مبانی یادگیری ماشین
- بخشی از: هوش مصنوعی و یادگیری ماشین — مسیر یادگیری 2 از 3
- اندازه: 4 فصل، 22 درس، 12 ساعت در هفته
- سطح: متوسط
- پایتون و ریاضیات برای یادگیری ماشین4 فصل، 10 ساعت در هفته، 1 ایستگاه سنجش
- مبانی یادگیری ماشین4 فصل، 12 ساعت در هفته، 1 ایستگاه سنجش
- مهندسی و استقرار یادگیری ماشین3 فصل، 8 ساعت در هفته، 1 ایستگاه سنجش
سرفصل‌ها
1. یادگیری نظارت‌شده: رگرسیون
- 6 درس
- مهارت‌ها: رگرسیون خطی · منظم‌سازی · مهندسی ویژگی · اعتبارسنجی متقابل
2. یادگیری نظارت‌شده: طبقه‌بندی
- 6 درس
- مهارت‌ها: رگرسیون لجستیک · درخت‌های تصمیم · جنگل تصادفی · XGBoost · تنظیم ابرپارامترها
3. یادگیری بدون نظارت
- 5 درس
- مهارت‌ها: خوشه‌بندی k-means · خوشه‌بندی سلسله‌مراتبی · DBSCAN · تحلیل مؤلفه‌های اصلی (PCA) · کاهش ابعاد
4. مقدمه‌ای بر یادگیری عمیق
- 5 درس
- مهارت‌ها: شبکه‌های عصبی · پس‌انتشار خطا · PyTorch · TensorFlow · Keras
- ایستگاه سنجش: دروازه‌ی متخصصِ یادگیری ماشین