سرفصل‌های آموزشی:
- مقدمه‌ای بر ماشین لرنینگ، مقهوم، تعریف و کاربرد
- مروری بر پایتون
- توانایی کار با پکیج‌های pandas, numpy, matplotlib
- پردازش دیتا (dataset, missing values, dummy variables, normalization)
- یادگیری نظارت‌شده (calssification)
- الگوریتم‌های KNN, Decision Tree, Naive Bayes, Logistic Regression
- یادگیری نظارت‌شده (Regression)
- الگوریتم‌های Simple and Multiple Linear Regression, Polynominal Linear Regression
- یادگیری نظارت‌نشده (Clustering)
- الگوریتم‌های K-Means, DBSCAN, Hierarchical Clustering
- بهینه‌سازی (Optimization)
پیش‌نیاز این دوره آشنایی مناسب با زبان برنامه‌نویسی پایتون است. برای یادگیری آن می‌توانید از آموزش پایتون استفاده نمایید.
شروع دوره: ۲۴ مهر ماه 1400
این دوره در پاییز ۱۴۰۰ برگزار شده و به پایان رسیده است. جهت آشنایی با دوره‌های مرکز و پیگیری دوره‌های جدید از طریق شماره‌های پشتیبانی یا صفحه اول مرکز (اینجا) اقدام نمایید.
