پیدا کردن پوزیشن‌های جدید برای بازیکن‌های بسکتبال با استفاده از یادگیری ماشین

این ورکشاپ در چهار جلسه یکساعته برگزار میشه:
۱- مقدمه، آشنایی با تحلیل داده‌های بسکتبال، بررسی و بصری سازی داده
۲- آماده سازی داده با Pandas و Numpy، کاهش و انتخاب معیارها به کمک PCA
۳- مدل سازی داده با روش K-Means Clustering
۴- تعریف دسته بندی‌های جدید برای بازیکن‌ها

پیش نیاز ها:
- آشنایی با اصول اولیه یادگیری ماشین
- برنامه نویسی زبان پایتون برای تحلیل داده بهمراه کاربرد کتابخانه‌های NumPy, Pandas, Scikit-Learn

پایتون مقدماتی و ماشین لرنینگ مقدماتی رو از "دوره VIP "  ورکشاپ "پایتون و یادگیری ماشین" میتونی بیشتر یادبگیری

پانداس و نامپای رو میتونی از ورکشاپ "تسلط بر نامپای و پانداس" بیشتر یادبگیری

توی این ورکشاپ یادمیگیری:
در این ورکشاپ با استفاده از متدولوژی CRISP-DM به مراحل اجرای یک پروژه یادگیری ماشین به روش Unsupervised به صورت قدم به قدم پرداخته شده.
شامل:
- بررسی مراحل مختلف متدولوژی CRISP-DM
- نحوه انتقال نتایج بدست آمده به مخاطب فنی و غیرفنی
- انتخاب تعداد بهینه و کاهش متغیرها به کمک روش PCA
- آشنایی با انواع روش‌های Clustering
- استفاده از روش K-Means و نحوه انتخاب معیارهای بهینه سازی

با شرکت توی این ورکشاپ می‌تونی با یکی از متداولترین متدولوژی‌های اجرای پروژه علم داده آشنا بشی و با یادگیری ماشین بتونی توی هر داده‌ای الگوها و دسته‌های مختلف رو پیدا کنی.

ساعت جلسات:

جمعه ها 10 تا 11 صبح

راستی:

اگر ورکشاپ هارو شرکت کنی و هر جلسه تمرین هارو انجام بدی، آخر دوره Certificate این ورکشاپ رو دریافت میکنی.
اینم بگم که ویدیوها ضبط میشه و طی این چهارجلسه بهش کاملا از طریق همین سایت دسترسی داری