کارگاه آنلاین 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.