கணியம் அறக்கட்டளை, முதல்மொழி படிப்பகம் (கனடா) சார்பாக, தமிழில், இணையவழியில் (Online) கற்கும் கருவியியல் (Machine Learning) அறிமுகம் தொடர் வகுப்பு தமிழ்வழியில் நடத்தவுள்ளது.
கால அளவு
3 மாதங்கள் ( 3 வார நாட்கள் மட்டும். தேவையெனில் வார இறுதியிலும்.)
நேரம்
இரவு 9.00 – 10.00 கிழக்கு நேர வலயம் (EST) ( ஞாயிறு, செவ்வாய், வியாழன் )காலை 6.30 – 7.30 இந்திய நேரம் (IST) ( திங்கள், புதன், வெள்ளி )
ஒட்டுமொத்த வகுப்பு நேரம்
50-60 மணி நேரங்கள்
நன்கொடை
C$ 500
வகுப்புகளுக்கான நன்கொடைகள் கணியம் அறக்கட்டளையின் பணிகளுக்கு வழங்கப்படுகின்றன.
வகுப்பு தொடங்கும் நாள்
ஜூலை 2024 மூன்றாம் வாரம்
பயிற்றுநர்கள்
1. முனைவர் ப. தமிழ் அரசன் / Dr. B. Tamil Arasan
www.linkedin.com/in/tamil-arasan-ph-d-644a3763
https://scholar.google.com/citations?user=Szi3WqkAAAAJ&hl=enmedium.com/@ml_phy
2. நித்யா துரைசாமி / Nithya Duraisamy
freetamilebooks.com/authors/nithyaduraisamy/
www.youtube.com/nithyaduraisamy
நோக்கம்
செய்யறிவின் (Artificial Intelligence) உறுப்பான கற்குங்கருவியியல் (Machine Learning) கடந்த பத்தாண்டுகளில் எதிர்பாராத அளவிற்கு நுட்பமான செயல்களைப் புரிந்துவருகிறது. படத்தைப் பார்த்து அதில் இருப்பவற்றைக் கண்டறிவது தொடங்கி மொழிபெயர்ப்பு வரை பலதரப்பட்ட சிக்கலான வேலைகளைச் செம்மையுறச் செய்து காட்டியுள்ளது. இது மாணவர் முதல் பல துறை மக்களிடையே மிகுந்த ஆர்வத்தை ஏற்படுத்தியுள்ளது.
அனைவரும் பயன்பெறும் வகையில் மேம்போக்காக தொட்டுச்செல்லாமல், தெளிவுற கற்க ஏதுவாக இந்த கற்குங்குருவியியல் பாடங்களை அமைத்துள்ளோம்.
இந்தக் கற்குங்கருவியியல் வகுப்பு படிப்பறிவுக்கும் (theoretical) பட்டறிவுக்கும் (practical) இருக்கும் இடைவெளியை இட்டு நிரப்பி, கற்போரைக் கைதேர்ந்த வல்லுநர்களாக மாற்றும் முதற்படியாக இருக்கும் வகையில் வடிவமைக்கப்பட்டுள்ளது.
பாடத்திட்டத்தில் உள்ள ஒவ்வொரு தலைப்பும் வெறுமனே தேற்றங்களை (theoretical) மட்டும் மனப்பாடம் செய்யாமல், பயில்வுமுறை (practical) கல்வி அனுபவத்திற்கான ஒரு நுழைவாயில் ஆகும்.
பயில்வுமுறை பயன்பாடுகளுக்குள் நுழைவதற்கு முன், நாங்கள் ஒரு திடமான தேற்ற அடித்தளத்தையும் (theoretical foundation) நிறுவுகிறோம்.
ஒவ்வொரு கற்குங்கருவியியல் கருத்துகளும் (concepts) அல்கொரிதமும், நுட்பமும் எப்படி(how) வேலை செய்கிறது என்பதை மட்டுமில்லாமல் அவற்றை எங்கே ஏன் (why) பயன்படுத்த வேண்டும் என்பதையும் அறியச்செய்கிறோம்.
பாடத்திட்டம்
1: Data Preparation and Analysis
2: Regression Techniques
3: Classification Methods
4: Grouping and Associations
5: Reinforcement Learning
6: Deep Learning Fundamentals