یادگیری ماشین

از داده‌های خام تا ساخت مدل‌های هوشمند و پیش‌بینی دقیق

پیش نیاز
پایتون متوسطه
سطح برگزاری دوره
حرفه‌ای
تعداد جلسات
۱۵ جلسه
زمان دوره
۳۰ ساعت
آزمون پایان دوره
دارد
پروژه‌های عملی
۳ پروژه صنعتی
روش پشتیبانی
منتور تخصصی
بستر برگزاری دوره
آنلاین زنده

درباره‌ی این دوره

با مفاهیم پایه‌ای و کاربردی یادگیری ماشین آشنا می‌شوید. از رگرسیون و طبقه‌بندی تا خوشه‌بندی و مدل‌سازی داده‌های واقعی — همه با پایتون و scikit-learn.

سرفصل‌های دوره

۱ معرفی یادگیری ماشین ۲ جلسه
۲ رگرسیون (Linear/Logistic) ۳ جلسه
۳ درخت تصمیم و Random Forest ۳ جلسه
۴ SVM و KNN ۲ جلسه
۵ خوشه‌بندی (K-Means) ۲ جلسه
۶ ارزیابی و بهینه‌سازی مدل ۲ جلسه
۷ پروژه‌ی نهایی ۱ جلسه

چیزهایی که یاد می‌گیری

  • مبانی آماری و ریاضی یادگیری ماشین
  • رگرسیون خطی و لجستیک
  • درخت تصمیم و جنگل تصادفی
  • SVM و KNN
  • خوشه‌بندی با K-Means
  • ارزیابی مدل و Cross Validation
  • ساخت پروژه‌ی واقعی
🎓

به‌زودی...

این بخش در راهه! 🚀