آموزش برنامه‌نویسی بنیادی متلب (MATLAB) برای هوش مصنوعی - آخرین آپدیت

دانلود Fundamental MATLAB Programming for AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره آموزشی جامع و مناسب برای مبتدیان، مفاهیم کلیدی برنامه‌نویسی را که در طول این تخصص مورد استفاده قرار می‌گیرند، معرفی کرده و شما را برای مطالعه‌های آتی در زمینه بهینه‌سازی مبتنی بر هوش مصنوعی و تحلیل داده‌ها آماده می‌کند. هدف این دوره، ایجاد مهارت‌های لازم در متلب برای شروع کار با هوش مصنوعی و کاربردهای مهندسی و علمی داده‌محور است. شما در این دوره نحوه کار با متغیرها، ماتریس‌ها، اسکریپت‌ها، حلقه‌ها، توابع و ابزارهای داخلی متلب را خواهید آموخت. همچنین تکنیک‌های عملی مدیریت داده‌ها شامل جداول (Tables)، آرایه‌های سلولی (Cell Arrays)، داده‌های دسته‌ای (Categorical Data)، کدگذاری (Encoding) و بصری‌سازی داده‌ها پوشش داده شده است. این مهارت‌ها برای آماده‌سازی داده‌های مهندسی و ایجاد جریان‌های کاری محاسباتی قابل اعتماد ضروری هستند. در پایان این دوره، شما قادر خواهید بود با اعتماد به نفس بیشتری از متلب برای سازماندهی داده‌ها، نوشتن برنامه‌های پایه و آماده‌سازی برای مباحث پیشرفته‌تر در هوش مصنوعی، محاسبات تکاملی و یادگیری ماشین استفاده کنید. با همکاری MathWorks، دانشجویان ثبت‌نام شده در طول مدت دوره به نرم‌افزار MATLAB دسترسی خواهند داشت.

سرفصل ها و درس ها

مبانی متلب The Fundamentals of MATLAB

  • خوش‌آمدگویی به تخصص هوش مصنوعی کاربردی برای مهندسان و دانشمندان: مبانی Welcome to the specialization - Applied AI for Engineers and Scientists: Foundations

  • معرفی دوره اول و سرفصل‌های آموزشی بخش اول Introduction to Course 1 and Module 1's Study

  • پایه‌های متلب: محیط محاسباتی MATLAB Basics: The Computing Environment

  • آموزش عملی: مبانی متلب Tutorial: MATLAB Basics

  • آموزش عملی: اسکریپت‌های زنده متلب (LiveScript) Tutorial: MATLAB LiveScript

  • پایه‌های متلب: استفاده از توابع داخلی MATLAB Basics: Using Built-in Functions

  • ماتریس‌های متلب: ورود ماتریس MATLAB Matrices: Enter a Matrix

  • ماتریس‌های متلب: دسترسی به عناصر ماتریس MATLAB Matrices: Access Elements in a Matrix

  • ماتریس‌های متلب: عملیات روی ماتریس‌ها MATLAB Matrices: Manipulate Matrices

  • توابع داخلی متلب: انواع داده‌ها، عملیات ماتریسی و آمار MATLAB Built-in Functions: Data Types, Matrix Operations, and Statistics

  • توابع داخلی متلب: کاشی‌کاری ماتریسی، مرتب‌سازی و تولید اعداد تصادفی MATLAB Built-in Functions: Matrix Tiling, Sorting, and Random Number Generation

  • اسکریپت‌های متلب: معرفی اسکریپت‌نویسی در متلب MATLAB Scripts: Introduction to MATLAB Scripts

  • آموزش عملی: نمونه عیب‌یابی (Debug) در متلب Tutorial: MATLAB Debug Example

  • گرافیک متلب: مبانی رسم نمودار و شخصی‌سازی MATLAB Graphics: Plotting Basics and Customization

  • گرافیک متلب: بهبود کیفیت نمودارها MATLAB Graphics: Improving the Plots

  • پلتفرم انجام تمرینات و تکالیف Platform to Do Exercises and Assignments

تولید برنامه‌های متلب کارآمد برای مسائل علمی و مهندسی Produce Effective MATLAB Programs for Science and Engineering Problems

  • معرفی سرفصل‌های آموزشی بخش دوم Introduction to Module 2's Study

  • توابع سفارشی متلب: ایجاد توابع کاربر تعریف شده Custom MATLAB Functions: Creating Custom MATLAB Functions

  • توابع سفارشی متلب: توابع بی‌نام (Anonymous Functions) Custom MATLAB Functions: Anonymous Functions

  • شرط‌ها و حلقه‌ها در متلب: دستورات شرطی و کنترل برنامه MATLAB Conditionals and Loops: Conditionals and Program Control in MATLAB

  • شرط‌ها و حلقه‌ها در متلب: حلقه‌ها در برنامه‌نویسی متلب MATLAB Conditionals and Loops: Loop in MATLAB Programming

  • مطالعه موردی: قانون سوم کپلر Case Study: Kepler's Third Law

  • مطالعه موردی: روش نیوتن-رافسون Case Study: The Newton Raphson Method

آماده‌سازی برای یادگیری هوش مصنوعی با متلب Get Ready to Learn AI using MATLAB

  • معرفی سرفصل‌های آموزشی بخش سوم Introduction to Module 3's Study

  • جداول و آرایه‌های سلولی: آرایه‌های جدولی در متلب MATLAB Table and Cell Arrays: MATLAB Table Arrays

  • جداول و آرایه‌های سلولی: وارد کردن و خروجی گرفتن از جداول MATLAB Table and Cell Arrays: Import/Export Tables

  • جداول و آرایه‌های سلولی: آرایه‌های سلولی (Cell Arrays) در متلب MATLAB Table and Cell Arrays: MATLAB Cell Arrays

  • داده‌های دسته‌ای: داده‌های Categorical و کدگذاری One Hot Categorical Data: Categorical Data and One Hot Encoding

  • نوشتن تابع هدف: توضیح معیار MSE و بنچ‌مارک راستریگین Write an Objective Function: MSE and Rastrigin Benchmark Explained

  • نوشتن تابع هدف: درک و پیاده‌سازی Binary Cross Entropy Write an Objective Function: Understanding and Implementing Binary Cross Entropy

  • پاک‌سازی داده‌ها: مفاهیم ضروری Data Cleaning: Essentials

  • نحوه استفاده از متلب آنلاین برای تمرین اول بخش سوم How to Use MATLAB Online for Module 3 Exercise 1

نمایش نظرات

آموزش برنامه‌نویسی بنیادی متلب (MATLAB) برای هوش مصنوعی
جزییات دوره
14h 50m
32
(آخرین آپدیت)
2,223
4.8 از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده