آموزش یادگیری ماشین (Machine Learning) با پایتون (Python)

امروزه، یادگیری ماشین در اکثر صنایع و کسب و کارها مورد استفاده قرار می گیرد و تصمیمات بسیار تاثیرگذار دنیای امروز بر اساس پردازش ها و نتایج به دست آمده از یادگیری ماشین است. همچنین زبان برنامه نویسی پایتون (Python) با رشد و گسترده تر شدن روزافزون جامعه کاربری اش، بستر بسیار مناسبی جهت فعالیت های یادگیری ماشین را فراهم کرده است.

در این فرادرس سعی داریم در ابتدا بسته های شناخته شده پایتون را معرفی و سپس کار با توابع آن ها را بیاموزیم و در انتها، مباحث یادگیری ماشین را با مثال های متعدد در پایتون فرا بگیریم.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:

• درس یکم: مقدمه ای در رابطه با یادگیری ماشین
  • یادگیری ماشین چیست؟
  • کاربردهای فعلی یادگیری ماشین
  • خطرات هوش مصنوعی
  • مرور مطالب دوره
  • آشنایی با ژوپیتر نوت بوک
• درس دوم: آشنایی با بسته NumPy
  • آشنایی با Array و Matrix ها
  • عملگرهای محاسباتی
  • آشنایی با Broadcasting
  • اعداد تصادفی
  • دنباله ها
  • کار با مجموعه ها
  • کار با چند جمله ای ها
• درس سوم: آشنایی با بسته Pandas
  • انواع دیتا استراکچرها در پانداز
  • ایجاد سری ها
  • اندیکس ها و مقادیر در سری ها
  • ایجاد دیتافریم ها (Data Frames)
  • ایندکس ها و مقادیر در دیتافریم ها
  • ویرایش دیتافریم ها
  • ریست کردن، تغییر نام، مرتب کردن ایندکس ها
  • اعمال تابع به دیتافریم ها
• درس چهارم: ترسیم داده ها
  • آشنایی با بسته matplotlib
  • آشنایی با Line Plot
  • آشنایی با Scatter Plot
  • آشنایی با Histogram Plot
  • آشنایی با Pie Chart
  • ویرایش نمودارها
  • رسم چند نمودار روی هم
  • رسم چند نمودار در کنار هم
  • آشنایی با بسته seaborn
  • آشنایی با Strip Plot
  • آشنایی با Swarm Plot
  • آشنایی با Box Plot
  • آشنایی با Joint Plot
  • آشنایی با Pair Plot