آموزش یادگیری ماشین و هوش مصنوعی: ماشین‌های بردار پشتیبان در پایتون - آخرین آپدیت

سرفصل ها و درس ها

خوش آمدید Welcome

• مقدمه Introduction

• اهداف دوره Course Objectives

• سرفصل‌های دوره Course Outline

• نحوه دریافت کد و داده Where to get the code and data

بخش مبتدیان Beginner's Corner

• بخش مبتدیان: معرفی بخش Beginner's Corner: Section Introduction

• دسته‌بندی تصاویر با SVMs Image Classification with SVMs

• تشخیص اسپم با SVMs Spam Detection with SVMs

• تشخیص پزشکی با SVMs Medical Diagnosis with SVMs

• رگرسیون با SVMs Regression with SVMs

• اعتبارسنجی متقابل Cross-Validation

• چگونه داده‌ها را بدست می‌آورید؟ چگونه داده‌ها را پردازش می‌کنید؟ How do you get the data? How do you process the data?

• صندوق پیشنهادات Suggestion Box

مروری بر دسته‌بندهای خطی Review of Linear Classifiers

• هندسه پایه Basic Geometry

• بردارهای نرمال Normal Vectors

• مروری بر رگرسیون لجستیک Logistic Regression Review

• تابع زیان و منظم‌سازی Loss Function and Regularization

• اطمینان پیش‌بینی Prediction Confidence

• مسائل غیرخطی Nonlinear Problems

• نتیجه‌گیری بخش دسته‌بندهای خطی Linear Classifiers Section Conclusion

SVM خطی Linear SVM

• مقدمه و سرفصل‌های بخش SVM خطی Linear SVM Section Introduction and Outline

• تنظیم مسئله و تعاریف SVM خطی Linear SVM Problem Setup and Definitions

• حاشیه‌ها Margins

• هدف SVM خطی Linear SVM Objective

• برنامه‌ریزی خطی و درجه دوم Linear and Quadratic Programming

• متغیرهای اسلک Slack Variables

• تابع زیان لولا (و ارتباط آن با رگرسیون لجستیک) Hinge Loss (and its Relationship to Logistic Regression)

• SVM خطی با گرادیان کاهشی Linear SVM with Gradient Descent

• SVM خطی با گرادیان کاهشی (کد) Linear SVM with Gradient Descent (Code)

• خلاصه بخش SVM خطی Linear SVM Section Summary

دوگانگی Duality

• مقدمه بخش دوگانگی Duality Section Introduction

• دوگانگی و لاگرانژین‌ها (بخش ۱) Duality and Lagrangians (part 1)

• دوگانگی لاگرانژین (بخش ۲) Lagrangian Duality (part 2)

• ارتباط با برنامه‌ریزی خطی Relationship to Linear Programming

• پیش‌بینی‌ها و بردارهای پشتیبان Predictions and Support Vectors

• چرا مسئله اولیه را به دوگانه تبدیل کنیم؟ Why Transform Primal to Dual?

• نتیجه‌گیری بخش دوگانگی Duality Section Conclusion

روش‌های کرنل Kernel Methods

• مقدمه بخش روش‌های کرنل Kernel Methods Section Introduction

• ترفند کرنل The Kernel Trick

• کرنل چند جمله‌ای Polynomial Kernel

• کرنل گوسی Gaussian Kernel

• استفاده از کرنل گوسی Using the Gaussian Kernel

• چرا کرنل گوسی با ویژگی‌های بی‌نهایت‌بعدی مطابقت دارد؟ Why does the Gaussian Kernel correspond to infinite-dimensional features?

• سایر کرنل‌ها Other Kernels

• شرط مرسر Mercer's Condition

• خلاصه بخش روش‌های کرنل Kernel Methods Section Summary

پیاده‌سازی‌ها و توسعه‌ها Implementations and Extensions

• دوگانه با متغیرهای اسلک Dual with Slack Variables

• رویکردهای ساده برای پیاده‌سازی Simple Approaches to Implementation

• کد SVM با گرادیان کاهشی پروجکت‌شده SVM with Projected Gradient Descent Code

• گرادیان کاهشی SVM کرنل با مسئله اولیه (تئوری) Kernel SVM Gradient Descent with Primal (Theory)

• گرادیان کاهشی SVM کرنل با مسئله اولیه (کد) Kernel SVM Gradient Descent with Primal (Code)

• SMO (بهینه‌سازی متوالی حداقل) SMO (Sequential Minimal Optimization)

• رگرسیون بردار پشتیبان Support Vector Regression

• دسته‌بندی چندکلاسه Multiclass Classification

شبکه‌های عصبی (بخش مبتدیان ۲) Neural Networks (Beginner's Corner 2)

• مقدمه بخش شبکه‌های عصبی Neural Networks Section Introduction

• شبکه‌های RBF RBF Networks

• تقریب‌های RBF RBF Approximations

• چه اتفاقی برای بی‌نهایت‌بعدی افتاد؟ What Happened to Infinite Dimensionality?

• شبکه RBF خود را بسازید Build Your Own RBF Network

• ارتباط با شبکه‌های عصبی یادگیری عمیق Relationship to Deep Learning Neural Networks

• ترکیب شبکه عصبی-SVM Neural Network-SVM Mashup

• نتیجه‌گیری بخش شبکه‌های عصبی Neural Networks Section Conclusion

تنظیم محیط خود (سوالات متداول با درخواست دانشجو) Setting Up Your Environment (FAQ by Student Request)

• راه اندازی محیط Anaconda Anaconda Environment Setup

• نحوه نصب Numpy ، Scipy ، Matplotlib ، Pandas ، IPython ، Theano و TensorFlow How to install Numpy, Scipy, Matplotlib, Pandas, IPython, Theano, and TensorFlow

پیوست / مقدمه سوالات متداول Appendix / FAQ Intro

• پیوست چیست؟ What is the Appendix?

راهنمای اضافی در زمینه برنامه نویسی پایتون برای مبتدیان (سوالات متداول با درخواست دانشجو) Extra Help With Python Coding for Beginners (FAQ by Student Request)

• نحوه کدگذاری توسط خودتان (قسمت 1) How to Code by Yourself (part 1)

• نحوه کدگذاری توسط خودتان (قسمت 2) How to Code by Yourself (part 2)

• اثبات اینکه استفاده از Jupyter Notebook همان عدم استفاده از آن است Proof that using Jupyter Notebook is the same as not using it

• پایتون 2 در مقابل پایتون 3 Python 2 vs Python 3

تنظیم محیط شما (سوالات متداول به درخواست دانشجویان) Setting Up Your Environment (FAQ by Student Request)

• بررسی پیش از نصب Pre-Installation Check

• تنظیم محیط آناکوندا Anaconda Environment Setup

• نحوه نصب Numpy، Scipy، Matplotlib، Pandas، IPython، Theano، و TensorFlow How to install Numpy, Scipy, Matplotlib, Pandas, IPython, Theano, and TensorFlow

استراتژی های یادگیری موثر برای یادگیری ماشین (سوالات متداول با درخواست دانش آموز) Effective Learning Strategies for Machine Learning (FAQ by Student Request)

• نحوه موفقیت در این دوره (نسخه طولانی) How to Succeed in this Course (Long Version)

• آیا این برای مبتدیان است یا متخصصان؟ علمی یا عملی؟ سریع یا کند؟ Is this for Beginners or Experts? Academic or Practical? Fast or slow-paced?

• یادگیری ماشین و نقشه راه پیش نیاز AI (pt 1) Machine Learning and AI Prerequisite Roadmap (pt 1)

• یادگیری ماشین و نقشه راه پیش نیاز AI (pt 2) Machine Learning and AI Prerequisite Roadmap (pt 2)

کمک اضافی با کدنویسی پایتون برای مبتدیان (سوالات متداول به درخواست دانشجویان) Extra Help With Python Coding for Beginners (FAQ by Student Request)

• چگونه به تنهایی کدنویسی کنید (بخش ۱) How to Code by Yourself (part 1)

• چگونه به تنهایی کدنویسی کنید (بخش ۲) How to Code by Yourself (part 2)

• اثبات اینکه استفاده از Jupyter Notebook با عدم استفاده از آن یکسان است Proof that using Jupyter Notebook is the same as not using it

• پایتون ۲ در مقابل پایتون ۳ Python 2 vs Python 3

ضمیمه/پرسش و پاسخ نهایی Appendix / FAQ Finale

• پیوست چیست؟ What is the Appendix?

• [پاداش] از کجا می توانید کوپن های تخفیف و مطالب آموزشی عمیق رایگان دریافت کنید [Bonus] Where to get discount coupons and FREE deep learning material

استراتژی‌های یادگیری موثر برای یادگیری ماشین (سوالات متداول به درخواست دانشجویان) Effective Learning Strategies for Machine Learning (FAQ by Student Request)

• چگونه در این دوره موفق شوید (نسخه کامل) How to Succeed in this Course (Long Version)

• آیا این برای مبتدیان است یا متخصصان؟ آکادمیک یا عملی؟ سریع یا با سرعت آهسته؟ Is this for Beginners or Experts? Academic or Practical? Fast or slow-paced?

• نقشه راه پیش‌نیازهای یادگیری ماشین و هوش مصنوعی (بخش ۱) Machine Learning and AI Prerequisite Roadmap (pt 1)

• نقشه راه پیش‌نیازهای یادگیری ماشین و هوش مصنوعی (بخش ۲) Machine Learning and AI Prerequisite Roadmap (pt 2)

پیوست / پایان سوالات متداول Appendix / FAQ Finale

• پاداش BONUS