دوره مقدماتی یادگیری ماشین (ML)
یادگیری ماشین به ماشین‌ها اجازه می‌دهد که با تحلیل داده‌های بزرگ و پیچیده، الگوهایی را شناسایی کنند و با استفاده از آنها، تصمیمات بهتری برای حل مسائل پیچیده بگیرند.
چه چیزی یاد خواهم گرفت؟
- مقدمه ای بر یادگیری ماشین وکاربردهای آن
- یادگیری ماشین
- یادگیری با ناظر
- یادگیری بدون ناظر
- آشنایی اولیه با دسته بندی الگوریتم های یادگیری ماشین (ML)
- تحت نظارت (supervised)
- نیمه نظارتی (semi-supervised)
- بدون نظارت (unsupervised)
- تقویتی (reinforcement)
- پیش پردازش داده ها (Data Preprocessing)
- بررسی یکپارچگی داده‌ها (Data Integrity)
- نرمال کردن داده‌ها (Data Normalization) و انواع آن
- تبدیل داده‌ها (Data Transformation)
- داده‌های گم‌شده (Missing Values)
- تشخیص داده‌های پرت و دارای نویز (Noise)
- انتخاب ویژگی (Feature Section) و کاهش ابعاد
- انتخاب نمونه (Instance Selection)
- بخش بندی داده‌ها (Train , Test , Split)
- آشنایی با روش‌های مدیریت داده‌های کیفی
- آشنایی با feature generation
- ایجاد Dummy برای ویژگی‌های کیفی
برنامه درسی دوره
