# مبانی یادگیری ماشین

- **بخشی از:** [هوش مصنوعی و یادگیری ماشین](/fa/tracks/ai-machine-learning)‏ — مسیر یادگیری 2 از 3
- **اندازه:** 4 فصل، 22 درس، 12 ساعت در هفته
- **سطح:** متوسط

::route
1. [پایتون و ریاضیات برای یادگیری ماشین](/fa/paths/python-mathematics-for-ml)‏ — 4 فصل، 10 ساعت در هفته، 1 ایستگاه سنجش
2. **مبانی یادگیری ماشین**‏ — 4 فصل، 12 ساعت در هفته، 1 ایستگاه سنجش
3. [مهندسی و استقرار یادگیری ماشین](/fa/paths/ml-engineering-deployment)‏ — 3 فصل، 8 ساعت در هفته، 1 ایستگاه سنجش
::

::cta https://app.artimend.com/tracks/ai-machine-learning شروع این مسیر

## 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