دوره آموزشی یادگیری ماشین کاربردی: یادگیری نظارت‌شده

توی این دوره، مت هریسون – مربی حرفه‌ای پایتون و علم داده، نویسنده، سخنران و مشاور – بهت یاد می‌ده چطور از تکنیک‌های یادگیری نظارت‌شده (Supervised Learning) برای حل مسائل واقعی استفاده کنی.

اول با مدل‌های ساده مثل رگرسیون خطی شروع می‌کنی و بعد کم‌کم به سراغ الگوریتم‌های پیشرفته‌تر مثل درخت تصمیم (Decision Trees) و XGBoost می‌ری.

توی این دوره یاد می‌گیری چطور مدل‌ها رو ارزیابی، بهینه‌سازی و حتی در دنیای واقعی مستقر (Deploy) کنی.
همچنین با چالش‌های واقعی و راه‌حل‌های کاربردی آشنا می‌شی تا بتونی این تکنیک‌ها رو در حوزه‌هایی مثل سلامت، مالی و املاک به کار ببری.

🎯 اهداف یادگیری
✅ ساخت و ارزیابی مدل‌های طبقه‌بندی (Classification) و رگرسیون (Regression) با استفاده از یادگیری نظارت‌شده
✅ بهینه‌سازی مدل‌ها با اعتبارسنجی متقابل (Cross-Validation) و تنظیم ابرپارامترها (Hyperparameter Tuning)
✅ استفاده از روش‌های پیشرفته مثل Ensemble Methods (Bagging و Boosting) و الگوریتم XGBoost
✅ استقرار (Deploy) یک مدل آموزش‌دیده در دنیای واقعی با استفاده از Flask