기계 학습은 Arthur Samuel에 의해 1959 년에 "명시 적으로 프로그래밍되지 않고도 컴퓨터가 학습 할 수있는 능력을 제공하는 연구 분야"로 정의되었습니다. EITC/AI/MLPP Machine Learning Programming with Python 프로그램은 Python 프로그래밍에 초점을 맞춘 기계 학습의 기초 (이론에 대한 기본 이해 포함)를 소개하는 것을 목표로합니다. 이론을 제외하고 감독, 비지도 및 딥 러닝 머신 러닝 알고리즘의 이론적 및 실제적 측면과 함께 응용 프로그램을 다룹니다. 이 프로그램은 선형 회귀, K Nearest Neighbors, SVM (Support Vector Machine), 플랫 클러스터링, 계층 적 클러스터링 및 신경망을 다룹니다. 여기에는 관련된 알고리즘의 기본 개념과 그 뒤에있는 논리가 포함됩니다. 또한 모듈 (예 : Scikit-Learn)과 함께 예시적인 실제 데이터 세트를 사용하여 프로그래밍에서 알고리즘 적용에 대한 논의도 다룹니다. 이 프로그램은 또한 알고리즘이 정확히 어떻게 작동하는지, 어떻게 수정 될 수 있는지, 장점과 단점을 포함하여 속성이 무엇인지에 대한 통찰력을 가진 관련 수학을 포함하여 이러한 알고리즘을 코드로 구현하여 각 알고리즘의 세부 사항을 다룰 것입니다. 머신 러닝에 관련된 알고리즘은 기반이되는 수학 (선형 대수)과 마찬가지로 다소 간단합니다 (대규모 데이터 세트에 대한 스케일링 필요성에 따라 조정 됨).
커리큘럼 참조 리소스
Python 문서
https://www.python.org/doc/
Python 릴리스 다운로드
https://www.python.org/downloads/
초보자를위한 Python 가이드
https://www.python.org/about/gettingstarted/
Python Wiki 초보자 가이드
https://wiki.python.org/moin/BeginnersGuide
W3Schools Python 기계 학습 자습서
https://www.w3schools.com/python/python_ml_getting_started.asp
EITC/AI/MLP Machine Learning with Python 프로그램에 대한 전체 오프라인 자가 학습 준비 자료를 PDF 파일로 다운로드하세요.