לימוד מכונה EITC/AI/MLP עם פיתון

by אקדמיה של אית"א / יום שלישי, 02 פבואר 2021 / פורסם ב

מצב נוכחי

לא נרשם

מחיר

€110.00

הַתחָלָה

הירשם לקבלת אישור זה

EITC/AI/MLP Machine Learning with Python היא תוכנית הסמכת ה- IT האירופית על יסודות תכנות למידת מכונות עם שפת פיתון.

תכנית הלימודים של EITC/AI/MLP Machine Learning with Python מתמקדת במיומנויות תיאורטיות ומעשיות בתכנות למידת מכונה המאורגנת בתוך המבנה הבא, וכוללת חומרי למידה עצמית מקיפים ומובנים של תוכנית לימודים להסמכת EITCI הנתמכת על ידי תוכן דידקטי של וידאו בגישה פתוחה. בסיס להכנה לקראת קבלת הסמכת EITC זו על ידי עמידה בבחינה מתאימה.

למידת מכונה (ML) היא חקר אלגוריתמים ממוחשבים המשתפרים אוטומטית באמצעות חוויה. זה נתפס כחלק מבינה מלאכותית. אלגוריתמים של למידת מכונה בונים מודל המבוסס על נתוני מדגם, המכונים נתוני האימון, על מנת לקבל תחזיות או החלטות מבלי להיות מתוכנת במפורש לכך.

נעשה שימוש באלגוריתמים של למידת מכונה במגוון רחב של יישומים, כגון סינון דואר אלקטרוני וראיית מחשב, כאשר קשה או בלתי אפשרי לפתח אלגוריתמים קונבנציונליים לביצוע המשימות הנדרשות. למידת מכונה הוגדרה בשנת 1959 על ידי ארתור סמואל כ"תחום המחקר המעניק למחשבים את היכולת ללמוד מבלי להיות מתוכנת במפורש ".

תת-קבוצה של למידת מכונה קשורה קשר הדוק לסטטיסטיקה חישובית, המתמקדת בחיזוי באמצעות מחשבים, אולם לא כל למידת מכונה היא למידה סטטיסטית. לימוד האופטימיזציה המתמטית מספק שיטות, תיאוריה ותחומי יישום לתחום למידת מכונה. כריית נתונים היא תחום מחקר קשור, המתמקד בניתוח נתונים חקרני באמצעות למידה ללא פיקוח. ביישום שלה על פני בעיות עסקיות, למידת מכונה מכונה גם ניתוח ניבוי.

גישות למידה ממוחשבת מחולקות באופן מסורתי לשלוש קטגוריות רחבות, בהתאם לאופי ה"אות "או" המשוב "העומד לרשות מערכת הלמידה:

למידה מפוקחת: המחשב מוצג עם תשומות לדוגמא והפלטים הרצויים שלהם, הניתנים על ידי "מורה", והמטרה היא ללמוד כלל כללי הממפה תשומות לפלטים.
למידה ללא פיקוח: אין תוויות שניתנות לאלגוריתם הלמידה, ומשאירות אותו בפני עצמו למצוא מבנה בתשומותיו. למידה ללא פיקוח יכולה להיות מטרה בפני עצמה (גילוי דפוסים נסתרים בנתונים) או אמצעי לקראת מטרה (למידה תכונה).
למידת חיזוק: תוכנית מחשב מקיימת אינטראקציה עם סביבה דינמית בה עליה לבצע מטרה מסוימת (כמו נהיגה ברכב או משחק נגד יריב). כאשר היא מנווטת את שטח הבעיות שלה, התוכנית מספקת משוב המקביל לתגמולים, שאותו היא מנסה למקסם.

פותחו גישות אחרות שאינן משתלבות בצורה מסודרת בקטגוריה של פי שלושה, ולעיתים יותר מאחת משמשת אותה מערכת למידת מכונה. למשל דוגמנות נושאים, הפחתת מימדיות או מטא למידה.

החל משנת 2020, למידה עמוקה הפכה לגישה הדומיננטית לעבודה שוטפת הרבה בתחום למידת מכונה.

פייתון היא שפת תכנות פרשנית, ברמה גבוהה וכללית. פילוסופיית העיצוב של פיתון מדגישה את קריאות הקוד בעזרת השימוש הבולט שלה במרחב לבן משמעותי. מבני השפה והגישה מונחה האובייקטים שואפים לעזור למתכנתים לכתוב קוד ברור והגיוני לפרויקטים קטנים ובגודל גדול. פיתון מתואר לעתים קרובות כשפה "כלולה בסוללות" בשל הספרייה הסטנדרטית המקיפה שלה. פייתון משמש בדרך כלל בפרויקטים של בינה מלאכותית ובפרויקטים של למידת מכונה בעזרת ספריות כמו TensorFlow, Keras, Pytorch ו- Scikit-learning.

פייתון הוא מודפס באופן דינמי (מבצע בזמן ריצה התנהגויות תכנות נפוצות רבות ששפות תכנות סטטיות מבצעות במהלך האוסף) ונאסף אשפה (עם ניהול זיכרון אוטומטי). הוא תומך בפרדיגמות תכנות מרובות, כולל תכנות מובנה (במיוחד פרוצדורלי), מונחה עצמים ופונקציונלי. הוא נוצר בסוף שנות השמונים, ושוחרר לראשונה בשנת 1980, על ידי גואידו ואן רוסום כיורש לשפת התכנות ABC. Python 1991, שיצא בשנת 2.0, הציג תכונות חדשות, כמו הבנת רשימה, ומערכת איסוף אשפה עם ספירת הפניות, והופסקה עם גרסה 2000 בשנת 2.7. Python 2020, שיצא בשנת 3.0, היה תיקון מרכזי של השפה שהיא לא לגמרי תואם לאחור וקוד Python 2008 רב לא פועל ללא שינוי ב- Python 2. עם סיום החיים של Python 3 (וה- pip צנח מהתמיכה בשנת 2), רק Python 2021.x ואילך נתמכים, עם גרסאות ישנות עדיין תומך למשל ב- Windows 3.6 (ומתקינים ישנים שאינם מוגבלים ל- Windows של 7 סיביות).

מתורגמנים לפייתון נתמכים במערכות הפעלה רגילות וזמינים לעוד כמה (ובעבר נתמכו בהרבה יותר). קהילת מתכנתים גלובלית מפתחת ומתחזקת את CPython, יישום הפניה של קוד פתוח בחינם. ארגון ללא כוונת רווח, קרן התוכנה Python, מנהל ומנהל משאבים לפיתוח Python ו- CPython.

נכון לינואר 2021, Python מדורגת במקום השלישי במדד שפות התכנות הפופולריות ביותר של TIOBE, מאחורי C ו- Java, לאחר שזכתה בעבר במקום השני ובפרס עבור הרווח הפופולרי ביותר לשנת 2020. היא נבחרה לשפת התכנות של השנה בשנת 2007, 2010 , ו 2018.

מחקר אמפירי מצא כי שפות סקריפטים, כמו פייתון, הן יצרניות יותר משפות קונבנציונליות, כגון C ו- Java, לבעיות תכנות הכרוכות במניפולת מחרוזות וחיפוש במילון, וקבע כי צריכת זיכרון לרוב "טובה יותר מג'אווה ולא הרבה יותר גרוע מ- C או C ++ ”. ארגונים גדולים המשתמשים בפייתון כוללים בין השאר את ויקיפדיה, גוגל, יאהו !, CERN, נאס"א, פייסבוק, אמזון, אינסטגרם.

מעבר ליישומי הבינה המלאכותית שלה, פייתון, כשפת סקריפטים עם ארכיטקטורה מודולרית, תחביר פשוט וכלי עיבוד טקסט עשיר, משמש לעיתים קרובות לעיבוד שפות טבעיות.

כדי להכיר את עצמכם באופן מפורט עם תכנית הלימודים להסמכה תוכלו להרחיב ולנתח את הטבלה שלהלן.

תוכנית הלימודים של EITC/AI/MLP Machine Learning with Python Certification מתייחסת לחומרים דידקטיים בגישה פתוחה בצורת וידאו מאת האריסון קינסלי. תהליך הלמידה מחולק למבנה שלב אחר שלב (תוכניות -> שיעורים -> נושאים) המכסה חלקים רלוונטיים בתכנית הלימודים. המשתתפים יכולים לגשת לתשובות ולשאול שאלות רלוונטיות יותר בחלק השאלות והתשובות של ממשק הלמידה האלקטרונית תחת נושא תוכנית הלימודים המתקדמת כעת של תוכנית EITC. ייעוץ ישיר וללא הגבלה עם מומחי תחום נגיש גם באמצעות מערכת ההודעות המשולבת המקוונת של הפלטפורמה, כמו גם דרך טופס יצירת הקשר.
לפרטים על הליך ההסמכה בדוק איך זה עובד?.

למידת מכונה הוגדרה בשנת 1959 על ידי ארתור סמואל כ"תחום המחקר המעניק למחשבים את היכולת ללמוד מבלי להיות מתוכנת במפורש ". תוכנית EITC/AI/MLPP תכנות למידת מכונה עם פיתון שואפת להכניס יסודות של למידת מכונה (כולל הבנה בסיסית של התיאוריה) תוך התמקדות בתכנות עם פייתון. למעט התיאוריה הוא מכסה יישומים לצד היבטים תיאורטיים ומעשיים של אלגוריתמי למידה ממוחשבים של למידה מכונה, ללא פיקוח ולימוד עמוק. התוכנית מכסה רגרסיה לינארית, שכנים K הקרובים ביותר, מכונות וקטוריות תומכות (SVM), אשכולות שטוחים, אשכולות היררכיים ורשתות עצביות. זה כולל מושגים בסיסיים של האלגוריתמים המעורבים וההיגיון שמאחורי. הוא מכסה גם דיון ביישומי האלגוריתמים בתכנות באמצעות ערכות נתונים אמיתיות לדוגמא יחד עם מודולים (למשל Scikit-Learn). התוכנית גם תכסה פרטים על כל אחד מהאלגוריתמים על ידי הטמעת אלגוריתמים אלה בקוד, כולל המתמטיקה המעורבת עם תובנות כיצד בדיוק האלגוריתמים עובדים, כיצד ניתן לשנותם ומה התכונות שלהם, כולל יתרונות וחסרונות. האלגוריתמיקה המעורבת בלמידת מכונה היא פשוטה למדי (מותנית על ידי הצורך שלהם בקנה מידה עבור מערכי נתונים גדולים), וכך גם המתמטיקה עליה הם מתבססים (אלגברה לינארית).

משאבי עזר לתכניות הלימודים

תיעוד פיתון
https://www.python.org/doc/

פייתון משחרר הורדות
https://www.python.org/downloads/

מדריך פיתון למתחילים
https://www.python.org/about/gettingstarted/

מדריך למתחילים בפיתון וויקי
https://wiki.python.org/moin/BeginnersGuide

שיעורי לימוד מכונות פייתון W3Schools
https://www.w3schools.com/python/python_ml_getting_started.asp

הורד את חומרי ההכנה המלאים ללמידה עצמית לא מקוונת לתוכנית EITC/AI/MLP Machine Learning with Python בקובץ PDF

חומרי הכנה EITC/AI/MLP – גרסה סטנדרטית

חומרי הכנה ל-EITC/AI/MLP - גרסה מורחבת עם שאלות סקירה