درباره این دوره
اهداف یادگیری
آشنایی با بخش هایی از مفاهیم پیش پردازش و تمیز سازی داده ها بصورت عملیاتی و پروژه محور
آموزش و انجام چند پروژه یادگیری ماشین در حوزه Supervised-Machin-learning
یادگیری مفاهیم اولیه و بنیادی ماشین لرنینگ
پیش نیازهای بکارگیری مدلهای ماشین لرنینگ
انواع مدلها و نحوه ارزیابی کارایی مدلهای ماشین لرنینگ
یادگیری تعدادی از کتابخانه های تخصصی مرتبط با آن در پایتون
موارد ارائه شده
- مفاهیم اولیه یادگیری ماشین
- مروری بر پایتون با رویکرد استفاده در یادگیری ماشین
- Feature Engineering and Data Preparation
- استفاده از) Linear regression(در کتابخانه سایکیت لرن برای پیش بینی و انجام پروژه عملیاتی
- استفاده از polynomial regression() در کتابخانه سایکیت لرن برای پیش بینی و انجام پروژه عملیاتی
- Cross Validation
- مفهوم Regularization در یادگیری ماشین
- Classification
- انجام یک پروژه عملیاتی Classification با استفاده از کتابخانه سایکیت لرن
مخاطب هدف
- علاقه مندان به حوزه پایتون
- علاقه مندان به یادگیری ماشین و علوم داده
اساتید دوره
مهدس ژینوس ادیبـی
مدرس زبان پایتون و یادگیری ماشین
تحصیلات
کارشناسـی ارشد مدیریت فناوری اطلاعات - دانشگاه الزهرا
سوابق فعالیت
- مجری پروژه های برنامه نویسـی درحوزه دیتاساینس ،تحلیل داده و یادگیری ماشین بصورت Freelance
- تدریس برنامه نویسـی پایتون و یادگیری ماشین
- همکاری با شرکت توسن افق هزاره در حوزه تحلیل و آنالیزداده های بورس تهران
- همکاری با شرکت مهندسـی سیستم یاس ارغوانی در حوزه تحلیل و آنالیزداده
- همکاری با شرکت پژوهش و فناوری پتروشیمی به عنوان کارشناس مدیریت پروژه
- همکاری با شرکت راهبران پتروشیمی به عنوان کارشناس فناوری اطلاعات
مقالات علمی
- ارائه مدل تلفیقی برای ارزیابی آمادگی سازمان ها جهت پیاده سازی سیستم انبار داده با استفاده از تحلیل سلسله مراتبی – دکتر جعفر باقری نژاد و ژینوس ادیبی(علمی - پژوهشی)