درباره این دوره
اهداف یادگیری
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
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)