با سلام

این پست شامل  قسمت یازدهم از سری فیلم های آموزشی یادگیری ماشین می باشد. در این قسمت مفاهیم و توضیحات مربوط به روش طبقه بندی پارامتریک چند متغیره (parametric classification) مبتنی بر توابع جداکننده (Discriminant) با زبانی ساده و روان به تفصیل بیان می گردد.

مهمترین مطالب و موضوعاتی که در این قسمت بیان شده را بطور مختصر در زیر مشاهده می نمایید:

۱- مقایسه روش طبقه بندی مبتنی بر Likelihood و روش مبتنی بر Discriminant

۲- تشریح توابع جداکننده غیرخطی

۳- تشریح روش یادگیری توابع جداکننده Logistic

۴- تشریح روش گرادیان نزولی برای توابع جداکننده Logistic

۵- بیان روش Early Stopping

۶- تشریح تابع Softmax

۷- تشریح مفهوم و مبنای روش یادگیری رگرسیون

 

تذکر۱:

ویدئو آموزش عملی این جلسه در MATLAB را می توانید از اینجا مشاهده نمایید.

تذکر۲:

قسمت های قبلی این مجموعه آموزشی را می توانید از اینجا مشاهده نمایید.

تذکر۳:

کتاب یادگیری ماشین آلپایدین (Alpaydın) میتوانید از اینجا و کتاب میشل (Tom Mitchell) را نیز از اینجا دانلود نمایید.

تذکر۴:

اسلایدهای این مجموعه آموزشی را می توانید از اینجا دانلود نمایید.

لازم به ذکر است این مجموعه از آموزش های گام به گام یادگیری ماشین در متلب برای اولین بار در ایران تهیه و توسط یکی از مجربترین اسانید در زمینه هوش مصنوعی آموزش داده شده است.

این مجموعه آموزشی بسیار مناسب برای محققین و دانشجویان در مقاطع کارشناسی، کارشناسی ارشد و دکتری می باشد که قصد یادگیری این درس و همچنین استفاده ازالگوریتم های هوش مصنوعی در مقاله و پایان نامه خود را دارند.

با تشکر