آموزش حساب دیفرانسیل و انتگرال - ریاضیات برای علم داده - یادگیری ماشین

Calculus - Mathematics for Data Science - Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: تسلط بر حساب دیفرانسیل و انتگرال - ریاضیات برای یادگیری عمیق/یادگیری ماشین/علم داده/تجزیه و تحلیل داده ها/هوش مصنوعی - دست به کار ساختن شهود ریاضی به ویژه حساب دیفرانسیل و انتگرال مورد نیاز برای یادگیری عمیق، علم داده و یادگیری ماشین. کارآموز یادگیری چگونه علم داده/یادگیری ماشینی/حرفه یادگیری عمیق خود را به سطح بعدی ارتقا دهد هک ها، نکات و ترفندها برای علم داده/یادگیری ماشینی/حرفه یادگیری عمیق پیاده سازی یادگیری ماشین/الگوریتم های یادگیری عمیق بهتر مفهوم اصلی را برای پیاده سازی در ماشین بیاموزید آموزش/یادگیری عمیق

آیا می خواهید دانشمند داده بهتری باشید؟


آیا به دنبال راهی برای متمایز شدن در میان جمعیت هستید؟


علاقه مندید مهارت های یادگیری ماشینی و یادگیری عمیق خود را با به کارگیری موثر مهارت های ریاضی افزایش دهید؟


اگر پاسخ بله است.

پس، این دوره برای شما مناسب است.

حساب دیفرانسیل و انتگرال برای یادگیری عمیق

"تسلط بر محاسبات برای یادگیری عمیق/یادگیری ماشین/علم داده/تجزیه و تحلیل داده/هوش مصنوعی با استفاده از پایتون "


با این دوره،

شما با یادگیری تعریف تابع شروع می‌کنید و برای تطبیق داده‌ها با تابعی که هسته اصلی هر یادگیری ماشینی است،  یادگیری عمیق، هوش مصنوعی، برنامه‌های علوم داده حرکت می‌کنید.


هنگامی که بر مفاهیم این دوره تسلط پیدا کردید، هرگز در هنگام اعمال الگوریتم بر روی داده های خود کور نخواهید بود، درعوض می دانید که هر کد چگونه در پس زمینه کار می کند.


چه در حال ساخت اتومبیل‌های خودران هستید، چه در حال ساخت موتور توصیه‌ای برای Netflix، یا تلاش برای تطبیق داده‌های تمرین برای یک عملکرد


داده‌های شما،

یک نوع ورودی برچسب دار و یک نوع خروجی برچسب دار خواهد داشت.

یک هدف معمولی همیشه این است که با تنظیم پارامترها، این داده‌ها را با عملکرد مطابقت دهد.



از این رو در دوره ما،

ما با درک اصول اولیه کارکردهایی که ممکن است در دبیرستان به آنها اشاره کرده باشید، شروع می کنیم.

و سپس،

در بخش‌های بعدی، اصول اولیه را به کار می‌بریم و برخی از مفاهیم مهم مربوط به تقریب را یاد می‌گیریم که هسته اصلی هر یادگیری ماشینی است،  یادگیری عمیق، هوش مصنوعی، مدل علم داده


و در دو بخش آخر این دوره،

ما از تمام آموخته‌های بخش‌های قبلی استفاده می‌کنیم و شبکه‌های عصبی خود را آموزش می‌دهیم و با نوشتن کد از ابتدا می‌دانیم که چگونه در مدل‌های رگرسیون خطی اعمال می‌کنیم.


ما مطمئن هستیم که وقتی شهود حساب دیفرانسیل و انتگرال را داشته باشید، شگفت زده خواهید شد که چگونه می توانید در کار خود عملکرد خوبی داشته باشید.

این دوره به دقت توسط کارشناسان با بازخورد دانش‌آموزان طراحی شده است تا بتوانید تجربه یادگیری برتر را داشته باشید.


اکنون بپیوندید تا در بخش ریاضیات یادگیری ماشینی، یادگیری عمیق، هوش مصنوعی، علوم داده اعتماد به نفس ایجاد کنید و در حرفه خود پیشتاز بمانید.


در درس 1 شما را می بینیم.



سرفصل ها و درس ها

مبانی حساب دیفرانسیل و انتگرال Basics of Calculus

  • چرا حساب دیفرانسیل و انتگرال؟ Why Calculus ?

  • درک عملکرد Understanding the Function

  • مبانی حساب دیفرانسیل و انتگرال Calculus Basics

  • پیدا کردن یک مشتق Finding a Derivative

  • تمرین 1 - یافتن مشتق Exercise 1 - Finding the Derivative

  • تمرین 1 - تایید اتمام Exercise 1 - Completion confirmation

  • مشتقات با استفاده از روش دلتا Derivatives using Delta Method

  • ورزش - 2 Exercise - 2

  • تمرین - 2 - تایید اتمام Exercise - 2 - Completion confirmation

  • قانون محصول برای تمایز Product Rule for Differentiation

  • ورزش - 3 Exercise - 3

  • تمرین - 3 - تایید اتمام Exercise - 3 - Completion confirmation

  • قاعده زنجیره ای Chain Rule

  • ورزش - 4 Exercise - 4

  • تمرین - 4 - تایید اتمام Exercise - 4 - Completion confirmation

  • به کارگیری تمام اصول اولیه Applying all the basics

  • پایان بخش 1 End of Section 1

حساب دیفرانسیل و انتگرال چند متغیره Multi Variate Calculus

  • حساب دیفرانسیل و انتگرال چند متغیره Multi Variate Calculus

  • ورزش - 5 Exercise - 5

  • تمرین - 5 - تایید اتمام Exercise - 5 - Completion confirmation

  • متمایز کردن با توجه به هر چیزی Differentiate With respect to anything

  • ورزش - 6 Exercise - 6

  • تمرین - 6 - تایید اتمام Exercise - 6 - Completion confirmation

  • یعقوبیان Jacobians

  • تمرین - 7 Exercise - 7

  • تمرین - 7 - تایید اتمام Exercise - 7 - Completion confirmation

  • حصیر Hessian

  • ورزش - 8 Exercise - 8

  • تمرین - 8 - تایید اتمام Exercise - 8 - Completion confirmation

قانون زنجیره ای در مورد توابع چند متغیره Chain Rule on Multi-Variate Functions

  • قانون زنجیره ای در چند متغیره Chain Rule on Multi Variate

  • قانون زنجیره ای در چند متغیر - توابع بیشتر Chain Rule on Multi Variate - more functions

سری تقریب های تیلور Taylor Series of Approximations

  • سری تیلور تقریب Taylor Series of Approximation

  • مفهوم تقریب Concept of Approximation

  • سری تیلور - شهود Taylor Series - Intuition

  • جزئیات سری تیلور Taylor Series Detailed

  • مشتق از سری تیلور Taylor Series Derivation

  • مشتقات سری تیلور قسمت 2 Taylor Series Derivation Part 2

  • سری تیلور - بیشتر Taylor Series - More

شبکه های عصبی Neural Networks

  • شبکه های عصبی - مقدمه Neural Networks - Intro

  • تعصب در شبکه های عصبی Bias in Neural Networks

  • شبکه های عصبی قسمت 2 Neural Networks Part 2

  • حساب دیفرانسیل و انتگرال در عمل - شبکه های عصبی Calculus in Action - Neural Networks

  • شهود تابع سیگموئید Intuition of Sigmoid Function

  • برازش دستی داده ها Manual Fitting of Data

  • عملکرد از دست دادن Loss Function

  • نحوه به روز رسانی پارامترها How to Update Parameters

  • محاسبه مشتق جزئی Compute Partial Derivative

  • تمرین برای محاسبه مشتق جزئی پارامتر - تعصب Exercise to compute Partial derivative of parameter - bias

  • نمای کلی برنامه Program overview

  • برنامه در پایتون Program in Python

روش‌های بهینه‌سازی - نیوتن رافسون و نزول گرادیان Optimization Methods - Newton Raphson & Gradient Descent

  • روش نیوتن رافسون Newton Raphson Method

  • روش نیوتن رافسون در پایتون Newton Raphson Method in Python

  • گرادیان نزول Gradient Descent

رگرسیون خطی Linear Regression

  • رگرسیون خطی Linear Regression

  • رگرسیون خطی در پایتون Linear Regression in Python

  • ارزیابی مدل - امتیاز RMSE و R2 Evaluation of Model - RMSE and R2 Score

  • پیاده سازی با استفاده از کتابخانه Scikit Implementation using Scikit Library

حساب دیفرانسیل و انتگرال برای یادگیری عمیق Calculus for Deep Learning

  • حساب دیفرانسیل و انتگرال در شبکه های عصبی عمیق Calculus in Deep Neural Networks

  • به روز رسانی حساب دیفرانسیل و انتگرال - نورون سیگموئید Calculus Update - Sigmoid Neuron

  • تناسب و دقت Fit & Accuracy

  • پارامترهای به روز رسانی شبکه عصبی عمیق Deep Neural Network Update Parameters

  • شبکه عصبی عمیق Deep Neural Network

  • شبکه های عصبی عمیق Fit را انجام دهید Perform Fit Deep Neural Networks

  • نوت بوک Jupyter از بخش Jupyter Notebook of the Section

کار با تنسورفلو Working with Tensorflow

  • Tensorflow را نصب کنید Install Tensorflow

  • جسم تانسور - ثابت Tensor Object - Constant

  • شی تانسور - متغیرها Tensor Object - Variables

  • شی تنسور - شکل، رتبه و نوع ریخته گری Tensor Object - Shape,Rank & Type Casting

  • عملیات ریاضی و پخش Mathematical Operation & Broadcasting

  • Matmul - Transpose - Reshaping Matmul - Transpose - Reshaping

  • Concat - Stack - Slice - Reduce Concat - Stack - Slice - Reduce

  • نوت بوک Jupyter از بخش Jupyter Notebook of the Section

یافتن مشتق با استفاده از Tensorflow - AutoGrad Finding the Derivative using Tensorflow - AutoGrad

  • پیدا کردن مشتق به صورت ریاضی Finding the Derivative Mathematically

  • مقدمه ای بر گرادیان ها Intro to Gradients

  • AutoGrad قسمت 1 AutoGrad Part 1

  • AutoGrad قسمت 2 AutoGrad Part 2

  • دانلود دفترچه یادداشت Jupyter of the Section Download the Jupyter Notebook of the Section

رگرسیون خطی با یادگیری عمیق Linear Regression with Deep learning

  • رگرسیون خطی از ابتدا Linear Regression from Scratch

  • رگرسیون خطی برازش داده ها Linear Regression Fit on Data

  • دانلود دفترچه یادداشت Jupyter of the Section Download the Jupyter Notebook of the Section

رگرسیون خطی با استفاده از Keras Linear Regression using Keras

  • رگرسیون خطی با استفاده از Keras API Linear Regression Using Keras API

  • بارگذاری داده ها در دسته ها Load Data in Batches

  • دانلود دفترچه یادداشت Jupyter of the Section Download the Jupyter Notebook of the Section

وظایف یادگیری عمیق Deep learning Tasks

  • طبقه بندی چند طبقه - ایجاد مدل Multi Class Classification - Creating the Model

  • طبقه بندی چند کلاس - عملکرد مناسب Multi Class Classification - Perform Fit

  • پسرفت Regression

  • رگرسیون قسمت 2 Regression Part 2

  • دانلود دفترچه یادداشت Jupyter of the Section Download the Jupyter Notebook of the Section

راه حلی برای ورزش Solution for Exercise

  • تمرین 1 - راه حل Exercise 1 - Solution

  • تمرین 2 - راه حل Exercise 2 - Solution

  • تمرین 3 - راه حل Exercise 3 - Solution

  • تمرین 4 - راه حل Exercise 4 - Solution

  • تمرین 5 - راه حل Exercise 5 - Solution

  • تمرین 6 - راه حل Exercise 6 - Solution

  • تمرین 7 - راه حل Exercise 7 - Solution

  • تمرین 8 - راه حل Exercise 8 - Solution

Python for Data Science - Refresh the Basics Python for Data Science - Refresh the Basics

  • کد منبع دانلود Source code download

  • نصب و استفاده از نوت بوک Jupyter Installing & Using Jupyter Notebook

  • گوگل کولب Google Colab

  • انواع داده های پایه Basic Data Types

  • اصول پایتون - کانتینرها در پایتون Python Basics - Containers in Python

  • دستورات کنترل Python if..else Control Statements Python if..else

  • اظهارات کنترل در حالی که و برای Control Statements While & For

  • توابع و کلاس ها در پایتون Functions & Classes in Python

پایتون برای علم داده Python for Data Science

  • اصول اولیه Python Numpy Python Numpy Basics

  • Python Numpy Basics Contd Python Numpy Basics Contd

  • Python Numpy Python Numpy

  • پانداها در پایتون - سری پانداها Pandas in Python - Pandas Series

  • Pandas DataFrame Pandas DataFrame

  • پانداها - مقابله با ارزش های گمشده Pandas - Dealing with Missing Values

  • Matplotlib Matplotlib

  • Matplotlib - نمودار تراکم و کانتور Matplotlib - Density and Contour Plot

  • کد منبع دانلود Source code download

  • منابع پاداش Bonus Resources

نمایش نظرات

نظری ارسال نشده است.

آموزش حساب دیفرانسیل و انتگرال - ریاضیات برای علم داده - یادگیری ماشین
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
10 hours
106
Udemy (یودمی) udemy-small
11 دی 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
2,478
4.1 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Manifold AI Learning ® Manifold AI Learning ®

آینده را بیاموزید - علم داده، یادگیری ماشین و هوش مصنوعی

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.