×
زمان تقریبی انتشار: ۴ تا ۱۲ هفته

آموزش شناسایی الگو - پیش ثبت نام

آموزش شناسایی الگو - پیش ثبت نام

درخواست اطلاع رسانی انتشار این آموزش
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 معمولا ۴ تا ۱۲ هفته زمان می برد.
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 این آموزش پیش ثبت نام نمایید.
آموزش شناسایی الگو - پیش ثبت نام

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.

آموزش شناسایی الگو - پیش ثبت نام

درخواست اطلاع رسانی انتشار این آموزش
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 معمولا ۴ تا ۱۲ هفته زمان می برد.
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 این آموزش پیش ثبت نام نمایید.

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.

توضیحات تکمیلی

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 الگو ها و روابط بین آن ها با هدف دسته بندی آن ها 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 … است.

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 آن ها 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
    • مساله 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 (الف)
    • 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 (ب)
    • 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 مساله
    • 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 مساله اصلی HMM
    • مساله ارزیابی
  • درس دوازدهم: مدل مخفی مارکوف HMM - بخش دوم
    • مساله کدگشایی
    • الگوریتم ویتربی
    • مساله 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)
    • مساله 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 (الف)
    • 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 (ب)
    • خوشه بندی نا پارامتری
    • الگوریتم شیفت میانگین
    • خوشه بندی بردارهای پشتیبان
  • درس هفدهم: خوشه بندی (پ)
    • 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




راهنمای سفارش 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 ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش شناسایی الگو - پیش ثبت نام
ناشر فرادرس
کد آموزش FVML95051
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)






نظرات

محسن
محسن

چه چیزی بشه این اموزش.خواهش میکنم این اموزش را سریعتر اماده کنید.با تشکر از تیم حرفه‌ای فرادرس
پاسخ به نظر

مهران بیگلری
مهران بیگلری

سلام خیالتون راااحت خیلی لازمه این درس واقعا جای خالیش بین آموزش ها حس میشه
پاسخ به نظر

فرشاد
فرشاد

همچنان منتظریم برای انتشار این اموزش.
پاسخ به نظر

محمد علی
محمد علی

سلام. زودتر ارائه بدین. ممنون
پاسخ به نظر

محسن
محسن

باسلام. لطفا هرچقدر امکانش هست این درس رو زودتر ارائه بدید، واسه پایان نامه هامون بهش احتیاج داریم. ممنون از فرادرس
پاسخ به نظر

محسن
محسن

باسلام
لطفا هرچقدر که امکانش هست این درس زودتر ارائه بدید ، واسه پایان نامه بهش احتیاج داریم. ممنون از فرادرس

پاسخ به نظر

هاجر
هاجر

سلام .لطفا لطفا لطفا زود ارائه ش بدین. الان بهش احتیاج دارم. ممنون
پاسخ به نظر

مرتضی
مرتضی

منتظریم
پاسخ به نظر

مرتضی
مرتضی

منم خیلی مشتاقم که این آموزشو تهیه کنم
هرچه زودتر باشه بهتره
با تشکر از فرادرس

پاسخ به نظر

ندا
ندا

سلام. میشه لطفا زودتر این درس رو متتشر کنید. بخدا نیاز داریمش...ممنون
پاسخ به نظر

برچسب‌ها:
em | LDA | MATLAB | MATLAB software | MLE | PCA | SVM | Vapnik-Chervonenkis | Wrapper | آمار و احتمال | آنالیز تمایزات خطی | آنالیز تمایزات خطی (LDA) | آنالیز مؤلفه های اصلی | آنالیز مؤلفه های اصلی (PCA) | اجزا سیستم بازشناسی الگو | احتمال پسین | احتمال خطا | استقلال شرطی متغیرها | اصول خوشه بندی | الگوریتم k-Means | الگوریتم k-medians | الگوریتم single linkage | الگوریتم خوشه بندی EM | الگوریتم شیفت میانگین | الگوریتم های خوشه بندی پارامتری | الگوریتم ویتربی | الگوهای متوالی | امید ریاضی | انتخاب ویژگی | اهمیت کاهش بعد | بازشناسی الگو | بایاس تخمین | بردار ویژگی | بعد Vapnik-Chervonenkis | بیشینه سازی درست نمایی | تابع چگالی گاوسی | تبدیلات خطی | تخمین EM | تخمین بیزین | تخمین بیزین برای حالت برنولی | تخمین بیزین برای حالت گاوسی | تخمین بیشینه درست نمایی | تخمین توابع چگالی برای حالت برنولی | تخمین توابع چگالی برای حالت گاوسی | تخمین چگالی | تخمین چگالی پارامتری | تخمین چگالی نا پارامتری | تخمین چگالی ناپارامتری | تصمیم گیری با احتمال پسین | تطابق گراف | تعریف مرز تصمیم | تعمیم پذیری | توابع تمایز | توابع تمایز خطی | توابع چگالی برای حالت گاوسی | چرخه طراحی سیستم بازشناسی الگو | چگالی داده های ناکامل | حقه کرنل | خوشه بندی | خوشه بندی بردارهای پشتیبان | خوشه بندی طیفی | خوشه بندی مبتنی بر شباهت | خوشه بندی مبتنی بر مدل | خوشه بندی نا پارامتری | دسته بند k نزدیک ترین همسایه | روش k نزدیک ترین همسایه | روش مبتنی بر کرنل | روش های Wrapper | روش های غیرقطعی | روش های فیلتر | روش های گرامری | روش های مبتنی بر جستجو | روش های مکاشفه ای | روش های نظریه گراف | روش های یادگیری تابع تمایز خطی | روش هیستوگرام | زنجیره مارکوف | ساختار شبکه باور بیزی | شبکه باور بیزین | شناسایی الگو | شناسایی الگو به کمک گرامر | شناسایی ساختاری الگو | فاصله جزئی | قاعده بیز | قانون تصمیم گیری حداقل خطا | قانون کلی احتمال | کاهش بعد | کاهش پیچیدگی محاسباتی KNN | کدگشایی | کوواریانس | ماشین بردار پشتیبان | ماشین بردار پشتیبان خطی | ماشین بردار پشتیبان خطی جدایی ناپذیر | ماشین بردار پشتیبان غیرخطی | محاسبه احتمال توام | محاسبه احتمال شرطی | مدل بیز ساده | مدل مخفی مارکوف | مدل مخفی مارکوف HMM | مدل مخلوط گاوسی | مرز تصمیم برای تابع چگالی گاوسی | مرز تصمیم خطی | مرز تصمیم در مسائل چند کلاسه | مساله پیچیدگی | مساله تعمیم پذیری | مساله کدگشایی | مساله یادگیری | معایب KNN | معرفی KNN | معیارهای اعتبارسنجی خارجی | معیارهای اعتبارسنجی داخلی | معیارهای انتخاب | منحنی ROC | نرم افزار MATLAB | نظریه تصمیم گیری بیز | هزینه تصمیم گیری | یادگیری بیزین بازگشتی
مشاهده بیشتر مشاهده کمتر

×
فهرست جلسات ۰ جلسه ویدئویی