Makine öğrenimi 1959'da Arthur Samuel tarafından "bilgisayarlara açıkça programlanmadan öğrenme yeteneği veren çalışma alanı" olarak tanımlandı. Python ile EITC/AI/MLPP Makine Öğrenimi Programlama programı, Python ile programlamaya odaklanan makine öğreniminin (teorinin temel anlaşılması dahil) temellerini tanıtmayı amaçlamaktadır. Teori dışında, uygulamaların yanı sıra denetimli, denetimsiz ve derin öğrenme makine öğrenimi algoritmalarının teorik ve pratik yönlerini kapsar. Program doğrusal regresyon, K En Yakın Komşular, Destek Vektör Makineleri (SVM), düz kümeleme, hiyerarşik kümeleme ve sinir ağlarını kapsar. İlgili algoritma ve arkasındaki mantığın temel kavramlarını içerir. Ayrıca modüllerle birlikte örnek gerçek veri setlerini kullanan programlamadaki algoritmaların uygulamalarının tartışılmasını da kapsar (örn. Scikit-Learn). Program ayrıca, algoritmaların tam olarak nasıl çalıştığı, nasıl değiştirilebilecekleri ve avantajları ve dezavantajları da dahil olmak üzere özelliklerinin neler olduğu ile ilgili matematik dahil olmak üzere bu algoritmaları kodda uygulayarak algoritmaların her birinin ayrıntılarını kapsayacaktır. Makine öğreniminde yer alan algoritmalar, dayandıkları matematik (doğrusal cebir) gibi oldukça basittir (büyük veri kümeleri için ölçeklendirme gerekliliklerine göre).
Müfredat Referans Kaynakları
Python belgeleri
https://www.python.org/doc/
Python indirmeleri yayınlar
https://www.python.org/downloads/
Yeni Başlayanlar İçin Python Kılavuzu
https://www.python.org/about/gettingstarted/
Python Wiki Yeni Başlayanlar Kılavuzu
https://wiki.python.org/moin/BeginnersGuide
W3Schools Python Makine Öğrenimi Eğitimi
https://www.w3schools.com/python/python_ml_getting_started.asp
EITC/AI/MLP Python ile Makine Öğrenimi programına yönelik çevrimdışı kendi kendine öğrenme hazırlık malzemelerinin tamamını PDF dosyası olarak indirin
EITC/AI/MLP hazırlık malzemeleri – standart versiyon
EITC/AI/MLP hazırlık materyalleri – inceleme sorularını içeren genişletilmiş versiyon