آموزش ریاضی برای یادگیری ماشین + پیاده سازی در پایتون | فرادرس
close icon جشنواره سال نو
۳۴ثانیه
:
۵۶دقیقه
:
۱۹ساعت
:
۰۱روز

آموزش ریاضی برای یادگیری ماشین + پیاده سازی در پایتون

Poster
volume high icon
پخشplay video icon
۰۰:۰۰
play video icon
volume high icon
/
۱x
quality video icon
pip video iconfullscreen icon

یادگیری ماشین و زبان پایتون چیست؟

یادگیری ماشین یکی از شاخه‌های هوش مصنوعی است که در آن کامپیوترها با استفاده از الگوریتم‌های خاص، قادر به یادگیری از داده‌ها هستند و بر اساس آن‌ها، پیش‌بینی‌هایی انجام می‌دهند یا تصمیم‌هایی می‌گیرند.

پایتون یک زبان برنامه‌نویسی بسیار قدرتمند و پویا است که برای برنامه‌نویسی کاربردی، علم داده، هوش مصنوعی، تحلیل داده، وب، بازی‌ها و بسیاری از کاربردهای دیگر استفاده می‌شود. به طور کلی، پایتون به دلیل سادگی و آسانی در یادگیری، خوانایی کد و امکانات بسیاری که در آن وجود دارد، بسیار محبوب است. 

اهمیت یادگیری ریاضی برای یادگیری ماشین و پیاده‌سازی در پایتون چیست؟

یادگیری ریاضی یکی از اصولی‌ترین و ضروری‌ترین بخش‌های یادگیری ماشین است. در واقع، ریاضیات در تمامی الگوریتم‌های ماشینی به کار می‌رود و برای پیاده‌سازی این الگوریتم‌ها در پایتون نیز باید با اصول ریاضی آشنا باشید. یکی از مهم‌ترین مفاهیم ریاضی در یادگیری ماشین، آمار و احتمالات است. 

در این فرادرس چه چیزی یاد می‌گیریم؟

در این فرادرس، با مفاهیمی ‌چون جبر خطی، ماتریس‌، بردار و بهینه‌سازی آشنا می‌شویم. یادگیری این مفاهیم در درک بهتر عملکرد الگوریتم‌های یادگیری ماشین کمک زیادی می‌کند. یکی از امتیازات این آموزش این است که علاوه بر آموزش تئوری ریاضیات، مطالب به زبان پایتون نیز پیاده‌سازی می‌شوند.

در این آموزش مباحث گرادیان و الگوریتم گرادیان کاهشی در رگرسیون، بردار و ضرایب لاگرانژ و بهینه‌سازی در الگوریتم ماشین بردار پشتیبان، مشتق در الگوریتم شبکه عصبی، احتمال و قانون بیز در دسته‌بندی بیز، محاسبه فاصله در الگوریتم k نزدیک‌ترین همسایه و ماتریس، دترمینان و بردار ویژه را یاد خواهیم گرفت. همچنین، با مفاهیم میانگین و واریانس برای کار با داده‌ها و تغییر مقیاس آن‌ها آشنا می‌شویم. در پایان این آموزش، درک خوبی از مفاهیم پایه‌ای ریاضیات مورد نیاز برای یادگیری ماشین خواهید داشت و قادر خواهید بود این مفاهیم را در یادگیری ماشین به کار ببرید.

مفید برای
  • داده‌کاوی و یادگیری ماشین
مشاهده بیشترangle down icon
graduate student icon

۱,۶۱۰دانشجو

محتوای این آموزش
file video icon

۸ ساعت آموزش ویدئویی

setting icon

فایل برنامه‌ها و پروژه‌ها

pdf file icon

فایل PDF یادداشت‌ها و اسلایدها

question icon

تالار پرسش‌ و ‌پاسخ

سرفصل‌ها
۴۷ درس در قالب ۱۱ فصلبستن همه فصل‌ها
فصل ۱. بردار
angle icon
video icon
تفریق و ضرب دو بردار – بردارهای متعامد۱۷:۴۲
play icon
video icon
کار عملی – کار با پکیج نامپای (NumPy)۱۴:۲۸
lock icon
فصل ۲. ماتریس
angle icon
video icon
جمع و تفریق و ضرب ماتریس‌ها، ترانهاده ماتریس، ماتریس متقارن و اثر ماتریس۱۵:۰۱
lock icon
video icon
دترمینان ماتریس۱۵:۳۳
play icon
video icon
محاسبه دترمینان با روش ساروس۰۵:۳۰
lock icon
video icon
وارون ماتریس۱۲:۴۴
lock icon
video icon
ماتریس متعامد، ماتریس مثبت معین و نرم ماتریس۰۷:۴۲
lock icon
video icon
کار عملی – پیاده‌‎سازی ماتریس با پکیج نامپای۱۷:۴۴
lock icon
video icon
کار عملی – محاسبه دترمینان و وارون ماتریس۰۸:۰۹
play icon
video icon
کار عملی – کار با پکیج SymPy۰۴:۲۷
lock icon
فصل ۳. دستگاه معادلات خطی
angle icon
video icon
حل دستگاه معادلات خطی۱۳:۴۵
lock icon
video icon
قانون کرامر۱۱:۵۳
lock icon
video icon
بررسی چند مثال۰۴:۵۸
lock icon
video icon
کار عملی – حل دستگاه معادلات خطی با پکیج NumPy و SymPy۱۱:۱۶
lock icon
فصل ۴. مقادیر ویژه و بردارهای ویژه – تجزیه ماتریس
angle icon
فصل ۵. حد
angle icon
فصل ۶. مشتق
angle icon
فصل ۷. انتگرال
angle icon
فصل ۸. بهینه‌سازی
angle icon
فصل ۹. آمار و احتمال
angle icon
فصل ۱۰. جمع‌بندی
angle icon
فصل ۱۱. تمرین‌ها
angle icon
فایل‌های همراه
angle icon
مدرس
فرشید شیرافکن
دکتر فرشید شیرافکن

مدرس برنامه‌نویسی

دکتر فرشید شیرافکن، دارای دکتری تخصصی بیوانفورماتیک از دانشگاه تهران هستند. ایشان مقاطع کارشناسی و کارشناسی ارشد خود را در رشته مهندسی کامپیوتر – نرم‌افزار به پایان رسانیده‌اند و عنوان مدرس نمونه در زمینه ارائه و آموزش دروس دانشگاهی انتخاب شده‌اند. همچنین ایشان از سال ۱۳۷۵ در زمینه آموزش، برنامه‌نویسی و علم داده فعالیت دارند و بیش از ۱۰ کتاب در زمینه رشته کامپیوتر تالیف کرده‌اند.

نرم‌افزارهای مرتبط با آموزش

warranty icon تضمین کیفیت

کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش به انتخاب شما:

  • badge check icon۱۰۰ ‌درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • badge check icon۷۰ ‌درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.
توضیحات بیشترarrow left icon
comment icon نظرات
star border۴.۵۷(میانگین امتیاز کاربران)
برچسب‌ها:ریاضیات دیتا ساینس|ریاضیات ماشین لرنینگ|آمار و احتمال برای یادگیری ماشین|پیشنیاز یادگیری ماشین|ریاضی دیتا ساینس|پیش نیاز یادگیری ماشین|ماشین لرنینگ ریاضیات|پیش نیاز علم داده|ریاضی ماشین لرنینگ|یادگیری ماشین ریاضیات|پیشنیاز علم داده|آمار در یادگیری ماشین|جبر خطی برای یادگیری ماشین|ماشین لرنینگ ریاضی|آمار و احتمال علم داده|ریاضی یادگیری ماشین|ریاضیات یادگیری ماشین|دیتا ساینس ریاضی|یادگیری ماشین ریاضی
festival icon
۱۹:۵۶:۳۳
یک روز +
تا پــایـــان تخفیــــــــف
%۷۵۱,۰۸۰,۰۰۰
۲۷۰,۰۰۰تومان