آموزش مبانی ریاضی یادگیری ماشین

Mathematical Foundations of Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: عملی عملی جبر خطی و حساب دیفرانسیل و انتگرال در NumPy، TensorFlow، و PyTorch درک اصول جبر خطی و حساب دیفرانسیل و انتگرال، موضوعات مهم ریاضی زیربنای تمامی یادگیری ماشین و علم داده. تانسورها با استفاده از هر سه کتابخانه مهم تانسور پایتون: TensorFlow و PyTorch نحوه اعمال تمام عملیات بردار و ماتریس ضروری برای یادگیری ماشین و علم داده کاهش ابعاد داده های پیچیده به آموزنده ترین عناصر با بردارهای ویژه، SVD و حل PCA برای مجهولات با هر دو تکنیک ساده (مثلاً حذف ) و تکنیک های پیشرفته (مثلاً شبه وارونگی) ارزیابی نحوه کار حساب دیفرانسیل و انتگرال، از اصول اولیه، از طریق نمایش کدهای تعاملی در پایتون. درک دقیق قوانین تمایز پیشرفته مانند قانون زنجیره ای محاسبه مشتقات جزئی توابع هزینه یادگیری ماشین با دست و همچنین با TensorFlow و PyTorch دقیقاً درک کنید که گرادیان ها چیست و قدردانی کنید که چرا e ضروری برای فعال کردن ML از طریق گرادیان نزولی استفاده از حساب انتگرال برای تعیین مساحت زیر هر منحنی معین قادر به درک دقیق تری از جزئیات مقاله های پیشرفته یادگیری ماشین باشید. برای یادگیری عمیق استفاده می شود. آشنایی با ریاضیات در سطح دبیرستان باعث می‌شود که کلاس راحت‌تر دنبال شود. اگر با اطلاعات کمی راحت هستید - مانند درک نمودارها و تنظیم مجدد معادلات ساده - پس باید به خوبی آماده باشید تا تمام ریاضیات را دنبال کنید.

ریاضیات هسته علم داده و یادگیری ماشین را تشکیل می دهد. بنابراین، برای اینکه بهترین دانشمند داده باشید، باید درک درستی از مرتبط ترین ریاضیات داشته باشید.

شروع در علم داده به لطف کتابخانه های سطح بالا مانند Scikit-learn و Keras آسان است. اما درک ریاضیات پشت الگوریتم های موجود در این کتابخانه ها تعداد بی نهایتی از احتمالات را پیش روی شما می گذارد. از شناسایی مسائل مدل‌سازی گرفته تا ابداع راه‌حل‌های جدید و قوی‌تر، درک ریاضیات پشت آن می‌تواند به طور چشمگیری تأثیری را که می‌توانید در طول حرفه‌تان داشته باشید افزایش دهد.

این دوره که توسط استاد آموزش عمیق دکتر جان کرون رهبری می‌شود، درک محکمی از ریاضیات - یعنی جبر خطی و حساب دیفرانسیل و انتگرال - ارائه می‌کند که زیربنای الگوریتم‌های یادگیری ماشین و مدل‌های علم داده است.


بخش های دوره

  1. ساختارهای داده جبر خطی

  2. عملیات تانسور

  3. ویژگی های ماتریس

  4. بردارهای ویژه و مقادیر ویژه

  5. عملیات ماتریسی برای یادگیری ماشین

  6. محدودیت‌ها

  7. مشتقات و تمایز

  8. تمایز خودکار

  9. حساب مشتق جزئی

  10. حساب انتگرال

در هر یک از بخش‌ها، تکالیف عملی، دموهای کد پایتون و تمرین‌های عملی زیادی خواهید یافت تا بازی ریاضی خود را در بهترین فرم قرار دهید!

این دوره آموزشی مبانی ریاضی یادگیری ماشین کامل شده است، اما در آینده قصد داریم از موضوعات مرتبط فراتر از ریاضیات، یعنی: احتمال، آمار، ساختارهای داده، الگوریتم ها و بهینه سازی، محتوای جایزه اضافه کنیم. اکنون ثبت‌نام شامل دسترسی رایگان و نامحدود به تمام محتوای دوره آینده می‌شود — در مجموع بیش از 25 ساعت.


آیا برای تبدیل شدن به یک دانشمند داده برجسته آماده هستید؟ شما را در کلاس درس می بینیم.


سرفصل ها و درس ها

نمایش نظرات

آموزش مبانی ریاضی یادگیری ماشین
جزییات دوره
16.5 hours
113
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
104,792
4.6 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

Jon Krohn Jon Krohn

جون کرون ، دانشمند ارشد داده و شماره 1 نویسنده پرفروش ، دانشمند ارشد داده در شرکت یادگیری ماشین است. وی نویسنده کتاب Deep Learning Illustrated ، کتاب پرفروش شماره 1 فوری است که به شش زبان ترجمه شده است. جون به دلیل سخنرانی های جذابش که به صورت حضوری در دانشگاه کلمبیا و دانشگاه نیویورک و همچنین بصورت آنلاین از طریق O'Reilly و پادکست A4N (شبکه عصبی مصنوعی شبکه خبری) ارائه می دهد مشهور است. وی دارای مدرک دکترای آکسفورد است و از سال 2010 در مجلات علمی برجسته در زمینه یادگیری ماشین منتشر می کند. مقالات وی بیش از هزار بار نقل شده است.

Jon Krohn Jon Krohn

جون کرون ، دانشمند ارشد داده و شماره 1 نویسنده پرفروش ، دانشمند ارشد داده در شرکت یادگیری ماشین است. وی نویسنده کتاب Deep Learning Illustrated ، کتاب پرفروش شماره 1 فوری است که به شش زبان ترجمه شده است. جون به دلیل سخنرانی های جذابش که به صورت حضوری در دانشگاه کلمبیا و دانشگاه نیویورک و همچنین بصورت آنلاین از طریق O'Reilly و پادکست A4N (شبکه عصبی مصنوعی شبکه خبری) ارائه می دهد مشهور است. وی دارای مدرک دکترای آکسفورد است و از سال 2010 در مجلات علمی برجسته در زمینه یادگیری ماشین منتشر می کند. مقالات وی بیش از هزار بار نقل شده است.

SuperDataScience Team SuperDataScience Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم SuperDataScience Social هستیم. هنگام انتشار دوره های جدید SDS ، هنگامی که پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و سایر موارد را منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در SuperDataScience

SuperDataScience Team SuperDataScience Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم SuperDataScience Social هستیم. هنگام انتشار دوره های جدید SDS ، هنگامی که پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و سایر موارد را منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در SuperDataScience

Ligency Team Ligency Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم روابط عمومی و بازاریابی Ligence هستیم. هنگامی که دوره های جدید منتشر می شوند ، وقتی پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و غیره منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در معرض خطر

Ligency Team Ligency Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم روابط عمومی و بازاریابی Ligence هستیم. هنگامی که دوره های جدید منتشر می شوند ، وقتی پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و غیره منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در معرض خطر