توضیحات
دوره ویژه نوروز | روزهای دوره | ساعت کلی دوره | وضعیت |
هوش مصنوعی و ماشین لرنینگ | فروردین روزهای ۳،۴،۷،۸،۹،۱۰ | ۳۰ ساعت (۲ ظهر تا ۷ عصر) | دارای ظرفیت |
اصول برنامه نویسی Machine Learning برای هوش مصنوعی
این دوره به صورت آموزش آنلاین (برخط) اجرا میشود و در روزها و ساعات مشخص (در جدول بالا) دانشجویان و استاد به صورت آنلاین در کلاس مجازی حضور پیدا میکنند.
در صورتی که دوره فعال موجود نبود یا دوره ها تکمیل ظرفیت شده بود، شما میتوانید از امکان پیشخرید و رزرو دوره استفاده نمایید تا در لیست اولویت ثبتنام های بعد قرار بگیرید.
برای هرگونه سوال یا مشاوره با پشتیبانی تلگرام ما در ارتباط باشید.
ارتباط با پشتیبانی: telegram/ A_tech_co
آموزش آنلاین ماشین لرنینگ | یادگیری ماشین از صفر تا صد
به دنبال یادگیری مهارتهای پیشرفته در یادگیری ماشین و هوش مصنوعی هستید؟ دوره آموزش آنلاین ما شما را از مبتدی تا حرفهای همراهی میکند. این دوره مناسب کسانی است که میخواهند بهصورت گامبهگام و کاملاً عملی، مفاهیم Machine Learning را بیاموزند و آنها را در پروژههای واقعی بهکار بگیرند.
چرا این دوره؟
- جامع و کاربردی: از مبانی اولیه مثل ریاضیات پایه و پایتون تا پیادهسازی مدلهای پیشرفته.
- پشتیبانی کامل: در طول دوره، مربیان حرفهای آماده پاسخگویی به سوالات شما هستند.
- پروژهمحور: یادگیری مفاهیم با تمرین روی پروژههای واقعی و دادههای واقعی.
- مناسب برای بازار کار: آماده ورود به مشاغل پرتقاضای دادهکاوی، تحلیل دادهها و یادگیری عمیق.
سرفصلهای دوره:
بخش ۱: مقدمه و مفاهیم پایه
- آشنایی با داده و انواع آن
- مفاهیم اساسی آمار و احتمال در یادگیری ماشین
- جبر خطی و کتابخانه Numpy
- مصورسازی داده و کتابخانههای Matplotlib و Seaborn
- Pandas و کتابخانههای تحلیل و اکتشاف داده (EDA)
بخش ۲: پردازش و آمادهسازی دادهها
- حذف مقادیر نامعتبر، تکمیل دادههای از دست رفته
- مقیاسبندی و نرمالسازی دادهها
- استخراج ویژگی و انتخاب ویژگی
بخش ۳: یادگیری ماشین نظارتشده
- رگرسیون خطی و لجستیک
- درخت تصمیم و جنگل تصادفی
- ماشین بردار پشتیبان (SVM)
- شبکههای عصبی مصنوعی (MLP)
بخش ۴: یادگیری ماشین بدون نظارت
- خوشهبندی
- کاهش ابعاد (PCA)
بخش ۵: ارزیابی مدلها
- معیارهای ارزیابی مدل
- روشهای اعتبارسنجی متقابل (Cross-Validation)
بخش ۶: کاربردهای عملی و پروژه پایانی
- کار با دادههای دنیای واقعی (مانند دادههای پزشکی، مالی یا تصاویر)
- طراحی و اجرای یک پروژه عملی در یادگیری ماشین
- ارائه پروژه و تحلیل نتایج
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.