یادگیری ماشین (Machine Learning)

دوره یادگیری ماشین (Machine Learning)

دوره یادگیری ماشین (Machine Learning) فرصتی ارزشمند برای یادگیری مفاهیم بنیادی و کاربردی یادگیری ماشین است. این دوره با تمرکز بر پروژه‌های عملی و استفاده از ابزارهای کاربردی، شرکت‌کنندگان را برای ورود به دنیای هوش مصنوعی و یادگیری ماشین آماده می‌کند. از تحلیل داده‌ها تا ساخت مدل‌های پیش‌بینی، این دوره تمامی مهارت‌های لازم را به شما آموزش خواهد داد.

اهداف دوره:

• آشنایی با مفاهیم اولیه و ابزارهای یادگیری ماشین.
• پیاده‌سازی الگوریتم‌های پایه و پیشرفته یادگیری ماشین.
• تحلیل داده‌ها و استفاده از کتابخانه‌های معروف پایتون.
• انجام پروژه‌های عملی در حوزه‌های مختلف یادگیری ماشین.

سرفصل‌های دوره:

1. جلسه اول: نصب برنامه‌ها و کتابخانه‌های موردنیاز، مقدمه‌ای بر یادگیری ماشین و مفاهیم هوش مصنوعی.
2. جلسه دوم: معرفی مدل‌های از پیش آموزش‌داده‌شده و آشنایی با کتابخانه OpenCV.
3. جلسه سوم: آشنایی با YOLO و پروژه شناسایی اشیاء.
4. جلسه چهارم: معرفی انواع دیتاست، مفاهیم و ساختار داده‌ها.
5. جلسه پنجم: ارائه استراتژی‌های حل مسائل یادگیری ماشین و کار با کتابخانه‌های Pandas و Scikit-Learn.
6. جلسه ششم: معرفی و پیاده‌سازی الگوریتم KNN و پروژه شناسایی گل‌های Iris (بخش اول).
7. جلسه هفتم: پروژه شناسایی گل‌های Iris (بخش دوم).
8. جلسه هشتم: آشنایی و پیاده‌سازی الگوریتم Logistic Regression و پروژه تشخیص دیابت (بخش اول).
9. جلسه نهم: پروژه تشخیص دیابت (بخش دوم).
10. جلسه دهم: معرفی و پیاده‌سازی الگوریتم Linear Regression و پروژه داده‌کاوی: تخمین مصرف انرژی (بخش اول).
11. جلسه یازدهم: پروژه داده‌کاوی: تخمین مصرف انرژی (بخش دوم).
12. جلسه دوازدهم: مرور، رفع اشکال و ارزیابی نهایی.

پیش‌نیازها:

این دوره نیازمند آشنایی اولیه با برنامه‌نویسی پایتون و مفاهیم پایه ریاضیات (آمار و جبر خطی) است.

نتیجه نهایی:

در پایان این دوره، شرکت‌کنندگان توانایی تحلیل داده‌ها، ساخت و ارزیابی مدل‌های یادگیری ماشین و مشارکت در پروژه‌های پیشرفته در حوزه‌های مختلف را خواهند داشت.