مقدمه‌

سلام!

قالب کالج

سیستم امتیازات و دریافت گواهی اصلی

یادگیری ماشین چیست؟

چرا پایتون؟

آماده‌سازی محیط کار

اجرای نوت‌بوک‌ها

گوگل کولب

معرفی مجموعه‌داده درسنامه

مدیریت پروژه

اهداف فصل

چرخه پروژه

اولویت‌بندی

سازماندهی تیم

چرا پروژه‌ها شکست می‌خورند؟

آماده‌سازی داده

سوالاتی درباره داده

چالش‌های داده

ویژگی‌های مجموعه‌داده‌ی خوب

تقسیم‌بندی مجموعه‌داده

داده‌های پرت

مقادیر گم‌شده

ردیابی صحیح

مجموعه‌داده نامتوازن

مهندسی ویژگی

اهمیت

مشخصات ویژگی خوب

ویژگی‌های دسته‌ای

مقادیر گم‌شده در ویژگی‌های دسته‌ای

بازاریابی بانکی

ویژگی‌های تقویمی

سنتز ویژگی

ترافیک شهری

تغییر مقیاس ویژگی

نشت داده

فوت و فن‌های مهندسی ویژگی

کاهش ابعاد

انتخاب ویژگی

سوباسا

خط لوله

رگرسیون

مقدمه

مدل چیست؟

تخمین، تابع هزینه و بهینه‌سازی

آزمون تخمین، تابع هزینه و بهینه‌سازی

رگرسیون خطی

آزمون رگرسیون خطی

ارزیابی

دایی موند

رگرسیون چندجمله‌ای

امید به زندگی

عمومیت

رگولاریزیشن

دسته‌بندی

رگرسیون لجستیک

ارزیابی - قسمت اول

تحلیل NBA

ارزیابی - قسمت دوم

کراس ولیدیشن

k-نزدیک‌ترین همسایه

آزمون k-نزدیک‌ترین همسایه

پسته

بیز ساده‌لوحانه

کامنت‌کاوی

ماشین بردار پشتیبان

هایپرپارامترها

تشخیص تقلب

آشنایی با کتابخانه‌ی H2O

درخت تصمیم

آزمون درخت تصمیم

فوت و فن درخت تصمیم

بیش‌برازش درخت تصمیم

درآمد

یادگیری تجمعی

جنگل تصادفی

شکارچی قارچ

الگوریتم AdaBoost

مشتریان بانک

الگوریتم Gradient Boosting

الگوریتم XGboost

روش Stacking

پروژه اول

تفریحی

کَنکِلی

شبکه عصبی

پرسپترون

آموزش پرسپترون

تمرین پرسپترون

پرسپترون چندلایه

ام نیست

یادگیری نظارت‌نشده

الگوریتم PCA

الگوریتم t-SNE

تشخیص اخبار دروغین

خوشه‌بندی با k-means

بخش‌بندی مشتریان مرکز خرید

خوشه‌بندی با k-modes

خوشه‌بندی با k-prototype

پروژه دوم

تعبیه‌ی متن

تشخیص جنسیت

موضوع‌بندی

فاصله‌ی ویرایش

معیار شباهت RBO

تحلیل جست‌و‌جو

پیشنهاد خودکار

بیشتر بدانید

نمونه‌کاهی با NearMiss

نمونه‌افزایی با SMOTE

درخت رگرسیون

همان‌گونه که از اسم دوره انتظار می‌رود، زبان برنامه‌نویسی مورد استفاده‌ی ما، **پایتون (Python)** است. ممکن است تا به حال دوره‌های دیگر یا آگهی‌های شغلی زیادی دیده باشید که همگی از زبان برنامه‌نویسی پایتون استفاده می‌کرده‌اند. سوالی که اینجا مطرح می‌شود این است که دلیل محبوبیت این زبان چیست؟

به‌طور کلی، دلایل انتخاب پایتون در این دوره را می‌توان به چهار دسته تقسیم‌ کرد.

## زبان غالب در صنعت

در اکثر شرکت‌هایی که با داده سر و کار دارند، زبان برنامه‌نویسی پایتون در حال استفاده است. چون می‌خواهیم دوره‌ی یادگیری ماشین، کاربردی باشد، نیاز است زبانی را انتخاب کنیم که شرکت‌های زیادتری متقاضی آن هستند. البته زبان‌های برنامه‌نویسی دیگر مانند MATLAB, R و Julia نیز در صنعت داده کاربرد خود را دارند، اما شاید بتوان گفت پایتون اولین انتخاب بسیاری از افراد است.

طبق گزارش تهیه‌شده توسط [DevJobsScanner](https://www.devjobsscanner.com/blog/top-8-most-demanded-languages-in-2022/) در سال ۲۰۲۲ که با تحلیل بیش از ۷ میلیون آگهی شغلی توسعه‌دهندگان به دست آمده، زبان پایتون توانسته رتبه‌ی دوم را کسب کند که خود نشان از اهمیت آن در صنعت دارد.

![image](/qbox/download/6j1mDUJdFK/devjobs_ranking.png)

## کتابخانه‌های متن‌باز فراوان

در پایتون‌ کتابخانه‌های زیادی برای بارگذاری و دستکاری داده، مدل‌سازی، فعالیت‌های آماری، پردازش تصویر و پردازش متن وجود دارند. هر کدام از این کتابخانه‌ها، توابع زیادی در اختیار توسعه‌دهندگان قرار می‌دهند تا بتوانند به راحتی و در حالت بهینه، برنامه خود را توسعه دهند. به‌ عنوان مثال [Numpy ](https://numpy.org/) برای کار با آرایه‌ها و اعمال ریاضی، [pandas ](https://pandas.pydata.org/) برای ذخیره‌سازی داده‌های جدولی و دستکاری داده، [OpenCV ](https://opencv.org/) برای کار با تصاویر و [scikit-learn ](https://scikit-learn.org/) برای یادگیری ماشین در پایتون مورد استفاده قرار می‌گیرند.

![image](/qbox/download/GEOqHZi0uW/PythonLibraries.png)

## تعامل با کد و داده

در علوم داده و یادگیری ماشین، تعامل با کد و توسعه تعاملی بسیار مرسوم و معمول است. در پایتون با یک تغییر جزئی در کد می‌توانیم از برنامه اجرا بگیریم، نتیجه را مشاهده و تحلیل کنیم و مجدداً کد را تغییر دهیم. این چرخه آن‌قدر تکرار می‌شود تا به نتیجه‌ی مطلوب برسیم. با کمک ترمینال یا ابزارهایی مانند جوپیتر، تعامل با کد در پایتون بسیار راحت خواهد بود.

## کاربردهای دیگر پایتون

پایتون یک زبان برنامه‌نویسی همه‌منظوره است. بنابراین کتابخانه‌های قدرتمندی برای ساخت واسط کاربری، کار با وب و دیگر کاربردها دارد. تصور کنید تنها با یادگیری یک زبان برنامه‌نویسی، می‌توانید یادگیری ماشین انجام داده و مدل را به کمک چارچوب‌هایی مانند جنگو، در وب قابل دسترس کرده و یا برای آن، واسط کاربری طراحی کنید! برخی از کمپانی‌های شناخته‌شده‌ای که از زبان پایتون در سرویس‌هایشان استفاده می‌کنند در تصویر زیر آمده است.

![image](/qbox/download/aVbXmk01q1/Companies.png)

این دلایل تنها بخشی از عللی هستند که باعث می‌شوند اکثر دانشمندان داده یا مهندسان یادگیری ماشین، پایتون را به عنوان زبان اصلی خود انتخاب کنند.

جامپ یادگیری ماشین