پوشش کامل نیازهای شما برای یادگیری

دوره تخصصی Machine learning

دوره تخصصی یادگیری ماشین مقدماتی (Elementary Machine learning)

بدیهی است گذراندن دوره پایتون مقدماتی و دوره کلاسیک تخصصی علم داده(Data Science) و داده کاوی(Data Mining) و مصورسازی(Visualization) با پایتون و یا آشنایی ابتدایی با آن مفاهیم و همچنین نحوه استفاده از ژوپیتر نوت بوک جزو لوازم شرکت و بهره مندی کامل از این دوره است.

در این دوره پس از بیان و بررسی مفاهیم اولیه یادگیری ماشین موارد زیر مورد بررسی قرار می گیرد:

  1. اصول و موارد بهره گیری از یادگیری ماشین
  2. بررسی برخی از کاربردهای عملی یادگیری ماشین
  3. نحوه تجزیه و تحلیل داده‌ها
  4. پیش‌پردازش داده ها
  5. بررسی انواع مدل‌های یادگیری ماشین
  6. روش‌های بخش بندی داده و آموزش مدل‌های یادگیری ماشین
  7. ارزیابی عملکرد مدل‌های یادگیری ماشین و متریک های آن
  8. بهینه‌سازی پارامترهای مدل ها

پیش نیاز دوره : دوره تخصصی علم داده(Data Science)  و داده کاوی(Data Mining)

آشنایی با مفاهیم پایه ای یادگیری ماشین (2 جلسه)

به کارگیری مفاهیم پایه ای یادگیری ماشین با پایتون (2 جلسه)

انجام پروژه های یادگیری ماشین(4 جلسه)


  • مقدمات و مفاهیم یادگیری ماشین
  • اصول یادگیری ماشین با پایتون
  • انواع مدل های رگرسیون و طبقه بندی
  • Decision Tree
  • KNN
  • Random forest
  • رگرسیون خطی
  • رگرسیون لجستیک
  • ملاک های ارزیابی مدل ها
  • لایبرری sklearn
  • پروژه تخمین salary با رگرسیون خطی
  • پروژه های دیتاست IRIS
  • پروژه پیش بینی آب و هوا
  • تخمین قیمت خانه

دسته بندی اصلی

پایتون تخصصی-علم داده

تعداد دانشجو

مدرس آموزش

میثم یزدان پناهی

مدت زمان آموزش

8 جلسه

نوع تدریس

تئوری عملی

پیش نیاز

دوره آموزش پایتون مقدماتی، دوره آموزش دوره کلاسیک تخصصی Data Science و Data Mining و Visualization با پایتون، آشنایی با نوت بوک ژوپیتر

اشتراک گذاری