ویدیو کارگاه یادگیری بدون نظارت

✅ پیش‌نیاز این کارگاه آشنایی مقدماتی با زبان برنامه‌نویسی Python، دانش پایه‌ای از مفاهیم ماشین لرنینگ است. 

✅ در این ورکشاپ به کاربردهای پیشرفته ماشین لرنینگ برای داده‌های غیربرچسب‌دار می‌پردازیم. هدف ما این است که شرکت‌کنندگان با تکنیک‌های مختلف یادگیری بدون نظارت آشنا شوند و توانایی کاربرد این تکنیک‌ها در پروژه‌های واقعی را کسب 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 بدون نظارت: مقدمه‌ای بر اصول و مبانی یادگیری بدون نظارت و تفاوت آن با یادگیری نظارت‌شده.
2. کاهش ابعاد: آشنایی با تکنیک‌های کاهش ابعاد مانند PCA و t-SNE که به بهبود تحلیل داده‌ها و تسریع فرآیندهای محاسباتی کمک می‌کنند.
3. کلاسترینگ: معرفی روش‌های مختلف کلاسترینگ از جمله K-means ،Agglomerative و DBSCAN برای گروه‌بندی داده‌ها بر اساس شباهت‌ها و الگوهای پنهان.
4. تشخیص ناهنجاری: تکنیک‌های تشخیص ناهنجاری مانند iForest و LOF برای شناسایی داده‌های غیرعادی و پرت در مجموعه داده‌ها.
5. سیستم‌های توصیه‌گر: بررسی روش‌های سیستم‌های توصیه‌گر مبتنی بر فیلترینگ مشارکتی (Collaborative Filtering) برای ارائه پیشنهادهای شخصی‌سازی شده به کاربران.

ابزارهایی که این ورکشاپ بر آنها تمرکز دارد

- Python: زبان برنامه‌نویسی قدرتمندی که برای پیاده‌سازی تمام تکنیک‌های فوق مورد استفاده قرار می‌گیرد.

کارگاه آنلاین یادگیری بدون نظارت

این کارگاه، ۵امین 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. 

توضیحاتی از کارگاه‌های آنلاین