پایتون یادگیری ماشین – آنلاین

Teacher-Profile-Fani-o-Herfei-Zhinous-Adibi-1
مهندس ژینوس ادیبـی
اخرین بروزرسانی 15 آبان 1403
19 نفر ثبت نام کرده اند

درباره این دوره

نوع دوره : آنلاین

نوع مدرک : فنـی و حرفه‌ای

اسم دپارتمان : کامپیوتر

زمان شروع دوره : از 24آبان ماه

ساعت برگزاری : پنجشنبه ها ساعت ۱۱ الی ۱۳

در این دوره، مفاهیم اولیه و بنیادی یادگیری ماشین (Machine Learning)، پیش‌نیازهای استفاده از مدل‌های یادگیری ماشین، چارچوب و تعدادی از الگوریتم‌ها و کتابخانه‌های تخصصی یادگیری ماشین در پایتون به‌صورت عملی و پروژه‌محور آموزش داده خواهد شد.

توضیحات مدرس درباره دوره

درباره مدرس دوره

Teacher-Profile-Fani-o-Herfei-Zhinous-Adibi-1

مهندس ژینوس ادیبی

مدرس دوره پایتون و ماشین لرنینگ

تحصیلات

کارشناسـی ارشد مدیریت فناوری اطلاعات - دانشگاه الزهرا

سوابق فعالیت

-  مجری پروژه های برنامه نویسـی درحوزه دیتاساینس ،تحلیل داده و یادگیری ماشین بصورت Freelance

-  تدریس برنامه نویسـی پایتون و یادگیری ماشین

- همکاری با شرکت توسن افق هزاره  در حوزه تحلیل و آنالیزداده های بورس تهران

- همکاری با شرکت مهندسـی سیستم یاس ارغوانی در حوزه تحلیل و آنالیزداده

- همکاری با شرکت پژوهش و فناوری پتروشیمی به عنوان کارشناس مدیریت پروژه

- همکاری با شرکت راهبران پتروشیمی به عنوان کارشناس فناوری اطلاعات

مقالات علمی

-  ارائه مدل تلفیقی برای ارزیابی آمادگی سازمان ها جهت پیاده سازی سیستم انبار داده با استفاده از تحلیل سلسله مراتبی – دکتر جعفر باقری نژاد و ژینوس ادیبی(علمی - پژوهشی)

اهداف یادگیری

آشنایی با مفاهیم پیش‌پردازش و پاک‌سازی داده‌ها به‌صورت عملی و پروژه‌محور
آموزش و انجام چند پروژه یادگیری ماشین در حوزه یادگیری نظارت‌شده (Supervised Machine Learning)
یادگیری مفاهیم اولیه و بنیادی یادگیری ماشین (Machine Learning)
پیش‌نیازهای استفاده از مدل‌های یادگیری ماشین
آشنایی با انواع مدل‌ها و نحوه ارزیابی عملکرد مدل‌های یادگیری ماشین
یادگیری برخی از کتابخانه‌های تخصصی مرتبط با یادگیری ماشین در پایتون

موارد ارائه شده

  • مفاهیم اولیه یادگیری ماشین
  • مروری بر پایتون با رویکرد استفاده در یادگیری ماشین
  • مهندسی ویژگی‌ها (Feature Engineering) و آماده‌سازی داده‌ها
  • استفاده از رگرسیون خطی (Linear Regression) در کتابخانه‌ی سایکیت لرن (Scikit-learn) برای پیش‌بینی و انجام پروژه عملی
  • استفاده از رگرسیون چندجمله‌ای (Polynomial Regression) در کتابخانه‌ی سایکیت لرن برای پیش‌بینی و انجام پروژه عملی
  • اعتبارسنجی متقابل (Cross Validation)
  • مفهوم تنظیم‌سازی (Regularization) در یادگیری ماشین
  • طبقه‌بندی (Classification)
  • انجام یک پروژه عملی طبقه‌بندی (Classification) با استفاده از کتابخانه سایکیت لرن

مخاطب هدف

  • علاقه‌مندان به حوزه پایتون
  • علاقه‌مندان به یادگیری ماشین و علوم داده

اساتید دوره

مهندس ژینوس ادیبـی

مدرس زبان پایتون و یادگیری ماشین

0/5
4 دوره
0 دیدگاه
167 دانشجو

تحصیلات
کارشناسـی ارشد مدیریت فناوری اطلاعات - دانشگاه الزهرا

سوابق فعالیت

-  مجری پروژه های برنامه نویسـی درحوزه دیتاساینس ،تحلیل داده و یادگیری ماشین بصورت Freelance

-  تدریس برنامه نویسـی پایتون و یادگیری ماشین

- همکاری با شرکت توسن افق هزاره  در حوزه تحلیل و آنالیزداده های بورس تهران

- همکاری با شرکت مهندسـی سیستم یاس ارغوانی در حوزه تحلیل و آنالیزداده

- همکاری با شرکت پژوهش و فناوری پتروشیمی به عنوان کارشناس مدیریت پروژه

- همکاری با شرکت راهبران پتروشیمی به عنوان کارشناس فناوری اطلاعات

مقالات علمی

-  ارائه مدل تلفیقی برای ارزیابی آمادگی سازمان ها جهت پیاده سازی سیستم انبار داده با استفاده از تحلیل سلسله مراتبی – دکتر جعفر باقری نژاد و ژینوس ادیبی(علمی - پژوهشی)​

مشاهده بیشتر

1,590,000 تومان

سطح
متوسط
مدت زمان 24 ساعت

موارد ارائه شده

  • مفاهیم اولیه یادگیری ماشین
  • مروری بر پایتون با رویکرد استفاده در یادگیری ماشین
  • مهندسی ویژگی‌ها (Feature Engineering) و آماده‌سازی داده‌ها
  • استفاده از رگرسیون خطی (Linear Regression) در کتابخانه‌ی سایکیت لرن (Scikit-learn) برای پیش‌بینی و انجام پروژه عملی
  • استفاده از رگرسیون چندجمله‌ای (Polynomial Regression) در کتابخانه‌ی سایکیت لرن برای پیش‌بینی و انجام پروژه عملی
  • اعتبارسنجی متقابل (Cross Validation)
  • مفهوم تنظیم‌سازی (Regularization) در یادگیری ماشین
  • طبقه‌بندی (Classification)
  • انجام یک پروژه عملی طبقه‌بندی (Classification) با استفاده از کتابخانه سایکیت لرن

هنوز حسابی نداری؟ به صورت رایگان ثبت نام کنید