الگوریتم‌های بدون نظارت در یادگیری ماشین

آنچه یاد خواهید گرفت:

• توضیح دهید که یادگیری بدون نظارت چیست و متدهای مورد استفاده در یادگیری بدون نظارت را فهرست کنید.
• الگوریتم‌های متدهای مختلف تجزیه ماتریس و کاربرد هر یک را فهرست و توضیح دهید.
• الگوریتم‌های متدهای مختلف تجزیه ماتریس و کاربرد هر یک را فهرست و توضیح دهید.

توضیحات دوره

یکی از سودمندترین زمینه‌ها در یادگیری ماشین، کشف الگوهای پنهان از داده‌ بدون برچسب است. اصول این مهارت پرطرفدار را به جعبه ابزار علم داده خود اضافه کنید. در این دوره، ما متدهای منتخب یادگیری بدون نظارت را برای کاهش ابعاد، خوشه‌بندی و یادگیری ویژگی‌های پنهان خواهیم آموخت. همچنین بر کاربردهای دنیای واقعی مانند سیستم‌های توصیه‌گر با مثال‌های عملی از الگوریتم‌های توصیه محصول تمرکز خواهیم کرد.

دانش قبلی برنامه‌نویسی یا اسکریپت‌نویسی الزامی است. ما به طور گسترده از پایتون در طول دوره استفاده خواهیم کرد. مهارت‌های ریاضیات سطح دانشگاه، از جمله حساب دیفرانسیل و انتگرال و جبر خطی مورد نیاز است. گذراندن دوره اول در این تخصص، آشنایی با یادگیری ماشین: یادگیری با نظارت، توصیه می‌شود اما الزامی نیست.

این دوره می‌تواند به عنوان واحد درسی برای مدارک کارشناسی ارشد علم داده یا کارشناسی ارشد علوم کامپیوتر دانشگاه کلرادو بولدر که در پلتفرم Coursera ارائه می‌شوند، گذرانده شود. این مدارک تحصیلات تکمیلی کاملاً معتبر، دوره‌های هدفمند، جلسات کوتاه 8 هفته‌ای و پرداخت شهریه به صورت مرحله‌ای را ارائه می‌دهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سوابق تحصیلی. مدارک CU در Coursera برای فارغ‌التحصیلان اخیر یا متخصصان شاغل ایده‌آل هستند.