Logo

یادگیری ماشین (مهر ماه)

اشتراک گذاری

متوسط

5

0 هنرجو

36 ساعت آموزش تخصصی

5,462,000 تومان

20 درصد تخفیف

4,369,600 تومان

آماده شیرجه زدن هستید؟ اکنون ثبت نام کنید و ساختن آینده دیجیتالی خود را شروع کنید!

این دوره شامل

منابع یادگیری
فیلم های آموزشی با کیفیت ( ضبط تمامی کلاس ها )
مدرک اتمام کار
مشاوره خصوصی
2 جلسه در هفته ( دوشنبه چهارشنبه ) | 17 تا 19
18 جلسه آموزشی
10 نفر ظرفیت هنرجو
تاریخ شروع کلاس ها: مهر ماه ( ساعت و تاریخ کلاس ها قابل هماهنگی با دانشجویان است. )
img-show

آموزشگاه سورنا

دکتر سید مسعود رضایی

از بهترین ها یاد بگیرید

توضیحات سرفصل ها نظرات

** تمامی دوره های آکادمی سورنا رو میتونید به صورت اقساط تهیه کنید ، برای اطلاع از وضعیت اقساط با ما در ارتباط باشید. **

شرح

** تمامی دوره های آموزشگاه سورنا بر اساس نظر هنرجویان ممکنه مطالبی به دوره اضافه بشه و تعداد جلسات یا ساعات دوره افزایش پیدا کنه و این مورد برای رضایت هرچه بیشتر هنرجو از دوره ها انجام میشه. **

دوره "یادگیری ماشین"
دوره یادگیری ماشین یک دوره جامع و عملی است که هدف آن آموزش مفاهیم و تکنیک‌های اصلی یادگیری ماشین با استفاده از زبان برنامه‌نویسی پایتون است. این دوره به گونه‌ای طراحی شده که برای افراد با سطوح مختلف آشنایی با یادگیری ماشین، از مبتدی تا متوسط، مناسب باشد. در این دوره، شما به صورت گام به گام با مبانی یادگیری ماشین، پیاده‌سازی الگوریتم‌های مختلف، و انجام پروژه‌های عملی آشنا خواهید شد.
سرفصل‌های دوره:
  1. یادگیری ماشین و انواع آن:
    • آشنایی با مفاهیم پایه‌ای یادگیری ماشین و بررسی انواع مدل‌های یادگیری نظارتی و غیرنظارتی.
  2. نقشه راه یادگیری ماشین با پایتون:
    • معرفی مراحل مختلف یادگیری ماشین و ابزارها و کتابخانه‌های مورد نیاز برای پیاده‌سازی آن‌ها با پایتون.
  3. کتابخانه‌های پیش‌نیاز پایتون:
    • یادگیری نحوه استفاده از کتابخانه‌های کلیدی مانند NumPy، Pandas، Matplotlib، و Scikit-learn برای تحلیل داده‌ها و پیاده‌سازی الگوریتم‌ها.
  4. نحوه بصری‌سازی در پایتون:
    • آموزش تکنیک‌های مصورسازی داده‌ها برای درک بهتر الگوها و روابط موجود در داده‌ها.
  5. رگرسیون خطی:
    • پیاده‌سازی و تحلیل مدل‌های رگرسیون خطی به عنوان یکی از روش‌های پایه‌ای یادگیری نظارتی.
  6. رگرسیون خطی چند متغیره:
    • بررسی و پیاده‌سازی مدل‌های رگرسیون خطی با بیش از یک متغیر مستقل.
  7. رگرسیون لجستیک:
    • آشنایی با رگرسیون لجستیک و استفاده از آن در مسائل دسته‌بندی.
  8. پیش‌پردازش داده‌ها:
    • یادگیری تکنیک‌های مختلف پیش‌پردازش داده‌ها مانند نرمال‌سازی، برخورد با داده‌های گمشده، و تبدیل داده‌ها برای بهبود عملکرد مدل‌ها.
  9. مفاهیم مهم در درک یادگیری ماشین:
    • آشنایی با مفاهیم کلیدی مانند overfitting، underfitting، و انتخاب ویژگی‌ها که در موفقیت مدل‌های یادگیری ماشین تاثیرگذار هستند.
  10. مدل‌های یادگیری ماشین (KNN، SVM) و...:
    • بررسی و پیاده‌سازی مدل‌های محبوب یادگیری ماشین مانند K-Nearest Neighbors (KNN) و Support Vector Machines (SVM).
  11. یادگیری جمعی:
    • آشنایی با تکنیک‌های یادگیری جمعی مانند Bagging، Boosting، و Random Forest که دقت و پایداری مدل‌ها را افزایش می‌دهند.
  12. خوشه‌بندی:
    • پیاده‌سازی و تحلیل الگوریتم‌های خوشه‌بندی مانند K-Means برای دسته‌بندی داده‌ها بدون برچسب.
  13. کاهش ابعاد:
    • آموزش تکنیک‌های کاهش ابعاد مانند PCA برای کاهش پیچیدگی داده‌ها و بهبود عملکرد مدل‌ها.
  14. آموزش pycaret:
    • آشنایی با PyCaret، یک کتابخانه کاربرپسند برای پیاده‌سازی و ارزیابی مدل‌های یادگیری ماشین به صورت سریع و ساده.
  15. جمع‌بندی و پروژه نهایی:
    • اجرای یک پروژه عملی برای مرور و به کارگیری تمامی مباحث یادگیری شده در دوره.
این دوره توسط دکتر سید مسعود رضایی جو برگزار می‌شود و با استفاده از روش‌های آموزشی کارآمد و پروژه‌های عملی، به شما کمک می‌کند تا مفاهیم یادگیری ماشین را به خوبی فراگیرید و آن‌ها را در پروژه‌های واقعی به کار ببندید.
ظرفیت دوره محدود است و به صورت غیرحضوری برگزار می‌شود. این فرصت را از دست ندهید و با ثبت‌نام در این دوره، مهارت‌های یادگیری ماشین خود را تقویت کنید!

سرفصل ها رو بررسی کنید

لیست سرفصل ها

یادگیری ماشین و انواع آن
نقشه راه یادگیری ماشین با پایتون
کتابخانه‌های پیش‌نیاز پایتون
نحوه بصری‌سازی در پایتون
رگرسیون خطی
رگرسیون خطی چند متغیره
رگرسیون لجستیک
پیش‌پردازش داده‌ها
مفاهیم مهم در درک یادگیری ماشین
مدل‌های یادگیری ماشین (KNN، SVM) و...
یادگیری جمعی
خوشه‌بندی
کاهش ابعاد
آموزش pycaret
جمع‌بندی و پروژه نهایی

هنرجویان این دوره چه میگوند ؟

نظرات هنرجویان دوره یادگیری ماشین (مهر ماه):

تمامی حقوق مادی و معنوی این سایت برای آکادمی سورنا است

Zmat24