دوره آموزشی یادگیری ماشین

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

معرفی دوره

اگر بخواهیم به کامپیوتر توانایی یادگیری بدهیم از یادگیری ماشین استفاده میکنیم. الگوریتم‌های یادگیری ماشین با استفاده از داده‌های موجود الگوها و روابط را کشف می‌کنند و از این دانش برای انجام وظایف مختلف، مانند پیش‌بینی، طبقه‌بندی و تصمیم‌گیری استفاده می‌کنند. در این دوره، 40 ساعت آموزش یادگیری ماشین برای افرادی طراحی شده است که در زبان برنامه نویسی پایتون تسلط نسبی دارند و میخواهند با استفاده از پروژه های عملی و کاربردی، اصول الگوریتم های ماشین لرنینگ، پیش‌پردازش داده‌ها و ارزیابی مدل را آموزش ببینند. علاوه بر این، در این دوره با مقدمات آموزش یادگیری عمیق برای پردازش تصویر، صوت و متن هم آشنا خواهید شد.

پس از پایان دوره:

حمایت جهت ورود به کسب و کار شامل تعریف پروژه، استخدام، تشکیل استارتاپ
توانایی انجام پروژه هایی مانند پیش بینی قیمت و سیستم های توصیه گر
کسب درآمد از انجام پروژه های یادگیری ماشین
شروع مسیر متخصص شدن در هوش مصنوعی
ساخت رزومه در سایت های معتبر خارجی جهت تسهیلگری مهاجرت

دوره آموزشی یادگیری ماشین

فصل 1: سرفصل های دوره آموزشی یادگیری ماشین

مروری بر مفاهیم و برنامه های یادگیری ماشین 2:00:00
مروری بر کتابخانه های پایتون برای یادگیری ماشینNumPy ، Pandas، Matplotlib 2:00:00
راه اندازی محیط Anaconda، Jupyter 2:00:00
تجزیه و تحلیل داده های اکتشافی (EDA) با استفاده از Pandas و Matplotlib 2:00:00
پاکسازی داده ها و مدیریت مقادیر از دست رفته 2:00:00
مقیاس بندی و نرمال سازی ویژگی ها 2:00:00
مدیریت متغیرهای طبقه بندی شده با استفاده از One_Hot Encoding و Label Encoding 2:00:00
تکنیک های مهندسی ویژگی 2:00:00
مقدمه ای بر تحلیل رگرسیون 2:00:00
اجرای رگرسیون خطی با استفاده از Scikit-Learn 2:00:00
رگرسیون چند جمله ای 2:00:00
معیارهای ارزیابی مدل: میانگین مربعات خطا (MSE)، R-squared 2:00:00
مقدمه ای بر الگوریتم های طبقه بندی 2:00:00
رگرسیون لجستیک 2:00:00
(KNN) K-Nearest Neighbors 2:00:00
Decision Tree و Random Forest 2:00:00
معیارهای ارزیابی مدل 2:00:00
خوشه بندی 2:00:00
کاهش ابعاد 2:00:00
Curse of dimensionality 2:00:00
تجزیه و تحلیل اجزای اصلی (PCA) 2:00:00
t-Distributed Stochastic Neighbor Embedding (t-SNE) 2:00:00
مبانی شبکه های عصبی مصنوعی 2:00:00
مقدمه ای بر TensorFlow و Keras 2:00:00