یادگیری ماشین با پایتون - دوره کامل و پروژه‌ها

آنچه یاد خواهید گرفت:

• یادگیری علم داده
• یادگیری تئوری‌های پشت الگوریتم‌های یادگیری ماشین
• یادگیری اعمال الگوریتم‌های یادگیری ماشین در پایتون
• یادگیری مهندسی ویژگی
• یادگیری اصول پایتون
• یادگیری تحلیل داده

پیش‌نیازهای دوره

• بدون الزامات - تنها داشتن انگیزه برای یادگیری کافی است.

توضیحات دوره

به دوره یادگیری ماشین در پایتون، از تئوری تا پیاده‌سازی خوش آمدید. هدف دوره آموزش الگوریتم‌های یادگیری ماشین با ساده‌سازی مفاهیم تئوری و نحوه استفاده عملی از آنها در پایتون است.

دوره با مبانی پایتون شروع می‌شود و سپس مفاهیم یادگیری ماشین مانند متریک‌های ارزیابی مدل و مهندسی ویژگی پوشش داده می‌شود. در ادامه، الگوریتم‌های مختلف یادگیری ماشین آموزش داده خواهند شد.

در این دوره مباحثی مانند مبانی پایتون، کتابخانه Pandas، مهندسی ویژگی، متریک‌های ارزیابی مدل‌های یادگیری ماشین، Train Test Split و الگوریتم‌های یادگیری ماشین را یاد می‌گیرید.

مباحث دوره:

• اصول پایتون
• کتابخانه Pandas
• مهندسی ویژگی
• ارزیابی عملکردهای مدل‌
• یادگیری نظارت شده در مقابل یادگیری نظارت نشده
• الگوریتم‌های یادگیری ماشین

الگوریتم‌های یادگیری ماشین که در این دوره پوشش داده می‌شوند شامل رگرسیون خطی، رگرسیون لجستیک، نزدیک‌ترین همسایه K، ماشین‌های بردار پشتیبان، درخت تصمیم‌گیری، جنگل تصادفی و خوشه‌بندی K-Means هستند.

اگر به یادگیری ماشین علاقه‌مند هستید و می‌خواهید تئوری و پیاده‌سازی الگوریتم‌ها را با پایتون یاد بگیرید، این دوره برای شما مناسب است.

این دوره برای چه کسانی مناسب است؟

• افرادی که می‌خواهند یادگیری ماشین را یاد بگیرند.
• افرادی که می‌خواهند پایتون را یاد بگیرند.