Machine Learning در Python
 /  Machine Learning در Python
Machine Learning در Python

 

عصر تکنولوژی روز به روز در حال پیشرفت است و در این میان یادگیری ماشین به عنوان یک علم جدید وارد بازار شده تا به تکنولوژی ها و نرم افزارها قدرت پیشرفت بدهد.

در علم ماشین لرنینگ به نرم افزار قدرتی داده می شود که با استفاده از دانشی که به آن داده می شود برخی از مسایل را حل کند.

پایتون یکی از زبانهای برنامه نویسی محبوب دنیاست که برای ماشین لرنینگ مورد استفاده قرار می گیرد. ما با استفاده از پایتون می توانیم تکنولوژی هایی بسازیم که قابلیت یادگیری از داده های ما را دارند.

گذراندن دوره پایتون مقدماتی

 

  • Numpy
  • Arrays
  • Array indexing
  • Datatypes
  • Array math
  • Broadcasting
  • Numpy environment
  • Ndarray Object
  • Numerical Range
  • Mathematical Function
  • Statistical Function
  • Matrix
  • Linear Algebra
  • I/O
  • Sort, Search, Counting
  • Arithmetic
  • String functions

 

  • SciPy

 

  • Image operations
  • MATLAB files
  • Distance between points

 

  • Pandas
  • Data structure
  • Series
  • Indices
  • Data Frames
  • Data frames and Index
  • Data frame updating
  • Reindexing , Sorting
  • Methods in Dataframe

 

  • Matplotlib

 

  •  Line Plot
  •  Scatter Plot
  •  Histogram Plot
  •  Pie Chart
  • Chart Edit
  • Multi Plots
  • seaborn
  • Strip Plot
  • Swarm Plot
  • Plotting
  • Subplots
  • Images
  •  Box Plot
  •  Joint Plot
  •  Pair Plot

Introduction to Machine Learning

  • Applications of Machine Learning
  • Supervised vs Unsupervised Learning
  • Python libraries suitable for Machine Learning
  • Regression
  • What Is Regression?
  • When Do You Need Regression?
  • Linear Regression
  • Problem Formulation
  • Regression Performance
  • Simple Linear Regression
  • Multiple Linear Regression
  • Polynomial Regression
  • Implementing Linear Regression in Python
  • Python Packages for Linear Regression
  • Simple Linear Regression With scikit-learn
  • Multiple Linear Regression With scikit-learn
  • Polynomial Regression With scikit-learn
  • Advanced Linear Regression With statsmodels
  • Classification
  • Introduction to Classification3m
  • K-Nearest Neighbours
  • Evaluation Metrics in Classification
  • Introduction to Decision Trees
  • Building Decision Trees
  • Intro to Logistic Regression
  • Logistic regression vs Linear regression
  • Logistic Regression Training
  • Support Vector Machine


دسته بندی ها: برنامه نویسی

دوره های مرتبط

برنامه نویسی
JavaScript
اهدافپیش نیازسرفصل آشنایی با زبان برنامه نویسی JavaScript در محیط پرقدرت Node.Js کنسول مبانی برنامه نویسی    
سخنران ها (استاد ها)
  • ساختمان 1. خیابان ارم. نبش کوچه 2
  • 32251000 داخلی 130

قیمت

1.950.000 تومان
ثبت نام

جستجوی دوره

ارتباط با سازمان (ساختمان مرکزی)

 شیراز / ابتدای بلوار ارم / نبش کوچه ۲ / پلاک ۱۹

 info@simi.ir

 32251000 (071)

ارتباط با سازمان (ساختمان شماره 2)

 شیراز / بلوار ارم / نبش کوچه ۱۷

 manedu@simi.ir

 32285045 (071)