دوره پیشرفته یادگیری ماشین با پایتون

این دوره بعنوان مکمل و در ادامه دوره مقدماتی یادگیری ماشین با پایتون طراحی و ارائه گردیده است. در دوره مقدماتی علاوه بر مرور سریع بر زبان برنامه نویسی پایتون, کتابخانه های کاربردی و مورد نیاز یادگیری ماشین, مفاهیم و اصول تئوری یادگیری ماشین و برخی از متدها و روش های Classification و Regression اموزش داده شد. در این دوره متدهای بیشتری از یادگیری ماشین, مطابق روال ابتدا با اموزش مفاهیم تئوری و سپس با پیاده سازی توسط پایتون ارائه خواهند شد. متدهایی مانند SVM,K mean, K nearest و دیگر مطالب مورد نیاز, در این دوره ارائه و در ادامه مفاهیم NLP , همچنین پیاده سازی برخی از کاربردهای ان با استفاده از کتابخانه های مربوطه ارائه میگردد, که برای درک و اشنایی با مبحث جذاب, گسترده و پیچیده NLP طراحی گردیده است.

در ارائه دوره, فرض بر تسلط کامل دانش پژوهان بر زبان برنامه نویسی پایتون و مفاهیم اولیه یادگیری ماشین میباشد. در این دوره سرعت ارائه مطالب نسبت به دوره مقدماتی بیشتر میباشد. چنانچه دانش پژوهان عزیز تسلط کافی بر دوره مقدماتی داشته و ارتباط مناسبی با انها برقرار نموده باشند, دوره حاضر با هدف تکمیل شناخت و اموزش بیشتر یادگیری ماشین مفید میباشد.

پس از گذراندن دوره, دانش پژوهان تسلط کافی بر مباحث یادگیری ماشین خواهند داشت و در صورت نیاز امکان مطالعه منابع و مراجع اکادمیک به منظور تعمیق درک مفاهیم مرتبط را خواهند داشت. در طراحی و اجرای دوره هدف ارائه مفاهیم اکادمیک حسب ضرورت و نیازمندی صرفا جهت درک بهتر دستورات و توانمندسازی دانش پژوهان عزیز در پیاده سازی متد ها و الگوریتم ها بوده است.

مخاطبان دوره :

این دوره مناسب دانش پژوهانی است که مایل هستند, با مفاهیم یادگیری ماشین اشنایی عمیق تری پیدا و تسلط بیشتری بر متدهای پیاده سازی ان داشته باشند.

سرفصل های دوره:

1) معرفی دوره

2) مفاهیم تئوری پیشرفته تر یادگیری ماشین

3) مفاهیم و مدل K Nearest Neighbors

4) مفاهیم و مدل Support Vector Machine

5) مفاهیم و مدل K means

6) مفاهیم و مدل Naïve Bayas

7) مفاهیم و مدل NLP(Natural Language Processing)

8) جمع بندی دوره

پیش نیاز های دوره :

گذراندن دوره مقدماتی یادگیری ماشین با پایتون
تسلط به زبان برنامه نویسی پایتون

دوره پیشرفته یادگیری ماشین با پایتون