دوره آموزش یادگیری ماشین با پایتون – تیر ماه ۹۸

371 ۰

🔸🔸 دوره جامع آموزش یادگیری ماشین با پایتون🔸🔸

Machine Learning with Python

آکادمی یادگیری ماشین ایران (Iran Machine learning) متشکل از فارغ التحصیلان دانشگاه های معتبر داخل و خارج از کشور، با هدف توسعه فرهنگ استفاده از راهکارهای نوین هوش مصنوعی و نیز ارائه آموزش های لازم در بخش های هوش مصنوعی، یادگیری ماشین و یادگیری عمیق فعالیت خود را در ابتدای سال ۱۳۹۷ آغاز نمود.

ما بر این باوریم، که دیر یا زود هوش مصنوعی در جوامع امروزی حضوری پر رنگ تر خواهد یافت و زندگی تمامی انسان ها را آسان تر، بهتر و مرفه تر خواهد نمود. بنابراین با نگرش فرهنگ سازی و ارائه آموزش ها و اطلاعات لازم برای متخصصین IT، دانشجویان رشته مهندسی به ویژه مهندسی کامپیوتر و IT در مقاطع مختلف تحصیلی و نیز علاقمندان به این حوزه جذاب و پرچالش شروع به فعالیت نموده ایم. هدف ما این است که با درک صحیح نیازهای روز جامعه و تدوین محتوای مناسب آموزشی، تجربه ای عالی از ارائه خدمات در حوزه هوش مصنوعی را در ذهن مخاطبین متبادر می سازیم.

🔘 این دوره آموزشی حاصل سال ها تجربه مدیران آکادمی یادگیری ماشین ایران در حوزه تدریس در دانشگاه معتبر داخلی و فعالیت در بازار کار بوده و با هدف کاربردی بودن در سناریوهای دنیای واقعی مطرح خواهد شد. این کارگاه آموزشی، کاملا پروژه محور بوده و از مباحث تئوری کسل کننده خبری نیست. در پایان هر فصل با انجام بخشی هایی از پروژه واقعی، آموخته های خود را در دنیای واقعی محک خواهید زد.

🔘این دوره، دومین کارگاه آموزش یادگیری ماشین می باشد. علاقمندان جهت مشاهده گزارش اولین دوره آموزش یادگیری ماشین می توانند از طریق لینک زیر اقدام کنند.

🔘 زمان برگزاری کارگاه: ۲۰ و ۲۱ و ۲۷ و ۲۸ تیرماه ۱۳۹۸

🔘 محل برگزاری: پردیس شمالی دانشگاه تهران

🔸 دوره آموزشی حاضر، ۲۰ ساعت کلاس آموزش یادگیری ماشین است که در پایان، فایل های آموزشی و کدهای استفاده شده در کارگاه در اختیار شرکت کننده های محترم قرار خواهد گرفت.هدف این دوره آشنایی شرکت‌کنندگان با روش‌ها و الگوریتم‌های یادگیری ماشین و چگونگی پیاده‌سازی آنها در پایتون می باشد.

در بخش اول این کارگاه، آموزش ها جهت پیاده سازی الگوریتم ها و روش های Machine learning می باشد. سرفصل های ارایه شده عبارتند از :

  • معرفی مفسر پایتون به همراه نصب پایتون
  • معرفی IDE های مختلف آموزش پایتون مانند Jupyter Notebook و Spyder و Pycharm
  • تعریف یادگیری ماشین و کاربردهای آن در صنایع مختلف
  • آموزش مفاهیم و انواع روش های یادگیری (Supervised & Unsupervised)
  • مثال های کاربردی و مفاهیم Linear Regression و Logistic Regression
  • مفاهیم Overfitting و راه های مقابله با آن مانند Regularization
  • روش های مختلف طبقه بندی داده ها (Classification) و توضیح جامع شبکه های عصبی
  • مقدمه‌­ای بر یادگیری عمیقدر ادامه به صورت کاملاً عملی با مسایل و دیتاست های معتبر حوزه یادگیری ماشین کار خواهد شد و مباحث Classification و Clustering پیاده سازی خواهد شد که سرفصل آن عبارت است از:
  • آموزش کتابخانه Numpy (برای کار با ماتریس ها)
  • آموزش کتابخانه Pandas (جهت کار با DataFrame)
  • آموزش مقدماتی EDA و نحوه ورود به پروژه های عملی Data Science
  • آموزش بصری سازی و Visualization توسط کتابخانه های Matplotlib، Seaborn  و Bokeh
  • بررسی عمیق کتابخانه Scikit-learn جهت آموزش یادگیری ماشین به منظور پیاده سازی و اجرای الگوریتم های مختلف یادگیری ماشین
  • اجرای ۲ پروژه کاملاً عملی با دیتاست های معتبر از وب سایت Kaggle

مطالب این دوره به گونه‌ای تهیه و تنظیم شده‌اند که شرکت‌کنندگان پس از پایان دوره بتوانند به سادگی الگوریتم‌های مورد نیاز خود را پیاده‌سازی و در عمل از آنها برای حل مسائل دنیای واقعی استفاده کنند. افزون بر این، شرکت‌کنندگان پس از گذراندن این دوره، از آمادگی کامل به منظور یادگیری و کار کردن در حوزه جذاب «یادگیری ماشین و یادگیری عمیق» برخوردار خواهند بود.

🔸 نکات قابل توجه علاقه مندان شرکت‌کننده در دوره آموزش یادگیری ماشین،  Machine learning with Python:

به منظور سنجش شرکت کنندگان، پروژه عملی علاوه بر محتوای کارگاه آموزشی نیز در نظر گرفته شده است.
شرکت کنندگان با کسب حد نصاب پروژه­‌های عملی و فعال بودن در کارگاه برگزار شده، در صورت تمایل؛ با شرکت ژرفیران در انجام پروژه­‌های جاری، ادامه همکاری خواهند داد.
***همراه داشتن لپ تاب توسط شرکت کنندگان الزامی است.***
🔻🔻 دانش آموختگان پیشین آکادمی، از تخفیف ویژه ای جهت ثبت نام در این کارگاه برخوردار خواهند بود. 🔻🔻

کسب اطلاعات بیشتر : وب سابت Evand 

🔸 شماره تماس : ۰۹۳۰۶۷۲۷۷۰۴ و یا (۰۲۱۴۳۶۱۲۵۰۸ در ساعات اداری)

نوشته مرتبط

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *