Masinõppe määratles Arthur Samuel 1959. aastal kui "õppesuuna, mis annab arvutitele võimaluse õppida ilma selgesõnaliselt programmeerimata". EITC/AI/MLPP Pythoniga masinõppe programmeerimine on suunatud masinõppe põhialuste (sealhulgas teooria põhiteadmiste) tutvustamisele, keskendudes Pythoniga programmeerimisele. Välja arvatud teooria, hõlmab see rakendusi ning juhendatavate, järelevalveta jäetud ja süvaõppivate masinõppe algoritmide teoreetilisi ja praktilisi aspekte. Programm hõlmab lineaarset regressiooni, K lähimaid naabreid, tugivektorimasinaid (SVM), lamedaid klastreid, hierarhilisi klastreid ja närvivõrke. See sisaldab põhitõdesid kaasatud algoritmidest ja selle loogikast. See hõlmab ka arutelu algoritmide rakenduste üle programmeerimisel, kasutades näitlikke reaalandmekogumeid koos moodulitega (nt Scikit-Learn). Programm hõlmab ka üksikasju iga algoritmi kohta, rakendades need algoritmid koodina, sealhulgas kaasatud matemaatika koos teadmisega, kuidas algoritmid täpselt toimivad, kuidas neid saab muuta ja millised on nende omadused, sealhulgas eelised ja puudused. Masinõppes osalevad algoritmid on üsna lihtsad (tingituna nende mastaabitavusest suurte andmekogumite jaoks), nagu ka matemaatika, millel need põhinevad (lineaarne algebra).
Õppekava viited
Pythoni dokumentatsioon
https://www.python.org/doc/
Python vabastab allalaadimised
https://www.python.org/downloads/
Pythoni algajatele juhend
https://www.python.org/about/gettingstarted/
Pythoni Wiki juhend algajatele
https://wiki.python.org/moin/BeginnersGuide
W3Schools Pythoni masinõppe õpetus
https://www.w3schools.com/python/python_ml_getting_started.asp
Laadige PDF-failina alla täielikud võrguühenduseta iseõppimise ettevalmistavad materjalid programmi EITC/AI/MLP Pythoni masinõppe jaoks
EITC/AI/MLP ettevalmistusmaterjalid – standardversioon
EITC/AI/MLP ettevalmistavad materjalid – laiendatud versioon ülevaateküsimustega