پایتون یادگیری ماشین – آنلاین

اخرین بروزرسانی 30 اردیبهشت 1404
20 نفر ثبت نام کرده اند

درباره این دوره

نوع دوره : آنلاین

نوع مدرک : فنـی و حرفه‌ای

اسم دپارتمان : کامپیوتر

زمان شروع دوره : از 8 خرداد 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
185 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

2,490,000 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

برای مشاوره رایگانِ دوره های ما اطلاعات زیر را تکمیل کنید

پر کردن این فرم کمتر از 30 ثانیه از شما وقت میگیره و تو کمترین زمان ممکن با شما تماس میگیریم.