در دروه آموزشی اول، سعی بر این داشتیم تا با مقدمات دادهکاوی با پایتون و چهارچوب Scikit Learn آشنا شویم. با الگوریتم KNN در پایتون و Scikit Learn آشنا شدیم و مثال گل های IRIS را با یکدیگر حل کردیم.
در دوره جاری، سعی بر این داریم که به صورت کاربردی تر به طبقهبندی و پیش بینی تصاویر دست نوشته بپردازیم. فرض کنید یک تصویر دارید که در آن یک عدد به صورت دست نوشت قرار دارد. با الگوریتم های دادهکاوی و طبقهبندی میتوان این عدد را شناسایی کرد و در موارد مختلف آن را مورد استفاده قرار داد. علاوه بر این در این دوره سعی داریم با الگوریتم نزدیک ترین همسایه مبتنی بر شعاع (RNN)، نحوه کار و کاربرد آن در زبان Python آشنا شویم.
پس از این دوره از دانشجو انتظار میرود مباحث اهداف زیر را یادگرفته باشد:
» الگوریتم نزدیک ترین همسایه مبتنی بر شعاع (RNN) چیست و تفاوت آن با الگوریتم نزدیک ترین همسایه عادی (KNN)
» چگونه یک تصویر دست نوشته را به ماتریس ویژگی جهت تزریق به الگوریتم دادهکاوی و طبقهبندی آماده کنیم
» چگونه یک تصویر دست نوشته را با پایتون و چهارچوب Scikit Learn یادبگیریم و بتوانیم آن را پیش بینی و طبقهبندی کنیم
دروس حاظر در این مجموعه: