یادگیری پایتون برای یادگیری ماشین
پیادهسازی مدل رگرسیون بدون کتابخانهها
الگوریتمهای بهینه سازی
رگرسیون خطی چند متغیره
در تمام مراحل این دوره سعی شده است تا مباحث با زبانی روان و ساده توضیح داده شود تا مخاطبان محترم بتوانند به سادگی از آموزش ارائه شده استفاده کنند.
هوش مصنوعی امروزه به طرز عجیبی در حال پیشرفت است. این علم تا حد زیادی در تمامی حوزهها اعم از پزشکی اقتصاد سیاست و... نفوذ کرده و آن را تبدیل به شغلی پر تقاضا کرده است. در این دوره دو مورد از شایعترین انواع رگرسیون توسط زبان پرکاربرد پایتون بررسی میشود. یکی از مواردی که میتوان از آن به عنوان الفبای یادگیری ماشین یاد کرد بحث رگرسیون و گرادیان نزولی است که در این دوره بهصورت عملی آن را پیادهسازی کرده و در محیط کدنویسی به کار خواهیم گرفت.
اکثر دورهها این مبحث را توسط کتابخانههای موجود در پایتون بیان کرده و از جزئیات چشمپوشی کردهاند. برای پیادهسازی مباحث یادگیری ماشین و بهره بردن از آن در کسبوکارها مهندسین باید مدلها را به صورت دقیق بررسی کرده و درک عمیقی از روابط ریاضی موجود پیدا کنند. ما در این دوره مباحث تئوری را به صورت کامل موشکافی کرده و از صفر تا صد به پیادهسازی رگرسیون خطی توسط زبان پایتون خواهیم پرداخت.
مهندس محمد شرافتیان دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات از دانشگاه تهران هستند. ایشان سابقه تدریس ریاضیات و دروس تخصصی رشته کامپیوتر داشته و در حال حاضر در حوزه برنامهنویسی و تحلیل شبکههای اجتماعی مشغول فعالیت تخصصی هستند.