آموزش حساب ماتریسی برای علوم داده و یادگیری ماشین - آخرین آپدیت

دانلود Matrix Calculus for Data Science & Machine Learning

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به‌روزرسانی شده در می ۲۰۲۵. این دوره اکنون دارای قابلیت Coursera Coach است! روشی هوشمندانه‌تر برای یادگیری با گفتگوهای تعاملی و در لحظه که به شما کمک می‌کند تا دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیق‌تر کنید. این دوره برای آشنایی شما با دنیای قدرتمند حساب ماتریسی (Matrix Calculus)، با تمرکز ویژه بر کاربردهای آن در علوم داده و یادگیری ماشین طراحی شده است. در پایان این دوره، شما پایه‌ای قوی در مفاهیم ضروری حساب دیفرانسیل، مانند مشتقات ماتریسی و برداری، تکنیک‌های بهینه‌سازی و کاربردهای واقعی آن‌ها در مدل‌های یادگیری ماشین به دست خواهید آورد. همچنین یاد می‌گیرید که پیچیدگی‌های الگوریتم‌های داده‌محور را از طریق درک عمیق حساب ماتریسی مدیریت کنید. سفر ما با معرفی دوره، تشریح موضوعات کلیدی و ارائه استراتژی‌های موفقیت آغاز می‌شود. راهنمایی‌های عملی برای دسترسی به کدهای ضروری دوره در اختیار شما قرار می‌گیرد تا بتوانید با تمرینات واقعی درگیر شوید. بخش اول به بررسی مشتقات ماتریسی و برداری می‌پردازد و مفاهیم بنیادی مانند فرم‌های خطی، فرم‌های درجه دوم و قوانین زنجیری را پوشش می‌دهد. هر بخش شامل تمرینات عملی برای تثبیت درک شما از این موضوعات و کاربردهایی مانند حل مسائل کمترین مربعات و توزیع گاوسی است. بخش دوم دوره به بررسی عمیق تکنیک‌های بهینه‌سازی می‌پردازد که برای بهبود مدل‌های یادگیری ماشین حیاتی هستند. شما تست مشتق دوم، گرادیان کاهشی (Gradient Descent) و روش نیوتن را در هر دو حالت تک‌بعدی و چندبعدی بررسی خواهید کرد. این روش‌ها با کد پایتون نمایش داده می‌شوند تا نحوه پیاده‌سازی استراتژی‌های بهینه‌سازی در عمل مشخص شود. با به‌کارگیری این تکنیک‌ها در تمرینات مختلف، مهارت‌های لازم برای بهینه‌سازی کارآمد الگوریتم‌های یادگیری ماشین را توسعه خواهید داد. این دوره برای کسانی که درک اولیه‌ای از حساب دیفرانسیل و جبر خطی دارند و به دنبال ارتقای مهارت‌های خود در زمینه علوم داده و یادگیری ماشین هستند، ایده‌آل است. همچنین برای دانشمندان داده، علاقه‌مندان به یادگیری ماشین و پژوهشگرانی که می‌خواهند مبانی ریاضی پشت الگوریتم‌های فناوری‌های مدرن داده‌محور را بیاموزند، بسیار مناسب است.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه و سرفصل‌ها Introduction and Outline

  • چگونه در این دوره موفق شویم How to succeed in this course

  • کدها را از کجا دریافت کنیم Where to get the code

مشتقات ماتریسی و برداری Matrix and Vector Derivatives

  • مقدمه بخش مشتقات Derivatives - Section Introduction

  • فرم خطی Linear Form

  • فرم درجه دوم (بخش اول) Quadratic Form (pt 1)

  • فرم درجه دوم (بخش دوم) Quadratic Form (pt 2)

  • تمرین: فرم درجه دوم Exercise: Quadratic

  • تمرین: کمترین مربعات Exercise: Least Squares

  • تمرین: توزیع گاوسی Exercise: Gaussian

  • قانون زنجیره‌ای Chain Rule

  • قانون زنجیره‌ای در قالب ماتریسی Chain Rule in Matrix Form

  • تعمیم قانون زنجیره‌ای Chain Rule Generalized

  • تمرین: فرم درجه دوم با محدودیت‌ها Exercise: Quadratic with Constraints

  • معکوس چپ و راست به عنوان مسائل بهینه‌سازی Left and Right Inverse as Optimization Problems

  • مشتق دترمینان Derivative of Determinant

  • جمع‌بندی بخش مشتقات Derivatives - Section Summary

  • صندوق پیشنهادات Suggestion Box

تکنیک‌های بهینه‌سازی Optimization Techniques

  • مقدمه بخش بهینه‌سازی Optimization - Section Introduction

  • تست مشتق دوم در ابعاد چندگانه Second Derivative Test in Multiple Dimensions

  • گرادیان کاهشی (تک‌بعدی) Gradient Descent (One Dimension)

  • گرادیان کاهشی (چندبعدی) Gradient Descent (Multiple Dimensions)

  • روش نیوتن (تک‌بعدی) Newton's Method (One Dimension)

  • روش نیوتن (چندبعدی) Newton's Method (Multiple Dimensions)

  • تمرین: روش نیوتن برای کمترین مربعات Exercise: Newton's Method for Least Squares

  • تمرین: آماده‌سازی کد Exercise: Code Preparation

  • گرادیان کاهشی و روش نیوتن در پایتون Gradient Descent and Newton's Method in Python

  • جمع‌بندی بخش بهینه‌سازی Optimization - Section Summary

راه‌اندازی محیط (پیوست/سوالات متداول به درخواست دانشجویان) Setting Up Your Environment (Appendix/FAQ by Student Request)

  • راه‌اندازی 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

استراتژی‌های یادگیری موثر (پیوست/سوالات متداول به درخواست دانشجویان) Effective Learning Strategies (Appendix/FAQ by Student Request)

  • آیا یوتیوب می‌تواند به من حساب دیفرانسیل یاد دهد؟ (اختیاری) Can YouTube Teach Me Calculus? (Optional)

  • این دوره برای مبتدیان است یا متخصصان؟ آکادمیک است یا کاربردی؟ سرعت آموزش چگونه است؟ Is this for Beginners or Experts? Academic or Practical? Fast or slow-paced?

  • دوره‌ها را به چه ترتیبی بگذرانم؟ (بخش اول) What order should I take your courses in? (part 1)

  • دوره‌ها را به چه ترتیبی بگذرانم؟ (بخش دوم) What order should I take your courses in? (part 2)

پیوست / جمع‌بندی سوالات متداول Appendix / FAQ Finale

  • پیوست چیست؟ What is the Appendix?

  • بونوس (هدیه) BONUS

نمایش نظرات

آموزش حساب ماتریسی برای علوم داده و یادگیری ماشین
جزییات دوره
8h 55m
36
(آخرین آپدیت)
153
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده