این ریپازیتوری برای دوره ی یادگیری ماشین در کدینگ کاگز است. مشاهده دوره,برای استفاده ی بهینه از دوره نیازی به دانلود یا کلون کدها ندارید و میتوانید از طریق محیط آنلاین ارائه شده در مثال هاو تمرین ها، کدها را بررسی کنید.
اگر در ابتدای راه خود برای فراگیری یادگیری ماشین هستید و یا هیچ دانش قبلی در زمینه ی یادگیری ماشین ندارید این دوره برای شما مناسب است.
- پیش نیاز این دوره پایتون است و تنها کافی است که از محیطی که برای توسعه ی پایتون استفاده میکنید، استفاده کنید.
- در این دوره سعی شده با استفاده از روش تورینگ، نیاز شما به آماده سازی های نرم افزاری را به حداقل برسانیم تا بتوانید روی یادگیری تمرکز کنید.
الگوریتم های یادگیری ماشین بخشی جدایی ناپذیر از بیشتر برنامه های کاربردی مدرن هستند. برای سریع‌تر و دقیق‌تر کردن فرآیند یادگیری، به ابزاری نیاز دارید که به اندازه کافی انعطاف‌پذیر و قدرتمند باشد تا به شما کمک کند الگوریتم‌های یادگیری ماشینی را سریع و آسان بسازید. شما به کتابخانه scikit-learn مسلط خواهید شد و در توسعه الگوریتم های هوشمندانه و یادگیری ماشین مهارت خواهید داشت.
کارگاه یادگیری ماشین، با نشان دادن نحوه عملکرد الگوریتم‌های یادگیری بدون نظارت و نظارت (unsupervised and supervised) با تجزیه و تحلیل مجموعه داده‌های دنیای واقعی از مشتریان بطور یکجا آغاز می‌شود. هنگامی که با اصول اولیه آشنا شدید، یک شبکه عصبی مصنوعی را با استفاده از scikit-learn توسعه خواهید داد و سپس عملکرد آن را با تنظیم دقیق هایپر پارامترها بهبود خواهید داد. در پایان کارگاه، مجموعه داده‌های استفاده شده در فعالیت‌های بازاریابی یک بانک را مطالعه میکنید و مدل‌های یادگیری ماشین را می‌سازید که می‌تواند مشتریانی را که احتمالاً دارای احتمال تهیه سپرده ی مدت دارهستند را فهرست کند. شما همچنین یاد خواهید گرفت که چگونه این مدل ها را با هم مقایسه کنید و بهترین را انتخاب کنید. در پایان کارگاه یادگیری ماشین، شما نه تنها تفاوت بین مدل‌های تحت نظارت و بدون نظارت و کاربردهای آن‌ها در دنیای واقعی را یاد خواهید گرفت، بلکه مهارت‌های لازم برای شروع برنامه‌نویسی الگوریتم‌های یادگیری ماشین خود را نیز توسعه خواهید داد.
- بکاری گیری الگوریتم های مناسب با توجه به داده ها و خروجی مورد نظر
- الگوریتم های معروف و پر کاربرد مانند: K-means, Mean-Shift, and DBSCAN
- روش های متفاوت حل مسائل مختلف با استفاده از یادگیری ماشین
- توسعه ی شبکه های عصبی با استفاده از scikit-learn
- استفاده از شبکه های عصبی برای ایجاد مدل و پیش بینی
- تحلیل خطا و بهبود کارایی مدل
اگر این ریپازیتوری برای شما مفید بود، میتوانید به صفحه ی دوره های دیگر ما نیز سری بزنید: