الگوریتمهای پایه یادگیری ماشین با پیادهسازی عملی: رگرسیون، دستهبندی، خوشهبندی و ارزیابی درست مدل.
پیشنیازها
تسلط بر پایتون و آشنایی با کتابخانه پانداس لازم است. دانش آمار مقدماتی به شدت توصیه میشود.
مدرک پایان دوره
گواهی مهارت کادوس آنلاین
گواهی مهارتی که کادوس آنلاین پس از قبولی در آزمون پایانی دوره صادر میکند. همین گواهی از راه «مدرک بدون کلاس» هم به دست میآید.
صادرکننده: کادوس آنلاین
برای دریافت مدرک، کسب حداقل ۶۵ درصد نمره آزمون پایانی لازم است.
مدرسان این دوره
در این دوره چه میآموزید؟
یادگیری ماشین در عمل بیشتر از آنکه انتخاب الگوریتم باشد، آمادهسازی داده و ارزیابی درست است. این دوره هر دو را جدی میگیرد و در هر جلسه یک الگوریتم را روی داده واقعی پیاده میکند.
- چرخه کامل یک پروژه یادگیری ماشین
- آمادهسازی ویژگیها و اهمیت آن
- رگرسیون و مدلهای پیشبینی عددی
- دستهبندی، درخت تصمیم و جنگل تصادفی
- خوشهبندی و کشف الگو در داده بدون برچسب
- ارزیابی مدل، بیشبرازش و اعتبارسنجی متقاطع
- پروژه پایانی و ارائه نتایج
این دوره برای چه کسانی است؟
برای تحلیلگران داده که میخواهند از توصیف گذشته به پیشبینی آینده برسند، و برای برنامهنویسانی که قصد ورود جدی به این حوزه را دارند.
پیشنیاز و ادامه مسیر
پیشنیاز عملی آن تحلیل داده با پایتون و پیشنیاز نظری آن آمار کاربردی است. پس از آن یادگیری عمیق در انتظار شماست.