#چالش_پایتون_در_هوش_مصنوعی

🤖 فاز ۳ – مبانی یادگیری ماشین

🔵 قسمت ۱: یادگیری ماشین یعنی چی؟

یادگیری ماشین (Machine Learning) یک شاخه از هوش مصنوعی است که به کامپیوترها یاد می‌دهد از روی داده‌ها الگو پیدا کنند و بدون اینکه به آن‌ها مرحله‌به‌مرحله بگوییم چه‌کار کنند، خودشان پیش‌بینی یا تصمیم‌گیری کنند 😎

✨ یک مثال ساده

فرض کن به کامپیوتر می‌گی:
«اگه قیمت، متراژ و تعداد اتاق‌های چندتا خانه رو بهت بدم، یاد بگیر قیمت خانه‌های جدید رو حدس بزنی!»
بدون اینکه هیچ فرمولی بهش بدی! این یعنی یادگیری ماشین.

📌 سه نوع اصلی یادگیری ماشین

1️⃣ یادگیری نظارت‌شده (Supervised Learning)
به مدل «ورودی + خروجی» یاد می‌دیم و مدل رابطه بینشون رو یاد می‌گیره.
نمونه‌ها: پیش‌بینی قیمت خانه، تشخیص اسپم، پیش‌بینی فروش.

2️⃣ یادگیری بدون نظارت (Unsupervised Learning)
فقط داده‌ها رو می‌دیم، خروجی مشخص نیست. مدل خودش الگو و گروه‌ها رو پیدا می‌کنه.
نمونه‌ها: دسته‌بندی مشتریان، گروه‌بندی اخبار.

3️⃣ یادگیری تقویتی (Reinforcement Learning)
مدل با آزمون و خطا یاد می‌گیره و با جایزه/جریمه بهتر می‌شه.
نمونه‌ها: ربات‌ها، بازی‌های کامپیوتری، AlphaZero.

🎯 چرا یادگیری ماشین مهمه؟

* استفاده از داده‌های بزرگ
* دقت و سرعت بالا
* کاربرد در همه‌جا: شبکه‌های اجتماعی، پزشکی، بانک‌ها، فروشگاه‌ها

🧪 پروژه کوچک این قسمت

در قسمت‌های بعدی با هم یک مدل ساده می‌سازیم که از روی قد افراد، قد افراد جدید رو حدس بزنه!
قدم‌به‌قدم و کاملاً عملی 😉

👀 قسمت بعدی:
داده‌های آموزشی و تست — چرا داده‌ها رو نصف می‌کنیم؟

🗂 مرکز آموزش پایتون
➖➖➖➖➖➖➖➖
🚀@pythonchallenge