యంత్ర అభ్యాసాన్ని 1959 లో ఆర్థర్ శామ్యూల్ "కంప్యూటర్లకు స్పష్టంగా ప్రోగ్రామ్ చేయకుండా నేర్చుకునే సామర్థ్యాన్ని ఇచ్చే అధ్యయన రంగం" గా నిర్వచించారు. పైథాన్ ప్రోగ్రామ్తో EITC/AI/MLPP మెషిన్ లెర్నింగ్ ప్రోగ్రామింగ్ పైథాన్తో ప్రోగ్రామింగ్పై దృష్టి సారించే యంత్ర అభ్యాసం యొక్క ప్రాథమికాలను (సిద్ధాంతం యొక్క ప్రాథమిక అవగాహనతో సహా) ప్రవేశపెట్టడం లక్ష్యంగా పెట్టుకుంది. సిద్ధాంతం మినహా ఇది పర్యవేక్షించబడిన, పర్యవేక్షించబడని మరియు లోతైన అభ్యాస యంత్ర అభ్యాస అల్గోరిథంల యొక్క సైద్ధాంతిక మరియు ఆచరణాత్మక అంశాలతో పాటు అనువర్తనాలను వర్తిస్తుంది. ఈ ప్రోగ్రామ్ లీనియర్ రిగ్రెషన్, కె సమీప నైబర్స్, సపోర్ట్ వెక్టర్ మెషీన్స్ (ఎస్విఎం), ఫ్లాట్ క్లస్టరింగ్, హైరార్కికల్ క్లస్టరింగ్ మరియు న్యూరల్ నెట్వర్క్లను కవర్ చేస్తుంది. ఇందులో పాల్గొన్న అల్గోరిథంక్స్ యొక్క ప్రాథమిక భావనలు మరియు వెనుక ఉన్న తర్కం ఉన్నాయి. ఇది మాడ్యూళ్ళతో పాటు ఎగ్జాప్లరీ రియల్ డేటా సెట్లను ఉపయోగించి ప్రోగ్రామింగ్లోని అల్గోరిథంల అనువర్తనాల చర్చను కూడా వర్తిస్తుంది (ఉదా. స్కికిట్-లెర్న్). ఈ అల్గోరిథంలను కోడ్లో అమలు చేయడం ద్వారా ప్రోగ్రామ్ ప్రతి అల్గోరిథంల వివరాలను కూడా కవర్ చేస్తుంది, ఇందులో అల్గోరిథంలు ఎలా పని చేస్తాయో, అవి ఎలా సవరించబడతాయి మరియు వాటి లక్షణాలు ఏమిటి, ప్రయోజనాలు మరియు అప్రయోజనాలతో సహా అంతర్దృష్టులతో కూడిన గణితంతో సహా. యంత్ర అభ్యాసంలో పాల్గొన్న అల్గోరిథమిక్స్ చాలా సరళమైనవి (పెద్ద డేటా సెట్ల కోసం వాటి స్కేలింగ్ అవసరాన్ని బట్టి), అవి (లీనియర్ ఆల్జీబ్రా) ఆధారంగా ఉన్న గణితం.
పాఠ్య ప్రణాళిక సూచనలు
పైథాన్ డాక్యుమెంటేషన్
https://www.python.org/doc/
పైథాన్ డౌన్లోడ్లను విడుదల చేస్తుంది
https://www.python.org/downloads/
బిగినర్స్ గైడ్ కోసం పైథాన్
https://www.python.org/about/gettingstarted/
పైథాన్ వికీ బిగినర్స్ గైడ్
https://wiki.python.org/moin/BeginnersGuide
W3 స్కూల్స్ పైథాన్ మెషిన్ లెర్నింగ్ ట్యుటోరియల్
https://www.w3schools.com/python/python_ml_getting_started.asp
PDF ఫైల్లో పైథాన్ ప్రోగ్రామ్తో EITC/AI/MLP మెషిన్ లెర్నింగ్ కోసం పూర్తి ఆఫ్లైన్ స్వీయ-అభ్యాస సన్నాహక సామగ్రిని డౌన్లోడ్ చేయండి
EITC/AI/MLP ప్రిపరేటరీ మెటీరియల్స్ - ప్రామాణిక వెర్షన్
EITC/AI/MLP ప్రిపరేటరీ మెటీరియల్స్ - సమీక్ష ప్రశ్నలతో పొడిగించిన వెర్షన్