آموزش ماشین لرنینگ

پیشنیاز این دوره زبان پایتون یا سی شارپ می باشد

در دنیای امروز تکنولوژی به صورت چشمگیری رشد و پیشرفت کرده بسیاری از مردم دنیا کارهای روزمره خود را با هوش مصنوعی انجام می دهند ؛ هوش مصنوعی تقریبا یک علم جدیدی هست که زندگی مردم را تحت تاثیر خود قرار داده است به عنوان مثال نرم افزارهای مسیریابی که خیلی خوب و بدون مشکلی ما را به مقصد می رسانند ؛ رباتیک در پزشکی که سرعت عمل و دقت بسیار بالایی نسبت به نیروی انسانی دارد ؛ گزارش دهی و پردازش داده ها به صورت آنی و بلادرنگ در بازار مالی که همه این موارد زندگی رو برای ما راحت تر کرده ؛ ماشین لرنینگ یکی از شاخه های هوش مصنوعی هست که به ماشین یاد میدهد کارهایی که ما انسانها انجام میدهیم رو ماشین انجام دهد.

تحلیل کد
آموزش یادگیری ماشین
آموزش مقدماتی تا پیشرفته یادگیری ماشین
Machine learning
تحت وب و سیستم عامل

توضیحات این دوره

به مجموعه ی آموزشی تحلیل کد خوش آمدید.

ماشین لرنینگ یک از زیر مجموعه ها و حوزه های هوش مصنوعی می باشد تاثیر ماشین لرنینگ رو در زندگی روزمره تا حدودی حس کردید مانند تشخیص پلاک خودرو – تشخصی چهره- تشخیص تقلبی بودن معاملات از طریق بانک ها و...

پیشنیازهایی که برای یادگیری ماشین لرنینگ نیاز هست این هست که باید دانش کافی در زمینه کامپیوتر رو داشته باشید که باعث می شود خیلی سریعتر این مورد را فراگیرید ؛ پیشنیاز بعدی دانستن زبان برنامه نویسی که به تحلیل داده کمک کند که پایتون می تواند سرآمد زبان های دیگه در این زمینه باشد و پیشنیاز آخر درک متناسبی از آمار و احتمال داشته باشید.

بدون شک در آینده نزدیک یکی از مهارت ها و تخصص های سطح A در علم می شود و علم و صنعت نیاز مبرمی به این حوزه خواهند داشت.

بعد از یادگیری:

تسلط کامل به ماشین لرنینگ
می توانید هر حوزه ای که مربوط به ماشین لرنینگ باشد فعالیت کنید
می توانید در هر شرکتی که در حوزه ی ماشین لرنینگ کار می کند استخدام شوید
شناخت بازار کار ماشین لرنینگ
بعد از یادگیری چون زمینه قدرتمندی دارید می توانید در شاخه های توسعه وب-پردازش تصویر و ماشین لرنینگ فعالیت کنید

تمام سعی مجموعه تحلیل کد براین هست که دانشجویان با علم و توانمندی بالا در حوزه تخصصی خود بتوانند کار کنند، پایتون جزء زباهای برنامه نویسی تراز اول دنیا بوده به دلیل اینکه دارای کتلابخانه ها و فریم ورک های قدرتمندی می باشد؛ توصیه ما این هست اگر می خواهید در حوزه ی ماشین لرنینگ و هوش مصنوعی فعالیت کنید حتما دوره آموزش پایتون ما را بگذرانید

معرفی دوره

کاربرد ماشین لرنینگ در صنعت و زندگی روزمره

مقدمه ای بر یادگیری ماشین و مرور مباحث احتمال و جبرخطی (١ جلسه)

روش های تخمین ML و MAP (١ جلسه)

رگرسیون خطی و غیرخطی

پیش پرازش (overfitting)

تجزیه ی خطا به بایاس (bias )، واریانس (variance) و نویز

منظم سازی (regularization)

رگرسیون آماری (statistical ): ارتباط توابع هدف مبتنی بر SSE با تخمین های احتمالی ML و MAP برای مساله ی رگرسیون

اعتبارسنجی (validation)

اعتبارسنجی متقابل (Cross-validation)

انتخاب مدل (model selection)

انتخاب ویژگی (feature selection)

دسته بندهای احتمالی (probabilistic classifiers)

تئوری تصمیم (theory decision (و دسته بند بهینه بیز (Bayes optimal classifier)

دسته بندی احتمالی جداساز (discriminative) و مولد (generative)

Logistic regression دو دسته ای و چند دسته ای (multi-class) و بیز ساده (Naïve Bayes)

پرسپترون (Perceptron)

جداساز خطی فیشر (Fisher)

ماشین بردار پشتیبان (SVM) و هسته (kernel)

شبکه های عصبی (neural networks)

آنتروپی و بهره اطلاعاتی (Information Gain)

الگوریتم ٣ID وتوقف رشد و هرس درخت تصمیم

تخمین چگالی غیر پارامتری (Non-parametric density estimation)

دسته بند k‐نزدیکترین همسایه (k-Nearest Neighbors )

رگرسیون خطی وزن دار محلی (Locally Weighted Linear Regression)

PAC-learning

VC dimension

کمینه سازی ریسک ساختاری (structural risk minimization)

Bagging و Boosting

AdaBoost

مباحث پیشرفته در یادگیری ماشین

مهدی قربانی

9.1k
4.5
4 دوره آموزشی
205

درباره مدرس

مهندس مهدی قربانی دارای 20 سال سابقه تدریس کامپیوتر در زمینه های گرافیک و برنامه نویسی است و 10 سال اخیر به صورت پیوسته در زمینه برنامه نویسی ، زبانهای سی پلاس پلاس – سی شارپ و پایتون فعالیت می کند.

دارای مدرک کارشناسی کامپیوتر از دانشگاه دولتی سمنان است . بنده روز به روز تلاش می کنم که خودم را به سطح A یعنی علم روز برسانم. مسلط به زبان آلمانی و انگلیسی هستم.