Masjienleer is in 1959 deur Arthur Samuel gedefinieer as die 'studieveld wat rekenaars die vermoë gee om te leer sonder om eksplisiet te wees.' Die EITC/AI/MLPP-masjienleerprogrammering met Python-program beoog om die beginsels van masjienleer (insluitend basiese begrip van die teorie) in te lei wat fokus op programmering met Python. Behalwe die teorie, dek dit toepassings, sowel as teoretiese en praktiese aspekte van masjienleeralgoritmes onder toesig, sonder toesig en diep leer. Die program dek lineêre regressie, K-naaste bure, SVM-ondersteuning, plat groepering, hiërargiese groepering en neurale netwerke. Dit bevat basiese opvattings oor die betrokke algoritmes en die logika daaragter. Dit dek ook bespreking van die toepassings van die algoritmes in programmering deur gebruik te maak van werklike datastelle saam met modules (bv. Scikit-Learn). Die program sal ook besonderhede van elk van die algoritmes dek deur hierdie algoritmes in kode te implementeer, insluitend die betrokke wiskunde met insigte oor hoe die algoritmes presies werk, hoe dit aangepas kan word en wat hul eienskappe is, insluitend voor- en nadele. Die algoritmika wat by masjienleer betrokke is, is redelik eenvoudig (soos gekondisioneer deur hul skaalbehoefte vir groot datastelle), asook die wiskunde waarop dit gebaseer is (lineêre algebra).
Kurrikulumverwysingshulpbronne
Python-dokumentasie
https://www.python.org/doc/
Python stel downloads vry
https://www.python.org/downloads/
Python vir beginnersgids
https://www.python.org/about/gettingstarted/
Python Wiki Beginnersgids
https://wiki.python.org/moin/BeginnersGuide
W3Schools Python -masjienleer -tutoriaal
https://www.w3schools.com/python/python_ml_getting_started.asp
Laai die volledige vanlyn selflerende voorbereidingsmateriaal vir die EITC/AI/MLP Machine Learning with Python-program in 'n PDF-lêer af
EITC/AI/MLP voorbereidende materiaal – standaard weergawe
EITC/AI/MLP voorbereidende materiaal – uitgebreide weergawe met hersieningsvrae