آموزش مبانی هوش مصنوعی: یادگیری ماشین

Artificial Intelligence Foundations: Machine Learning

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: یادگیری ماشینی یکی از پر جنب و جوش ترین زمینه های هوش مصنوعی است. الگوریتم های یادگیری ماشین به کامپیوترها این امکان را می دهد که بدون اینکه برنامه ریزی شوند چیزهای جدیدی یاد بگیرند. آنها از آمار به عنوان راهی برای درک بهتر حجم گسترده داده هایی که ما هر روز ایجاد می کنیم استفاده می کنند. این الگوریتم های جدید به ماشین ها کمک می کند تا تصاویر ، صداها و فیلم ها را طبقه بندی کنند. آنها می توانند به س questionsالات ما پاسخ دهند ، مواد مخدر جدید کشف کنند و حتی آهنگ بنویسند. در این دوره ، ما تعریف و انواع یادگیری ماشین را بررسی می کنیم: تحت نظارت ، بدون نظارت و تقویت. سپس می توانید نحوه استفاده از الگوریتم های معروف مانند درخت تصمیم ، خوشه بندی و تجزیه و تحلیل رگرسیون را برای دیدن الگوها در مجموعه داده های عظیم خود مشاهده کنید. سرانجام می توانید هنگام شروع کار با یادگیری ماشین ، با برخی از مشکلات آشنا شوید.
      موضوعات شامل:
      • نحوه کار با داده را توصیف کنید.
      • اصول یادگیری ماشین را اعمال کنید.
      • انواع مختلف یادگیری ماشین را متمایز کنید.
      • مشکلاتی را که از یادگیری ماشین استفاده می کنند شناسایی کنید.
      • درخت تصمیم گیری ایجاد کنید.
      • نحوه انتخاب بهترین الگوریتم را توضیح دهید.

      سرفصل ها و درس ها

      مقدمه Introduction

      • خوش آمدی Welcome

      1. یادگیری ماشین چیست؟ 1. What Is Machine Learning?

      • معنی یادگیری چیست What it means to learn

      • با داده کار کنید Work with data

      • یادگیری ماشین را اعمال کنید Apply machine learning

      • انواع مختلف یادگیری ماشین Different types of machine learning

      2. راه های مختلفی که یک ماشین می آموزد 2. Different Ways a Machine Learns

      • نظارت Supervised

      • نظارت نشده Unsupervised

      • نیمه نظارت Semi-supervised

      • تقویت Reinforcement

      3. الگوریتم های یادگیری ماشین محبوب 3. Popular Machine Learning Algorithms

      • مشکلاتی که از یادگیری ماشین استفاده می کنند Problems that use machine learning

      • درختان تصمیم گیری Decision trees

      • k- نزدیکترین همسایه k-nearest neighbor

      • خوشه بندی K-میانگین K-mean clustering

      • پسرفت Regression

      • بیز ساده و بی تکلف Naive Bayes

      4- اعمال الگوریتم ها 4. Applying Algorithms

      • داده ها را دنبال کنید Follow the data

      • داده ها را متناسب کنید Fit the data

      • بهترین الگوریتم را انتخاب کنید Select the best algorithm

      5- چالش های مشترک 5. Common Challenges

      • چالش های یادگیری ماشین Machine learning challenges

      نتیجه Conclusion

      • مراحل بعدی Next steps

      نمایش نظرات

      آموزش مبانی هوش مصنوعی: یادگیری ماشین
      جزییات دوره
      1h 17m
      20
      Linkedin (لینکدین) Linkedin (لینکدین)
      (آخرین آپدیت)
      215,952
      - از 5
      ندارد
      دارد
      دارد
      Doug Rose
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Doug Rose Doug Rose

      انتشارات، کلاس درس و آموزش آنلاین