یادگیری ماشین با Python
اطلاعات بیشتر
یادگیری ماشین زیرمجموعه‌ای از هوش مصنوعی است که به سیستم‌ها این امکان را می‌دهد بدون نیاز به برنامه‌نویسی به طور خودکار یاد بگیرند. تمرکز اصلی یادگیری ماشین بر توسعه برنامه‌های رایانه‌ای است که می‌توانند به داده‌ها دسترسی داشته باشند و از آنها برای یادگیری استفاده کنند.
انواع یادگیری ماشین
یادگیری ماشین انواع مختلفی دارد. به طور کلی انواع یادگیری ماشین به سه دسته تقسیم میشوند:
- یادگیری تحت نظارت
در این نوع یادگیری، متخصصان به عنوان ناظر، داده‌ها را در اختیار ماشین قرار می‌دهند و انواع داده‌ها را برچسب‌گذاری می‌کنند. در این نوع یادگیری ورودی و خروجی مشخص میشود و ماشین سعی میکند تا الگویی از رساندن ورودی به خروجی مورد انتظار را یاد بگیرد.
- یادگیری بدون نظارت
در این نوع یادگیری، بدون کمک متخصصان و بدون استفاده از برچسب‌هایی که نوع داده‌ها را مشخص میکند، روابط بین داده‌ها را کشف میشود. به عنوان مثال، میتوانید صدها تصویر از پرندگان و میوه‌های مختلف را به رایانه بدهید و از آن بخواهید که ویژگی‌های مشترک بین این تصاویر را پیدا کند و الگوی طبقه‌بندی آنها را بدون کمک کشف کند.
- یادگیری تقویتی
در این نوع یادگیری، کامپیوتر می‌تواند باتوجه به بازخوردهایی که از اقدامات خود میگیرد، مسائل مختلف را با آزمون و خطا درک و تفسیر کند. بهترین شکل از این نوع یادگیری را می‌توان در بازی‌های ویدئویی مشاهده کرد. همچنین این نوع یادگیری ماشینی در اتوماسیون صنعتی نیز استفاده میشود.
کاربردهای ماشین لرنینگ با زبان برنامه‌نویسی پایتون
یادگیری ماشین کاربردهای بی‌شماری در دنیای امروز دارد. در زیر به برخی از کاربردهای یادگیری ماشین اشاره می‌کنیم.
- پیش‌بینی آب و هوا
- روش‌های تشخیص چهره
- خودرو‌های با قابلیت خودران
- نرم افزارهای ترجمه زبان محاوره‌ای
- پیش‌بینی وضعیت سهام در بورس
- کشف و تشخیص انواع بیماری‌ها و مواد مخدر
- کمک به محققان در شناسایی توالی‌های ژنتیکی
مهارت‌هایی که با گذراندن دوره آموزش ماشین لرنینگ کسب می‌کنید:
- تفکر آماری برای تحلیل داده
- تحلیل اکتشافی و تصویرسازی داده
- یادگیری نظارت نشده برای خوشه‌بندی
- یادگیری نظارت شده برای مدل‌سازی و پیش‌بینی آینده
- تجربه‌ی استفاده از پایتون و کتابخانه‌های تخصصی آن برای کار با داده
مخاطبین دوره ماشین لرنینگ با پایتون
دوره یادگیری ماشین برای تمامی افرادی که با هوش مصنوعی آشنایی دارند و می‌خواهند مهارت‌های خود را ارتقا دهند و برنامه نویسانی که علاقه‌مند به فعالیت در این زمینه هستند مناسب است.
مسیر یادگیری دوره یادگیری ماشین با پایتون جهاد دانشگاهی صنعتی شریف
در دوره آموزشی ماشین لرنینگ به تدریج با مباحث و اصول از جمله: آمار و احتمالات، تصویر کاوی، متن کاوی و… آشنا میشوید. پس از این دوره میتوانید در سایر دوره‌های گروه آموزشی علوم داده از جمله دوره دانشمند داده جهاد دانشگاهی صنعتی شریف شرکت نمایید و یک پله بالاتر از تخصص آموزش ببینید.
همچنین دوره‌های دیگری مانند آموزش یادگیری عمیق و دوره علم داده نیز در این گروه آموزشی برگزار میشود.
سرفصل‌های آموزشی
-
- روش‌های بررسی و اکتشاف داده‌ها (با استفاده از ابزارهای آمار)
- جبر خطی و استفاده از ماتریس‌ها در یادگیری ماشین
- مصورسازی داده‌ها برای تحلیل و آماده سازی داده‌ها
-
- معرفی و آموزش ابزار numpy
- معرفی و آموزش ابزار scipy
- معرفی و آموزش ابزار pandas
- معرفی و آموزش ابزار scikit learn 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
-
- الگوریتم‌های طبقه بندی، خوشه بندی و رگرسیون و نحوه کار با آنها
SVM, RandomForest, KNN, Kmeans, DBSCAN, XGBoost, CatBoost, etc - تشخیص بیماری دیابت با یادگیری ماشین
- تشخیص بیماری قلبی با یادگیری ماشین
- الگوریتم‌های طبقه بندی، خوشه بندی و رگرسیون و نحوه کار با آنها
-
- تبدیل کاراکترهای دست نوشته به الگوی قابل فهم برای کامپیوتر
- تشخیص کاراکترهای دست نوشته توسط الگوریتم‌های طبقه بندی
- تشخیص دقت طبقه بندی اعداد توسط الگوریتم‌های طبقه بندی
- ساخت مدل‌های مختلف طبقه بندی توسط الگوریتم‌های یادگیری ماشین
-
- عملیات پیش پردازش داده‌ها و پاکسازی متون
- دریافت و ذخیره مدل و استفاده از آن در کاربرد
- بررسی کیفیت الگوریتم‌ها و دقت و صحت مدل‌های مختلف
- آموزش بررسی کیفیت الگوریتم‌ها و دسته بندی آنها
-
- کار بر روی داده‌های شرکت‌های بیمه به صورت نامتوازن
- کاهش ابعاد داده‌های فروشگاه اینترنتی و استفاده از آن در تحلیل
- بهینه سازی مدل‌ها با استفاده از الگوریتم‌های فرا ابتکاری (metaheuristics)
-
- پیش بینی قیمت خانه با استفاده از الگوریتم‌های یادگیری ماشین
- پیش‌بینی خسارت وارده به حوادث در شرکت‌های بیمه با الگوریتم‌های یادگیری ماشین
-
- گروه بندی هوشمند داده‌ها با استفاده از الگوریتم‌های یادگیری ماشین
- گروه بندی مشتریان فروشگاه با روش REM
-
- تبدیل داده‌های سری زمانی به الگوی قابل فهم برای کامپیوتر
- معرفی و پیاده سازی الگوریتم‌های یادگیری ماشین بر روی سری‌های زمانی
- پیش بینی قیمت سهام با استفاده از روش‌ها و الگوریتم‌های یادگیری ماشین در سری‌های زمانی SARIMAX 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 4 میلیون تومان است شرایط پرداخت اقساط دارند، برای اطلاع از نحوه پرداخت اقساط با کارشناس دپارتمان هماهنگی های لازم را انجام دهید.
برای شرکت در این دوره باید با برنامه نویسی پایتون آشنایی داشت.
جهت آشنایی با نحوه ترجمه مدارک جهاد دانشگاهی صنعتی شریف به این لینک مراجعه کنید.
نظرسنجی
- تاریخ شروع: 1404/05/25
- مدت دوره: 40 ساعت
- روزهای برگزاری: شنبه ها
- شهریه: 6,200,000 تومان
- نحوه برگزاری: آنلاین
34 دیدگاه
سلام
برای این دوره چقدر باید با پایتون آشنایی داشت؟ لطفا دقیق و تخصصی پاسخ داده شود.
با سپاس
سلام. برای مشاوره دقیق با شماره 02167641999 تماس بگیرید.
کلاسها ضبط میشه
بله ضبط میشوند و تا 3 ماه دسترسی به ویدیوها دارید.
سلام، فیلم کلاس ها هم بعد هر کلاس روی سایت یا جایی برای دیدن آپلود میشه؟ چون من ممکن هست خود کلاس ها رو نتونم شرکت کنم
سلام. فیلم های کلاس ضبط میشوند و در پنلتون ذخیره میشوند و تا 1 ماه پس از پایان دوره فرصت دیدن دارید.
سلام
کلاسها چه ساعتی برگزار میشه؟
سلام. جمعه ها ساعت 9 تا 13
کجا باید ثبت نام کنیم ؟!!
سلام. از طریق همین صفحه میتوانید بصورت اینترنتی ثبت نام کنید و یا با کارشناس دوره با شماره 02167641999 و یا از طریق واتساپ 09222477250 ارتباط بگیرید .
امکان شرکت به صورت آفلاین هم وجود داره؟
سلام. ویدیو دوره تا 3 ماه پس از پایان دوره در اختیارتان قرار میگیرد.
با سلام و احترام. این دوره پیش‌نیاز علم داده هست یا اینکه اگر در دوره علم داده شرکت کنیم این مباحث هم در اونجا پوشش داده میشود؟
سلام وقت بخیر. خیر، دوره ماشین لرنینگ پیش نیاز دوره علم داده نیست. در دوره علم داده بطور کامل به بحث ماشین لرنینگ پرداخته نمیشود چون ماشین لرنینگ خودش دوره ای مجزا دارد اما با مباحث این حوزه آشنا میشوید.
سلام وقت بخیر . این دوره در چ تاریخی شروع میشه؟
سلام روز بخیر. از 8 دی ماه شروع میشود.