Pembelajaran mesin ditakrifkan pada tahun 1959 oleh Arthur Samuel sebagai "bidang pengajian yang memberi komputer kemampuan untuk belajar tanpa diprogram secara eksplisit". Pengaturcaraan Pembelajaran Mesin EITC/AI/MLPP dengan program Python bertujuan memperkenalkan asas pembelajaran mesin (termasuk pemahaman asas teori) yang memfokuskan pada pengaturcaraan dengan Python. Kecuali teori ini merangkumi aplikasi bersama dengan aspek teori dan praktikal algoritma pembelajaran mesin pembelajaran yang diawasi, tidak diawasi, dan mendalam. Program ini merangkumi regresi linier, K Jiran terdekat, Mesin Vektor Sokongan (SVM), pengelompokan rata, pengelompokan hierarki, dan jaringan saraf. Ini merangkumi konsep asas algoritma yang terlibat dan logik di belakang. Ini juga merangkumi perbincangan mengenai aplikasi algoritma dalam pengaturcaraan menggunakan set data nyata contoh dan modul (misalnya Scikit-Learn). Program ini juga akan merangkumi perincian setiap algoritma dengan menerapkan algoritma ini dalam kod, termasuk matematik yang terlibat dengan pandangan tentang bagaimana algoritma berfungsi, bagaimana ia dapat diubah, dan apa sifatnya, termasuk kelebihan dan kekurangan. Algoritma yang terlibat dalam pembelajaran mesin agak mudah (seperti yang ditentukan oleh keperluan penskalaan mereka untuk set data yang besar), seperti halnya matematik yang berdasarkannya (aljabar linear).
Sumber Rujukan Kurikulum
Dokumentasi Python
https://www.python.org/doc/
Python melepaskan muat turun
https://www.python.org/downloads/
Panduan Python for Beginners
https://www.python.org/about/gettingstarted/
Panduan Pemula Python Wiki
https://wiki.python.org/moin/BeginnersGuide
Tutorial Pembelajaran Mesin Python W3Schools
https://www.w3schools.com/python/python_ml_getting_started.asp
Muat turun bahan persediaan pembelajaran kendiri luar talian yang lengkap untuk program Pembelajaran Mesin EITC/AI/MLP dengan Python dalam fail PDF
Bahan persediaan EITC/AI/MLP – versi standard
Bahan persediaan EITC/AI/MLP – versi lanjutan dengan soalan ulasan