• در این فصل با مقدمات یادگیری ماشین (Machine learning) آشنا خواهیم شد. در ابتدا به انواع مختلف یادگیری ماشین بر اساس داده‌ها می‌پردازیم. داده‌ها با توجه به این‌که برچسب داشته باشند یا بدون برچسب باشند روال آموزش مدل ما و سناریوهای یادگیری ماشین را مشخص می‌کنند. یادگیری باناظر (Supervised Learning) و یادگیری بدون ناظر (Unsupervised Learning) از این روش‌ها به شمار می‌روند که در این دوره به صورت کامل در مورد آن‌ها صحبت خواهیم کرد. سپس به نحوه دانلود و نصب Anaconda Navigator و چگونگی کار با Jupyter Notebook می‌پردازیم.
• لازم به ذکر است، اگر با زبان برنامه‌نویسی پایتون آشنا نیستید لطفاً زمانی را جهت آموزش آن اختصاص دهید تا این دوره را با سرعت و تسلط بیشتری ادامه بدهیم.

یکی از دلایل اصلی جهت انتخاب پایتون برای پیاده‌سازی الگوریتم‌های یادگیری ماشین، وجود طیف گسترده‌ای از کتابخانه‌ها و پکیج‌های مختلف می‌باشد که قبل از شروع به یادگیری یادگیری ماشین، بهتر است با این کتابخانه‌ها آشنا شویم. 
ابتدا به سراغ کتابخانه Numpy خواهیم رفت که جهت کار با آرایه‌ها و ماتریس‌ها خواهد بود.
سپس کتابخانه Pandas را مورد کنکاش قرار می‌دهیم که ابزار اصلی ما در EDA و تحلیل اولیه دیتاست می‌باشد. به سراغ اولین دیتاست خواهیم رفت و لیست مسافرین کشتی تایتانیک را تحلیل می‌کنیم.

بصری‌سازی (Visualization) یکی از مهم‌ترین مراحل تحلیل داده می‌باشد. بدون این مرحله گویا با چشمان بسته دل به جاده یادگیری ماشین زده‌اید و داستان‌سرایی (Storytelling) که از زیباترین گام‌های تحلیل داده می‌باشد را کنار گذاشته‌اید. ما در این فصل به بررسی و آموزش کتابخانه‌های Matplotlibو Seaborn می‌پردازیم و دیتاست (Tips) که مربوط به انعام‌های یک رستوران می‌باشد را تحلیل می‌کنیم.

در رگرسیون، هدف نهایی پیش‌بینی مقادیر یک متغیر وابسته بر اساس مقادیر یک یا چند متغیر مستقل است که برای این منظور باید رابطه بین این متغیرها مشخص باشد، اما چون از ماهیت رابطه واقعی بین این متغیرها اطلاعی نداریم، تلاش بر این خواهد بود که رابطه واقعی را با یک رابطه خطی تقریب بزنیم و از این رابطه خطی برای اهداف پیش‌بینی استفاده کنیم. رگرسیون خطی بهترین گزینه برای شروع یادگیری ماشین و فهم نحوه کارکرد آن خواهد بود. ما در این فصل می‌آموزیم که چگونه این الگوریتم کار می‌کند، از آن در پیش‌بینی قیمت خانه از آن استفاده می‌کنیم.

اگر رابطه خطی بین یک متغیر پاسخ و یک متغیر مستقل برقرار شود، تکنیک رگرسیون را رگرسیون خطی ساده یا Simple Linear Regression می‌نامند ولی در صورت به کارگیری چندین متغیر مستقل، آن را رگرسیون چندگانه یا Multiple Linear Regression می‌گویند. هم‌چنین روش دیگری براساس چند متغیر پاسخ و مستقل نیز به کار گرفته می‌شود که به آن رگرسیون چند متغیره یا Multivariable Regression گفته شده و بیش از یک متغیر پاسخ مورد تحلیل و مدل‌سازی قرار می‌گیرد. در این فصل نیز با استفاده از کتابخانه محبوب Scikit-learn به پیاده‌سازی و آموزش مدل خواهیم پرداخت.

در این فصل به بررسی یکی از معروف‌ترین روش‌های Classification خواهیم پرداخت. رگرسیون لجستیک برخلاف نامش یکی از روش‌های طبقه‌بندی به شمار می‌رود که برای تحلیل رابطه بین متغیرها، بررسی و ایجاد مدل رابطه از تابعی به نام Logistic Function استفاده می‌شود. به همین علت این روش را رگرسیون لجستیک می‌نامند. در اکثر پروژه‌های یادگیری ماشین از این روش به عنوان روشی سریع و ساده و البته پایه و پرکاربرد یاد می‌شود. ما در این فصل می‌آموزیم که چگونه این الگوریتم کار می‌کند و به صورت عملی و با کتابخانه Scikit-learn مدلی مبتنی بر این الگوریتم آموزش می‌دهیم.

در این فصل، یکی از اصلی‌ترین گام‌های ساخت مدل برای یادگیری ماشین را یاد خواهیم گرفت. ابتدا می‌آموزیم که چگونه و چرا باید داده‌ها پیش‌پردازش شوند و با داده‌های گم‌شده یا Missing Value چطور برخورد کنیم. مقیاس‌بندی داده‌ها و روش‌های مختلف آن، نکته دیگری است که در این فصل به آن خواهیم پرداخت.

در این فصل قصد داریم تا مفاهیم پایه‌ای و اصلی که هر مهندس یادگیری ماشین می‌بایست به آن‌ها مسلط باشد را با هم فرابگیریم. قطعاً آموخته‌های شما از این فصل تا مدت‌ها به کار شما خواهد آمد.

یک جمله معروفی هست که احتمالاً شنیده‌اید. بسیار محتمل است که شما شبیه به 5 نفر از نزدیکترین دوستان خود باشید. شاید این جمله، به صورت خیلی ساده مفهوم کلی الگوریتم KNN را توضیح دهد. ما در این فصل می‌آموزیم که چگونه این الگوریتم کار می‌کند و به صورت عملی و با کتابخانه Scikit-learn مدلی مبتنی بر این الگوریتم آموزش می‌دهیم.

در این فصل با یکی از قدیمی‌ترین روش‌های یادگیری ماشین روبرو خواهیم شد. در Machine Learning، بسیاری از روش‌های به کار گرفته شده در یادگیری ماشین، از تکنیک‌های آماری بهره می‌برند که تکنیک دسته‌ بند بیز ساده با بکارگیری قضیه بیز و فرض استقلال بین متغیرها، عضوی از همین روش‌های احتمالاتی در نظر گرفته می‌شود. این الگوریتم از قضیه بیز به منظور تفکیک احتمالات استفاده می‌کند و ما در این فصل می‌آموزیم که چگونه این الگوریتم کار می‌کند و به صورت عملی و با کتابخانه Scikit-learn مدلی مبتنی بر این الگوریتم آموزش می‌دهیم.

شبکه‌های عصبی مصنوعی (Artificial Neural Networks - ANN) یا به زبان ساده‌تر شبکه‌های عصبی، سیستم‌ها و روش‌های محاسباتی نوین برای یادگیری ماشین جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده هستند. ایده اصلی این گونه شبکه‌ها تا حدودی الهام‌گرفته از شیوه کارکرد سیستم عصبی مغز انسان، برای پردازش داده‌ها و اطلاعات به منظور یادگیری و ایجاد دانش می‌باشد. ما در این فصل چگونگی کارکرد شبکه‌های عصبی و نحوه آموزش و ساخت آن‌ها را یاد می‌گیریم. علاوه بر آن گریزی کوتاه به کتابخانه محبوب Keras و تنسورفلو می‌زنیم که یکی از محبوب‌ترین ابزارهای شما در یادگیری عمیق (Deep Learning) می‌باشد. در نهایت با استفاده از این ایده شبکه‌های عصبی، پیش‌بینی می‌کنیم که آیا یک مشتری از چرخه مشتریان بانک خارج می‌شود یا خیر؟

ماشین بردار پشتیبان یا (SVM) یک الگوریتم نظارت‌شده یادگیری ماشین است که هم برای مسائل طبقه‌بندی و هم مسائل رگرسیون قابل استفاده است؛ گرچه از آن بیشتر در مسائل طبقه‌بندی استفاده می‌شود. این روش معمولاً با توجه به ریاضیات پشت صحنه‌اش، به عنوان روش‌های جذاب به شمار می‌رود که مبنای کاری آن دسته‌بندی خطی داده‌ها است و در تقسیم خطی داده‌ها سعی بر آن است که خطی انتخاب شود که حاشیه اطمینان بیشتری داشته باشد. ما در این فصل به صورت کامل چگونگی کارکرد آن را می‌آموزیم و به صورت عملی با استفاده از کتابخانه Scikit-learn از آن استفاده می‌کنیم. بدون شک یکی از برترین و کامل‌ترین آموزش‌های SVM را در این فصل از دوره جاری می‌توانید مشاهده کنید.

در میان متخصصین و مدیران در صنایع مختلف، درخت‌ تصمیم یکی از روش‌های محبوب جهت تفکیک حالات مختلف به شمار می‌رود. خودمان نیز روزانه از ابتدای صبح در حال استفاده از درخت تصمیم و بررسی حالات مختلف و نتایج حاصل از این تصمیم‌ها هستیم.‌ زیرا درک آن آسان بوده و می‌توان به تعداد دلخواه گزینه‌های جدیدی را به آن‌ها اضافه کرد، در انتخاب و پیدا کردن بهترین گزینه از میان گزینه‌های مختلف کارآمد بوده و همچنین با ابزار‌های تصمیم‌گیری دیگر به خوبی سازگاری دارد. ما در این فصل به صورت کامل چگونگی کارکرد آن را می‌آموزیم، با معیارهای آنتروپی و Gini Index آشنا خواهیم شد و به صورت عملی جهت ساخت مدل نهایی، از کتابخانه Scikit-learn استفاده می‌کنیم.

یادگیری جمعی حوزه‌ای در یادگیری ماشین است که به کمک آن‌ از چندین مدل به صورت ترکیبی و هم‌زمان استفاده می‌گردد تا قدرت مدل در آموزش و ارایه خروجی نهایی را بهبود بخشند. در این فصل تکنیک‌های یادگیری جمعی از قبلی Bagging و Boosting را به منظور ترکیب مدل‌ها در مسائل رگرسیون و طبقه‌بندی آموزش داده و پیاده‌سازی می‌کنیم. این فصل، شما را جهت ورود به فصل بعد و فهم بهتر الگوریتم‌های مبتنی بر Ensemble Learning آماده می‌نماید.

XGBoost به عنوان یکی از برترین روش های جدید و روش پیشنهادی جهت شرکت در مسابقات برنامه نویسی مانند مسابقات سایت Kaggle معرفی شده است. این الگوریتم با توجه به مدل پیاده‌سازی از سرعت اجرای به مراتب بالاتری نسبت به الگوریتم‌های هم‌رده‌اش برخوردار است. ما از XGBoost هم در مسایل Classification و هم در Regression استفاده خواهیم کرد و به سراغ پیش‌بینی میزان دی اکسید کربن تولید شده در سال‌های آتی خواهیم رفت.

همان‌طور که می‌دانید حجم داده‌های بدون برچسب بسیار بیشتر از داده‌های برچسب‌گذاری شده است. بنابراین این دسته از روش‌های یادگیری ماشین که مختص داده‌های بدون برچسب هستند، طرفداران زیادی دارد. در این بخش به بررسی روش‌های K-means و DBSCAN خواهیم پرداخت و مثال‌های جالبی از ایستگاه‌های هواشناسی و اطلاعات مشتریان فروشگاهی را حل خواهیم کرد.

وقتی با مسائل واقعی و داده های واقعی سروکار داریم، اغلب با داده های با ابعاد بالا روبرو هستیم. همان‌طور که می‌دانید در یادگیری ماشین، ویژگی‌های زیادی داریم که آموزش نهایی بر آن اساس انجام می شود. این عوامل اساساً به عنوان متغیر شناخته می شوند و هرچه تعداد ویژگی ها بیشتر باشد، تجسم و کار بر روی آن دشوارتر می‌شود. حتی در برخی شرایط این ویژگی‌ها مشابه بوده و انتخاب یکی از آن‌ها کفایت می‌کند. در این مرحله است که الگوریتم‌های کاهش ابعاد به کمک ما خواهند آمد. چه برای امکان ترسیم داده‌ها و Visualization و چه برای سرعت در آموزش مدل نهایی. در این فصل با روش PCA آشنا خواهیم شد و نحوه استفاده از آن را یاد خواهیم گرفت. همچنین در مورد LDA و t-SNE نیز صحبت خواهیم کرد.

این روزها یکی از بزرگترین چالش‌‌های مهندسین و فعالان حوزه یادگیری ماشین، عدم توانمندی در تولید محصول اولیه (MVP) است. ما با هدف تولید یک Web Application با استفاده از کتابخانه Streamlit این چالش را حل خواهیم کرد. بدین ترتیب شما یک نرم‌افزار تحت وب خواهید داشت که در پشت صحنه آن، مدل‌های مبتنی بر یادگیری ماشین مشغول پاسخ‌دهی به شما خواهند بود.

حال که تا این مرحله جلو آمدیم، زمان یادگیری و آشنایی با روش‌هایی فرارسیده که سرعت پیاده‌سازی و اجرا را چندین برابر، حتی سریعتر از قبل، فراهم نماید. کتابخانه Pycaret یک کتابخانه Low Code و جذاب به منظور ساخت مدل نهایی در کمترین زمان ممکن است. با استفاده از Pycaret، سرعت رسیدن به خروجی اولیه خیلی بیشتر خواهد بود و با تنها چند کلیک و به سادگی هر چه تمام، می‌توانید از اکثر الگوریتم‌های Classification، Regression و ... بهره‌مند شوید.

خسته نباشید. دوستان گرامی، در این بخش به معرفی پروژه نهایی خواهیم پرداخت. این بخش شاید آخرین گام این دوره و اولین گام شما جهت ورود به دنیای جذاب یادگیری ماشین به صورت عملی خواهد بود. تحلیل داده‌های روال واکسیناسیون کرونا (Covid-19) می‌تواند حتی از نظر شهودی به شما کمک شایانی در یادگیری و جمع‌بندی نهایی نماید. همچنین Churn Prediction یکی دیگر از مسایل جذاب صنعت می‌باشد که در این بخش به عنوان پروژه‌‌های نهایی در نظر گرفته شده‌اند.