هرچند تکنولوژی و الگوریتم های مختلف در دهه های اخیر پیشرفت شگرفی کرده است اما مسائلی وجود دارند که حل آن ها بسیار مفید است و باعث می شود دانش و تکنولوژی پیشرفت سریعتری داشته باشد. از جمله این مسائل می توان به پردازش گفتار و برخی از پردازش های تصویر و مسائل تخمینی و همچنین دسته بندی اشاره کرد.

به لطف پیشرفت در هوش مصنوعی و زیر مجموعه آن، یادگیری ماشین این مشکلات با دقت بسیار قابل قبول حل شده اند که نمونه های امروزی آن دستیارهای صوتی و یا جست و جوی عکس در گوگل و هزاران مورد دیگر است.

در دسته یادگیری ماشین ما قصد داریم تا با نشان دادن چندین نمونه از ورودی ها و خروجی مورد نظر، برای هر ورودی به ماشین آموزش بدهیم چگونه رفتار کند و اگر داده های جدیدی از همین نوع به آن دادیم خروجی مطلوب را برای ما پیش بینی کند. به عبارتی مانند یک انسان باهوش بادیدن چندین مثال رابطه بین ورودی و خروجی را با تقریب زیادی ،تخمین بزند.

الگوریتم ها و روش های متنوع و در حال رشدی برای این یادگیری موجود است که در این دوره علاوه بر پرداختن به موضوع یادگیری ماشین، به طور تخصصی به بیان مفاهیمی همچون cross validation و overfiting  می پردازیم.
همچنین به برخی از الگوریتم های یادگیری مانند linear regression, logistic regression, KNN, … اشاره خواهیم کرد.

سرفصل مطالب

به صورت کلی سرفصل های دوره عبارتند از :

• Python
• Python for Data Analysis – Pandas , Numpy
• Python for Data Visualization – Matplotlib , Seaborn
• Introduction to machine learning
• LinearRegression
• LogisticRegression
• K Nearest Neighbors
• K Means Clustering

ما معتقدیم که یادگیری بدون تمرین ممکن نیست. بنابر این یک روز کامل شما کد خواهید نوشت و مباحث آموزش داده شده را تمرین خواهید کرد.

در انتها نیز مدرک سپری کردن دوره در کارگاه داده خواهد شد. همچنین امکان همکاری  به صورت کارآموزی یا استخدام با افراد برگزیده و فعال کارگاه وجود دارد.