Maŝinlernado estis difinita en 1959 de Arthur Samuel kiel la "studkampo, kiu donas al komputiloj la kapablon lerni sen esti eksplicite programita". La programo EITC/AI/MLPP-Maŝina Lernado-Programado kun Python celas enkonduki fundamentojn de maŝina lernado (inkluzive bazan komprenon de la teorio) temigante programadon kun Python. Krom la teorio ĝi traktas aplikojn kune kun teoriaj kaj praktikaj aspektoj de kontrolitaj, nekontrolitaj kaj profundaj lernaj maŝinaj lernaj algoritmoj. La programo traktas linian regreson, K Plej Proksimajn Najbarojn, Subtenajn Vektorajn Maŝinojn (SVM), platajn grupiĝojn, hierarkiajn grupiĝojn kaj neŭralajn retojn. Ĝi inkluzivas bazajn nociojn pri la algoritmoj implikitaj kaj la logiko malantaŭe. Ĝi ankaŭ traktas diskuton pri la aplikoj de la algoritmoj en programado per ekzemplaj realaj datumaroj kune kun moduloj (ekz. Scikit-Learn). La programo ankaŭ kovros detalojn de ĉiu el la algoritmoj per efektivigo de ĉi tiuj algoritmoj en kodo, inkluzive de la engaĝita matematiko kun scioj pri kiel ĝuste funkcias la algoritmoj, kiel ili povas esti modifitaj kaj kiaj estas iliaj ecoj, inkluzive de avantaĝoj kaj malavantaĝoj. La algoritmoj implikitaj en maŝinlernado estas sufiĉe simplaj (kiel kondiĉite de sia skala neceso por grandaj datumaroj), same kiel la matematiko sur kiu ili baziĝas (lineara algebro).
Instruplanaj Referencaj Rimedoj
Python-dokumentado
https://www.python.org/doc/
Python publikigas elŝutojn
https://www.python.org/downloads/
Gvidilo Python por Komencantoj
https://www.python.org/about/gettingstarted/
Gvidilo por Komencantoj de Python-Vikio
https://wiki.python.org/moin/BeginnersGuide
W3Schools Python Maŝinlernado lernilo
https://www.w3schools.com/python/python_ml_getting_started.asp
Elŝutu la kompletajn eksterretajn memlernajn preparajn materialojn por la programo EITC/AI/MLP Maŝina Lernado kun Python en PDF-dosiero
EITC/AI/MLP-preparaj materialoj - norma versio
EITC/AI/MLP-preparaj materialoj - plilongigita versio kun reviziaj demandoj