یادگیری ماشین
از دادههای خام تا ساخت مدلهای هوشمند و پیشبینی دقیق
پیش نیاز
پایتون متوسطه
سطح برگزاری دوره
حرفهای
تعداد جلسات
۱۵ جلسه
زمان دوره
۳۰ ساعت
آزمون پایان دوره
دارد
پروژههای عملی
۳ پروژه صنعتی
روش پشتیبانی
منتور تخصصی
بستر برگزاری دوره
آنلاین زنده
دربارهی این دوره
با مفاهیم پایهای و کاربردی یادگیری ماشین آشنا میشوید. از رگرسیون و طبقهبندی تا خوشهبندی و مدلسازی دادههای واقعی — همه با پایتون و scikit-learn.
سرفصلهای دوره
۱
معرفی یادگیری ماشین
۲ جلسه
۲
رگرسیون (Linear/Logistic)
۳ جلسه
۳
درخت تصمیم و Random Forest
۳ جلسه
۴
SVM و KNN
۲ جلسه
۵
خوشهبندی (K-Means)
۲ جلسه
۶
ارزیابی و بهینهسازی مدل
۲ جلسه
۷
پروژهی نهایی
۱ جلسه
چیزهایی که یاد میگیری
- مبانی آماری و ریاضی یادگیری ماشین
- رگرسیون خطی و لجستیک
- درخت تصمیم و جنگل تصادفی
- SVM و KNN
- خوشهبندی با K-Means
- ارزیابی مدل و Cross Validation
- ساخت پروژهی واقعی