Машинско учење је 1959. Артхур Самуел дефинисао као „поље проучавања које рачунарима даје могућност да уче без изричитог програмирања“. ЕИТЦ/АИ/МЛПП Програмирање машинског учења са Питхон-ом има за циљ увођење основа машинског учења (укључујући основно разумевање теорије) фокусирајући се на програмирање са Питхон-ом. Осим теорије, она покрива примене заједно са теоријским и практичним аспектима надзираних, ненадгледаних и дубоких алгоритама машинског учења. Програм покрива линеарну регресију, К Најближи суседи, Подржавајуће векторске машине (СВМ), равно груписање, хијерархијско кластерирање и неуронске мреже. Обухвата основне појмове укључених алгоритама и логику која стоји иза тога. Такође покрива расправу о примени алгоритама у програмирању помоћу огледних стварних скупова података заједно са модулима (нпр. Сцикит-Леарн). Програм ће такође покрити детаље сваког од алгоритама применом ових алгоритама у код, укључујући укључену математику са увидом у то како тачно алгоритми раде, како се могу модификовати и која су њихова својства, укључујући предности и недостатке. Алгоритмика укључена у машинско учење прилично је једноставна (што је условљено потребом скалирања за велике скупове података), као и математика на којој се заснивају (линеарна алгебра).
Референтни ресурси за курикулум
Питхон документација
https://www.python.org/doc/
Питхон објављује преузимања
https://www.python.org/downloads/
Питхон за почетнике
https://www.python.org/about/gettingstarted/
Питхон Вики водич за почетнике
https://wiki.python.org/moin/BeginnersGuide
В3Сцхоолс Питхон упутство за машинско учење
https://www.w3schools.com/python/python_ml_getting_started.asp
Преузмите комплетне припремне материјале за самоучење ван мреже за ЕИТЦ/АИ/МЛП Мацхине Леарнинг витх Питхон програм у ПДФ датотеци
ЕИТЦ/АИ/МЛП припремни материјали – стандардна верзија
ЕИТЦ/АИ/МЛП припремни материјали – проширена верзија са питањима за преглед