مفاهیم اولیه یادگیری ماشین
مروری بر پایتون با رویکرد استفاده در یادگیری ماشین
Feature Engineering and Data Preparation
استفاده از) Linear regression(در کتابخانه سایکیت لرن برای پیش بینی و انجام پروژه عملیاتی
استفاده از polynomial regression() در کتابخانه سایکیت لرن برای پیش بینی و انجام پروژه عملیاتی
Cross Validation
مفهوم Regularization در یادگیری ماشین
Classification
انجام یک پروژه عملیاتی Classification با استفاده از کتابخانه سایکیت لرن
در این دوره، مفاهیم اولیه و بنیادی یادگیری ماشین، پیشنیازهای استفاده از مدلهای یادگیری ماشین، چارچوبها، و تعدادی از الگوریتمها و کتابخانههای تخصصی یادگیری ماشین در پایتون بهصورت عملی و پروژهمحور تدریس خواهند شد.
--------------------------------------------------------------
اهداف دوره:
• آشنایی با بخشهایی از مفاهیم پیشپردازش و تمیزسازی دادهها بهصورت عملی و پروژهمحور
• آموزش و انجام چند پروژه یادگیری ماشین در حوزه یادگیری نظارتشده (Supervised Machine Learning)
• یادگیری مفاهیم اولیه و بنیادی یادگیری ماشین
• بررسی پیشنیازهای استفاده از مدلهای یادگیری ماشین
• معرفی انواع مدلها و نحوه ارزیابی کارایی مدلهای یادگیری ماشین
• آشنایی با تعدادی از کتابخانههای تخصصی مرتبط با یادگیری ماشین در پایتون
--------------------------------------------------------------
مخاطب هدف:
• علاقهمندان به حوزه پایتون
• علاقهمندان به یادگیری ماشین و علوم داده
دوره را با دوستان خود به اشتراک بگذارید