دوره یادگیری ماشین (Machine Learning): گذر از تئوری به عمل در جذاب‌ترین حوزه فناوری

۱. مبانی ریاضی و آماری

جبر خطی برای یادگیری ماشین

حسابان و بهینه‌سازی

آمار و احتمال

آنالیز عددی

۲. برنامه‌نویسی برای یادگیری ماشین

Python و کتابخانه‌های تخصصی

NumPy برای محاسبات عددی

Pandas برای کار با داده‌ها

Matplotlib و Seaborn برای بصری‌سازی

۳. یادگیری نظارت شده (Supervised Learning)

رگرسیون خطی و لجستیک

درخت تصمیم و جنگل تصادفی

ماشین بردار پشتیبان (SVM)

الگوریتم‌های Ensemble

۴. یادگیری غیرنظارت شده (Unsupervised Learning)

خوشه‌بندی K-Means

تحلیل مؤلفه‌های اصلی (PCA)

کاهش ابعاد (Dimensionality Reduction)

قاعده‌یابی انجمنی (Association Rule Mining)

۵. یادگیری عمیق (Deep Learning)

شبکه‌های عصبی مصنوعی

شبکه‌های عصبی کانولوشنی (CNN)

شبکه‌های عصبی بازگشتی (RNN)

چارچوب‌های TensorFlow و PyTorch

۶. پردازش زبان طبیعی (NLP)

مدل‌های زبانی

جاسازی کلمات (Word Embeddings)

تحلیل احساسات

ترجمه ماشینی