آموزش اصول یادگیری ماشین - آخرین آپدیت

هفته اول: یادگیری آماری Week 1: Statistical Learning

• مقدمه‌ای بر اصول یادگیری ماشین Introduction to Machine Learning Essentials

• مقدمه هفته اول Week 1 Introduction

• آشنایی با یادگیری آماری Intro to Statistical Learning

• تابع رگرسیون Regression Function

• نفرین ابعاد Curse of Dimensionality

• مدل‌های پارامتریک Parametric Models

• کیفیت مدل Model Quality

• بایاس و واریانس (توازن تعادل) Bias-Variance Tradeoff

هفته دوم: رگرسیون خطی Week 2: Linear Regression

• مقدمه هفته دوم Week 2 Introduction

• جبر خطی Linear Algebra

• مقادیر ویژه و بردارهای ویژه Eigenvalues and Eigenvectors

• رگرسیون خطی Linear Regression

• عدم قطعیت ضرایب Coefficient Uncertainty

• بازه اطمینان Confidence Interval

• آزمون فرضیه Hypothesis Testing

هفته سوم: رگرسیون خطی پیشرفته Week 3: Extended Linear Regression

• مقدمه هفته سوم Week 3 Introduction

• ورودی‌های طبقه‌بندی شده (Categorical) Categorical Inputs

• ورودی‌های طبقه‌بندی شده پیشرفته More Categorical Inputs

• اثرات غیرخطی Nonlinear Effects

• جملات تعاملی (Interaction Terms) Interaction Terms

• جلسه رفع اشکال رگرسیون خطی، بخش اول Linear Regression Recitation, Part 1

• جلسه رفع اشکال رگرسیون خطی، بخش دوم Linear Regression Recitation, Part 2

هفته چهارم: طبقه‌بندی Week 4: Classification

• مقدمه هفته چهارم Week 4 Introduction

• طبقه‌بندی (Classification) Classification

• طبقه‌بندی بیزی و میانگین‌گیری محلی Bayes Classifier and Local Averaging

• رگرسیون لجستیک Logistic Regression

• بیشینه درست‌نمایی (Maximum Likelihood) Maximum Likelihood

• آزمون فرضیه در رگرسیون لجستیک Hypothesis Testing in Logistic Regression

• رگرسیون لجستیک با کلاس‌های بیشتر Logistic Regression with More Classes