Машинне навчання було визначено в 1959 р. Артуром Семюелем як «галузь дослідження, яка дає комп’ютерам можливість вчитися без явного програмування». Програма програмування машинного навчання EITC/AI/MLPP з Python спрямована на впровадження основ машинного навчання (включаючи базове розуміння теорії), зосереджуючи увагу на програмуванні на Python. Крім теорії, вона охоплює додатки, а також теоретичні та практичні аспекти керованих, неконтрольованих та глибоких алгоритмів машинного навчання. Програма охоплює лінійну регресію, K Найближчі сусіди, Підтримуючі векторні машини (SVM), плоску кластеризацію, ієрархічну кластеризацію та нейронні мережі. Він включає основні поняття про задіяні алгоритми та логіку, що лежить в основі. Він також охоплює обговорення застосувань алгоритмів у програмуванні з використанням примірних реальних наборів даних разом із модулями (наприклад, Scikit-Learn). Програма також охоплюватиме деталі кожного з алгоритмів шляхом реалізації цих алгоритмів у коді, включаючи залучену математику з розумінням того, як саме працюють алгоритми, як їх можна змінити та які їх властивості, включаючи переваги та недоліки. Алгоритміка машинного навчання досить проста (що зумовлено необхідністю масштабування великих наборів даних), як і математика, на якій вони базуються (лінійна алгебра).
Довідкові ресурси навчальної програми
Документація на Python
https://www.python.org/doc/
Python випускає завантаження
https://www.python.org/downloads/
Посібник з Python для початківців
https://www.python.org/about/gettingstarted/
Посібник для початківців у Вікі на Python
https://wiki.python.org/moin/BeginnersGuide
Підручник з машинного навчання Python W3Schools
https://www.w3schools.com/python/python_ml_getting_started.asp
Завантажте повні підготовчі матеріали для офлайн-самонавчання для програми EITC/AI/MLP Machine Learning with Python у файлі PDF
Підготовчі матеріали EITC/AI/MLP – стандартна версія
Підготовчі матеріали EITC/AI/MLP – розширена версія з контрольними запитаннями