دوره هوش مصنوعی و یادگیری ماشین در مراغه
از داده تا مدل تا سرویسی که واقعاً استفاده میشود.
بیشتر پروژه‌های یادگیری ماشین نه به‌خاطر ضعف مدل، بلکه به‌خاطر داده‌ی بد یا ارزیابی اشتباه شکست می‌خورند. مدلی که روی داده‌ی آموزش عالی جواب می‌دهد و در عمل خراب می‌کند، پدیده‌ی رایجی است. به همین دلیل بخش بزرگی از این دوره درباره‌ی داده و ارزیابی است، نه معماری مدل.
مسیر دوره از داده شروع میشود: جمع‌آوری، پاک‌سازی، تحلیل اکتشافی و ساخت ویژگی. بعد الگوریتمهای کلاسیک می‌آید — رگرسیون، درخت، خوشه‌بندی — با تأکید بر اینکه هرکدام کجا جواب می‌دهد. سپس شبکهی عصبی و در نهایت این سؤال که مدل آموزش‌دیده را چطور به یک سرویس قابل استفاده تبدیل کنیم. پروژه‌ی پایانی روی یک مسئله‌ی واقعی و ترجیحاً داده‌ی فارسی تعریف میشود.
چه چیزی یاد می‌گیری
- آماده‌سازی و مصورسازی داده
- آموزش و ارزیابی مدل
- شبکه‌های عصبی با PyTorch
- سرو کردن مدل به‌صورت API
سرفصل‌ها
کار با داده
NumPy و Pandas، پاک‌سازی، تحلیل اکتشافی و مصورسازی.
مبانی یادگیری ماشین
یادگیری بانظارت و بی‌نظارت، بیش‌برازش و تعمیم.
الگوریتمهای کلاسیک
رگرسیون، درخت و جنگل، SVM و خوشه‌بندی با scikit-learn.
ارزیابی درست
تقسیم داده، اعتبارسنجی متقاطع، معیارها و دام‌های رایج.
شبکهی عصبی
مبانی، آموزش، تنظیم و کار عملی با PyTorch.
از مدل تا سرویس
ذخیره و بارگذاری مدل، ساخت API استنتاج و پایش کارایی.
این دوره برای کیست
- کسی که پایتون بلد است و می‌خواهد وارد یادگیری ماشین شود
- تحلیلگر داده‌ای که می‌خواهد از گزارش به مدل برسد
- دانشجویی که برای پایان‌نامه به مدل‌سازی نیاز دارد
- برنامه‌نویسی که می‌خواهد قابلیت هوشمند به محصولش اضافه کند
پیش‌نیازها
- تسلط بر پایتون در حد دوره‌ی «برنامه‌نویسی پایتون»
- ریاضی دبیرستان؛ مفاهیم آماری لازم در خود دوره مرور میشود
- صبر برای کار با داده — این بخش وقت‌گیرترین قسمت کار است
سؤال‌های پرتکرار
کارت گرافیک قوی لازم دارم؟
برای بخش عمدهی دوره نه. الگوریتمهای کلاسیک روی سیستم معمولی اجرا میشوند و برای بخش شبکهی عصبی از منابع محاسباتی رایگان ابری و سیستم آزمایشگاه استفاده میشود.
تفاوت این دوره با «مهندسی پرامپت و ایجنت» چیست؟
اینجا خودت مدل میسازی و آموزش میدهی. آنجا از مدلهای آمادهی زبانی برای ساختن ابزار و ایجنت استفاده میکنی. دو مسیر متفاوتاند و هیچکدام پیشنیاز دیگری نیست.
قدم بعدی با توست
اگر این مسیر همانی است که دنبالش بودی، یک پیام کافی است. اگر هنوز مطمئن نیستی، همان یک پیام برای پرسیدن هم کافی است.