آموزش مبانی ریاضی برای یادگیری ماشین و هوش مصنوعی - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

جبر خطی Linear Algebra

• اسکالرها، بردارها، ماتریس‌ها و تنسورها Scalars, Vectors, Matrices, and Tensors

• نرم‌های برداری و ماتریسی Vector and Matrix Norms

• بردارها، ماتریس‌ها و تنسورها در پایتون Vectors, Matrices, and Tensors in Python

• ماتریس‌ها و بردارهای خاص Special Matrices and Vectors

• مقادیر و بردارهای ویژه Eigenvalues and Eigenvectors

• نرم‌ها و تجزیه ویژه Norms and Eigendecomposition

حساب چند متغیره Multivariate Calculus

• مقدمه‌ای بر مشتقات Introduction to Derivatives

• مبانی انتگرال‌گیری Basics of Integration

• گرادیان‌ها Gradients

• تصویرسازی گرادیان Gradient Visualization

• بهینه‌سازی Optimization

نظریه احتمال Probability Theory

• مقدمه‌ای بر نظریه احتمال Intro to Probability Theory

• توزیع‌های احتمال Probability Distributions

• امید ریاضی، واریانس و کوواریانس Expectation, Variance, and Covariance

• ترسیم توزیع‌های احتمال در R Graphing Probability Distributions in R

• ماتریس‌های کوواریانس در R Covariance Matrices in R

نظریه احتمال Probaility Theory

• متغیرهای تصادفی خاص Special Random Variables

• سخنرانی جایزه: مطالب جالب‌تر، پیشنهادها و تخفیف‌ها Bonus Lecture: More Interesting Stuff, Offers and Discounts