آشنایی با یادگیری بدون نظارت

این دوره با هدف آشنایی کاربردی و مفهومی با یادگیری بدون نظارت طراحی شده است. در طول دوره، ابتدا به پیش‌پردازش داده‌ها و آماده‌سازی مناسب آن‌ها برای تحلیل می‌پردازیم و سپس وارد روش‌های اصلی این حوزه می‌شویم. الگوریتم‌های K-Means و Hierarchical Clustering برای خوشه‌بندی داده‌ها بررسی می‌شوند و در ادامه با PCA به‌عنوان یکی از مهم‌ترین روش‌های کاهش ابعاد آشنا می‌شویم.

رویکرد دوره فقط اجرای چند الگوریتم آماده نیست. در هر بخش تلاش می‌شود ابتدا منطق روش و دلیل استفاده از آن روشن شود، سپس کد مربوط به آن را بررسی و اجرا کنیم و در نهایت خروجی‌ها را تحلیل کنیم. بنابراین دانشجو فقط یاد نمی‌گیرد که یک مدل را اجرا کند، بلکه باید بتواند نتیجه را تفسیر کند، تفاوت روش‌ها را تشخیص دهد و درک بهتری از رفتار داده به دست آورد.

تمرین‌ها و کوییزهای دوره نیز بیشتر با رویکرد کاربردی و تحلیلی طراحی شده‌اند. هدف این است که در کنار یادگیری مفاهیم، مهارت‌هایی مانند کدنویسی، تحلیل داده، حل مسئله و تصمیم‌گیری درباره روش مناسب نیز تقویت شوند.

این دوره برای افرادی مناسب است که با مقدمات پایتون و یادگیری ماشین آشنایی دارند و می‌خواهند یکی از بخش‌های مهم یادگیری ماشین را به مجموعه مهارت‌های خود اضافه کنند. ساختار دوره تا حد ممکن متمرکز و فشرده طراحی شده است تا بدون طولانی و فرسایشی شدن، مباحث اصلی و مهارت‌های موردنیاز را پوشش دهد.