دوره رایگان آموزشی یادگیری ماشینی با پایتون
شرکت بینالمللى ماشینهاى تجارى (INTERNATIONAL BUSINESS MACHINES) یک شرکت در میان دیگر شرکتهای کسبوکار در جهان است؛ اما تاریخچه یک قرن حضور در مراحل مختلف تکامل اندیشه و عمل بشرى از IBM شرکتى پدید آورده است که همواره جایگاه ویژهای در جهان دارد. در حال حاضر، IBM یک شرکت معتبر چندملیتی در حوزه فناوری اطلاعات است که در نیویورک واقع شده و توانسته به مدت 25سال متوالی رکوردار ثبت اختراع در ایالات متحده باشد. این شرکت معتبر در حوزه فناوری اطلاعات، دوره آموزشی یادگیری ماشینی با پایتون را برگزار میکند.
درباره دوره یادگیری ماشینی با پایتون
این دوره از تاریخ 16 جولای آغاز میشود و در تاریخ 31 دسامبر به پایان میرسد. دوره یادگیری ماشینی با پایتون در سطح مقدماتی به شکل رایگان به زبان انگلیسی و به مدت 5 هفته در قالب فیلمهای آموزشی ارائه میشود. لازم به ذکر است که دسترسی شرکتکنندگان به فیلمهای آموزشی دوره تا تاریخ 20 آگوست امکانپذیر است. همچنین شرکتکنندگان میتوانند بعد از موفقیت در به پایان رساندن پروژهها و امتحانات، گواهینامه معتبر و حرفهای IBM Data Science را اخذ کنند.
مدرس دوره یادگیری ماشینی با پایتون، دکتر سعید آقابزرگی خواهد بود که از متخصصان علم داده در موسسه IBM است.
محورهای آموزشی دوره یادگیری ماشینی با پایتون
دوره یادگیری ماشینی با پایتون به اصول یادگیری ماشین با استفاده از پایتون، که یک زبان برنامهنویسی قابل دسترس و شناختهشده است میپردازد. داوطلبان در مقابل یادگیری نظارتشده، یادگیری بدون نظارت را خواهند آموخت. همچنین علاقهمندان در این دوره نحوه ارتباط مدلسازی آماری با یادگیری ماشین را بررسی کرده و هر کدام را مقایسه خواهند کرد. افراد برای شرکت در دوره آموزشی یادگیری ماشینی با پایتون، لازم است که به اصول پایتون آشنایی داشته باشند.
در این دوره بسیاری از الگوریتمهای کاربردی و مهم از جمله طبقهبندی، رگرسیون، خوشهبندی، کاهش ابعاد و مدلهایی مانند تقسیم Train/Test،Root Mean Squared Error (RMSE) و Random Forests بررسی خواهند شد. مهمترین شاخصه این دوره این است که داوطلبان دانش نظری خود را با استفاده از آزمایشگاهها به مهارت عملی تبدیل خواهند کرد.
داوطلبان در دوره آموزشی یادگیری ماشینی با پایتون تفاوت بین دو نوع اصلی روشهای یادگیری ماشینی تحت نظارت و بدون نظارت، الگوریتمهای یادگیری تحت نظارت از جمله طبقهبندی و رگرسیون، الگوریتمهای یادگیری بدون نظارت از جمله خوشهبندی و کاهش ابعاد و همچنین ارتباط مدلسازی آماری با یادگیری ماشین و نحوه مقایسه آنها را آموزش خواهند دید.
سرفصلهای دوره یادگیری ماشینی با پایتون
مفاد درسی دوره یادگیری ماشینی با پایتون در 5 بخش طبقهبندی شدهاست که ما در زیر به آنها اشاره خواهیم کرد.
بخش اول: مقدمهای بر یادگیری ماشینی، کاربردهای یادگیری ماشینی، یادگیری تحت نظارت در مقابل یادگیری بدون نظارت.
بخش دوم: رگرسیون، رگرسیون خطی، رگرسیون غیرخطی، روشهای ارزیابی مدل
بخش سوم: طبقهبندی، درختان تصمیم، رگرسیون لجستیک، ماشینهای بردار پشتیبانی، ارزیابی مدل
بخش چهارم: یادگیری بدون نظارت، معنای خوشهبندی، خوشهبندی سلسله مراتبی، خوشهبندی بر اساس چگالی
بخش پنجم: سیستمهای توصیهکننده، سیستمهای توصیهکننده مبتنی بر محتوا
توضیحات مهم برای ثبتنام در دوره یادگیری ماشینی با پایتون
به علت وجود برخی از تحریمها، کاربران ایرانی علاقهمند به شرکت در دوره یادگیری ماشینی با پایتون، برای ثبتنام خود با مشکل روبهرو هستند. به همین جهت لازم به ذکر است که داوطلبان باید با استفاده از فیلترشکن نسبت به ثبتنام خود اقدام کرده و برای مراجعه به حساب کاربری خود جهت ادامه دوره، حتماً فیلترشکن را روشن کنند. همچنین داوطلبان میتوانند حساب خود را با IP غیر از ایران ایجاد کرده و از دوره مذکور استفاده کنند.