دوره Machine Learning

سرفصل آموزشی دوره Machine Learning

مقدمه و مفاهیم پایه

• آشنایی با مفاهیم هوش مصنوعی، یادگیری ماشین و تفاوت آن‌ها با Deep Learning
• انواع یادگیری: نظارت‌شده، بدون نظارت، و تقویتی
• معرفی کاربردهای یادگیری ماشین در برق، کنترل و سیستم‌های هوشمند

 داده و پردازش آنمفهوم داده و ویژگی‌ها (Features)

• پاک‌سازی و آماده‌سازی داده‌ها (Data Preprocessing)
• نرمال‌سازی، دسته‌بندی و تقسیم داده‌ها برای آموزش و تست
• تمرین عملی: تحلیل داده‌های سنسوری

الگوریتم‌های یادگیری نظارت‌شده (Supervised Learning)رگرسیون خطی و لجستیک

• درخت تصمیم (Decision Tree) و Random Forest
• K-Nearest Neighbors (KNN)
• پروژه عملی: پیش‌بینی مصرف انرژی یا دمای سیستم

الگوریتم‌های یادگیری بدون نظارت (Unsupervised Learning)K-Means Clustering و Hierarchical Clustering
Principal Component Analysis (PCA) برای کاهش ابعاد داده

• پروژه عملی: گروه‌بندی رفتار تجهیزات الکتریکی

ارزیابی مدل‌ها و بهینه‌سازیمفاهیم Accuracy، Precision، Recall و Confusion Matrix

• Cross Validation و Hyperparameter Tuning
• جلوگیری از Overfitting و Underfitting

کاربرد یادگیری ماشین در سیستم‌های نهفتهانتقال مدل‌های آموزش‌دیده به بردهای سخت‌افزاری

• استفاده از TensorFlow Lite for Microcontrollers
• پروژه عملی: تشخیص وضعیت موتور یا پیش‌بینی خطا روی STM32 / Raspberry Pi

آینده شغلی دوره Machine Learning

با افزایش نیاز صنعت برق و اتوماسیون به سیستم‌های هوشمند، مهارت در Machine Learning به یکی از تخصص‌های پرتقاضا تبدیل شده است.فارغ‌التحصیلان این دوره می‌توانند در مسیرهای زیر مشغول به کار شوند:

• مهندس تحلیل داده‌های صنعتی و الکتریکی
• توسعه‌دهنده سیستم‌های هوشمند مبتنی بر داده
• کارشناس Embedded AI و IoT
• پژوهشگر یا مدرس حوزه هوش مصنوعی و یادگیری ماشین
• طراح پروژه‌های پیش‌بینی خطا، کنترل هوشمند و مانیتورینگ انرژی

روش برگزاری دوره Machine Learning

کلاس بصورت عملی و پروژه محول برگزار میگردد.

توانایی دانشجو در پایان دوره Machine Learning

در پایان این دوره، مهارتجوها قادر خواهند بود:
مفاهیم پایه‌ای یادگیری ماشین را درک و پیاده‌سازی کنند
داده‌های سنسوری و الکتریکی را تحلیل و مدل‌سازی کنند
الگوریتم‌های طبقه‌بندی، رگرسیون و خوشه‌بندی را به‌صورت عملی اجرا کنند
مدل‌های آموزش‌دیده را روی سخت‌افزارهای امبدد (مانند STM32 و Raspberry Pi) پیاده‌سازی نمایند
سیستم‌های هوشمند و خودکار طراحی کنند که بتوانند از داده‌ها یاد بگیرند و تصمیم بگیرند

سوالات متداول دانشجویان

 آیا امکان ثبت نام بصورت اقساطی وجود دارد؟
بله، با استفاده از درگاه اسنپ پی می توانید دوره مورد نظر خود را در 4 قسط پرداخت کنید .

آیا در انتهای دوره برای شرکت‌کنندگان گواهینامه صادر می‌شود؟
درصورتی‌که دانشجو در پایان دوره نمره‌ی لازم را کسب کند، موفق به دریافت گواهینامه خواهد شد. حد نصاب نمره 70 از 100 بوده و از مجموع نمرات فعالیت‌های کلاسی، کوییزها، تمرینات و آزمون پایانی دانشجو محاسبه می‌شود.

نحوه برگزاری آزمون پایانی دوره به چه صورت است؟
مدت زمان مشخصی از جلسه پایانی هر دوره به برگزاری آزمون اختصاص می‌یابد. این آزمون کاملاً عملی بوده و سوال مطرح‌شده در قالب یک پروژه‌ی ترکیبی ارائه می‌شود.

آیا برای این دوره جزوه یا کتاب خاصی باید خریداری شود؟
در تمامی دوره‌های آموزشی، کتاب‌ها و مراجع و فایل‌های آموزشی مختلفی توسط اساتید معرفی می‌گردد.

پاسخ به پرسش های شما