Μηχανική Μάθηση με την Χρήση Python (Machine Learning with Python) - 90 ώρες

Ολοκληρωμένο πρόγραμμα δύο ενοτήτων, ειδικά σχεδιασμένο τόσο για αρχάριους όσο και για έμπειρους προγραμματιστές.

1η ενότητα: Εισαγωγή στη Μηχανική Μάθηση με την Χρήση Python (45 hours)

Γνωρίστε τις βασικές έννοιες της μηχανικής μάθησης με τη χρήση της Python, καλύπτοντας θέματα όπως η προ-επεξεργασία δεδομένων, η εκπαίδευση μοντέλων και η αξιολόγηση. Αποκτήστε πρακτική εμπειρία μέσα από ασκήσεις που θα χτίσουν μια στέρεη βάση για την κατανόηση αλγορίθμων και των εφαρμογών τους.

2η ενότητα: Προηγμένη Μηχανική Μάθηση με Python (45 hours)

Αναβαθμίστε τις δεξιότητές σας και εμβαθύνετε σε τεχνικές αιχμής στη μηχανική μάθηση, εξερευνώντας θέματα όπως η βαθιά μάθηση, η ενισχυτική μάθηση και η επεξεργασία φυσικής γλώσσας. Συνεργαστείτε με επαγγελματίες του χώρου και αντιμετωπίστε πραγματικές προκλήσεις, βελτιώνοντας τη δυνατότητά σας να αναπτύσσετε προηγμένα μοντέλα μηχανικής μάθησης με τη χρήση της βιβλιοθήκης Python.

Αναλυτική Ύλη

Το πρόγραμμα καλύπτει ένα ευρύ φάσμα θεμάτων, από τις βασικές βιβλιοθήκες στην Python για την μηχανική μάθηση έως τις προηγμένες έννοιες, όπως τα νευρωνικά δίκτυα και τα συστήματα σύστασης. Παρέχει μια ολοκληρωμένη κατανόηση των βασικών πτυχών της μηχανικής μάθησης και των πρακτικών εφαρμογών της. Στη διάρκεια μαθημάτων οι σπουδαστές θα μάθουν:

• Βιβλιοθήκες που προσφέρει η Python για χειρισμό, προ-επεξεργασία και οπτικοποίηση δεδομένων (NumPy, pandas, matplotlib, seaborn, scikit-learn)
• Ποια είναι η πλήρης διαδικασία που πρέπει κάποιος να ακολουθήσει για να δημιουργήσει μια εφαρμογή μηχανικής μάθησης
• Πως και γιατί πρέπει να επεξεργαστούμε τα δεδομένα προτού τα δώσουμε σε έναν αλγόριθμο μηχανικής μάθησης και πως αντιμετωπίζουμε ελλιπή δεδομένα
  • Dimensionality Reduction, Feature Extraction & Selection
• Ποιοι είναι οι διάφοροι τύποι αλγορίθμων Μηχανικής Μάθησης και πότε χρησιμοποιούμε τον καθένα:
  • Supervised learning:
  • Regression: Simple linear, polynomial, LASSO κλπ.
  • Classification: KNN, Decision Trees, Random Forests, Support Vector Machines
  • Ensemble learning
  • Unsupervised learning:
  • Clustering: K-Means Clustering, Hierarchical Clustering, Density-Based Clustering
  • Semi-supervised learning
  • Reinforcement learning
• Αξιολόγηση μοντέλων μηχανικής μάθησης (train-test-split, cross validation, r2 score, accuracy, overfitting vs. undefitting, confusion matrix)
• Τι είναι τα recommender συστήματα και πως λειτουργούν: Collaborative Filtering και Content-Based Recommendation
• Τι είναι τα νευρωνικά δίκτυα και η βαθιά μάθηση (παρουσίαση)

Σε ποιους απευθύνεται

Το μάθημα "Μηχανική Μάθηση με τη χρήση της Python" σχεδιάστηκε για ευρύ κοινό με διάφορα επίπεδα εμπειρίας σε προγραμματισμό και ποικίλα ενδιαφέροντα στη μηχανική μάθηση:

1. Αρχάριοι Προγραμματιστές:

• Άτομα με βασικές γνώσεις προγραμματισμού ή νέους στην Python.
• Όσοι ενδιαφέρονται να κατανοήσουν τις βασικές έννοιες της μηχανικής μάθησης και την εφαρμογή τους με χρήση της Python.

2. Ενδιάμεσοι Προγραμματιστές:

• Προγραμματιστές που είναι εξοικειωμένοι με την Python και θέλουν να εμβαθύνουν στην κατανόηση των εννοιών της μηχανικής μάθησης.
• Άτομα που θέλουν να αποκτήσουν πρακτική εμπειρία στη δημιουργία και αξιολόγηση μοντέλων μηχανικής μάθησης.

3. Επιστήμονες Δεδομένων και Αναλυτές:

• Επαγγελματίες που εργάζονται με δεδομένα και θέλουν να επεκτείνουν το σύνολο δεξιοτήτων τους για να περιλαμβάνει τη μηχανική μάθηση με χρήση της Python.
• Αυτοί που αναζητούν πρακτικές γνώσεις για την υλοποίηση αλγορίθμων μηχανικής μάθησης σε πραγματικά σύνολα δεδομένων.

4. Προγραμματιστές Λογισμικού:

• Προγραμματιστές που ενδιαφέρονται να ενσωματώσουν τεχνικές μηχανικής μάθησης στις εφαρμογές τους με χρήση της Python.
• Άτομα που θέλουν να εξερευνήσουν προηγμένες έννοιες μηχανικής μάθησης για να βελτιώσουν τις δεξιότητές τους στην ανάπτυξη λογισμικού.

5. Επιχειρηματίες και Επαγγελματίες Πληροφορικής:

• Υπεύθυνοι αποφάσεων και επαγγελματίες από μη τεχνικό υπόβαθρο που επιθυμούν μια συνολική επισκόπηση της μηχανικής μάθησης με τη χρήση της Python.
• Αυτοί που θέλουν να κατανοήσουν τις δυνατότητες και τις εφαρμογές της μηχανικής μάθησης στον κλάδο τους.

6. Όσοι Ενδιαφέρονται για Προηγμένη Μηχανική Μάθηση:

• Άτομα με στερεές γνώσεις στη μηχανική μάθηση που θέλουν να εξερευνήσουν προηγμένα θέματα και να παρακολουθήσουν τις τελευταίες εξελίξεις.
• Όσοι ενδιαφέρονται για εξειδικευμένους τομείς, όπως η βαθιά μάθηση, η ενισχυτική μάθηση και η επεξεργασία φυσικής γλώσσας.

Πληροφορίες