- اطلاعات کلی
- مدرس : دکتر جاهد سراوانی
- قسمت : فصل اول- قسمت ۲ تا ۴
- وضعیت محصول : رایگان
- نوع آموزش : تصویری
- زبان : فارسی
- مدت زمان : 40 + 40 + 10 دقیقه
- حجم دوره: 44 + 47 + 20 مگابایت
- تاریخ : ۱۸ مهر ۱۳۹۵
با سلام
این پست شامل فصل اول (قسمت های ۲ الی ۴) از مجموعه فیلم های آموزش یادگیری ماشین در متلب می باشد. در این سه قسمت مقدمه ای از آمار و احتمال که لازمه علم یادگیری ماشین است به تفصیل بیان می گردد.
مهمترین مطالب و موضوعاتی که در هر قسمت بیان شده را بطور مختصر در زیر مشاهده می نمایید:
قسمت ۲ از مجموعه فیلم های آموزش یادگیری ماشین در متلب:
۱- بیان تعریف و مفهوم آمار (توصیفی و استنتاجی)
۲- بیان متغیرهای مطلق و کمی با ذکر مثال
۳- تعریف مد، میانه و میانگین با ذکر کاربرد آن ها در یادگیری ماشین و احتمالات
۴- تعریف محدوده، چارک ها، واریانس و انحراف معیار
۵- تعریف Z-score روی نمودار
۶- تعریف داده های دور افتاده (outlier) با ذکر مثال
۷- بیان آزمایش تصادفی، فضای نمونه، رخداد و احتمال رخداد
۸- بیان دیاگرام درختی با ذکر مثال
۹- تعریف احتمال توام و غیر شریطی
۱۰- تعریف احتمال شریطی با ذکر مثال
۱۱- تعریف رخداد های مستقل
۱۲- بیان قاعده مهم بیز Bayes
۱۳- تعریف احتمال توام و غیر شریطی
قسمت ۳ از مجموعه فیلم های آموزش یادگیری ماشین در متلب:
۱- تعریف و بررسی متغیرهای تصادفی و توزیع احتمال
۲- تعریف و نحوه محاسبه امید ریاضی و واریانس متغیر تصادفی
۳- تعریف و نحوه محاسبه کواریانس و ضریب همبستگی
۴- بیان محاسبه و کاربرد ضریب همبستگی Pearson
۵- بیان توابع توزیع و چگالی احتمال Binomial، Multinomial، Univariate، Multivariate، بهمراه مثال
۶- بیان و مقایسه روش های یادگیری با سرپرست (Supervise)، بدون سرپرست (UnSupervise)، نیمه نظارتی و تقویتی
۷- تشریح روش های رگرسیون (Regresion)، طبقه بندی (Classification)
۸- بیان کاربردهای یادگیری بدون سرپرست
۹- تعریف خوشه بندی (Clustring) و تخمین چگالی (Density estimation)
۱۰- ارائه مثال های متنوع جهت بررسی و مقایسه هر کدام از روش های یادگیری
قسمت ۴ از مجموعه فیلم های آموزش یادگیری ماشین در متلب:
۱- بیان مجموعه تولباکس های یادگیری ماشین در متلب
۲- بیان Help متلب برای درس یادگیری ماشین
۳- نحوه استفاده از تابع توزیع و چگالی احتمال در متلب
هدف از تهیه این مجموعه از فیلم های آموزشی، آشنایی با مباحث یادگیری ماشین (Machine Learning) بر طبق سرفصل کتاب های مرجع از جمله آلپایدین (Alpaydın) و میشل (Tom Mitchell) و همچنین پیاده سازی آنها در محیط MATLAB است. درس یادگیری ماشین یکی از مهمترین دروس رشته هوش مصنوعی و بسیار پرکاربرد در سایر رشته های تحصیلی می باشد. در این مجموعه سعی شده است که با زبانی ساده به بیان مفاهیم و الگوریتم های یادگیری ماشین بصورت تئوری و عملی پرداخته شود.
سرفصل های این مجموعه آموزشی یادگیری ماشین در متلب شامل موارد زیر می باشد:
سرفصل های مجموعه آموزشی یادگیری ماشین:
فصل اول: آمار مقدماتی
فصل دوم: مفهوم یادگیری نظارت شده
فصل سوم: رگرسیون خطی و رگرسیون منطقی
فصل چهارم: روش های طبقه بندی پارامتریک
فصل پنجم: شبکه های عصبی
فصل ششم: روش های طبقه بندی غیر پارامتریک
فصل هفتم: درخت تصمیم گیری
فصل هشتم: ماشین بردار پشتیبان SVM
فصل نهم: روش های ترکیبی Ensemble Methods
تذکر۱:
کتاب یادگیری ماشین آلپایدین (Alpaydın) میتوانید از اینجا و کتاب میشل (Tom Mitchell) را نیز از اینجا دانلود نمایید.
تذکر۲:
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 سلام
سپاس فراوان بابت تهیه این مجموعه بسیار عالی. بی صبرانه منتظر قسمت های بعدی هستم.