მანქანური სწავლება არტურ სამუელმა 1959 წელს განსაზღვრა, როგორც "სასწავლო სფერო, რომელიც კომპიუტერებს აძლევს სწავლის უნარს მკაფიოდ დაპროგრამების გარეშე". EITC/AI/MLPP მანქანური სწავლების პროგრამირება Python პროგრამით მიზნად ისახავს მანქანური სწავლების საფუძვლების დანერგვას (მათ შორის თეორიის ძირითადი გაგება), რომელიც ფოკუსირდება Python- ის პროგრამირებაზე. თეორიის გარდა, იგი მოიცავს პროგრამებს, ასევე ზედამხედველობის, ზედამხედველობისა და ღრმა სწავლის მანქანის სწავლების ალგორითმების თეორიულ და პრაქტიკულ ასპექტებს. პროგრამა მოიცავს ხაზოვან რეგრესიას, K უახლოეს მეზობლებს, დამხმარე ვექტორულ დანადგარებს (SVM), ბრტყელ კლასტერირებას, იერარქიულ კლასტერირებას და ნერვულ ქსელებს. იგი მოიცავს ალგორითმის ძირითადი დებულებებსა და ლოგიკის მიღმა. იგი ასევე მოიცავს ალგორითმების პროგრამირების განხილვას პროგრამირებაში, გამოსაცდელი რეალური მონაცემების ნაკრებების გამოყენებით, მოდულებთან ერთად (მაგ. Scikit-Learn). პროგრამა ასევე მოიცავს თითოეული ალგორითმის დეტალებს ამ ალგორითმების კოდექსში დანერგვით, მათემატიკის ჩათვლით, თუ როგორ მუშაობს ზუსტად ალგორითმები, როგორ შეიძლება მათი შეცვლა და რა თვისებებია, მათ შორის უპირატესობები და უარყოფითი მხარეები. ალგორითმიკა, რომელიც მონაწილეობს მანქანულ სწავლებას, საკმაოდ მარტივია (რაც განპირობებულია მათი მასშტაბური აუცილებლობით მონაცემთა დიდი ნაკრებისთვის), ისევე როგორც მათემატიკა, რომელსაც ისინი ემყარება (ხაზოვანი ალგებრა).
სასწავლო გეგმის საცნობარო რესურსები
პითონის დოკუმენტაცია
https://www.python.org/doc/
Python ავრცელებს ჩამოტვირთვებს
https://www.python.org/downloads/
Python დამწყებთათვის სახელმძღვანელო
https://www.python.org/about/gettingstarted/
Python Wiki დამწყებთათვის სახელმძღვანელო
https://wiki.python.org/moin/BeginnersGuide
W3Schools პითონის მანქანების სწავლების სახელმძღვანელო
https://www.w3schools.com/python/python_ml_getting_started.asp
ჩამოტვირთეთ სრული ოფლაინ თვითსწავლების მოსამზადებელი მასალები EITC/AI/MLP Machine Learning Python პროგრამისთვის PDF ფაილში
EITC/AI/MLP მოსამზადებელი მასალები – სტანდარტული ვერსია
EITC/AI/MLP მოსამზადებელი მასალები – გაფართოებული ვერსია მიმოხილვის კითხვებით