آموزش یادگیری ماشین

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

دکتر امیر حسین کیهانی پور
دکتر امیر حسین کیهانی پور

مدرس دانشگاه تهران

دکترای تخصصی مهندسی کامپیوتر-گرایش هوش مصنوعی


امیر حسین کیهانی پور فارغ التحصیل دکترای تخصصی در رشته مهندسی کامپیوتر، گرایش هوش مصنوعی از دانشگاه تهران می باشند. وی در حال حاضر به عنوان مدرس دانشگاه تهران در حال فعالیت می باشند. (+)



بخش نخست این دوره آموزشی، به مرور روش های پایه در حوزه یادگیری ماشین، اختصاص یافته است. در این بخش، طیف وسیعی از روش های یادگیری کلاسیک مورد مطالعه قرار می گیرد. سپس در بخش دوم آموزش، به بیان روش های مختلف یادگیری تقویتی (Reinforcement Learning) به عنوان یک رویکرد نوین و کارآمد در مقوله یادگیری ماشین می پردازیم و انواع مختلف روش های یادگیری تقویتی را بررسی می کنیم. همچنین به منظور آشنایی با کاربردهای روش های یادگیری تقویتی در حل مسائل واقعی، نمونه هایی از به کارگیری این روش ها نیز معرفی شده است.

👤 مدرس: دکتر امیر حسین کیهانی پور
🕓 مدت زمان: ۲۲ ساعت و ۵۴ دقیقه
🎓 تعداد دانشجو: ۵۵۰ نفر این آموزش را تهیه کرده اند. — ۸ نفر در دو هفته اخیر
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

هزینه آموزش: ۳۵,۰۰۰ تومان


آنچه شما در این فرادرس خواهید دید:
آموزش ویدئویی مورد تایید فرادرس
فایل برنامه ها و پروژه های اجرا شده در حین آموزش
فایل PDF یادداشت های مدرس در حین آموزش

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • به صورت رایگان یک یا چند آموزش معادل دیگر دریافت می کنید.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می شود.
    (توضیحات بیشتر +)
دانلود آنی و ارسال سریع
فعال‌سازی آنی لینک دانلود، بلافاصله پس از ثبت سفارش
ارسال پستی به همراه کد رهگیری مرسوله در اولین ساعت اداری روز
ارسال پیک موتوری در تهران، در همان روز ثبت سفارش

(توضیحات بیشتر +)



    توضیحات

    با گسترش کاربردهای فناوری اطلاعات در حوزه های مختلف، نیاز به خودکار نمودن فرآیندهای تصمیم گیری، روند فزاینده ای را داشته است. دانش هوش مصنوعی به عنوان یک راهکار اصلی، برای رفع این نیازها، از روش های مبتنی بر یادگیری ماشین استفاده می کند. در واقع، می توان یادگیری ماشین را به عنوان مجموعه ای از ابزارهای پایه برای هوشمندسازی فرآیندها در کاربردهای مختلف، بکار گرفت.

    بخش نخست این دوره آموزشی، به مرور روش های پایه در حوزه یادگیری ماشین، اختصاص یافته است. در این بخش، طیف وسیعی از روش های یادگیری کلاسیک مورد مطالعه قرار می گیرد. سپس در بخش دوم آموزش، به بیان روش های مختلف یادگیری تقویتی (Reinforcement Learning) به عنوان یک رویکرد نوین و کارآمد در مقوله یادگیری ماشین می پردازیم و انواع مختلف روش های یادگیری تقویتی را بررسی می کنیم. همچنین به منظور آشنایی با کاربردهای روش های یادگیری تقویتی در حل مسائل واقعی، نمونه هایی از به کارگیری این روش ها نیز معرفی شده است.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
    • درس یکم: کلیات و مفاهیم پایه در یادگیری ماشین
      • تعاریف، ضرورت ها و دامنه کاربرد
      • یادگیری تحت نظارت (Supervised Learning)
      • یادگیری بدون نظارت (Unsupervised Learning)
      • بیان مفهومی تکنیک های پایه در یادگیری ماشین
        • رده بندی (Classification)
        • خوشه بندی (Clustering)
    • درس دوم: مرور روش های کلاسیک در یادگیری ماشین
      • یادگیری مفهوم (Concept Learning)
      • یادگیری مبتنی بر نمونه ها (Instance-based Learning)
      • یادگیری مبتنی بر قواعد (Rule-based Learning)
      • یادگیری مبتنی بر نظریه احتمال (Bayesian Learning)
      • درخت تصمیم (Decision Tree)
        • تکنیک های انتخاب ویژگی
        • الگوریتم ID3
        • الگوریتم C4.5
      • معرفی کلی روش های یادگیری مبتنی بر حسابگری زیستی
        • الگوریتم ژنتیک (Genetic Algorithms)
        • شبکه های عصبی مصنوعی (Artificial Neural Networks)
      • ترکیب رده بندی کننده ها (Combining Classifiers)
        • روش Ensemble Averaging
        • روش Bagging
        • روش Boosting
        • روش AdaBoost
        • روش های دینامیک: Mixtures of Experts
      • خوشه بندی (Clustering)
        • تکنیک های محاسبه فاصله بین انواع ویژگی ها
        • روش خوشه بندی K-Means
        • روش خوشه بندی K-Medoids
        • روش های خوشه بندی سلسله مراتبی (Hierarchical)
        • شاخص های ارزیابی فرآیند خوشه بندی
      • ارزیابی فرضیه ها (Hypotheses Evaluation)
    • درس سوم: یادگیری تقویتی – Reinforcement Learning
      • معرفی مفاهیم پایه:
        • عامل(Agent)
        • کنش (Action)
        • محیط (Environment)
        • پاداش و تنبیه
        • سیاست (Policy)
        • جستجو (Exploration)
        • بهره برداری از تجربه (Exploitation)
      • روش های انتخاب کنش
        • روش ε-Greedy
        • روش Softmax
        • روش Reinforcement Comparison
        • روش های Pursuit
      • مسئله یادگیری تقویتی
        • ویژگی مارکوف
        • فرآیند تصمیم مارکوف (Markov Decision Process)
        • معادلات Bellman
      • روش برنامه ریزی پویا (Dynamic Programming)
        • ارزیابی سیاست (Policy Evaluation)
        • بهبود سیاست (Policy Improvement)
      • روش های یادگیری Monte Carlo
        • روش On-policy
        • روش Off-policy
      • روش های یادگیری تفاوت زمانی (Temporal Difference)
        • روش SARSA
        • روش Q-Learning
        • روش های Eligibility Traces
      • کاربرد روش های یادگیری تقویتی در محیط های مشاهده پذیر جزئی مارکوف Partially Observable Markov Decision Processes – POMDP
      • روش های یادگیری تعاملی
        • روش یادگیری تعاملی Q-Learning
        • روش یادگیری مبتنی بر خبرگی
      • نمونه هایی از کاربردهای یادگیری تقویتی در حل مسائل در دنیای واقعی
        • تهیه مدل مارکوف برای مسئله مسیریابی ایمیل های ارسالی در شبکه ای از سرورها
        • طراحی خزش گر کانونی برای جمع آوری اطلاعات وب بر اساس روش یادگیری تقویتی
        • طراحی روش های رتبه بندی مبتنی بر یادگیری در جویشگرهای وب
      • معرفی MDP Toolbox برای پیاده سازی روش های یادگیری تقویتی در محیط Matlab

     

    مفید برای رشته های
    • مهندسی کامپیوتر
    • علوم کامپیوتر
    • فناوری اطلاعات

    پیش نمایش

    پیش نمایش ۱ : کلیات و مفاهیم پایه در یادگیری ماشین - ۱۲ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۹ مگابایت (کلیک کنید +)


    پیش نمایش ۲ : مرور روش های کلاسیک در یادگیری ماشین (الف) - ۱۲ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۱۴ مگابایت (کلیک کنید +)


    پیش نمایش ۳ : مرور روش های کلاسیک در یادگیری ماشین (ب) - ۱۴ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۱۰ مگابایت (کلیک کنید +)


    پیش نمایش ۴ : مرور روش های کلاسیک در یادگیری ماشین (پ) - ۸ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۱۰ مگابایت (کلیک کنید +)


    بخش ۵ : مرور روش های کلاسیک در یادگیری ماشین (ت) - ۲۱ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۶ : مرور روش های کلاسیک در یادگیری ماشین (ث) - ۱۷ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    بخش ۷ : مرور روش های کلاسیک در یادگیری ماشین (ج) - ۵۶ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۸ : مرور روش های کلاسیک در یادگیری ماشین (چ) - ۱۳ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۹ : مرور روش های کلاسیک در یادگیری ماشین (ح) - ۱۰ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۰ : مرور روش های کلاسیک در یادگیری ماشین (خ) - ۱۳ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    بخش ۱۱ : مرور روش های کلاسیک در یادگیری ماشین (د) - ۵۳ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۲ : مرور روش های کلاسیک در یادگیری ماشین (ذ) - ۱۵ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۳ : مرور روش های کلاسیک در یادگیری ماشین (ر) - ۱۲ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    بخش ۱۴ : یادگیری تقویتی – Reinforcement Learning (الف) - ۴۴ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۵ : یادگیری تقویتی – Reinforcement Learning (ب) - ۱۱ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۶ : یادگیری تقویتی – Reinforcement Learning (پ) - ۱۴ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۷ : یادگیری تقویتی – Reinforcement Learning (ت) - ۴ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۸ : یادگیری تقویتی – Reinforcement Learning (ث) - ۱۲ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۹ : یادگیری تقویتی – Reinforcement Learning (ج) - ۱۷ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۲۰ : یادگیری تقویتی – Reinforcement Learning (چ) - ۱۷ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۲۱ : یادگیری تقویتی – Reinforcement Learning (ح) - ۱۶ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۲۲ : یادگیری تقویتی – Reinforcement Learning (خ) - ۱۴ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۲۳ : یادگیری تقویتی – Reinforcement Learning (د) - ۱۳ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۲۴ : یادگیری تقویتی – Reinforcement Learning (ذ) - ۸ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۲۵ : یادگیری تقویتی – Reinforcement Learning (ر) - ۱۶ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.


    اطلاعات تکمیلی

    نام آموزش آموزش یادگیری ماشین
    ناشر فرادرس
    شناسه اثر ۸-۱۲۴۵۲-۰۵۶۴۲۲ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
    کد آموزش FVML9505
    مدت زمان ۲۲ ساعت و ۵۴ دقیقه
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۹۳۸ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)


    ​راهنمای تهیه آموزشها

    آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

    راهنمایی بیشتر ( +)

    در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟ 
    • با شماره تلفن واحد مخاطبین ۸۸۳۱۲۲۷۶ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
    • از طریق بخش چت آنلاین، با پشیبان های فرادرس گفتگو کنید.- همه روزهای کاری هفته از ساعت ۸ صبح تا ۱۲ شب
    • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه

    با شروع یادگیری، یک کلیک فاصله دارید. همین حالا شروع کنید.

    آموزش یادگیری ماشین

    هزینه آموزش: ۳۵,۰۰۰ تومان




    سایر آموزش های دکتر امیر حسین کیهانی پور



    مطالب مرتبط


    دیدگاه ها

    تا کنون ۵۵۰ نفراز این آموزش استفاده کرده اند.
    1. 0 از 5

      :

      من دانشجوی رشته مدیریت اطلاعات هستم و در تحقیق رساله ام نیاز به مقایسه روشهای هوشمند هستم. امیدوارم این آموزش برایم مفید باشد.

    2. 0 از 5

      :

      سلام.

      بالاخره پس از انتظار زیاد، یادگیری تقویتی در فرادرس ارائه شد.
      خیلی ممنون.

    3. 0 از 5

      :

      با سلام و تشکر فراوان از فرادرس و جناب آقای دکتر کیهانی پور،

      مدتها منتظر ارایه این درس بودم که خوشبختانه ارایه شد. مطالب درس یادگیری ماشین بسیار جامع و کامل بود. از شیوه بیان و سبک تدریس آقای دکتر کیهانی پور هم بسیار لذت بردم.

    4. 0 از 5

      :

      من این آموزش رو تهیه کردم تمام مباحث رو تئوری میگه و از شبیه سازی فقط یک قسمت معرفی مختصری از تولباکس ارائه شده.
      من بیشتر به دنبال مباحث شبیه سازی یادگیری تقویتی بودم که نیازم مرتفع نشد. ولی در کل از سایت فرادرس به خاطر آموزشهای مفیدش سپاسگزارم.

    5. 0 از 5

      :

      آموزش ضعیفی بود به سبک سنتی دانشگاهها و تکیه برروی مباحث تئوری بود. این اموزش بدرد دانشجویان در مقطع کارشناسی میخوره.
      من شبکه عصبی -ویولت- پردازش تصویر -ژنتیک از فرادرس گرفتم خیلی خوب بودن. فکر میکردم اینم در همون سطح باشه.

    6. 5 از 5

      :

      سلام،
      از آموزش خوبتان تشکر میکنم. مطالب مورد نظر من بصورت کامل و طی مثالها ارایه شده بود. بخصوص بخش یادگیری تقویتی که قبلا هم ارایه نشده بود بسیار ارزشمند بود. از آقای دکتر کیهانی پور هم سپاسگزارم.

    7. 0 از 5

      :

      با سلام.

      آموزش بجای پرداختن به تمامی مباحث یادگیری ماشین، بهتر بود روی یک قسمت یا مباحث مهم تکیه کنند و توضیحت زیادی راجب اون مباحث گفته بشه و همراه با توضیحات فرمول ها.

      این آموزش از دید من بدرد اونایی میخوره که نیاز دارند یه یادآوری از درس یادگیری ماشین داشته باشند و این تکیه بر آموزش درس یادگیری ماشین نیست.

    8. 4 از 5

      :

      باسلام
      من این اموزش را برای کنکور دکتری تهیه کردم.مباحث زیادی رو آقای دکترکیهانی پور توضیح دادند، یعنی میخوام بگم که برای کسیکه اشنایی کم با بحث دارد، خیلی مفید هست.اما برای کنکور(حداقل کنکور دکتری ۹۶) زیاد کاربرد نداشت.البته بحث زیادی روی یادگیری تقویتی انجام شده است که بیشتر یک موضوع تحقیق محور است و برای کسانیکه بدنبال یادگیری این بخش و ورود هستند خیلی مفید خواهد بود.
      اگر نیم نگاهی به مباحث کتاب آلپادین هم داشتند خیلی اموزش کاملتر میشد.ولی در کل با این خلا که در اموزش این دسته از دروس در دانشگاه ها و محیط های علمی هست، این اموزش غنیمت هست.امیدوارم که در اینده یک اموزش ترکیبی یادگیری ماشین و شناسایی اماری الگو مختص داوطلبان کنکور دکتری هوش مصنوعی ارایه بشه که صرفا به مباحث کنکوری بپردازد.

    9. 0 از 5

      :

      با سلام.
      مدتها انتظار انتشار این آموزش رو میکشیدم تا بتونم به صورت عملی و کاربردی با مباحث مهمش آشنا بشم. ای کاش به مباحث به صورت عملی هم پرداخته میشد و نه فقط تئوری محض.


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *



​همین امروز شروع به آموختن کنید​

آموزش یادگیری ماشین

هزینه آموزش: ۳۵,۰۰۰ تومان



برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

دسته های مرتبط: ,



فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران

عضویت در خبرنامه فرادرس

برای دریافت اخبار مربوط به آخرین فرادرس های منتشر شده، ایمیل خود را در کادر زیر وارد نمایید.

Please leave this field empty.

تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند و فعالیت‌های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.
فرادرس مجوز نشر دیجیتال از وزرات فرهنگ و ارشاد اسلامی پرداخت آنلاین -  بانک ملت پرداخت آنلاین - بانک پارسیان پرداخت آنلاین - بانک اقتصاد نوین پرداخت آنلاین - بانک سامان