لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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