دوره آموزش ریاضیات یادگیری ماشین

# ریاضیات پیش نیاز هوش مصنوعی

یادگیری ماشین(machine learning) آخرین مورد از تلاش‌ها برای تقطیر دانش و استدلال انسان به شکلی است که برای ساخت ماشین‌ها و سیستم‌های خودکار مهندسی مناسب باشد. با فراگیرتر شدن یادگیری ماشین و استفاده از بسته‌های نرم‌افزاری آن، طبیعی و مطلوب است که جزئیات فنی سطح پایین، از نظر دانشجو پنهان شود. با این حال، این خطر وجود دارد که یک متخصص از تصمیمات طراحی و در نتیجه محدودیت‌های الگوریتم‌های یادگیری ماشین بی‌اطلاع شود.

یادگیری ماشینی بر پایه زبان ریاضیات است تا مفاهیمی را بیان کند که به طور شهودی بدیهی به نظر می رسند اما رسمی کردن(formalize) آنها به طرز شگفت انگیزی دشوار است. هنگامی که به درستی رسمی شد، می‌توانیم در مورد کاری که می‌خواهیم بکنیم، بینشی به دست آوریم. یکی از شکایات رایج دانشجویان ریاضیات در سراسر جهان این است که به نظر می رسد موضوعات تحت پوشش، ارتباط کمی با مسائل عملی دارند. ما معتقدیم که یادگیری ماشین انگیزه ای آشکار و مستقیم برای مردم برای یادگیری ریاضی است.

 

# دوره ریاضی یادگیری ماشین مناسب چه کسانی است؟

دوره های یادگیری ماشین کنونی عمدتاً بر روی الگوریتم‌ها و روش‌های یادگیری ماشین تمرکز دارند و فرض می‌کنند که خواننده در ریاضیات و آمار مهارت دارد. کاملا مشخص است که شکاف بین ریاضیات دبیرستان و سطح ریاضیات مورد نیاز برای خواندن یک کتاب درسی استاندارد یادگیری ماشین برای بسیاری از افراد بسیار زیاد است.

ریاضی هسته اصلی طراحی الگوریتم های ML است که می تواند به طور خودکار از داده ها یاد بگیرد و پیش بینی کند. بنابراین، درک ریاضی قبل از ورود به مبحث الگوریتم‌های ML بسیار مهم است. این دوره مبانی ریاضی مفاهیم اولیه یادگیری ماشین را در اختیار دانشجو قرار میدهد و اطلاعات را در یک مکان جمع آوری می کند تا این شکاف مهارتی کاهش یا حتی بسته شود.

در این دوره دانشجو با مفاهیمی مانند جبر خطی، هندسه تحلیلی، تجزیه ماتریس، بردارها، آمار و احتمال آشنا خواهد شد.

 

فایل های این دوره را میتوانید از این لینک دانلود کنید.



0

intro

3:52

رایگان

1

numbers

14:43

رایگان

2

polynomial

15:34

رایگان

3

factorization

12:25

4

radical

13:37

5

equation

11:34

6

trigonometry

15:36

7

vector

10:8

8

sequence

13:19

9

sigma

9:34

10

matrix

14:30

11

limit

13:37

12

derivative

14:43

15

integral

16:20

16

linear equation

12:7

17

eigenvector

22:40

18

taylor

11:39

19

max/min

12:10

20

gaussian

17:5

21

inverse

13:45

22

statistics

15:32

23

mean

21:16

24

distribution

18:23

25

covariance

19:37

26

plot

14:43

27

event

20:37

28

bayes

11:8

29

chi-square

17:36

30

done

0:57

دوره های پیشنهادی

دوره آموزش سلری(celery)
دوره آموزش سلری(celery)
تکمیل ضبط
امیرحسین بیگدلو
دوره آموزش الگوریتم‌نویسی در پایتون
دوره آموزش الگوریتم‌نویسی در پایتون
تکمیل ضبط
امیرحسین بیگدلو
دوره آموزش ساخت Forum با فلسک
دوره آموزش ساخت Forum با فلسک
تکمیل ضبط
امیرحسین بیگدلو



مونگارد