یک مدل خرج می کنید
297
00:10:45,519 –> 00:10:46,720
298
00:10:46,720 –> 00:10:48,640
زیرا بسیاری از این شرکت ها
299
00:10:48,640 –> 00:10:50,480
دقیقاً از همان چیزی استفاده می کنند که از پایتون
300
00:10:50,480 –> 00:10:51,200
301
00:10:51,200 –> 00:10:54,160
برای توسعه این مدل ها استفاده می کنند بنابراین می
302
00:10:54,160 –> 00:10:55,360
خواهیم بدانید
303
00:10:55,360 –> 00:10:58,399
که یک مرحله به مرحله داشته باشید. -راهنمای گامی برای دانش آموزان
304
00:10:58,399 –> 00:11:00,320
برای افرادی که در این صنعت بودند
305
00:11:00,320 –> 00:11:01,920
که هیچ پیشینه ای در این موضوع نداشتند
306
00:11:01,920 –> 00:11:03,200
307
00:11:03,200 –> 00:11:05,920
تا بتوانند قدم به قدم دنبال کنند چگونه
308
00:11:05,920 –> 00:11:06,480
می توانید
309
00:11:06,480 –> 00:11:08,079
بدانید که الگوریتم های مختلف
310
00:11:08,079 –> 00:11:10,800
یادگیری ماشین را در پایتون اعمال کنید
311
00:11:10,800 –> 00:11:13,440
و همچنین از کدها نیز استفاده کنید.
312
00:11:13,440 –> 00:11:14,560
فقط اینطور نبود که می دانید
313
00:11:14,560 –> 00:11:16,240
فقط اینجا شبکه عصبی
314
00:11:16,240 –> 00:11:17,920
اینجاست یک ماشین بردار پشتیبان اینجا یک
315
00:11:17,920 –> 00:11:20,079
نیروی تصادفی خوب است که چگونه آن را اعمال می کنید
316
00:11:20,079 –> 00:11:21,839
و چگونه گام به گام کد را مرور می کنید،
317
00:11:21,839 –> 00:11:22,880
318
00:11:22,880 –> 00:11:25,360
بنابراین وقتی کارتان تمام شد بدانید با
319
00:11:25,360 –> 00:11:27,600
مرور این فصلها در این کتاب
320
00:11:27,600 –> 00:11:30,720
، حداقل میتوانید مجموعه دادههای
321
00:11:30,720 –> 00:11:32,399
خود را با شرکت یا
322
00:11:32,399 –> 00:11:34,959
دانشگاه یا سازمان خود انتخاب کنید
323
00:11:34,959 –> 00:11:37,440
و بتوانید حداقل کد را اعمال کنید
324
00:11:37,440 –> 00:11:39,519
و آن را گام به گام دنبال کنید
325
00:11:39,519 –> 00:11:42,079
و بتوانید الگویی را که در آن میشناسید پیدا کنید.
326
00:11:42,079 –> 00:11:43,200
327
00:11:43,200 –> 00:11:45,440
بنابراین، ما میخواستیم بر تجزیه و تحلیل آن تمرکز کنیم تا بتوانیم آن
328
00:11:45,440 –> 00:11:47,600
329
00:11:47,600 –> 00:11:50,160
را به زبان ساده بسازیم و همچنین
330
00:11:50,160 –> 00:11:52,320
بتوانیم منبع ارزشمندی را برای
331
00:11:52,320 –> 00:11:53,200
همه فراهم کنیم
332
00:11:53,200 –> 00:11:56,480
تا از این کدها
333
00:11:56,480 –> 00:11:57,279
استفاده کنند.
334
00:11:57,279 –> 00:12:00,720
– مجموعه داده های روز اوه خوب
335
00:12:00,720 –> 00:12:03,440
، آیا آنها نیاز به داشتن
336
00:12:03,440 –> 00:12:05,279
پیشینه ای در پایتون یا
337
00:12:05,279 –> 00:12:08,880
هر یک از زبان های برنامه نویسی دارند، نه،
338
00:12:08,880 –> 00:12:09,519
ما در واقع
339
00:12:09,519 –> 00:12:12,720
به معنای واقعی کلمه با آن شروع
340
00:12:12,720 –> 00:12:14,720
341
00:12:14,720 –> 00:12:17,040
می کنیم. به علاوه دو در پایتون
342
00:12:17,040 –> 00:12:19,600
مانند با آن با آن مانند
343
00:12:19,600 –> 00:12:22,320
فصل اول این است که چگونه می توانید
344
00:12:22,320 –> 00:12:24,639
پایتون یا آناکوندا را از کجا دانلود کنید
345
00:12:24,639 –> 00:12:26,560
که تمام کتابخانه هایی را
346
00:12:26,560 –> 00:12:27,920
که می دانید در آن وجود دارد
347
00:12:27,920 –> 00:12:29,839
و سپس با
348
00:12:29,839 –> 00:12:32,560
اصول اولیه جبر اولیه شروع کنید
349
00:12:32,560 –> 00:12:34,240
و سپس اکنون تا فصل نهم از روی آن بسازید،
350
00:12:34,240 –> 00:12:35,920
بسیار
351
00:12:35,920 –> 00:12:36,839
پیچیدهتر خواهد شد،
352
00:12:36,839 –> 00:12:39,839
خب، ما با اصول اولیه شروع
353
00:12:39,839 –> 00:12:42,240
میکنیم، مفاهیم اساسی که
354
00:12:42,240 –> 00:12:42,959
میدانید،
355
00:12:42,959 –> 00:12:45,279
فقط دستورات if حلقههای for و
356
00:12:45,279 –> 00:12:47,040
همه چیزهای دیگر در پایتون درست
357
00:12:47,040 –> 00:12:48,320
و سپس با
358
00:12:48,320 –> 00:12:50,160
مرور هر فصل میدانید
359
00:12:50,160 –> 00:12:51,440
که سختتر و سختتر و سختتر میشود و
360
00:12:51,440 –> 00:12:53,680
زمانی که به فصل دکتر هایک
361
00:12:53,680 –> 00:12:56,880
برسید، خوب خواهید بود،
362
00:12:56,880 –> 00:12:58,320
این است که اکنون کمی دشوار میشود،
363
00:12:58,320 –> 00:13:00,959
اما میدانید که ما نه ما آیا به این نتیجه رسیدیم که به
364
00:13:00,959 –> 00:13:03,040
ما اجازه دادیم تا
365
00:13:03,040 –> 00:13:05,120
آنجا که ممکن است سعی کنیم آن را تجزیه کنیم تا نیازی
366
00:13:05,120 –> 00:13:06,000
به داشتن
367
00:13:06,000 –> 00:13:09,040
پیشینه در علم داده
368
00:13:09,040 –> 00:13:12,079
یا کدنویسی یا هر یک از این چیزها نباشید.
369
00:13:12,079 –> 00:13:12,720
370
00:13:12,720 –> 00:13:14,880
371
00:13:14,880 –> 00:13:16,480
از این کتاب به
372
00:13:16,480 –> 00:13:18,000
دوست دارم آن را تجزیه کنیم و همچنین
373
00:13:18,000 –> 00:13:20,000
همه چیزهایی را که می دانید توضیح می دهیم.
374
00:13:20,000 –> 00:13:23,120
375
00:13:23,120 –> 00:13:25,440
376
00:13:25,440 –> 00:13:26,399
377
00:13:26,399 –> 00:13:28,240
378
00:13:28,240 –> 00:13:30,000
379
00:13:30,000 –> 00:13:31,760
در کل بو خوب شما می
380
00:13:31,760 –> 00:13:32,480
دانید
381
00:13:32,480 –> 00:13:34,959
و همچنین هنگامی که ریاضیات
382
00:13:34,959 –> 00:13:35,600
مشخص شد،
383
00:13:35,600 –> 00:13:37,360
می دانید سپس ما به این می پردازیم که چگونه
384
00:13:37,360 –> 00:13:39,040
آن را در پایتون اعمال می کنید
385
00:13:39,040 –> 00:13:41,519
و سپس مجموعه داده هایی
386
00:13:41,519 –> 00:13:44,240
داریم که دارای کل مجموعه داده ها هستند
387
00:13:44,240 –> 00:13:46,160
، کل کد فایل های نوت بوک jupyter
388
00:13:46,160 –> 00:13:49,040
همه اینها را دارند. در سایت همراه الزاویر قرار داده شده است
389
00:13:49,040 –> 00:13:52,160
، بسیار
390
00:13:52,160 –> 00:13:53,760
خوب، آنها یک سایت همراه دارند،
391
00:13:53,760 –> 00:13:56,399
یک لینک آنلاین وجود دارد که روی فصل یک کلیک
392
00:13:56,399 –> 00:14:00,160
کنید، این کدها را دارد و شما را در
393
00:14:00,160 –> 00:14:02,079
مورد داده ها و هر چیز دیگری که
394
00:14:02,079 –> 00:14:04,160
نیاز دارید که در سراسر کتاب استفاده می کنیم،
395
00:14:04,160 –> 00:14:06,639
شما می دانید. شما میتوانید گام به گام
396
00:14:06,639 –> 00:14:08,480
در طول کتاب دنبال کنید،
397
00:14:08,480 –> 00:14:10,079
میتوانید کتابهای زیادی را که میدانید دوست داشته باشید،
398
00:14:10,079 –> 00:14:12,320
فقط کد را داشته باشید، اما ندارد،
399
00:14:12,320 –> 00:14:14,000
مانند این است که چگونه میتوانید
400
00:14:14,000 –> 00:14:15,760
قدم به قدم دنبال کنید، اما ما در واقع سعی میکنیم این کار را انجام دهیم.
401
00:14:15,760 –> 00:14:16,320
402
00:14:16,320 –> 00:14:17,920
و یک راهنمای گام به گام داشته باشید که می
403
00:14:17,920 –> 00:14:19,920
توانید آن را دنبال کنید، بسیار خوب،
404
00:14:19,920 –> 00:14:22,959
متشکرم خوب اجازه دهید
405
00:14:22,959 –> 00:14:27,040
بپرسم از اریکا بپرسم، منظورم این است که هازل
406
00:14:27,040 –> 00:14:28,880
آن را توضیح دهد، شما برخی از
407
00:14:28,880 –> 00:14:31,040
تفاوت های کتاب خود را می
408
00:14:31,040 –> 00:14:32,000
دانید و
409
00:14:32,000 –> 00:14:34,399
سایر کتاب های یادگیری ماشینی را می شناسید.
410
00:14:34,399 –> 00:14:35,199
بازار
411
00:14:35,199 –> 00:14:38,160
بو بنابراین میخواستم از شما بپرسم که
412
00:14:38,160 –> 00:14:38,800
تفاوت
413
00:14:38,800 –> 00:14:40,800
کتاب شما در
414
00:14:40,800 –> 00:14:42,839
مقایسه با سایر کتابهای موجود در
415
00:14:42,839 –> 00:14:44,320
بازار چیست،
416
00:14:44,320 –> 00:14:47,360
متشکرم
417
00:14:47,360 –> 00:14:50,399
کتابهای زیادی در بازار وجود دارد که در
418
00:14:50,399 –> 00:14:51,040
مورد
419
00:14:51,040 –> 00:14:54,480
یادگیری ماشین صحبت میکنند و تعدادی از آنها
420
00:14:54,480 –> 00:14:57,279
بر روی آنها تمرکز دارند. برنامه های کاربردی یادگیری ماشین
421
00:14:57,279 –> 00:14:58,320
با پایتون،
422
00:14:58,320 –> 00:15:00,800
بنابراین اگر
423
00:15:00,800 –> 00:15:03,440
مطمئن باشید آمازون یا گوگل را جستجو کنید، ده ها کتاب را پیدا خواهید کرد
424
00:15:03,440 –> 00:15:06,560
که بر یادگیری ماشین
425
00:15:06,560 –> 00:15:07,279
426
00:15:07,279 –> 00:15:10,959
با استفاده از پایتون تمرکز دارد، اما برای همه این
427
00:15:10,959 –> 00:15:12,079
کتاب ها برای
428
00:15:12,079 –> 00:15:14,320
یادگیری واقعی یادگیری ماشین باید
429
00:15:14,320 –> 00:15:15,199
430
00:15:15,199 –> 00:15:17,360
تمرین باید با یک مجموعه داده
431
00:15:17,360 –> 00:15:18,720
با پایگاه داده تمرین کنید
432
00:15:18,720 –> 00:15:21,600
و مثال های زیادی در آن
433
00:15:21,600 –> 00:15:23,839
کتاب ها وجود دارد و همه آن مثال
434
00:15:23,839 –> 00:15:25,839
ها عالی هستند، به عنوان مثال می دانید
435
00:15:25,839 –> 00:15:27,279
مثالی برای
436
00:15:27,279 –> 00:15:30,320
تشخیص تقلب کارت اعتباری برای
437
00:15:30,320 –> 00:15:32,160
طبقه بندی باینری یا
438
00:15:32,160 –> 00:15:35,600
قیمت گذاری خانه در بوستون یا عنبیه وجود دارد. پایگاه داده ای
439
00:15:35,600 –> 00:15:37,040
که در مورد شما صحبت می کند که می دانید
440
00:15:37,040 –> 00:15:40,160
گل ها یا کیفیت شراب را می دانید،
441
00:15:40,160 –> 00:15:43,120
همه این مثال ها عالی هستند، اما کاری که
442
00:15:43,120 –> 00:15:44,399
ما واقعاً می خواستیم انجام
443
00:15:44,399 –> 00:15:46,880
دهیم، واقعاً می خواستیم این کتاب را برای حرفه شخصی سازی
444
00:15:46,880 –> 00:15:48,880
کنیم. متخصصان صنعت نفت و گاز،
445
00:15:48,880 –> 00:15:49,759
446
00:15:49,759 –> 00:15:51,920
بنابراین به جای نمونه هایی که
447
00:15:51,920 –> 00:15:53,279
ذکر کردم،
448
00:15:53,279 –> 00:15:55,040
در ادبیات نفت و گاز جستجو
449
00:15:55,040 –> 00:15:56,800
450
00:15:56,800 –> 00:15:59,839
کردیم و شیوه های واقعی
451
00:15:59,839 –> 00:16:00,399
یادگیری ماشینی را
452
00:16:00,399 –> 00:16:03,279
در نمونه های صنعت نفت و گاز
453
00:16:03,279 –> 00:16:05,759
یافتیم و سعی کردیم این نمونه ها را به
454
00:16:05,759 –> 00:16:08,480
همه مخاطبان ارائه کنیم. بنابراین وقتی میخواهیم
455
00:16:08,480 –> 00:16:09,120
در مورد
456
00:16:09,120 –> 00:16:11,440
باینری به عنوان مثال طبقهبندی باینری
457
00:16:11,440 –> 00:16:13,440
صحبت کنیم، در مورد تشخیص تقلب در کارت اعتباری صحبت
458
00:16:13,440 –> 00:16:15,440
نمیکنیم، ما
459
00:16:15,440 –> 00:16:18,880
تولید شن و ماسه را از کجا به شما نشان دادیم
460
00:16:18,880 –> 00:16:21,199
یا مثلاً میخواهیم در مورد
461
00:16:21,199 –> 00:16:23,759
طبقهبندی چند طبقهای
462
00:16:23,759 –> 00:16:25,519
صحبت کنیم، درباره شما صحبت میکنیم که چهرهها را میشناسید.
463
00:16:25,519 –> 00:16:27,600
طبقهبندی بر اساس برخی دادههای زمینشناسی،
464
00:16:27,600 –> 00:16:28,079
465
00:16:28,079 –> 00:16:31,040
بنابراین نمونههایی که مجموعه دادههایی را
466
00:16:31,040 –> 00:16:33,680
داریم که برای مخاطبان خود ارائه میکنیم،
467
00:16:33,680 –> 00:16:36,560
بهطور خاص برای متخصصان نفت و گاز سفارشیسازی شدهاند،
468
00:16:36,560 –> 00:16:38,959
بنابراین اصطلاحاتی که
469
00:16:38,959 –> 00:16:39,680
470
00:16:39,680 –> 00:16:43,199
میشنوید مربوط به شما است اصطلاحات بسیار رایج
471
00:16:43,199 –> 00:16:45,199
برای فشار مردم نفت و گاز را میدانید.
472
00:16:45,199 –> 00:16:48,639
دمای eur کاهش تخلخل تولید
473
00:16:48,639 –> 00:16:49,360
474
00:16:49,360 –> 00:16:51,360
شما می دانید اینها چیزهایی است
475
00:16:51,360 –> 00:16:53,199
که مردم در صنعت نفت و گاز می شنیدند،
476
00:16:53,199 –> 00:16:55,600
بنابراین ما سعی کردیم تا o این مثال ها را ارائه دهید
477
00:16:55,600 –> 00:16:57,519
تا زمانی که می خواهید این موضوعات را یاد بگیرید
478
00:16:57,519 –> 00:16:58,160
479
00:16:58,160 –> 00:17:00,800
، مثال ها برای شما معنا پیدا می کنند، بنابراین
480
00:17:00,800 –> 00:17:03,040
تفاوت اصلی این کتاب
481
00:17:03,040 –> 00:17:05,280
با سایر کتاب های موجود در بازار،
482
00:17:05,280 –> 00:17:07,280
مثال ها است و شیوه
483
00:17:07,280 –> 00:17:09,280
ها عمدتا برای اهالی صنعت نفت و گاز سفارشی شده است
484
00:17:09,280 –> 00:17:11,199
485
00:17:11,199 –> 00:17:14,319
. من حدس می زنم که همه این
486
00:17:14,319 –> 00:17:15,199
نمونه
487
00:17:15,199 –> 00:17:17,919
ها مجموعه داده ها و کدها در کتاب موجود هستند
488
00:17:17,919 –> 00:17:20,000
یا مانند قلب های ذکر شده
489
00:17:20,000 –> 00:17:20,559
در پایگاه
490
00:17:20,559 –> 00:17:24,480
ابری میزبان شخص ثالث
491
00:17:24,480 –> 00:17:27,359
دقیقاً همانطور
492
00:17:27,359 –> 00:17:28,000
که گفته شد
493
00:17:28,000 –> 00:17:30,799
ما یک وب سایت داریم و در آن صفحه وب
494
00:17:30,799 –> 00:17:32,559
همه مجموعه داده ها
495
00:17:32,559 –> 00:17:34,880
وجود دارد. احتمالاً بیش از 15 یا 16
496
00:17:34,880 –> 00:17:37,039
مثال مختلف وجود دارد که
497
00:17:37,039 –> 00:17:39,600
ما داریم، بنابراین همه آن مجموعه داده ها و
498
00:17:39,600 –> 00:17:40,080
499
00:17:40,080 –> 00:17:43,760
کدهای مشتری وجود دارد که به راحتی
500
00:17:43,760 –> 00:17:45,039
توسط خوانندگان یا مخاطبان قابل دسترسی است.
501
00:17:45,039 –> 00:17:49,120
502
00:17:49,120 –> 00:17:51,440
503
00:17:51,440 –> 00:17:52,799
504
00:17:52,799 –> 00:17:54,320
خیلی عمیق است که به این
505
00:17:54,320 –> 00:17:56,080
مفاهیم میرود، بله،
506
00:17:56,080 –> 00:17:57,840
فکر میکنم تعادل خوبی است و این
507
00:17:57,840 –> 00:17:59,440
یک سؤال عالی است، درست است، بنابراین
508
00:17:59,440 –> 00:18:01,600
ما فقط نمیخواستیم بدانیم
509
00:18:01,600 –> 00:18:02,480
بنویسی چون دوست
510
00:18:02,480 –> 00:18:03,600
داریم باشم برای اینکه با شما صادق باشم،
511
00:18:03,600 –> 00:18:06,080
میتوانید یک کتاب کامل بنویسید که میدانید فقط در مورد
512
00:18:06,080 –> 00:18:07,840
تئوری شبکههای عصبی
513
00:18:07,840 –> 00:18:09,679
و مانند یادگیری عمیق که
514
00:18:09,679 –> 00:18:11,919
خیلی چیزها وجود دارد که میتوانید به درستی پوشش دهید،
515
00:18:11,919 –> 00:18:14,559
اما ما میخواستیم روی شما تمرکز کنیم، فقط
516
00:18:14,559 –> 00:18:15,520
517
00:18:15,520 –> 00:18:17,840
راهنماییهای واضح در مورد آنچه را ارائه کنید. هر کدام از الگوریتم ها هستند
518
00:18:17,840 –> 00:18:20,000
یا رایج ترین الگوریتم
519
00:18:20,000 –> 00:18:22,960
ها هستند آیا می دانید مثلاً چه چیزی را
520
00:18:22,960 –> 00:18:25,360
می دانید ما یک فصل را به
521
00:18:25,360 –> 00:18:27,200
شما اختصاص داده ایم یادگیری نظارت
522
00:18:27,200 –> 00:18:28,799
شده یک فصل را به
523
00:18:28,799 –> 00:18:30,799
یادگیری بدون نظارت اختصاص داده ایم ما یک
524
00:18:30,799 –> 00:18:32,320
فصل برای شبکه عصبی و یادگیری عمیق
525
00:18:32,320 –> 00:18:33,360
526
00:18:33,360 –> 00:18:36,400
داریم. برای تمرکز بر روی هر الگوریتمی که
527
00:18:36,400 –> 00:18:37,039
میدانید
528
00:18:37,039 –> 00:18:39,840
و ریاضیات پشت هر کدام را مرور کنید
529
00:18:39,840 –> 00:18:40,320
530
00:18:40,320 –> 00:18:42,480
و شاید بتوانیم آن را با دست حل کنیم،
531
00:18:42,480 –> 00:18:44,080
میدانید مانند
532
00:18:44,080 –> 00:18:45,600
تجزیه و تحلیل مؤلفههای اصلی،
533
00:18:45,600 –> 00:18:47,039
همیشه این را میشنوید
534
00:18:47,039 –> 00:18:48,400
و خوب میدانید در اینجا نحوه محاسبه
535
00:18:48,400 –> 00:18:50,320
بردارهای ویژه مقادیر ویژه و غیره و
536
00:18:50,320 –> 00:18:53,039
غیره شما می دانید گام به گام با دست
537
00:18:53,039 –> 00:18:55,280
قبل از رفتن به پایتون شما می دانید
538
00:18:55,280 –> 00:18:57,440
پس ما داریم ما نشان داده ایم که
539
00:18:57,440 –> 00:19:00,000
می دانید و سپس یک بار شما
540
00:19:00,000 –> 00:19:01,120
ریاضی را درک می کنید،
541
00:19:01,120 –> 00:19:04,240
سپس ما وارد موضوع واقعی می شویم
542
00:19:04,240 –> 00:19:05,919
این است که چگونه آن را در پایتون اعمال می
543
00:19:05,919 –> 00:19:08,240
544
00:19:08,240 –> 00:19:10,400
545
00:19:10,400 –> 00:19:11,360
546
00:19:11,360 –> 00:19:13,919
کنید.
547
00:19:13,919 –> 00:19:15,280
که ما انجام می دهیم
548
00:19:15,280 –> 00:19:17,120
و در اینجا راهنمای گام به گام است تا
549
00:19:17,120 –> 00:19:18,400
شما را با مثالی
550
00:19:18,400 –> 00:19:20,720
که می دانید آشنا کنیم، بنابراین فکر می کنم تعادل بسیار خوبی است
551
00:19:20,720 –> 00:19:22,720
که می دانید مانند کل کتاب است
552
00:19:22,720 –> 00:19:25,840
، فکر می کنم 470 80 صفحه است، فرض کنید
553
00:19:25,840 –> 00:19:27,120
500 صفحه است.
554
00:19:27,120 –> 00:19:28,960
بنابراین ما جزئیات بسیار خوبی داریم، ما
555
00:19:28,960 –> 00:19:30,880
جزئیات بسیار خوبی را در مورد هر
556
00:19:30,880 –> 00:19:31,760
الگوریتم ارائه کرده ایم
557
00:19:31,760 –> 00:19:33,840
و همچنین از ما مثالی مانند گام به گام داریم
558
00:19:33,840 –> 00:19:35,440
که می توانید آن را دنبال
559
00:19:35,440 –> 00:19:37,039
کنید، بنابراین فکر می کنم
560
00:19:37,039 –> 00:19:38,880
به نظر من تعادل بسیار خوبی است،
561
00:19:38,880 –> 00:19:41,039
اما دوباره فکر می کنم خوانندگان
562
00:19:41,039 –> 00:19:42,640
باید قضاوتی باشند که شما می دانید
563
00:19:42,640 –> 00:19:45,039
در مورد میزان تعادل خوب است
564
00:19:45,039 –> 00:19:47,039
و ما از بازخورد آن قدردانی می کنیم، بنابراین اگر
565
00:19:47,039 –> 00:19:48,000
کتاب را بخوانید
566
00:19:48,000 –> 00:19:49,679
و صادقانه بگوییم که دو فصل اول
567
00:19:49,679 –> 00:19:51,120
واقعاً آنلاین هستند،
568
00:19:51,120 –> 00:19:53,280
اگر فقط مانند کتاب اول را تایپ کنید.
569
00:19:53,280 –> 00:19:54,320
570
00:19:54,320 –> 00:19:56,160
دو فصل مانند fo قابل دسترسی است
571
00:19:56,160 –> 00:19:57,679
572
00:19:57,679 –> 00:20:00,799
میدونی ما میخوایم بازخوردت رو بشنویم
573
00:20:00,799 –> 00:20:03,440
میدونی این کاریه که ما انجام دادیم
574
00:20:03,440 –> 00:20:03,840
575
00:20:03,840 –> 00:20:06,480
فقط به این دلیل که هر دوی ما حرفهای زیادی
576
00:20:06,480 –> 00:20:08,080
داریم میدونی حداقل من
577
00:20:08,080 –> 00:20:10,559
نمیتونم به جای دکتر هایک صحبت کنم اما میدونی که من اشتیاق زیادی دارم
578
00:20:10,559 –> 00:20:12,080
برای نوشتن و این کاری است که
579
00:20:12,080 –> 00:20:13,600
من در زمان سرگرمیام انجام میدهم، شما میدانید
580
00:20:13,600 –> 00:20:16,880
، بنابراین از بازخورد شما قدردانی میکنیم و تا
581
00:20:16,880 –> 00:20:17,440
آنجا
582
00:20:17,440 –> 00:20:19,120
که میتوانیم مواردی را که در این نسخه انجام ندادهایم بهبود ببخشیم، ما
583
00:20:19,120 –> 00:20:20,799
دوست داریم این موارد را به کار
584
00:20:20,799 –> 00:20:23,840
ببریم.
585
00:20:23,840 –> 00:20:26,080
تغییرات
586
00:20:26,080 –> 00:20:29,200
در نسخه های آینده بله اوه بله
587
00:20:29,200 –> 00:20:31,840
عالی است، منظورم این است که هر دوی شما
588
00:20:31,840 –> 00:20:34,640
پیشینه مهندسی دارید،
589
00:20:34,640 –> 00:20:36,480
بنابراین حدس می زنم که کتاب بسیار
590
00:20:36,480 –> 00:20:38,400
ساده است با کسی که بگوییم
591
00:20:38,400 –> 00:20:41,840
پس زمینه زمین شناسی جغرافیایی یا
592
00:20:41,840 –> 00:20:44,720
پس زمینه کسب و کار، بنابراین
593
00:20:44,720 –> 00:20:48,480
ریاضی سخت نیست نترسید
594
00:20:49,679 –> 00:20:52,799
اما چرا پایتون را انتخاب کردید من
595
00:20:52,799 –> 00:20:54,159
می دانم که پایتون
596
00:20:54,159 –> 00:20:57,440
احتمالاً یکی از
597
00:20:57,440 –> 00:21:00,720
پرکاربردترین زبان های برنامه نویسی uh است،
598
00:21:00,720 –> 00:21:03,520
اما آیا دلیل خاصی وجود دارد که پایتون
599
00:21:03,520 –> 00:21:04,480
را انتخاب کردید
600
00:21:04,480 –> 00:21:07,600
بله پس اوم
601
00:21:07,600 –> 00:21:10,559
می دانید که این um i من بود فکر کنید ما
602
00:21:10,559 –> 00:21:12,960
پایتون را انتخاب کردیم زیرا
603
00:21:12,960 –> 00:21:14,480
شما می دانید پس می توانید منظورم این است که شما
604
00:21:14,480 –> 00:21:16,159
می توانید یادگیری ماشین
605
00:21:16,159 –> 00:21:19,760
را در متلب و r و پایتون انجام دهید و
606
00:21:19,760 –> 00:21:20,240
می دانید که
607
00:21:20,240 –> 00:21:22,000
می توانید از هر زبان برنامه نویسی برای
608
00:21:22,000 –> 00:21:23,360
انجام یادگیری ماشینی
609
00:21:23,360 –> 00:21:26,400
به درستی استفاده کنید تا این کدهایی را که می دانید
610
00:21:26,400 –> 00:21:29,840
اما می دانید مانند در عصر امروزی
611
00:21:29,840 –> 00:21:30,720
مثل من معتقدم
612
00:21:30,720 –> 00:21:32,720
پایتون محبوبترین
613
00:21:32,720 –> 00:21:34,480
زبانی بود که حداقل شما میشناسید
614
00:21:34,480 –> 00:21:37,679
از نظر um، یک
615
00:21:37,679 –> 00:21:39,760
پشتیبانی قوی وجود دارد، یک انجمن قوی پشت آن وجود دارد.
616
00:21:39,760 –> 00:21:41,280
617
00:21:41,280 –> 00:21:44,240
618
00:21:44,240 –> 00:21:46,240
619
00:21:46,240 –> 00:21:48,240
یک پیغام خطا دریافت کنید و می توانید
620
00:21:48,240 –> 00:21:50,000
به معنای واقعی کلمه آن پیغام خطا را بگیرید
621
00:21:50,000 –> 00:21:51,679
و آن را در گوگل قرار دهید و
622
00:21:51,679 –> 00:21:54,640
مانند بسیاری از افراد قبل
623
00:21:54,640 –> 00:21:56,960
از اینکه همان سوالی را که می دانید بپرسید به شما می گوید،
624
00:21:56,960 –> 00:21:58,000
بنابراین یک
625
00:21:58,000 –> 00:22:00,559
جامعه قوی پشت آن وجود دارد که از پایتون درست استفاده می کند،
626
00:22:00,559 –> 00:22:01,360
627
00:22:01,360 –> 00:22:03,679
این یکی از دلایلی است که چرا ما تصمیم گرفتیم که
628
00:22:03,679 –> 00:22:06,240
دوست داشته باشیم با پایتون برویم و همچنین دو
629
00:22:06,240 –> 00:22:09,360
پایتون کار را از نظر به کارگیری یادگیری ماشین بسیار آسان می کند،
630
00:22:09,360 –> 00:22:12,559
631
00:22:12,559 –> 00:22:15,120
مثلاً وقتی
632
00:22:15,120 –> 00:22:16,640
فصل اول را می
633
00:22:16,640 –> 00:22:17,919
خوانید می دانید که ما در مورد هو صحبت کردیم. شما میتوانید
634
00:22:17,919 –> 00:22:19,679
آناکوندا را هر نوع
635
00:22:19,679 –> 00:22:21,039
توزیعی دانلود کنید
636
00:22:21,039 –> 00:22:24,840
که تعداد زیادی از این
637
00:22:24,840 –> 00:22:27,679
کتابخانههای um را در پایتون قبلاً
638
00:22:27,679 –> 00:22:29,679
نصب کردهاند، بنابراین مجبور نیستید به
639
00:22:29,679 –> 00:22:33,039
دستور خود بروید و
640
00:22:33,039 –> 00:22:35,360
این کتابخانه را با پیپ نصب کنید، آن کتابخانه را نصب کنید.
641
00:22:35,360 –> 00:22:36,559
642
00:22:36,559 –> 00:22:40,000
اکثر
643
00:22:40,000 –> 00:22:42,000
کتابخانههایی که در این کتاب استفاده میکنیم
644
00:22:42,000 –> 00:22:44,400
قبلاً روی آناکوندا نصب شدهاند،
645
00:22:44,400 –> 00:22:46,400
بنابراین با پایتون تعداد زیادی از این
646
00:22:46,400 –> 00:22:47,919
کتابخانهها در حال حاضر وجود دارند،
647
00:22:47,919 –> 00:22:49,919
میدانید که فقط یکبار
648
00:22:49,919 –> 00:22:51,679
پس از
649
00:22:51,679 –> 00:22:53,679
دانلود توزیع آناکوندا وارد میکنید.
650
00:22:53,679 –> 00:22:54,880
کتابخانهها
651
00:22:54,880 –> 00:22:57,120
و شما خواهید دید که اجرای
652
00:22:57,120 –> 00:22:58,880
این الگوریتمها چقدر آسان است، میدانید
653
00:22:58,880 –> 00:22:59,760
654
00:22:59,760 –> 00:23:02,240
که همینطور، کاری که پایتون انجام داده
655
00:23:02,240 –> 00:23:03,120
بسیار قدرتمند است،
656
00:23:03,120 –> 00:23:05,600
آنها همه اینها را که
657
00:23:05,600 –> 00:23:06,640
میدانید دهها
658
00:23:06,640 –> 00:23:09,039
یا صدها خط کد را میشناسید برداشتهاند و خلاصه میکنند.
659
00:23:09,039 –> 00:23:10,720
به کتابخانه ای
660
00:23:10,720 –> 00:23:12,880
مانند به عنوان مثال می دانید سایت می تواند
661
00:23:12,880 –> 00:23:14,400
یاد بگیرد مانند اینکه می دانید
662
00:23:14,400 –> 00:23:17,200
کتابخانه یادگیری روانی است است
663
00:23:17,200 –> 00:23:19,360
کتابخانه ای است که دارای بسیاری از این
664
00:23:19,360 –> 00:23:20,880
الگوریتم های مختلف یادگیری ماشینی است.
665
00:23:20,880 –> 00:23:23,120
می دانید tensorflow یادگیری عمیقی دارد
666
00:23:23,120 –> 00:23:23,760
667
00:23:23,760 –> 00:23:25,760
شما می دانید که متولد شده را می بینید و
668
00:23:25,760 –> 00:23:26,880
lib و
669
00:23:26,880 –> 00:23:29,039
و و و به صورت نموداری اینها تصاویری هستند
670
00:23:29,039 –> 00:23:30,960
این کتابخانه های تجسم قدرتمند
671
00:23:30,960 –> 00:23:31,760
شما می دانید که
672
00:23:31,760 –> 00:23:33,840
خط تیره برای ایجاد داشبورد استفاده می شود.
673
00:23:33,840 –> 00:23:36,240
674
00:23:36,240 –> 00:23:37,360
675
00:23:37,360 –> 00:23:39,440
شما مجبور نیستید چرخی را
676
00:23:39,440 –> 00:23:40,720
که می دانید دوباره اختراع
677
00:23:40,720 –> 00:23:42,640
کنید، می توانید تقریباً از این کتابخانه ها استفاده کنید
678
00:23:42,640 –> 00:23:43,840
آنها را وارد کنید
679
00:23:43,840 –> 00:23:46,159
و بلافاصله شروع به استفاده از آنها کنید
680
00:23:46,159 –> 00:23:46,880
681
00:23:46,880 –> 00:23:50,000
و همچنین رایگان است، منبع باز است، می
682
00:23:50,000 –> 00:23:51,760
دانید که لازم نیست به شرکت دیگری پول پرداخت کنید.
683
00:23:51,760 –> 00:23:55,120
یا
684
00:23:55,120 –> 00:23:58,559
یک بسته نرم افزاری تجاری
685
00:23:58,559 –> 00:24:00,320
برای دریافت این کتابخانه ها، همه رایگان
686
00:24:00,320 –> 00:24:02,400
است، منبع باز است، شما می توانید به معنای واقعی کلمه
687
00:24:02,400 –> 00:24:02,960
688
00:24:02,960 –> 00:24:04,640
مثل همین الان آنلاین شوید و در هر توزیع محتوایی تایپ
689
00:24:04,640 –> 00:24:07,360
کنید، همه چیز را دانلود کنید
690
00:24:07,360 –> 00:24:09,520
و بقیه فقط در حال یادگیری درست
691
00:24:09,520 –> 00:24:12,159
آن هستند، بنابراین رایگان است، منبع
692
00:24:12,159 –> 00:24:14,720
باز است. فکر می کنم ممکن است
693
00:24:14,720 –> 00:24:16,080
کمی در مورد آن تعصب داشته باشم، اما
694
00:24:16,080 –> 00:24:19,440
استفاده از آن آسان است، می دانید
695
00:24:19,440 –> 00:24:21,200
زمانی که اصول اولیه را یاد گرفتید،
696
00:24:21,200 –> 00:24:23,279
واقعاً می توانید کارهای زیادی انجام دهید با آن همراه است
697
00:24:23,279 –> 00:24:25,120
و یک جامعه عظیم
698
00:24:25,120 –> 00:24:27,120
پشتیبانی عظیمی در پشت آن وجود دارد که
699
00:24:27,120 –> 00:24:27,760