پایتون (یادگیری ماشین) | آنلاین و حضوری
در علوم کامپیوتر
ایجاد شده توسط
مهندس ژینوس ادیبی
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