یادگیری ماشین با python

اطلاعات بیشتر​

یادگیری ماشین (Machine Learning) از روش‌های هوش مصنوعی  است که به سیستم توانایی یادگیری خودکار و بدون برنامه‌ریزی صریح را می‌دهد. هدف اصلی ماشین لرنینگ طراحی و توسعه برنامه‌های هوشمندی است که بتوانند به داده‌ها دسترسی پیدا کنند و از آن‌ها برای یادگیری استفاده کنند.

ماشین لرنینگ یا یادگیری ماشین روشی است که در آن به برنامه‌های کامپیوتری آموزش داده می‌شود به جای اجرای کدها، داده‌ها را شناسایی کرده و مورد تحلیل قرار دهند. این کار به روش‌ها و با استفاده از الگوریتم‌های گوناگون انجام می‌شود.

یادگیری ماشین را به 3 دسته تقسیم میشود که شامل موارد زیر میباشد:

  • یادگیری با نظارت (Supervised Learning)
  • یادگیری بدون نظارت (Unsupervised Learning)
  • یادگیری تقویتی (Reinforcement Learning)

 

ماشین لرنینگ کاربردهای بسیار زیادی دارد که از جمله آنها میتوان به موارد زیر اشاره نمود:

  • شناسایی چهره
  • کمک به رادیولوژیست‌ها در تشخیص تومور
  • کمک به محققان در شناسایی توالی‌های ژنتیکی 
  • نسخه برداری کتبی دقیق از گفتار برای ثبت اطلاعات 
  • دید کامپیوتری در خودروهای خودران، پهپادها و روبات‌ها
  • شناسایی گفتار، زبان و ترکیب چت‌بات ها با روبات‌های خدماتی

سرفصل‌های آموزشی​

    • روش های بررسی و اکتشاف داده ها (با استفاده از ابزارهای آمار)
    •  جبرخطی و استفاده از ماتریس ها در یادگیری ماشین
    •  مصورسازی داده ها برای تحلیل و آماده سازی داده ها
    • معرفی و آموزش ابزار numpy
    • معرفی و آموزش ابزار scipy
    • معرفی و آموزش ابزار pandas
    • معرفی و آموزش ابزار learn scikit جهت انجام عملیات داده کاوی کلاسیک
    • معرفی و آموزش ابزار keras و tensorflow جهت انجام عملیات داده کاوی با شبکه های عصبی و یادگیری عمیق
    •  الگوریتم های طبقه بندی، خوشه بندی و رگرسیون و نحوه ی کار با آنها
      SVM, RandomForest, KNN, Kmeans, DBSCAN, XGBoost, CatBoost, etc 
    •  تشخیص بیماری دیابت با یادگیری ماشین
    • تشخیص بیماری قلبی با یادگیری ماشین
    • تبدیل کاراکترهای دست نوشته به الگوی قابل فهم برای کامپیوتر
    • تشخیص کاراکترهای دست نوشته توسط الگوریتم های طبقه بندی
    •  تشخیص دقت طبقه بندی اعداد توسط الگوریتم های طبقه بندی
    • ساخت مدل های مختلف طبقهبندی توسط الگوریتم های یادگیری ماشین
    • عملیات پیش پردازش داده ها و پاکسازی متون
    • دریافت و ذخیره مدل و استفاده از آن در کاربرد
    • بررسی کیفیت الگوریتم ها و دقت و صحت مدل های مختلف
    • آموزش بررسی کیفیت الگوریتم ها و دسته بندی آنها
    • کار بر روی داده های شرک تهای بیمه به صورت نامتوازن
    • کاهش ابعاد داده های فروشگاه اینترنتی و استفاده از آن در تحلیل
    • بهینه سازی مدل ها با استفاده از الگوریتم های فرا ابتکاری (metaheuristics)
    • پیش بینی قیمت خانه با استفاده از الگوریتم های یادگیری ماشین
    • پیشبینی خسارت وارده به حوادث در شرکت های بیمه با الگوریتم های یادگیری ماشین
    • گروه بندی هوشمند داده ها با استفاده از الگوریتم های یادگیری ماشین
    • گروه بندی مشتریان فروشگاه با روش R
    • تبدیل داده های سری زمانی به الگوی قابل فهم برای کامپیوتر
    • معرفی و پیاده سازی الگوریتم های یادگیری ماشین بر روی سری های زمانی
    • پیش بینی قیمت سهام با استفاده از روش ها و الگوریتم های یادگیری ماشین در سری های زمانیSARIMAX و Pandas)

سوالات متداول​

این دوره بصورت آنلاین و در بستر ادوبی کانکت Adobe connect برگزار می‌شود.

پس از گذراندن دوره و در صورت کسب نمره قبولی در آزمون‌ها و پروژه‌ها به فراگیران گواهینامه ارائه می‌شود.

دوره هایی که هزینه آن ها بالای 3 میلیون تومان است شرایط پرداخت اقساط دارند، برای اطلاع از نحوه پرداخت اقساط با کارشناس دپارتمان هماهنگی های لازم را انجام دهید.

مشاوره و ثبت‌نام: