لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ریاضیات برای یادگیری ماشین: حساب دیفرانسیل و انتگرال چند متغیره
- آخرین آپدیت
دانلود Mathematics for Machine Learning: Multivariate Calculus
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره مقدمهای کوتاه بر حساب دیفرانسیل و انتگرال چند متغیره ارائه میدهد که برای پیادهسازی بسیاری از تکنیکهای رایج یادگیری ماشین ضروری است. ما از ابتداییترین مفاهیم با مرور فرمولاسیون «تغییرات عمودی بر تغییرات افقی» برای تعریف شیب شروع میکنیم و سپس آن را به تعریف رسمی گرادیان یک تابع تبدیل میکنیم. در ادامه، مجموعهای از ابزارها برای سادهتر و سریعتر کردن محاسبات دیفرانسیل میسازیم. سپس یاد میگیریم چگونه بردارهایی را محاسبه کنیم که در سطوح چندبعدی به سمت نقاط اوج اشاره میکنند و حتی این مفاهیم را از طریق یک بازی تعاملی به صورت عملی اجرا میکنیم. همچنین بررسی میکنیم که چگونه میتوانیم از حساب دیفرانسیل برای ساخت تقریبهای توابع استفاده کنیم و چطور دقت این تقریبها را بسنجیم. بخشی از زمان دوره را به بررسی کاربردهای حساب دیفرانسیل در آموزش شبکههای عصبی اختصاص میدهیم و در نهایت نحوه بهکارگیری آن در مدلهای رگرسیون خطی را نشان خواهیم داد. هدف این دوره ارائه درکی شهودی از حساب دیفرانسیل و آشنایی با اصطلاحات لازم است تا در صورت بروز مشکل در آینده، بتوانید مفاهیم را به صورت مستقل جستجو کنید. امیدواریم بدون وارد شدن به جزئیات بیش از حد، اعتماد به نفس لازم برای ورود به دورههای تخصصیتر یادگیری ماشین را کسب کنید.
سرفصل ها و درس ها
حساب دیفرانسیل چیست؟
What is calculus?
خوشآمدگویی به دوره حساب چند متغیره
Welcome to Multivariate Calculus
خوشآمدگویی به بخش اول
Welcome to Module 1!
توابع
Functions
شیب (تغییرات عمودی بر افقی)
Rise Over Run
تعریف مشتق
Definition of a derivative
مثالهای دیفرانسیلگیری و موارد خاص
Differentiation examples & special cases
قاعده ضرب
Product rule
قاعده زنجیری
Chain rule
رام کردن مفاهیم پیچیده
Taming a beast
تا بخش بعد میبینیمتان
See you next module!
حساب دیفرانسیل چند متغیره
Multivariate calculus
خوشآمدگویی به بخش دوم
Welcome to Module 2!
متغیرها، ثابتها و زمینه
Variables, constants & context
مشتقگیری نسبت به هر متغیر
Differentiate with respect to anything
ماتریس ژاکوبین
The Jacobian
کاربردهای ژاکوبین
Jacobian applied
بخش تمرینی (سندباکس)
The Sandpit
ماتریس هسین
The Hessian
پیچیدگیهای دنیای واقعی
Reality is hard
تا بخش بعد میبینیمتان
See you next module!
قاعده زنجیری چند متغیره و کاربردهای آن
Multivariate chain rule and its applications
خوشآمدگویی به بخش سوم
Welcome to Module 3!
قاعده زنجیری چند متغیره
Multivariate chain rule
بیشتر درباره قاعده زنجیری چند متغیره
More multivariate chain rule
شبکههای عصبی ساده
Simple neural networks
بیشتر درباره شبکههای عصبی ساده
More simple neural networks
تا بخش بعد میبینیمتان
See you next module!
سری تیلور و خطیسازی
Taylor series and linearisation
خوشآمدگویی به بخش چهارم
Welcome to Module 4!
ساخت توابع تقریبی
Building approximate functions
سریهای توانی
Power series
استخراج سریهای توانی
Power series derivation
جزئیات سریهای توانی
Power series details
مثالها
Examples
خطیسازی
Linearisation
تیلور چند متغیره
Multivariate Taylor
تا بخش بعد میبینیمتان
See you next module!
مقدمهای بر بهینهسازی
Intro to optimisation
خوشآمدگویی به بخش پنجم
Welcome to Module 5!
گرادیان نزولی
Gradient Descent
بهینهسازی مقید
Constrained optimisation
تا بخش بعد میبینیمتان
See you next module!
رگرسیون
Regression
رگرسیون خطی ساده
Simple linear regression
حداقل مربعات غیرخطی کلی
General non linear least squares
پیادهسازی عملی تحلیل رگرسیون حداقل مربعات
Doing least squares regression analysis in practice
نمایش نظرات