چه چیزی یاد خواهید گرفت؟
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
درباره این دوره
نوع دوره : حضوری
نوع مدرک : فنـی و حرفه‌ای
اسم دپارتمان : کامپیوتر
در این دوره ، مفاهیم اولیه و بنیادی ماشین لرنینگ، پیش نیازهای به کارگیری مدل های یادگیری ماشین ، چارچوب و تعدادی از الگوریتم ها و کتابخانه های تخصصی یادگیری ماشین در پایتون بصورت عملیاتی و پروژه محور تدریس خواهد شد.
توضیحات مدرس درباره دوره
مشخصات دوره
برای مشاهده تصویر کلیک کنید
درباره مدرس دوره
مهندس ژینوس ادیبی
مدرس دوره پایتون و ماشین لرنینگتحصیلات
کارشناسـی ارشد مدیریت فناوری اطلاعات - دانشگاه الزهرا
سوابق فعالیت
- مجری پروژه های برنامه نویسـی درحوزه دیتاساینس ،تحلیل داده و یادگیری ماشین بصورت Freelance
- تدریس برنامه نویسـی پایتون و یادگیری ماشین
- همکاری با شرکت توسن افق هزاره در حوزه تحلیل و آنالیزداده های بورس تهران
- همکاری با شرکت مهندسـی سیستم یاس ارغوانی در حوزه تحلیل و آنالیزداده
- همکاری با شرکت پژوهش و فناوری پتروشیمی به عنوان کارشناس مدیریت پروژه
- همکاری با شرکت راهبران پتروشیمی به عنوان کارشناس فناوری اطلاعات
مقالات علمی
- ارائه مدل تلفیقی برای ارزیابی آمادگی سازمان ها جهت پیاده سازی سیستم انبار داده با استفاده از تحلیل سلسله مراتبی – دکتر جعفر باقری نژاد و ژینوس ادیبی(علمی - پژوهشـی)
اهداف یادگیری
مخاطب هدف
- علاقه مندان به حوزه پایتون
- علاقه مندان به یادگیری ماشین و علوم داده
