دوره یادگیری ماشین با پایتون

به عنوان یکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشین (Machine learning) به تنظیم و اکتشاف شیوه‌ها و الگوریتم‌هایی می‌پردازد که بر اساس آنها رایانه‌ها و سامانه‌ها توانایی تعلٌم و یادگیری پیدا می‌کنند

هدف یادگیری ماشین این است که کامپیوتر (در کلی‌ترین مفهوم آن) بتواند به تدریج و با افزایش داده‌ها کارایی بهتری در انجام وظیفه مورد نظر پیدا کند. گستره این وظیفه می‌تواند از تشخیص خودکار چهره با دیدن چند نمونه از چهره مورد نظر تا فراگیری شیوه گام‌برداری روبات‌های دوپا با دریافت سیگنال پاداش و تنبیه باشد.

پیش بینی می شود در آینده استفاده از زبان برنامه نویسی پایتون، گسترش بسیار بیشتری داشته باشد

در حوزه تحلیل داده، یادگیری ماشین و علم داده نیز، استفاده از پایتون بسیار قابل توجه است به طوری که این زبان پرکاربردترین زبان در حوزه علم داده و یادگیری ماشین می باشد:

با توجه به درخواست‌های مخاطبین جهت برگزاری کلاس‌های پرسش و پاسخ با مدرس دوره، تصمیم گرفته شد تا دوره یادگیری ماشین با پایتون به صورت هفتگی برگزار شود.

در این دوره، که از اول آذر 97 شروع خواهد شد هر هفته دو ویدئو از طریق سامانه کلاس کوئرا و کانال یادگیری ماشین برای مخاطبین ارسال خواهد شد.و تمرینات و تکالیفی در این سامانه توسط مدرس تعیین و تصحیح خواهد شد. مخاطبینی که تمایل دارند خود را درگیر این دوره نمایند و چالش بیشتری رو تجربه کنند تا موفق تر باشند توصیه ما انتخاب همین دوره همراه با کلاس می باشد.

بعد از پرداخت هزینه، آدرس کانال و نحوه عضویت در سامانه کوئرا قابل مشاهده می‌باشد. در این روش هیچ گونه ویدئویی به محض پرداخت برایتان ارسال نخواهد شد. بلکه ویدئوها بصورت هفتگی از طریق سامانه کوئرا و پست الکترونیکی ثبت شده برایتان ارسال می‌گردد.

در این روش مدرس دوره در طی دوره تمریناتی را در اختیار شما قرار خواهد داد و تصحیح خواهد نمود و همراه شما در کل دوره خواهد بود. مدت زمان این دوره 13 هفته می‌باشد که از هفته اول آذر شروع خواهد شد. توصیه ما بر مخاطبینی که تمایل دارند بیشتر خود را درگیر این دوره نمایند انتخاب همین روش می‌باشد.

📘 حجم کل جلسات : 3 GB

📘 زمان کل جلسات : 16 ساعت

📘 میزان تخفیف : 10000 تومان

📘 کد تخفیف (با حروف کوچک وارد کنید) : mchntwo

آینده پردازش تصویر

پردازش تصویر شروعی بر پایان جستجوی متنی

اگر شما وارد کشوری شوید که زبان آن کشور را بلد نباشید نمی توانید یک وعده غذایی دلخواه داشته باشید و یا موقع رانندگی نمی توانید مسیرها را بشناسید و راه خود را پیدا کنید. بسیاری از گردشگران خود را در چنین موقعیت هایی دیده اند.در اینده ای نه چندان دور، جستجو به صورت متنی شاید دیگر کاربرد چندانی نداشته باشد و جای خود را به طور کلی به پردازش تصویر ، پردازش ویدئو و پردازش صوت بدهد. مدیر ارشد پروژه های مرتبط با موتور جستجوگر گوگل می گوید : ” گوگل همیشه یک راه حل برای راحتی شما دارد. هرکجای دنیا که هستید با تلفن همراه خود از موضوع مورد نظر خود یک عکس بگیرید و برای جستجوگر گوگل ارسال کنید،همانند جستجوی ساده ی یک متن ، گوگل شما را راهنمایی خواهد کرد.

در حال حاضر طبق تحقیقاتی که در دانشگاه کارولینای جنوبی در حال انجام است، پردازش تصویر به نابینایان این امکان را داده است که به سادگی مسیریابی کنند؛ به این شکل که فرد نابینا یک جلیقه و یک عینک به چشم می گذارد. حس گرهای ۳ بعدی و سنسورهای روی جلیقه که مانند لرزشگر تلفن همراه است این امکان را به فرد نابینا می دهد که مسیریابی را انجام دهد و هر کجای شهر که بخواهد، مسیریابی کند

از دیگر کاربردهای این تکنولوژی می توان به راننده خودکار گوگل اشاره کرد که با بررسی تصاویر دوربین های ترافیکی و درک ۳ بعدی از موقعیت خودرو نسبت به اجسام دیگر و سایر خودرو ها، شما را به مقصد می رساند. همچنین از پردازش تصویر برای تشخیص چهره مجرمین استفاده می کنند تا جایی که با شناسایی آن ها از وقوع جرم جدید پیشگیری می کنند.

آینده پردازش تصویر

پردازش تصویر ، رابطه بین انسان و رایانه را به طرز شگفت انگیزی متفاوت خواهد کرد. ابزارهایی مانند Google Street View  و وسایل نقلیه اتوماتیک مانند خودروی گوگل آینده جهان را در دست خواهند گرفت. همچنین در حوزه صنعت هوایی نیز هواپیماهای بدون سرنشین می توانند به مرور جایگزین هواپیماهای فعلی شوند.

 

در حوزه پزشکی نیز ربات هایی مثل daVinci هستند که امکان تشخیص و جراحی های از راه دور بسیار حساس را به پزشکان می دهند. با استفاده از پردازش تصویر و تطبیق با الگوریتم های روانشناسی، حالات درونی یک فرد را قابل حدس زدن است تا جایی که در پیش بینی رفتار مشتریان کاربرد دارد. ذات انسان ها به گونه است که اطلاعات تصویری را سریع تر از داده های متنی بررسی می کند؛ یک داده تصویری می تواند شامل حجم زیادی داده متنی باشد؛ بزودی موتورهای جستجو مبتنی بر پردازش تصویر مانند Imagenistics ، جای موتورهای جستجوگر فعلی که بر مبنای پردازش متن هستند را خواهند گرفت.

از دیگر ابعاد پیشرفت پردازش تصویر می توان به نسل جدید دوربین های تلفن همراه اشاره کرد. تلاش های زیادی برای رسیدن به سطح پردازش تصویر بینایی انسان انجام شده است تا بتوان به درک چشم انسان برسد و چشم ما را به نادیده ها نیز باز کنند. در آینده به جای تصویر برداری بر پایه سه رنگ اصلی از تصویر برداری با سنسورهای Hyperspectral استفاده خواهد شد؛ این نوع تصویر برداری برای در صنعت کشاورزی می تواند محصولات سالم را از ناسالم در برای ما متمایز کند. هنوز درک روشنی از پردازش تصویر بر صنایع در دست نیست، ولی گوگل ادعا می کند که تا ۳ سال آینده ۳۰ درصد پردازش های متنی جای خود را به پردازش تصویر خواهند داد.

راهنمای سریع (Cheat Sheet) دستورهای پایتون برای علم داده - Matplotlib

برای دانلود راهنمای سریع (Cheat Sheet) دستورهای پایتون برای علم داده میتوانید از طریق لینک زیر اقدام کنید.

این بخش کتابخانه Matplotlib را شامل می شود.

دانلود

نمودارهای مقایسه ای زبان های برنامه نویسی در حوزه یادگیری ماشین

راهنمای سریع (Cheat Sheet) دستورهای پایتون برای علم داده - pandas

برای دانلود راهنمای سریع (Cheat Sheet) دستورهای پایتون برای علم داده میتوانید از طریق لینک زیر اقدام کنید.

این بخش کتابخانه pandas را شامل می شود.

دانلود

sort کردن دیکشنری

برای مرتب کردن یک دیکشنری بر اساس مقدار میتوانیم از دو روش زیر استفاده نماییم:

'''@author pythonchallenge.ir  @telegram @pythonchallenge'''

xs = {'a': 4, 'b': 3, 'c': 2, 'd': 1}

sorted(xs.items(), key=lambda x: x[1])

نتیجه

[('d', 1), ('c', 2), ('b', 3), ('a', 4)]

import operator

xs = {'a': 4, 'b': 3, 'c': 2, 'd': 1}

sorted(xs.items(), key=operator.itemgetter(1))

نتیجه

[('d', 1), ('c', 2), ('b', 3), ('a', 4)]

ادغام کردن دو تا دیکشنری

برای ادغام کردم دو دیکشنری بصورت زیر کد را می نویسیم. فقط دقت کنید که در ادغام به اینصور اگر کلید تکراری وجود داشت، کلید عنصر سمت چپ را فقط در نظر خواهد گرفت.

'''@author python.pythonchallenge'''

x = {'a': 1, 'b': 2}
y = {'b': 3, 'c': 4}
z1 = {**x, **y}
z2 = {**y, **x}


print('z1 : ',z1)
print('z2 : ',z2)

نتیجه :

z1 :  {'a': 1, 'b': 3, 'c': 4}
z2 :  {'b': 2, 'c': 4, 'a': 1}

استخراج ارقام از یک رشته

برای اینکه بتوانیم داخل یک رشته شامل عدد، تمام اعداد را بصورت تک به تک استخراج کنیم میتوانید از کد زیر استفاده نماییم.

'''@ author python.pythonchallenge'''

a = '1a3wer45R04iop'


digits = [int(''.join(i)) for i in a if i.isdigit()]

print (digits)

print ('sum: ',sum(digits))