یادگیری ماشین چیست ؟

یادگیری ماشین یا ماشین لرنینگ (machine learning) یکی از زیر مجموعه های علوم هوش مصنوعی(AI) میباشد. یادگیری ماشینی مطالعه علمی الگوریتمها و مدلهای آماری است که سیستمهای رایانه ای برای انجام یک کار خاص و بدون استفاده ازدستورالعمل های صریح ، با استنباط و استفاده از الگوهای قبلی، از آنها استفاده می کنند. در تعیرف ساده تر : ماشین اطلاعات و داده ها را از ما دریافت نموده و با بررسی و دسته بندی آن ها و آموزشی که ما با استفاده ازاین داده ها به ماشین داده ایم ،مسائل جدید را حل خواهد نمود . همینطور ماشین لرنینگ اجازه می دهد تا برنامه های نرم افزاری در پیش بینی نتایج دقیق باشند. هرچه انسان ها به ماشین ها معتاد تر می شوند ،محتمل تر است که در آینده شاهد انقلاب جدیدی در سرتاسر جهان شویم و بعید نیست که هوش مصنوعی و یادگیری ماشین آینده را متحول کنند..!

کاربردهای ماشین لرنینگ

یادگیری ماشین کاربردهای بسیار ی دارد که ما نمونه های معدودی ازآن را بیان میکنیم ،نمونه هایی که شاید بارها از آن ها استفاده کرده ایم و تصوری ازاین که توسط ماشین لرنینگ هدایت میشوند نداشته ایم .

سیستم نظارت تصویری :تصور کنید که یک نفر به تنهایی چندین دوربین فیلمبرداری را کنترل کند. مطمئناً کار دشواریست و همینطور خسته کننده! به همین دلیل است که ایده آموزش کامپیوتر برای انجام این کار معقول است و کاربردهایی نظیر شناسایی جرم، قبل از وقوع و ...خواهد داشت .

پیشنهادات وبسایت و برنامه ها جهت خرید محصولات به مشتریان: به کمک ماشین لرنینگ وب سایت یا برنامه بر اساس رفتار شما، خریدهای گذشته ، مواردی که مورد پسندتان قرار گرفته و یا به سبد خرید اضافه شده، ترجیحات تجاری و غیره ... توصیه هایی را جهت خرید محصول به شماارائه می کنند.

Google و سایر موتورهای جستجو برای بهبود نتایج جستجو برای شما، از یادگیری ماشینی استفاده می کنند. هر بار که جستجو را انجام می دهید ، الگوریتم های موجود در پس زمینه ، چگونگی پاسخ شما به نتایج را تماشا می کنند(بر اساس کلیک بر روی صفحات و زمان ماندن در وب و ..)و موتورهای جستجوبه تدریج این الگوریتم ها را بهبود می بخشند.

تبدیل فضای مجازی به مکانی امن: ردیابی کلاهبرداری های پولی به صورت آنلاین به عنوان مثال: پی پال با کمک یادگیری ماشین میلیون ها تراکنش انجام شده را مقایسه کرده ومیتواند بین معاملات مشروع و نامشروع که بین خریداران و فروشندگان صورت گرفته، تمایز قائل شود.

امکان پشتیبانی مشتری در وبسایت ها :در بیشتر موارد ، شما با ربات هایی چت می کنید که اطلاعات را از وب سایت استخراج کرده و در اختیار شما قرار میدهند. چت با ربات ها به کمک ماشین لرنینگ و با گذشت زمان پیشرفت می کند.به مرور آنها نمایش داده های کاربر را بهتر درک کرده و در پاسخ بهتر به آنها تلاش میکنند، که همگی با الگوریتم های یادگیری ماشین امکان پذیر است.

از شخصی سازی فید خبری شما گرفته تا هدف گذاری بهتر تبلیغات: فیسبوک بر اساس تشخیص چهره و یادگیری مداوم ،پروفایلهایی که خیلی اوقات به آنها مراجعه می کنید ، علایق ، محل کار یا گروهی که با آنها به اشتراک می گذارید و غیره... لیستی از کاربران را جهت دوستی پیشنهاد میکند. تشخیص اشیا در تصاویر توسط pinteest

امروزه دستیارهای مجازی دربسیاری از سیستم عامل ها یکپارچه شده اند. مانند: بلندگوهای هوشمند:Amazon Echo, Google Home ,Alexa <br> تلفن های هوشمند: سامسونگ بیکسبی در سامسونگ S8 . برنامه های تلفن همراه: Google Allo و siri

پیش بینی ترافیک: همه ما از خدمات ناوبری GPS استفاده کرده ایم. شبکه های حمل و نقل آنلاین: در هنگام رزروماشین ،به کمک ماشین لرنینگ برنامه قیمت سواری را با تعیین ساعت افزایش قیمت و پیش بینی تقاضای سوار تخمین می زند. بنابرین در چرخه این خدمات ،ماشین لرنینگ نقش اصلی را ایفا می کند.

یادگیری ماشین با پایتون

در این قسمت مهمترین عللی که باعث شده تا پایتون زبانی مناسب برای توسعه ماشین لرنینگ شود را نام میبریم .

تعداد زیادی کتابخانه پایتون مانند Teano ، Keras و scikit-Learn وجود دارد که برای یادگیری ماشینی ، یادگیری عمیق ، هوش مصنوعی ، NLP و غیره در دسترس میباشد. به عنوان مثال: Numpy کتابخانه مخصوص به خود را دارد که به حل بسیاری از محاسبات کمک می کند و همینطور Pybrain جهت ماشین لرنینگ در پایتون استفاده می شود.

یادگیری ماشین یک حوزه در حال رشد از علوم کامپیوتر است و  چندین زبان برنامه نویسی از چارچوب و کتابخانه های ماشین لرنینگ پشتیبانی می کنند. در بین تمام زبانهای برنامه نویسی ، پایتون محبوب ترین انتخاب است و در لیست همه زبان های توسعه هوش مصنوعی در رده اول قرار دارد.  به دنبال آن C ، Java ، JavaScript و C # میباشند. پایتون پشتاز است ، زیرا 57٪ دانشمندان داده و توسعه دهندگان یادگیری ماشین از آن استفاده می کنند و 33٪ آن ها پایتون را بر زبان های دیگر جهت توسعه ترجیح می دهند.توسعه دهندگان هوشمند ، پایتون را به علت مزایای زیاد آن به عنوان زبان برنامه نویسی خود  انتخاب می کنند از جمله : قابلیت خوانایی ساده پایتون و انتشار TensorFlow باعث آزمایش سریع الگوریتم های پیچیده می شود . پایتون به دلیل سادگی و انعطاف پذیری بالا بهترین انتخاب برای مبتدیان در آموزش ماشین لرنینگ  است.

نخستین دوره جامع آموزش یادگیری ماشین


در دوره آموزش ماشین لرنینگ سعی داریم تا با ارائه مسیری مشخص در دنیای آموزش یادگیری ماشین قدم گذاشته و با حل تمرین و مثال هایی در زبان برنامه نویسی پایتون (ماشین لرنینگ در پایتون) به کاربردی تر شدن این دوره کمک کنیم .
در این دوره مباحث مهم و بنیادی آموزش یادگیری ماشین در اختیار شما قرار خواهد گرفت تا شما را برای کار در صنعت هوش مصنوعی و یادگیری ماشین در آن آماده کند . پس از این دوره میتوانید در کلیه فعالیت های کاربردی ماشین لرنینگ فعالیت کنید و به کسب درآمد در این حوزه پرمخاطب این روزهای بازار کار ایران بپردازید.
دوره آموزش ماشین لرنینگ آکادمی آمانج نه تنها به شبیه سازی سوا ل هایی در حوزه آموزش یادگیری ماشین در صنعت خواهد پرداخت بلکه با ریاضیات روش سعی بر شفاف سازی کدهای یادگیری ماشین در پایتون و درک هرچه بهتر ساختار مسائل ماشین لرنینگ تلاش خواهیم کرد .

سرفصلهای دوره آموزش کامل ماشین لرنینگ

- ارایه کتاب هایی مربوط به پایتون پیشرفته و یادگیری ماشین دوره و اولین تمرین جهت تحویل تا ۳ روز پس از جلسه اول در خصوص تابع نویسی در پایتون - حل چند تمرین در کلاس جهت امادگی برای جلسه بعد - یادگیری ماشین - یادگیری با ناظر - یادگیری بدون ناظر - ارایه پروژه برنامه نویسی پایتون

- ابتدا ریاضی مباحث ذیل : - مباحث مربوط به تابع لاسو و کاهش ویژگی ها - پیدا کردن خط - تابع خطی بیزین - حل تمرین برای مباحث بالا در کلاس

- تعریف اولین پروژه کوچک با مباحث ذکر شده - آموزش استفاده از گیت و همچنین مقدمه ای بر تحلیل داده - پیش پردازش های متداول در یادگیری ماشین - ارایه اثبات های ریاضی مربوط به این مبحث - حل مثال و اماده سازی داده - معرفی پروژه اصلی

- درخت ها و جنگل ها - مباحث ریاضی مربوط به درخت ها و جنگل ها - آموزش درخت نتیجه گیری در دو بخش کلاسه بندی و رگراسیون - یادگیری رندوم فارست - کنترل کردن سایز درخت - پروژه جلسه به همراه حل مساله در کلاس

- دنزدیکترین همسایه k - مباحث ریاضی - حل مساله در روش ساخت کلاسه بندی با روش k - ارایه مدلی بر اساس شعاع همسایگی - پروژه جلسه

- کار با داده - فراخوانی داده نمونه - طرز ساخت Dataset - فراخوانی داده های متفاوت - پروژه متناسب با دانش جلسات قبل و پیاده سازی با داده نمونه

- Heat map - A/b test - Analytics - Google Heart - AARRR Funnel

- SVM - مباحث ریاضی در SVM - آموزش برای کلاسه بندی خطی - ساخت تخمین احتمال - حل مثال های کاربردی در فضای کاری واقعی - بحث در خصوص انتخاب روش مناسب - پروژه جلسه

- SVM - naive bayes - مباحث ریاضی بیزین و احتمالات - ساخت شبکه آموزش برای ویژگی های پیوسته - ساخت شبکه آموزش برای ویژگی های گسسته - ارایه مباحث برای پردازش های باینری با بیزین - ارایه پروژه

- اثبات ریاضی مباحث جلسه - استفاده از کلاسترین در روش k - استفاده در تجمیع هایرکیکال - استفاده در DBSCAN

- انواع شبکه های عصبی و ریاضیات شبکه عصبی معروف مانند هاپ فیلد و همچنین روش SGD و شبکه عصبی روبه جولو - پیش پردازش برای شبکه عصبی - آموزش شبکه با چندین کلاسه بندی - نمایش تاریخچه یادگیری - ذخیره سازی مدل آموزش دیده - مباحث مربوط به Overfitting and Underfitting - کلاسه بندی عکس - کلاسه بندی متن - دو پروژه برای دو جلسه

ثبت نام در دوره جامع ماشین لرنینگ دانشگاه تهران


هم اکنون آکادمی آمانج (کانون کارآفرینی دانشگاه تهران) دوره 44 ساعته آموزش یادگیری ماشین تخصصی را به همراه سرفصلهای به روز و متناسب با بازارکار یادگیری ماشین و هوش مصنوعی و جلسات عملی و پروژه محور و در نهایت کار با داده های واقعی و پروژه واقعی از طریق شرکت فناوری های فناپ با تدریس بی نظیر مهندس ابوالفضل مدنی معرفی می نماید.

ابوالفضل مدنی

– کارشناس ارشد مهندسی برق گرایش کنترل
– فعالیت در حوزه یادگیری ماشین، یادگیری عمیق، برنامه نویسی شی گرا و بهینه سازی
– محقق و مهندس آزمایشگاه تکنولوژی پیشرفته فناپ
– مهندس یادگیری ماشین در شرکت App Growth Network در ونکوور
– توسعه‌دهنده شرکت هواوی در تهران
– سابقه تدریس در دانشگاه شهید بهشتی، دانشکده فنی دانشگاه تهران، دانشکده فنی دانشگاه خوارزمی


پرسش های متداول دوره ماشین لرنینگ

یشنیاز این دوره، دوره برنامه نویسی پایتون میباشد( لطفا جهت ثبتنام ابتدا به لینک python.amanjacademy.ir مراجعه کنید، درصورت عدم تسلط بر سرفصل های این دوره باید ابتدا دوره پایتون را گذرانده و سپس وارد دوره آموزش یادگیری ماشین شوید)

باتوجه به تعاملی بودن دوره آموزش ماشین لرنینگ، در تمامی جلسات بایستی لپتاپ به همراه داشته باشید

در طول کلاس میتوانید سوالات مهم خود را از استاد دوره بپرسید. استاد بعد از کلاس تا هر زمان که دانشجویان سوال داشته باشند پاسخگوی سوالات هستند.و هر جلسه نیم ساعت قبل از شروع رسمی کلاس در کلاس حضور پیدا میکنند تا تمامی مشکلات شما را قبل از مباحث جدید حل کنند. همچمنین میتوانید در گروه های تلگرامی مشکلات خود را مطرح فرمایید و پاسخ را در کوتاه ترین زمان دریافت کنید در نتیجه در طول دوره شما دسترسی کامل به استاد جهت حل مشکلات خود دارید.

این دوره در دانشگاه تهران و کلاس های اماده شده برای این دوره ها برگزار میشود. آدرس و موقعیت دقیق هر دوره را میتوانید در همین صفحه پیدا کنید.

پس از این دوره افراد علاقه مند به یادگیری مباحث پیشرفته تر میتوانند وارد مسائل پردازش عمیق ، پردازش عکس در یادگیری عمیق ، پردازش متن در دیپ لرنینگ و … شوند.

بله هزینه دانشجویی در نظر گرفته شده برای تمامی دانشجویانی است که دارای کارت دانشجویی معتبر از هر نهاد دانشگاهی ایران باشند. سایرین نیز میتوانند با هزینه آزاد که اختلاف چندانی با هزینه دانشجویی ندارد (اما همچنان بسیار کمتر از قیمت های دیگر موسسات است.) در کلاس شرکت کنند.

این دوره از بخش های مختلفی تشکیل شده است. هر بخش شیوه یادگیری مخصوص به خود را دارد و متناسب با هر بخش منابعی در اختیار شما قرار خواهد گرفت. این منابع شامل ویدئو جلسات،جزوه ها،اسلایدها و یا صدای ضبط شده کلاس ها است که بر اساس تشخیص استاد متناسب با هر موضوع یک یا چندتا از منابع گفته شده در اختیار شما قرار خواهد گرفت.

در صورت انصراف پیش از شروع دوره آموزشی 25 درصد، قبل از برگزاری دو جلسه 50 درصد مبلغ شهریه کسر و مابقی عودت داده میشود. بعد از برگزاری دو جلسه دیگر هیج مبلغی عودت داده نمیشود.
کافیست برای کنسل کردن با شماره های موجود در سایت و یا اکانت تلگرام ما در ارتباط باشید تا در کمترین زمان ممکن وجه پرداختی برای شما بازگشت داده شود.

آکادمی آمانج
مهارت آموزی جهت ورود به بازار کار

تاییدیه ها

تهران - امیرآباد، دانشکده فنی دانشگاه تهران، ساختمان مکانیک جدید واحد ۱۱۴

کد تخفیف نمیخوای؟

اگه میخوای کد تخفیف شرکت در دوره‌ها، وبینارهای رایگان، بهترین مقالات آکادمی آمانج رو از دست ندی ایمیلت رو این زیر وارد کن!
همین الان عضو شو
close-link
من اینجام