การเรียนรู้ของเครื่องถูกกำหนดในปี 1959 โดย Arthur Samuel ว่าเป็น "สาขาวิชาที่ช่วยให้คอมพิวเตอร์สามารถเรียนรู้ได้โดยไม่ต้องมีการตั้งโปรแกรมไว้อย่างชัดเจน" EITC/AI/MLPP Machine Learning Programming with Python มีจุดมุ่งหมายเพื่อแนะนำพื้นฐานของการเรียนรู้ของเครื่อง (รวมถึงความเข้าใจพื้นฐานเกี่ยวกับทฤษฎี) โดยเน้นที่การเขียนโปรแกรมด้วย Python ยกเว้นทฤษฎีที่ครอบคลุมการใช้งานพร้อมกับแง่มุมทางทฤษฎีและการปฏิบัติของอัลกอริทึมการเรียนรู้ของเครื่องที่มีการควบคุมดูแลไม่ได้รับการดูแลและการเรียนรู้เชิงลึก โปรแกรมนี้ครอบคลุมการถดถอยเชิงเส้น, K เพื่อนบ้านที่ใกล้ที่สุด, เครื่องเวกเตอร์สนับสนุน (SVM), การทำคลัสเตอร์แบบแบน, การจัดกลุ่มตามลำดับชั้นและเครือข่ายประสาท รวมถึงแนวคิดพื้นฐานของอัลกอริทึมที่เกี่ยวข้องและตรรกะเบื้องหลัง นอกจากนี้ยังครอบคลุมถึงการอภิปรายการประยุกต์ใช้อัลกอริทึมในการเขียนโปรแกรมโดยใช้ชุดข้อมูลจริงที่ตรวจสอบพร้อมกับโมดูล (เช่น Scikit-Learn) โปรแกรมจะกล่าวถึงรายละเอียดของแต่ละอัลกอริทึมโดยการใช้อัลกอริทึมเหล่านี้ในโค้ดรวมถึงคณิตศาสตร์ที่เกี่ยวข้องพร้อมข้อมูลเชิงลึกเกี่ยวกับวิธีการทำงานของอัลกอริทึมวิธีการแก้ไขและคุณสมบัติรวมถึงข้อดีและข้อเสีย อัลกอริทึมที่เกี่ยวข้องกับการเรียนรู้ของเครื่องนั้นค่อนข้างง่าย (ตามความจำเป็นในการปรับขนาดสำหรับชุดข้อมูลขนาดใหญ่) เช่นเดียวกับคณิตศาสตร์ที่อิงตาม (พีชคณิตเชิงเส้น)
แหล่งข้อมูลอ้างอิงหลักสูตร
เอกสาร Python
https://www.python.org/doc/
Python เผยแพร่การดาวน์โหลด
https://www.python.org/downloads/
คู่มือ Python สำหรับผู้เริ่มต้น
https://www.python.org/about/gettingstarted/
คู่มือเริ่มต้น Python Wiki
https://wiki.python.org/moin/BeginnersGuide
บทช่วยสอนการเรียนรู้ของเครื่อง W3Schools Python
https://www.w3schools.com/python/python_ml_getting_started.asp
ดาวน์โหลดเอกสารเตรียมการเรียนรู้ด้วยตนเองแบบออฟไลน์ฉบับสมบูรณ์สำหรับโปรแกรม EITC/AI/MLP Machine Learning ด้วย Python ในรูปแบบไฟล์ PDF
เอกสารการเตรียมการ EITC/AI/MLP – เวอร์ชันมาตรฐาน
เอกสารการเตรียมการ EITC/AI/MLP – เวอร์ชันขยายพร้อมคำถามในการทบทวน