# آموزش یادگیری ماشین با پایتون
به دوره آموزش یادگیری ماشین با پایتون خوش آمدید! یادگیری ماشینی که اغلب به اختصار ML نامیده میشود، زیرمجموعهای از هوش مصنوعی (AI) است که بر توسعه الگوریتمهای رایانهای تمرکز دارد که بهطور خودکار از طریق تجربه و با استفاده از دادهها بهبود مییابند. به عبارت سادهتر، یادگیری ماشینی کامپیوترها را قادر میسازد تا از دادهها بیاموزند و بدون برنامهریزی صریح، تصمیمگیری یا پیشبینی کنند.
در برنامه نویسی سنتی، کامپیوتر از مجموعه ای از دستورالعمل های از پیش تعریف شده برای انجام یک کار پیروی می کند. با این حال، در یادگیری ماشین، مجموعهای از دادهها و وظیفهای برای انجام دادن به رایانه داده میشود، اما این به رایانه بستگی دارد که بر اساس داده هایی که ارائه میشود، نحوه انجام کار را بفهمد.
این توانایی یادگیری از داده ها و بهبود در طول زمان، یادگیری ماشینی را فوق العاده قدرتمند و همه کاره می کند. یادگیری ماشین نیروی محرکه بسیاری از پیشرفتهای تکنولوژیکی است که امروزه میبینیم، از دستیارهای صوتی و سیستمهای توصیه گرفته تا خودروهای خودران و تجزیه و تحلیل پیشبینیکننده.
# ماشین لرنینگ با کتابخانه scikit learn پایتون
کتابخانه Scikit-learn مفیدترین و قوی ترین کتابخانه برای یادگیری ماشین در پایتون است. مجموعهای از ابزارهای کارآمد برای یادگیری ماشین و مدلسازی آماری از جمله طبقهبندی، رگرسیون، خوشهبندی و کاهش ابعاد را از طریق یک رابط سازگار در پایتون فراهم میکند. این کتابخانه که عمدتاً به زبان پایتون نوشته شده است، بر اساس NumPy، SciPy و Matplotlib ساخته شده است.
در سال 2019، اشاره شد که scikit-learn یکی از محبوبترین کتابخانههای یادگیری ماشین در GitHub است. scikit-learn تا حد زیادی در پایتون نوشته شده است و از NumPy به طور گسترده برای عملیات جبر خطی و آرایه با کارایی بالا استفاده می کند. علاوه بر این، برخی از الگوریتمهای اصلی در Cython برای بهبود عملکرد نوشته شدهاند.
# پیش نیازهای دوره یادگیری ماشین چیست؟
دوره آموزش یادگیری ماشین با scikit learn پایتون جزو دورههای پیشرفته محسوب شده و مناسب افرادی است که با زبان برنامه نویسی پایتون به خوبی آشنا هستند. اگر با پایتون آشنا نیستید میتوانید از دوره آموزش پایتون استفاده کنید. همچنین برای درک نحوه کارکرد الگوریتمهای یادگیری ماشین، میتوانید دوره ریاضیات یادگیری ماشین را ببینید. برای انجام عملیات های ریاضی دوره numpy و برای اجرای فایل های داده دوره پانداز را ببینید.