آموزش شناسایی الگو – پیش ثبت نام

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

گروه مدرسین فرادرس
گروه مدرسین فرادرس

فرادرس از جهت فرصت آموختن، یک محیط کاملا باز (بدون هیچ مرز و شرط برای ورود) برای همه است. اما از جهت فرصت آموزش دادن، یک محیط به شدت بسته است و مدرسین آن با عبور از سخت ترین ضوابط علمی و فیلترهای مهارت آموزشی برگزیده و دستچین می شوند. در چندین سال گذشته کمتر از 5 درصد متقاضیان تدریس در فرادرس توانسته اند به مرحله نهایی ارائه آموزش در آن برسند. ارائه یک آموزش توسط «گروه مدرسین فرادرس» تضمینی برای کیفیت آن می باشد. (+)



درس های ارائه شده در این آموزش منطبق با سرفصل های وزارت علوم جهت مقطع کارشناسی ارشد هوش مصنوعی است و البته سعی شده است از مجموعه مطالب آن دسته انتخاب شود که محتوا و نحوه ارائه آنها با ساختار ارائه غیر حضوری بیشترین سازگاری را داشته باشید. این مباحث در سطحی طراحی شده است که علاوه بر ارائه مهم ترین مباحث برای افرادی از سایر رشته ها که علاقه مند کار در این حوزه و انجام طرح ها و پایان نامه های مرتبط باشند نیز ابزار را به درستی و کفایت معرفی نماید. از این رو در مقام تفاوت با ارائه دانشگاهی صرف این درس، در این آموزش مجموعه ای از مثال ها و تمرین های مرتبط نیز ارائه می شود و همچنین با برخی از ابزارهای نرم افزار MATLAB نیز آشنایی ارائه می گردد. در نهایت درسی نیز تحت عنوان مباحث پیشرفته در بازشناسی الگو نیز در تکمیل مباحث آموزش فعلی ارائه خواهد شد.

👤 مدرس: گروه مدرسین فرادرس
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

وضعیت انتشار در حال برنامه ریزی
زمان تقریبی انتشار بر حسب تعداد درخواست های دانشجویان و اولویت زمانی و آموزشی اعضای هیات علمی فرادرس، انتشار این آموزش در واحد نشر فرادرس اولویت سنجی می شود. انتشار یک آموزش پس از شروع به ضبط ۴ تا ۱۲ هفته زمان می برد.

درخواست اطلاع رسانی انتشار این آموزش

این آموزش در حال برنامه ریزی برای ارائه در فرادرس است و انتشار سریع تر آن، بستگی به تعداد متقاضیان این آموزش دارد. چنانچه شما نیز تمایل به انتشار سریع این آموزش دارید در کادر زیر ایمیل خود را درج نمایید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.

Please leave this field empty.




    توضیحات

    بخشی از هوشمند سازی سیستم ها در ایجاد توانایی در آن ها برای تفکیک و دسته بندی الگوهاست. شناسایی الگو یکی از مهم ترین مباحث در زمینه هوش مصنوعی است و طیف وسیعی از مسائل و کاربردها را در بر می گیرد. از این رو مبحث شناسایی الگو در کنار درس یادگیری ماشین از جمله مهم ترین دروس مقطع کارشناسی ارشد است که دیدگاه خوبی در زمینه استفاده از روش های آماری و ریاضی در مدل سازی الگوها و روابط بین آنها با هدف دسته بندی آنها فراهم می نماید. این مبحث دارای کاربردهای فراوانی در حوزه های مختلف از جمله کاربردهای حفاظتی و امنیتی، ایجاد واسط کاربری برای سیستم های کامپیوتری جهت سهولت استفاده از این سیستم ها، ایجاد واسط برای افراد معلول و ناتوان، استفاده در کاربردهای تشخیص پزشکی، ارائه برنامه های کاربردی پردازش تصویر و گفتار و … می باشد.

    درس های ارائه شده در این آموزش منطبق با سرفصل های وزارت علوم جهت مقطع کارشناسی ارشد هوش مصنوعی است و البته سعی شده است از مجموعه مطالب آن دسته انتخاب شود که محتوا و نحوه ارائه آنها با ساختار ارائه غیر حضوری بیشترین سازگاری را داشته باشید.

    این مباحث در سطحی طراحی شده است که علاوه بر ارائه مهم ترین مباحث برای افرادی از سایر رشته ها که علاقه مند کار در این حوزه و انجام طرح ها و پایان نامه های مرتبط باشند نیز ابزار را به درستی و کفایت معرفی نماید. از این رو در مقام تفاوت با ارائه دانشگاهی صرف این درس، در این آموزش مجموعه ای از مثال ها و تمرین های مرتبط نیز ارائه می شود و همچنین با برخی از ابزارهای نرم افزار MATLAB نیز آشنایی ارائه می گردد. در نهایت درسی نیز تحت عنوان مباحث پیشرفته در بازشناسی الگو نیز در تکمیل مباحث آموزش فعلی ارائه خواهد شد.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
    • درس یکم: مقدمه و معرفی مفاهیم پایه
      • معرفی و کاربردها
      • یک مثال کلاسیک از بازشناسی الگو
      • تعریف ویژگی و بردار ویژگی
      • تعریف مرز تصمیم
      • مسئله پیچیدگی و تعمیم پذیری
      • اجزا سیستم بازشناسی الگو
      • چرخه طراحی سیستم بازشناسی الگو
    • درس دوم: مقدمه ای بر آمار و احتمال
      • قانون کلی احتمال
      • قاعده بیز
      • امید ریاضی
      • کوواریانس
      • تبدیلات خطی
    • درس سوم: نظریه تصمیم گیری بیز ۱
      • یک مثال از تصمیم گیری
      • تصمیم گیری با احتمال پسین
      • نظریه تصمیم گیری بیز
      • هزینه تصمیم گیری
      • قانون تصمیم گیری حداقل خطا
    • درس چهارم: نظریه تصمیم گیری بیز ۲
      • توابع تمایز
      • تابع چگالی گاوسی
      • مرز تصمیم برای تابع چگالی گاوسی
      • احتمال خطا
      • منحنی ROC
      • مثال در MATLAB
    • درس پنجم: شبکه باور بیزین
      • استقلال شرطی متغیرها
      • ساختار شبکه باور بیزی
      • محاسبه احتمال توام و احتمال شرطی
      • مثال هایی از شبکه باور بیزین
      • مدل بیز ساده
      • مثال در MATLAB
    • درس ششم: تخمین چگالی پارامتری
      • اهمیت مسئله
      • تخمین بیشینه درست نمایی (MLE)
      • مثالی از تخمین توابع چگالی برای حالت گاوسی و برنولی
      • بایاس تخمین
      • تخمین بیزین
      • مقال هایی از تخمین بیزین برای حالت گاوسی و برنولی
      • یادگیری بیزین بازگشتی
    • درس هفتم: بیشینه سازی درست نمایی (EM)
      • چگالی داده های ناکامل
      • تخمین EM
      • مدل مخلوط گاوسی
      • مثال از MATLAB
    • درس هشتم: تخمین چگالی نا پارامتری
      • روش هیستوگرام
      • تخمین چگالی
      • روش مبتنی بر کرنل
      • مثالی از MATLAB
      • معرفی روش k نزدیک ترین همسایه
    • درس نهم: دسته بند k نزدیک ترین همسایه
      • معرفی KNN
      • معایب KNN
      • کاهش پیچیدگی محاسباتی KNN
      • فاصله جزئی
      • پیش ساختاربندی
      • ویرایش
      • مثالی از MATLAB
    • درس دهم: کاهش بعد
      • اهمیت کاهش بعد
      • آنالیز مؤلفه های اصلی (PCA)
      • آنالیز تمایزات خطی (LDA)
      • مثالی در MATLAB
      • درس یازدهم: مدل مخفی مارکوف HMM – بخش یکم
      • الگوهای متوالی
      • زنجیره مارکوف
      • مدل مخفی مارکوف
      • مثالی از HMM
      • سه مسئله اصلی HMM
      • مسئله ارزیابی
    • درس دوازدهم: مدل مخفی مارکوف HMM – بخش دوم
      • مسئله کدگشایی
      • الگوریتم ویتربی
      • مسئله یادگیری
      • مثال عددی از مدل HMM
    • درس سیزدهم: توابع تمایز خطی
      • مرز تصمیم خطی
      • مرز تصمیم در مسائل چند کلاسه
      • روش های یادگیری تابع تمایز خطی
      • مثال های عددی از یادگیری تابع تمایز خطی
    • درس چهاردهم: ماشین بردار پشتیبان (SVM)
      • مسئله تعمیم پذیری
      • بعد Vapnik-Chervonenkis
      • ماشین بردار پشتیبان خطی
      • ماشین بردار پشتیبان خطی جدایی ناپذیر
      • حقه کرنل
      • ماشین بردار پشتیبان غیرخطی
      • مثال عددی
      • مثال در MATLAB
    • درس پانزدهم: خوشه بندی ۱
      • اصول خوشه بندی
      • الگوریتم های خوشه بندی پارامتری
      • الگوریتم single linkage
      • الگوریتم k-medians
      • الگوریتم k-means
      • خوشه بندی مبتنی بر مدل
      • الگوریتم خوشه بندی EM
      • مثال های کاربردی
    • درس شانزدهم: خوشه بندی ۲
      • خوشه بندی نا پارامتری
      • الگوریتم شیفت میانگین
      • خوشه بندی بردارهای پشتیبان
    • درس هفدهم: خوشه بندی ۳
      • خوشه بندی مبتنی بر شباهت
      • خوشه بندی طیفی
      • معیارهای اعتبارسنجی داخلی
      • معیارهای اعتبارسنجی خارجی
    • درس هجدهم: انتخاب ویژگی
      • مفاهیم
      • روش های مبتنی بر جستجو
      • معیارهای انتخاب
      • روش های فیلتر
      • روش های Wrapper
      • روش های مکاشفه ای
      • روش های غیرقطعی
      • مثال هایی از MATLAB
    • درس نوزدهم: شناسایی ساختاری الگو
      • شناسایی با رشته ها
      • تطابق رشته ها
      • روش های گرامری
      • شناسایی الگو به کمک گرامر
      • روش های نظریه گراف
      • تطابق گراف

     

    مفید برای رشته های
    • مهندسی کامپیوتر – هوش مصنوعی
    • مهندسی برق
    • مهندسی الکترونیک


    اطلاعات تکمیلی

    نام آموزش آموزش شناسایی الگو – پیش ثبت نام
    ناشر فرادرس
    کد آموزش FVML95051
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)



    مطالب مرتبط


    دیدگاه ها

    1. 0 از 5

      :

      با عرض سلام.
      من بی صبرانه منتظر انتشار این مجموعه هستم.
      متشکرم.

    2. 0 از 5

      :

      سلام و عرض خسته نباشید.
      ممنون میشم اگه انتشار این مجموعه رو تسریع ببخشید.
      با تشکر.

    3. 0 از 5

      :

      از اینکه بالاخره فرادرس آموزشی برای شناسایی الگو برنامه ریزی کرد بسیار خوشحالم، برای انتشار این آموزش لحظه شماری خواهم کرد.

    4. 0 از 5

      :

      آقا زودتر.
      یک دنیا سپاس.

    5. 0 از 5

      :

      سلام درس واقعا خوب و کاربردیی است برای تمام رشته ها مهندسی. انشالله که سریعتر و با کیفیت خوب ارایه شود.

    6. 0 از 5

      :

      سلام.
      لطفا زودتر این اموزش رو شروع کنید و لطفا برنامه نویسی هم بخشی ازش باشه چون اصلا بدون برنامه نویسی ( مثلا تو متلب) این ها قابل درک نیستن. واقعا من خودم این درسو رو داشته ام، حتما برنامه نویسی هم جزو اش باشه.
      یک دنیا ممنون.

    7. 0 از 5

      :

      سلام و عرض خسته نباشید.
      ممنون میشم اگه انتشار این مجموعه رو تسریع ببخشید.
      با تشکر.

    8. 0 از 5

      :

      سلام. بی صبرانه منتظر این آموزش هستم.

    9. 0 از 5

      :

      سلام.

      اگر میشه این آموزش رو لطفا سریع تر شروع کنید و مدرسش هم حرفه ای باشه. حداقل توی حوزه دیتا ساینس و اینا کار کرده باشن که ما هم یاد بگیریم ازشون و اسلاید های زیادی هم داشته باشن که اسلایدها هم گنجینه ای ارزشمند باشه همراه تهیه این مجموعه.

      ممنون از تلاش شما برای بهبود جامعه علمی و گسترش دانش از راه های مدرن تر.

    10. 0 از 5

      :

      سلام و عرض خسته نباشید.
      ممنون میشم اگر سریع تر شروع کنید.
      با تشکر.

    11. 0 از 5

      :

      سلام. خسته نباشید.

      اگر میشه مدرسی که آموزش رو به عهده میگیره، اگر مقالات خوبی هم خوندن حتما اونا ها رو هم توی آموزش بگنجونن. این آموزش حتی اگر ۶۰ ساعت هم باشه ولی مطالب روز رو هم پوشش بده خیلیییییی ارزش داره، مخصوصا برای بچه های هوش مصنوعی که در به در دنبال چنین منابعی هستن.

      اگر svm چند کلاسه و libsvm و svm های پیشرفته تر و شبکه های باور بیز و بیزین به صورت عددی هم باشه خیلی فوق العاده میشود.

      منتظر هستیم که آموزش شروع بشه.

    12. 0 از 5

      :

      اقا زووود منتشر کنیدد دیگه ه ه…لطفااااا.مرسی

    13. 0 از 5

      :

      سلام منتشر کنید ممنونم

    14. 0 از 5

      :

      خیلی خیلی به این دوره نیاز دارم. علاوه بر پایان نامه کاربردهای بسیار زیادی در اپلیکشن نویسی های مدرن داره. خواهش میکنم زودتر این دوره مفید را منتشر کنید.

    15. 5 از 5

      :

      ممنون از زحمات شما
      لطفا سریع منتشر کنیدددد…شدیدا نیاز داریم بهش

    16. 0 از 5

      :

      من هم منتظر انتشار این مجموعه هستم و شدیدا نیاز دارم .


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *




درخواست اطلاع رسانی انتشار این آموزش

این آموزش در حال برنامه ریزی برای ارائه در فرادرس است و انتشار سریع تر آن، بستگی به تعداد متقاضیان این آموزش دارد. چنانچه شما نیز تمایل به انتشار سریع این آموزش دارید در کادر زیر ایمیل خود را درج نمایید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.

Please leave this field empty.



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




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