دوره مقدماتی پایتون و یادگیری ماشین از تاریخ ۳۰ خرداد ماه ۹۸ هر هفنه تا تاریخ ۳۱ مرداد ۹۸ برگزار خواهد شد.

پایتون زبان برنامه نویسی رو به رشدی است که امروزه در علوم و کاربردهای مختلف نفوذ پیدا کرده و بسیار از سیستم های کلان آنالیز داده و تجزیه و تحلیل سیستم ها بر اساس ان طرح ریزی و دنبال می شوند. پایتون به دلیل سادگی و کارایی فوق العاده در اولین انتخاب های برنامه نویسان و به خصوص پروژه های کلان قرار می گیرد . هسته مرکزی پایتون همراه با کتابخانه های مختلفی که هر روزه به صورت اکثریت رایگان در اختیار کاربران قرار می گیرند قدرت فوق العاده به کاربران در صنایع مختلف می دهد . این دوره به دوستانی که پروژه های نسبتا متوسط به بالا را در نظر دارند توصیه می گردد.
پایتون یکی از بهترین زبان های کنترل دیتا در سیستم های کلان داده است.

سرفصل مطالب

۱
Python learning

۱۲ ساعت  

·       Installation (python core ,pycharm ,anaconda)
·       Python Lists
·       Python Tuples
·       Python Sets
·       Python Dictionaries
·       Python If…Else
·       Python While Loops
·       Python For Loops
·       Python Functions
·       Python Lambda
·       Python Arrays
·       Python Classes/Objects
·       Python Iterators
·       Python Modules
·       Python Dates
·       Python JSON
·       Python PIP
·       Python Try…Except

۲    
Introduction to Machine Learning Library  

۲۰ ساعت  

شامل موارد زیر 

: Essential Libraries and Tools
Jupyter Notebook
NumPy
SciPy
matplotlib
pandas

Supervised Learning
Classification and Regression
Supervised Machine Learning Algorithms
·       k-Nearest Neighbors
·       Linear Models
·       Naive Bayes Classifiers
·       Decision Trees
·       Ensembles of Decision Trees
·       Kernelized Support Vector Machines
·       Neural Networks (Deep Learning)

Unsupervised Learning and Preprocessing
·       Preprocessing and Scaling
·       Dimensionality Reduction, Feature Extraction, and Manifold Learning
·       Principal Component Analysis (PCA)
·       Manifold Learning with t-SNE
·       Clustering
·       k-Means Clustering
·       Agglomerative Clustering
·       DBSCAN

Representing Data and Engineering Features
·       One-Hot-Encoding
·       Binning, Discretization, Linear Models, and Trees
·       Model-Based Feature Selection

Model Evaluation

    Cross-Validation

 Stratified k-Fold Cross-Validation and Other Strategies

Regression Metrics

برای علاقه مندان دوره تکمیلی زیر بعداً برگزار خواهد شد

Python Advanced

۱۵ ساعت     :   Class structures ·       Text mining ·       Web crawling ·       Image processing

در انتهای اين دوره دانشجويان قادر خواهند بود:
 دانشجویان با زبانی بسیار توانمند که امکان بسط و توسعه و کاربرد ان در علوم مختلف میسر است آشنا خواهند شد و همچنین دانشجویان در جلسات قسمت دوم با مباحث تجمیع دیتا- آنالیز دیتا و یادگیری ماشین  کاربردی کار خواهند کرد.