توضیحات

دوره آموزشی یادگیری ماشینی با همکاری اعضای هیئت علمی دانشکده کامپیوتر دانشگاه صنعتی شریف

در این درس با مفاهیم یادگیری ماشینی به طور مفصل آشنا می‌شویم. همچنین پروژه‌های متعددی به صورت کامل از ۰ تا ۱۰۰ به شرکت‌کنندگان آموزش داده خواهد شد. در انتهای دوره شرکت‌کنندگان علاوه بر کتابخانه‌های Pandas، Numpy، و Sklearn به مفاهیم نظری یادگیری ماشینی تسلط پیدا می‌کنند.

پیش نیاز: آشنایی با زبان برنامه‌نویسی پایتون

سرفصل:
مقدمه‌ای بر یادگیری ماشینی
یادگیری با نظارت، طبقه‌بندی با استفاده از الگوریتم KNN، روش‌های مختلف محاسبه فاصله، درخت تصمیم، مسئله تقریب تابع
یادگیری بی‌نظارت، خوشه‌بندی با استفاده از K-Means، خوشه‌بندی سلسله‌مراتبی
کاهش ابعاد، آشنایی با PCA، آشنایی با SVD
ماشین بردار پشتیبانی
نحوه ارزیابی مدل، مفهوم بیش‌برازش و زیربرازش
معیارهای ارزیابی، دقت، یادآوری، صحت، ROC، ماتریس برخورد