آموزش ​پروژه‌ محور یادگیری ماشین در پایتون – ویژه مهندسی مکانیک

یادگیری ماشین چیست؟ یادگیری ماشین یا Machine Learning شاخه‌ای از هوش مصنوعی است که سیستم‌ها از طریق آن بدون نیاز به برنامه‌نویسی صریح، از داده‌ها یاد می‌گیرند و عملکرد خود را بهبود می‌دهند. این فرایند با استفاده از الگوریتم‌ها و مدل‌های ریاضی انجام می‌شود که به کامپیوترها کمک می‌کنند تا الگوها و روابط موجود در داده‌ها را شناسایی کنند و بر اساس آن‌ها تصمیم‌گیری کنند. یادگیری ماشین به سه نوع اصلی دسته‌بندی می‌شود که شامل یادگیری نظارت‌شده، یادگیری بدون نظارت و یادگیری تقویتی است. اهمیت یادگیری ​پروژه‌محور یادگیری ماشین برای مهندسین مکانیک چیست؟ با توجه به پیشرفت‌های روزافزون در زمینه تکنولوژی‌های نوین در حیطه مهندسی، امروزه نیاز به هوشمندسازی سیستم‌ها و مدل‌ها بیش از پیش حس می‌شود. هوش مصنوعی یکی از قدرتمندترین ابزارهایی است که در سال‌های اخیر توجه محققان را بر خود جلب کرده و به فرایند هوشمندسازی مدل‌های مهندسی سرعت بخشیده است. یکی از زیرمجموعه‌های قدرتمند الگوریتم‌های هوش مصنوعی، یادگیری ماشین است. یادگیری ماشین از این حیث از اهمیت بالایی برخوردار است که یک نگاه کلی به تمام سیستم‌ها دارد و صرف‌نظر از پیچیدگی‌های سیستم‌های مهندسی با در دست داشتن داده‌های تاریخی و داده‌های بلادرنگی یا Realtime به تحلیل آن‌ها پرداخته و پیش‌بینی‌هایی با دقت بالا را ارائه می‌دهد. در این فرادرس چه چیزی یاد می‌گیریم؟ در این آموزش، با استفاده از داده‌های جمع‌آوری‌شده از سیستم‌های مهندسی به طراحی و پیاده‌سازی مدل‌های یادگیری ماشین به منظور پیش‌بینی پارامترهای اساسی آن‌ها پرداخته شده است. آموزش در محیط نرم‌افزار پایتون و با استفاده از پکیج‌های قدرتمند تحلیل داده و مصورسازی داده و پیاده‌سازی مدل‌ها انجام می‌شود. بدین صورت که در ابتدا به بیان اصول ابتدایی نرم‌افزار برای تحلیل داده پرداخته می‌شود که شامل معرفی و مروری بر پکیج‌های Pandas و Numpy برای تحلیل داده‌ها، پکیج‌های Matplotli و Seaborn برای مصورسازی داده است. در ادامه به مروری خلاصه بر الگوریتم‌های معروف یادگیری ماشین در حیطه Regression و Classification پرداخته می‌شود و معیارهای متنوع برای ارزیابی مدل‌ها مرور می‌شوند. در بخش‌های بعدی آموزش، چندین دیتاست مهندسی در زمینه‌های مختلف از جمله انرژی‌های تجدیدپذیر، فرایند ساخت افزایشی (Additive Manufacturing) و تعمیرات و نگهداری (Predictive Maintenance) در محیط نرم‌افزار وارد شده و مدل‌های متانسب برای آن‌ها طراحی می‌شود.

فرادرس

محمد متین داودی