python خانه پایتون گروه آموزشی برنامه نویسی

📘 تدریس صفحات ۴۹ و ۵۰ فایل PDF کتاب Hands-On Machine Learning with Scikit-Learn and PyTorch در این بخش از کتاب، با دو رویکرد مهم در یادگیری ماشین آشنا می‌شویم: 🔹 Instance-Based Learning یا «یادگیری مبتنی بر نمونه» در این روش، سیستم نمونه‌های آموزشی را نگه می‌دارد و برای طبقه‌بندی یک داده جدید، آن را با نمونه‌های مشابه قبلی مقایسه می‌کند. مثال فیلتر تشخیص ایمیل‌های هرزنامه و الگوریتم K-Nearest Neighbors یا KNN نیز در همین قسمت توضیح داده شده است. 🔹 Model-Based Learning یا «یادگیری مبتنی بر مدل» در این رویکرد، الگوریتم به‌جای مقایسه مستقیم نمونه جدید با تمام داده‌های گذشته، یک مدل یا الگوی کلی از داده‌ها می‌آموزد و سپس با استفاده از آن پیش‌بینی انجام می‌دهد. در این ویدئو، علاوه بر ترجمه کامل متن، درباره مفاهیمی مانند معیار شباهت، ویژگی‌ها، نمونه‌های آموزشی، طبقه‌بندی، تعمیم، نزدیک‌ترین همسایه‌ها، مرز تصمیم، داده‌های پُربُعد و تفاوت یادگیری مبتنی بر نمونه و یادگیری مبتنی بر مدل توضیح داده‌ام. نمودارهای صفحات نیز با جزئیات تحلیل شده‌اند تا نحوه تصمیم‌گیری الگوریتم‌ها کاملاً روشن شود. 📚 این آموزش بخشی از تدریس گام‌به‌گام کتاب Hands-On Machine Learning with Scikit-Learn and PyTorch است. #یادگیری_ماشین #هوش_مصنوعی #پایتون #علم_داده #MachineLearning #ArtificialIntelligence #KNN #InstanceBasedLearning #ModelBasedLearning #DataScience #Python