ویدیو کارگاه ماشین لرنینگ و یادگیری با نظارت
- از طریق PC، لپتاپ، موبایل و تبلت میتوانید در کلاس زنده شرکت کنید.
- ویدیوی این کلاس ضبط میشود و به مدت دو سال تحت سیستمعامل ویندوز یا مک یا اندروید قابل پخش است.
- توضیحات
✅ پیشنیاز این کارگاه آشنایی مقدماتی با زبان برنامهنویسی Python است.
✅ در این ورکشاپ، با مدلهای اصلی ماشین لرنینگ و یادگیری با نظارت آشنا خواهید شد. از مفاهیم پایه تا تکنیکهای پیشرفتهای مانند بیش برازش و تنظیم مدلها، تمامی نکات مهم و ضروری را فرا خواهید گرفت. این دوره به گونهای طراحی شده است که شرکتکنندگان بتوانند پس از پایان ورکشاپ، مدلهای مختلف را پیادهسازی و بهینهسازی کنند و از ابزارهای قدرتمند Python برای انجام پروژههای واقعی استفاده کنند.
در نهایت گذراندن تمام این ده ورکشاپ شما با مهارتهای دیتا ساینتیست آشنا شدهاید و میتوانید به عنوان دانشمند داده شروع به کار کنید.
آنچه در این ورکشاپ خواهید آموخت
1. یادگیری با نظارت: معرفی مفهوم یادگیری با نظارت و تفاوت آن با دیگر انواع یادگیری ماشین.
2. رگرسیون: آشنایی با مدلهای رگرسیونی و نحوه استفاده از آنها برای پیشبینی مقادیر پیوسته.
3. کلاسبندی: بررسی مدلهای کلاسبندی و کاربردهای آنها در دستهبندی دادهها.
4. بیش برازش: شناخت مفهوم بیش برازش، دلایل وقوع آن و روشهای جلوگیری از آن.
5. تنظیم: تکنیکهای مختلف Regularization برای بهبود دقت و جلوگیری از بیش برازش.
6. متریکهای ارزیابی: معرفی و استفاده از معیارهای مختلف برای ارزیابی عملکرد مدلهای ماشین لرنینگ.
ابزارهایی که این ورکشاپ بر آنها تمرکز دارد
- Python: زبان برنامهنویسی پرقدرت برای پردازش و تحلیل دادهها و آموزش کتابخانههای مهم آن مانند Pandas، Numpy و Sklearn برای کار با دادهها.
- الگوریتمهای باناظر از جمله NaiveBayes، KNN، SVM، RandomForest و Decision Tree برای پیادهسازی و ارزیابی مدلها.
کارگاه آنلاین ماشین لرنینگ و یادگیری با نظارت
این کارگاه، ۴امین کارگاه از مجموعه کارگاههای یادگیری علم داده و ماشین لرنینگه. با کلیک بر روی پکیج ۱۰ کارگاه یادگیری علم داده و ماشین لرنینگ، میتوانید لیست ۱۰ کارگاه را مشاهده کنید. همچنین در صورتی که در دورههای قبلی دپارتمان علم داده کافهتدریس ثبتنام کردید، میتوانید از کد تخفیف ۳۰درصدی Data30 برای ثبتنام در تک کارگاهها و از کد تخفیف ۶۰درصدی Data60 برای ثبتنام در پکیج ۱۰ کارگاه یادگیری علم داده و ماشین لرنینگ استفاده کنید.