لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش روشهای ماتریسی
- آخرین آپدیت
دانلود Matrix Methods
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
روشهای ریاضی ماتریسی پایه و اساس اکثر متدهای یادگیری ماشین و تحلیل دادههای جدولی هستند. در این دوره، مبانی روشهای ماتریسی از جمله ضرب ماتریس در ماتریس، حل معادلات خطی، تعامد و بهترین تقریب کمترین مربعات را بیاموزید. همچنین با تجزیه مقادیر تکین (SVD) آشنا شوید که نقشی بنیادی در کاهش ابعاد، تحلیل مؤلفههای اصلی (PCA) و حذف نویز ایفا میکند. برای درک بهتر مفاهیم و آزمایش الگوریتمها، مثالهای کاربردی با زبان برنامهنویسی پایتون ارائه شده است.
سرفصل ها و درس ها
ماتریسها به عنوان اشیاء ریاضی
Matrices as Mathematical Objects
ماتریس: دادههای جدولی
Matrix: Tabular Data
ضرب ماتریسی
Matrix Multiplication
مکمل: ماتریسها در پایتون و نامپای
Supplement: Matrices in Python/Numpy
ضرب ماتریسها و سایر عملیات
Matrix Multiplication and other Operations
ماتریس به عنوان اشیاء ریاضی
Matrix as Mathematical Objects
ترانهاده ماتریس
Matrix Transpose
مکمل: ترانهاده ماتریس در پایتون
Supplement: Matrix Transpose in Python
سیستمهای معادلات خطی
Systems of Linear Equations
سیستمهای معادلات خطی
Systems of Linear Equations
حل معادلات خطی از طریق حذف
Solution of Linear Equations via Elimination
تجزیه LU: ماتریس به عنوان حاصلضرب ماتریسهای ساده
LU Decomposition: Matrix is a Product of Simple Matrices
مکمل: حل معادلات خطی در پایتون
Supplement: Solve Linear Equations in Python
کمترین مربعات خطی
Linear Least Squares
تعامد و ضرب داخلی
Orthogonality and Inner Product.
کمترین مربعات خطی: بهترین تقریب
Linear Least Squares: Best Approximation
کمترین فاصله > تعامد > معادلات نرمال
Least Distance -> Orthogonality -> Normal Equations
نمایش نظرات