Python-la maşın öyrənməsi

Fənnin təsviri

“Maşın öyrənməsi” fənni maşın öyrənməsinin nəzəri əsaslarını, alqoritmlərini və Python mühitində tətbiqini öyrədir. Fənn çərçivəsində NumPy, Pandas, SciPy, Matplotlib və Seaborn kitabxanaları, verilənlərin statistik təhlili, ilkin emalı (Data Preprocessing) və vizuallaşdırılması, Scikit-learn mühitində nəzarətli və nəzarətsiz öyrənmə alqoritmləri, o cümlədən Decision Tree, Random Forest, KNN, SVM, Naive Bayes, reqressiya, K-Means və DBSCAN metodları öyrənilir. Kursun sonunda tələbələr maşın öyrənməsi modellərini qurmaq, qiymətləndirmək və real verilənlər üzərində tətbiq etmək, həmçinin generativ süni intellekt alətlərindən istifadə etməklə analitik problemlərin həllinə praktik yanaşmalar formalaşdırırlar.

Fənn təlim nəticələri

1. 1

   CLO 1: Maşın öyrənməsinin əsas anlayışlarını, növlərini, inkişaf mərhələlərini və tətbiq sahələrini izah edir.

2. 2

   CLO 2: NumPy, Pandas, SciPy, Matplotlib və Seaborn kitabxanalarından istifadə etməklə verilənləri emal edir, təhlil edir və vizuallaşdırır.

3. 3

   CLO 3: Verilənlərin ilkin emalı (Data Preprocessing) və statistik təhlili üsullarını tətbiq edərək maşın öyrənməsi üçün verilənləri hazırlayır.

4. 4

   CLO 4: Nəzarətli öyrənmə alqoritmlərini (Decision Tree, Random Forest, KNN, SVM, Naive Bayes və Reqressiya) tətbiq edərək proqnozlaşdırma və təsnifat məsələlərini həll edir.

5. 5

   CLO 5: Nəzarətsiz öyrənmə alqoritmlərini (K-Means, DBSCAN) tətbiq edərək verilənlərin klasterləşdirilməsini həyata keçirir və nəticələri qiymətləndirir.

6. 6

   CLO 6: Maşın öyrənməsi modellərini qurur, qiymətləndirir və generativ süni intellekt alətlərindən istifadə etməklə əldə olunan nəticələri şərh edir və praktik məsələlərin həllində tətbiq edir.