Strojno učenje je leta 1959 opredelil Arthur Samuel kot "študijsko področje, ki računalnikom omogoča, da se učijo, ne da bi bili izrecno programirani". Namen programa za programiranje strojnega učenja EITC/AI/MLPP s programom Python je uvesti osnove strojnega učenja (vključno z osnovnim razumevanjem teorije) s poudarkom na programiranju s programom Python. Razen teorije zajema aplikacije skupaj s teoretičnimi in praktičnimi vidiki nadzorovanih, nenadzorovanih in poglobljenih algoritmov strojnega učenja. Program zajema linearno regresijo, K Najbližji sosedje, Podporni vektorski stroji (SVM), ravno gručenje, hierarhično združevanje v skupine in nevronske mreže. Vključuje osnovne pojme vključenih algoritmov in logiko zadaj. Zajema tudi razpravo o uporabi algoritmov pri programiranju z uporabo vzorčnih resničnih podatkovnih nizov skupaj z moduli (npr. Scikit-Learn). Program bo zajemal tudi podrobnosti o vsakem algoritmu z izvajanjem teh algoritmov v kodi, vključno z vključeno matematiko z vpogledi v to, kako natančno algoritmi delujejo, kako jih je mogoče spremeniti in kakšne so njihove lastnosti, vključno s prednostmi in slabostmi. Algoritmika, ki je vključena v strojno učenje, je precej preprosta (kar je pogojeno z njihovo merilno potrebo po velikih naborih podatkov), pa tudi matematika, na kateri temeljijo (linearna algebra).
Referenčni viri za kurikulum
Python dokumentacija
https://www.python.org/doc/
Python sprosti prenose
https://www.python.org/downloads/
Vodič za Python za začetnike
https://www.python.org/about/gettingstarted/
Python Wiki Vodnik za začetnike
https://wiki.python.org/moin/BeginnersGuide
Vadnica za strojno učenje Python W3Schools
https://www.w3schools.com/python/python_ml_getting_started.asp
Prenesite celotno pripravljalno gradivo za samoučenje brez povezave za program EITC/AI/MLP Machine Learning with Python v datoteki PDF
Pripravljalni materiali EITC/AI/MLP – standardna različica
Pripravljalna gradiva EITC/AI/MLP – razširjena različica z vprašanji za pregled