# پایتون و ریاضیات برای یادگیری ماشین

- **بخشی از:** [هوش مصنوعی و یادگیری ماشین](/fa/tracks/ai-machine-learning)‏ — مسیر یادگیری 1 از 3
- **اندازه:** 4 فصل، 21 درس، 10 ساعت در هفته
- **سطح:** متوسط

::route
1. **پایتون و ریاضیات برای یادگیری ماشین**‏ — 4 فصل، 10 ساعت در هفته، 1 ایستگاه سنجش
2. [مبانی یادگیری ماشین](/fa/paths/machine-learning-fundamentals)‏ — 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. پشته‌ی علمیِ پایتون

- 6 درس
- **مهارت‌ها:**‏ NumPy‏ · pandas‏ · Jupyter‏ · SciPy‏

### 2. جبر خطی برای یادگیری ماشین

- 5 درس
- **مهارت‌ها:**‏ بردارها‏ · ماتریس‌ها‏ · مقادیر ویژه‏ · تجزیه‌ی مقادیر منفرد (SVD)‏ · تحلیل مؤلفه‌های اصلی (PCA)‏

### 3. حساب دیفرانسیل و بهینه‌سازی

- 5 درس
- **مهارت‌ها:**‏ مشتق‏ · گرادیان‌ها‏ · گرادیان کاهشی‏ · پس‌انتشار خطا‏

### 4. احتمال و آمار برای یادگیری ماشین

- 5 درس
- **مهارت‌ها:**‏ احتمال‏ · استدلال بیزی‏ · توزیع‌های احتمال‏ · برآورد درست‌نمایی بیشینه‏
- **ایستگاه سنجش:** دروازه‌ی مبانیِ ریاضی