Introduction to Machine Learning
از مفهوم پایهی یادگیری ماشین تا رگرسیون، دستهبندی، یادگیری بدون نظارت و مقدمهای بر شبکههای عصبی؛ با تمرکز بر درک عمیق الگوریتمها، نه فقط صدا زدن یک تابع آماده.
این دوره قلب مسیر هوش مصنوعی است و از تعریف دقیق یادگیری ماشین و انواع سیستمهای آن شروع میشود. سپس وارد رگرسیون (خطی، چندجملهای، با تنظیم منظمسازی) میشود و به دستهبندی میرسد (رگرسیون لجستیک، Naive Bayes، SVM، درخت تصمیم، یادگیری ترکیبی). در ادامه مباحث کاهش بعد و بهینهسازی هایپرپارامتر (PCA و Grid Search) را پوشش میدهد و یادگیری بدون نظارت (K-Means، DBSCAN) را آموزش میدهد. در پایان با مقدمهای بر شبکههای عصبی، دروازهای به سوی یادگیری عمیق را برای علاقهمندان به حوزه هوش مصنوعی باز خواهد کرد.
اشکان دیوبند
مدیر فنی و مهندس ارشد نرمافزار
در پایان این دوره میتوانید: ۱. بین انواع مسائل یادگیری ماشین (رگرسیون، دستهبندی، خوشهبندی) تمایز قائل شوید و الگوریتم مناسب را انتخاب کنید. ۲. یک مدل رگرسیون یا دستهبندی را از صفر آموزش دهید، ارزیابی کنید و بهینهسازی کنید. ۳. Overfitting را تشخیص دهید و با تکنیکهای Regularization آن را کنترل کنید. ۴. از PCA برای کاهش بعد داده و از Grid Search برای تنظیم هایپرپارامترها استفاده کنید. ۵. درک اولیهای از معماری و عملکرد شبکههای عصبی داشته باشید.
