بوت‌کمپ یادگیری ماشین: پایتون، پروژه‌ها و استقرار

آنچه یاد خواهید گرفت:

• ساخت مدل‌های یادگیری ماشین با استفاده از پایتون، شامل طبقه‌بندی، رگرسیون و یادگیری بدون نظارت  
• درک ریاضیات پشت یادگیری ماشین، شامل جبر خطی، آمار، احتمال و حسابان با شهود روشن.
• انجام جمع‌آوری داده، تحلیل اکتشافی داده (EDA)، پیش‌پردازش، مهندسی ویژگی و ارزیابی مدل با استفاده از مجموعه‌داده‌ واقعی
• اعمال اعتبارسنجی متقابل، تنظیم ابرپارامترها و انتخاب مدل برای ساخت مدل‌های یادگیری ماشین قابل اعتماد و بهینه
• تبدیل نوت‌بوک‌های یادگیری ماشین به اسکریپت‌های پایتون آماده تولید و ارائه مدل‌ها با استفاده از FastAPI و Streamlit
• استقرار کامل اپلیکیشن های یادگیری ماشین به صورت سرتاسری روی AWS EC2 با گردش‌کارهای واقعی

پیش‌نیازهای دوره

• نیازی به تجربه قبلی در یادگیری ماشین نیست. شما همه چیز را از ابتدا یاد خواهید گرفت.
• نیازی به پیش‌زمینه ریاضی پیشرفته نیست. تمام مفاهیم ریاضی مورد نیاز با شهود و مثال توضیح داده می‌شوند.
• مهارت‌های اولیه کار با کامپیوتر و تمایل به یادگیری و تمرین کافی است.
• یک لپ‌تاپ یا رایانه رومیزی با دسترسی به اینترنت (ویندوز، macOS یا لینوکس).
• نیازی به نرم‌افزار پولی نیست. تمام ابزارهای استفاده شده رایگان و متن‌باز هستند.
• برخی بخش‌ها شامل استقرار روی AWS هستند. داشتن حساب کاربری AWS مفید اما اختیاری است.

توضیحات دوره

این یک بوت‌کمپ کامل و عملی یادگیری ماشین است که طراحی شده تا شما را از مبانی پایتون به ساخت و استقرار اپلیکیشن های واقعی و آماده تولید یادگیری ماشین برساند.

شما یادگیری ماشین را به روش درست فرا خواهید گرفت - شروع با پایتون و اصول ضروری ریاضی، کار با مجموعه‌داده‌ واقعی، ساخت مدل‌ها، ارزیابی صحیح آن‌ها و در نهایت استقرار سیستم‌های یادگیری ماشین روی AWS.

برخلاف دوره‌های متمرکز بر تئوری، این بوت‌کمپ بر درک عملی، کد تمیز، پروژه‌های واقعی و گردش‌کارهای استقرار واقعی که در صنعت استفاده می‌شوند، تمرکز دارد.

آنچه از این دوره کسب خواهید کرد:

• مهارت‌های قوی برنامه‌نویسی پایتون برای یادگیری ماشین
• شهود روشن برای ریاضیات پشت یادگیری ماشین شامل جبر خطی، آمار، حسابان و احتمال
• تجربه عملی در جمع‌آوری داده، EDA و پیش‌پردازش
• ساخت و ارزیابی مدل‌های طبقه‌بندی، رگرسیون و بدون نظارت
• اعتبارسنجی صحیح مدل، اعتبارسنجی متقابل و تکنیک‌های بهینه‌سازی
• چندین پروژه واقعی یادگیری ماشین
• تبدیل نوت‌بوک‌ها به اسکریپت‌های پایتون تمیز و مناسب تولید
• ساخت APIهای یادگیری ماشین با FastAPI و رابط‌های کاربری با Streamlit
• استقرار کامل اپلیکیشن های یادگیری ماشین روی AWS EC2
• کار روی پروژه‌های نهایی در سطح تولید که می‌توانید در نمونه‌کار خود به نمایش بگذارید.

این دوره برای چه کسانی مناسب است:

• مبتدیانی که یادگیری ماشین را از ابتدا شروع می‌کنند.
• دانشجویانی که برای نقش‌های یادگیری ماشین یا علم داده آماده می‌شوند.
• افراد حرفه‌ای که قصد ورود به حوزه یادگیری ماشین را دارند.
• توسعه‌دهندگانی که می‌خواهند اپلیکیشن های واقعی یادگیری ماشین را بسازند و مستقر کنند.

هیچ پیش‌زمینه قبلی در یادگیری ماشین، پایتون یا ریاضی لازم نیست. همه چیز گام به گام با شهود و مثال‌های عملی توضیح داده می‌شود.

تا پایان این بوت‌کمپ، شما فقط یادگیری ماشین را درک نخواهید کرد -

بلکه قادر خواهید بود سیستم‌های واقعی یادگیری ماشین را با اطمینان بسازید، مستقر کنید و توضیح دهید.

این دوره برای چه کسانی مناسب است؟

• مبتدیانی که می‌خواهند یادگیری ماشین را از ابتدا با پایتون و راهنمایی شفاف گام‌به‌گام یاد بگیرند.
• دانشجویان و افراد تازه‌کار که برای مشاغل در حوزه یادگیری ماشین، علم داده یا هوش مصنوعی آماده می‌شوند.
• افراد شاغل که به دنبال ورود به حوزه یادگیری ماشین یا ارتقای مهارت با پروژه‌های واقعی هستند.
• توسعه‌دهندگان نرم‌افزار که می‌خواهند مهارت‌های یادگیری ماشین و استقرار را به مجموعه ابزار خود اضافه کنند.
• یادگیرندگانی که می‌خواهند اپلیکیشن های واقعی و آماده تولید یادگیری ماشین بسازند و مستقر کنند، نه فقط نوت‌بوک‌های کدنویسی