بنیاد ریاضی برای هوش مصنوعی و یادگیری ماشین [ویدئو]

Mathematical Foundation for AI and Machine Learning [Video]

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      توضیحات دوره: هوش مصنوعی در دهه گذشته با توجه به توسعه و ادغام هوش مصنوعی در زندگی روزمره ما اهمیت زیادی پیدا کرده است. پیشرفتی که هوش مصنوعی تاکنون داشته است با نوآوری هایی مانند اتومبیل های خودران، تشخیص پزشکی و حتی شکست دادن انسان ها در بازی های استراتژی مانند Go و Chess شگفت آور است. آینده برای هوش مصنوعی بسیار امیدوارکننده است و زمانی که ما همراهان روباتیک خود را داشته باشیم فاصله زیادی ندارد. این امر بسیاری از توسعه دهندگان را وادار به نوشتن کد و شروع به توسعه برنامه های هوش مصنوعی و ML کرده است. با این حال، یادگیری نوشتن الگوریتم برای هوش مصنوعی و ML آسان نیست و نیاز به برنامه نویسی و دانش ریاضی گسترده دارد. ریاضیات نقش مهمی ایفا می کند زیرا پایه و اساس برنامه نویسی را برای این دو جریان می سازد. و در این دوره، دقیقاً به آن پرداخته ایم. ما یک دوره کامل را طراحی کردیم تا به شما کمک کنیم بر پایه ریاضی مورد نیاز برای نوشتن برنامه ها و الگوریتم های هوش مصنوعی و ML تسلط پیدا کنید. - مفاهیم ریاضی برای هوش مصنوعی و یادگیری ماشین را به روز کنید - آموزش پیاده سازی الگوریتم ها در پایتون - درک چگونگی گسترش مفاهیم برای مشکلات ML در دنیای واقعی هر کسی که بخواهد ابزارهای ریاضی مورد نیاز برای هوش مصنوعی و یادگیری ماشینی را به روز کند یا یاد بگیرد، این دوره را بسیار مفید خواهد یافت - از نماد جبر خطی در یادگیری ماشین برای توصیف پارامترها استفاده می شود. ساختار الگوریتم های مختلف یادگیری ماشین * - حساب دیفرانسیل و انتگرال چند متغیره - برای تکمیل بخش یادگیری یادگیری ماشین استفاده می شود. * - نظریه احتمال - نظریه ها برای ایجاد فرضیات در مورد داده های اساسی در هنگام طراحی این الگوریتم های یادگیری عمیق یا هوش مصنوعی استفاده می شوند.

      سرفصل ها و درس ها

      معرفی Introduction

      • معرفی Introduction

      جبر خطی Linear Algebra

      • اسکالرها، بردارها، ماتریس ها و تانسورها Scalars, Vectors, Matrices, and Tensors

      • هنجارهای برداری و ماتریس Vector and Matrix Norms

      • بردارها، ماتریس ها و تانسورها در پایتون Vectors, Matrices, and Tensors in Python

      • ماتریس ها و بردارهای ویژه Special Matrices and Vectors

      • مقادیر ویژه و بردارهای ویژه Eigenvalues and Eigenvectors

      • هنجارها و تجزیه ویژه Norms and Eigendecomposition

      حساب دیفرانسیل و انتگرال چند متغیره Multivariate Calculus

      • مقدمه ای بر مشتقات Introduction to Derivatives

      • مبانی یکپارچه سازی Basics of Integration

      • گرادیان ها Gradients

      • تجسم گرادیان Gradient Visualization

      • بهينه سازي Optimization

      نظریه احتمال Probability Theory

      • متغیرهای تصادفی ویژه Special Random Variables

      نمایش نظرات

      بنیاد ریاضی برای هوش مصنوعی و یادگیری ماشین [ویدئو]
      جزییات دوره
      4 h 15 m
      18
      Packtpub Packtpub
      (آخرین آپدیت)
      4
      5 از 5
      ندارد
      دارد
      دارد
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Eduonix Learning Solutions Eduonix Learning Solutions

      1+ میلیون دانشجو در سراسر جهان | 200+ دوره ادوونیکس محتوای آموزش فن آوری با کیفیت بالا را ایجاد و توزیع می کند. تیم متخصصان صنعت ما بیش از یک دهه است که نیروی انسانی را آموزش می دهند. هدف ما آموزش روش استفاده از آن در صنعت و دنیای حرفه ای است. ما یک تیم مربی حرفه ای برای فن آوری های مختلف از Mobility ، Web گرفته تا Enterprise و Database و Server Server داریم.