گروه 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.

کارگاه حاضر، ۲۰ ساعت کلاس آموزشی 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.

سرفصل مطالب

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

• مقدمه ای بر برنامه نویسی
• معرفی مفسر پایتون به همراه نصب پایتون
• معرفی IDE های مختلف آموزش پایتون مانند Jupyter Notebook و Spyder و Pycharm
• عملیات مقدماتی (ریاضی)، متغیرها و عملگرهای inplace
• انواع ساختمان داده ها مانند String، Dictionary و Tuple
• عملیات کنترلی و حلقه ها در پایتون
• توابع و ماژول ها به همراه برنامه نویسی Functional

در ادامه به بررسی مفاهیم و الگوریتم های اصلی Machine learning خواهیم پرداخت. سرفصل‌های مفاهیم تئوری یادگیری ماشین به شرح زیر خواهد بود:

1. تعریف یادگیری ماشین و کاربردهای آن در صنایع مختلف
2. آموزش مفاهیم و انواع روش های یادگیری (Supervised & Unsupervised)
3.  مثال های کاربردی و مفاهیم Linear Regression و Logistic Regression
4. مفاهیم Overfitting و راه های مقابله با آن مانند Regularization
5. روش های مختلف طبقه بندی داده ها (Classification) و توضیح جامع شبکه های عصبی
6. بررسی جامع مفاهیم SVM به همراه کاربرد عملی
7. مقدمه‌­ای بر یادگیری عمیق

در 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:

1. آموزش کتابخانه Numpy (برای کار با ماتریس ها)
2. آموزش کتابخانه Pandas (جهت کار با DataFrame)
3. آموزش مقدماتی EDA و نحوه ورود به پروژه های عملی Data Science
4. آموزش بصری سازی و Visualization توسط کتابخانه های Matplotlib، Seaborn  و Bokeh
5. بررسی عمیق کتابخانه Scikit-learn به منظور پیاده سازی و اجرای الگوریتم های مختلف یادگیری ماشین
6. 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 کارگاه 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.***
• در پایان کارگاه، گواهی معتبر اعطا خواهد شد.

کسب اطلاعات بیشتر : وب سایت آکادمی یادگیری ماشین ایران (Iran Machine Learning)

شماره تماس : ۰۹۳۰۶۷۲۷۷۰۴