یادگیری ماشین و هوش مصنوعی، یک دوره ساختاریافته است که شما را از «یادگیری ماشین چیست» به درک الگوریتمهای پشت هوش مصنوعی مدرن میرساند، در درسهای کوتاهی که میتوانید روی گوشی خود بخوانید.
هیچ تجربه قبلی در هوش مصنوعی لازم نیست. اگر میتوانید جبر پایه و کمی پایتون را دنبال کنید، میتوانید این دوره را دنبال کنید.
آنچه خواهید آموخت
مبانی یادگیری ماشین یادگیری ماشین چیست، چه تفاوتی با برنامهنویسی سنتی دارد، گردش کار یادگیری ماشین، دادههای آموزشی و آزمایشی، بیشبرازش، کمبرازش، بایاس و واریانس، و نحوه ارزیابی مدلها.
یادگیری نظارتشده رگرسیون خطی، رگرسیون لجستیک، درختهای تصمیمگیری، جنگلهای تصادفی، ماشینهای بردار پشتیبان، k نزدیکترین همسایه و بیز ساده، که هر کدام شهود پشت آن را دارند و در واقع در کجا استفاده میشوند.
یادگیری بدون نظارت K به معنای خوشهبندی، خوشهبندی سلسله مراتبی، کاهش ابعاد، تحلیل مؤلفههای اصلی و تشخیص ناهنجاری است.
یادگیری عمیق و شبکههای عصبی پرسپترونها، توابع فعالسازی، پسانتشار، شبکههای عصبی کانولوشن برای تصاویر، شبکههای بازگشتی و LSTMها برای توالیها، و مقدمهای بر ترانسفورماتورها.
یادگیری تقویتی عاملها، محیطها، پاداشها، یادگیری Q و روشهای مبتنی بر سیاست بدون ریاضیات سنگین توضیح داده میشوند.
پردازش زبان طبیعی توکنسازی، جاسازیها، تحلیل احساسات و نحوه ساخت مدلهای زبانی بزرگ بر اساس این ایدهها.
ابزارها و کتابخانهها جایی که پایتون، TensorFlow، Keras، scikit learn، NumPy و Pandas در یک گردش کار واقعی یادگیری ماشین قرار میگیرند.
یادگیری ماشین کاربردی نحوه استفاده از این روشها در مراقبتهای بهداشتی، مالی، سیستمهای توصیه، تشخیص تقلب، بینایی کامپیوتر و پیشبینی.
ساخته شده برای یادگیری از طریق تلفن
درسهای کوتاه. هر موضوع به بخشهایی تقسیم شده است که میتوانید در عرض چند دقیقه آنها را تمام کنید، بنابراین میتوانید در فواصل زمانی روز خود پیشرفت کنید تا منتظر یک شب آزاد نباشید.
اول زبان ساده، دوم ریاضیات. هر الگوریتم قبل از نمایش هرگونه نمادگذاری با کلمات توضیح داده میشود، بنابراین شما قبل از اینکه ببینید چگونه نوشته شده است، میدانید که چه کاری انجام میدهد.
در کل دوره جستجو کنید، بنابراین میتوانید به محض برخورد با یک اصطلاح در یک مقاله یا سخنرانی، آن را جستجو کنید.
نشانکها و رزومه، بنابراین یک موضوع طولانی از قطع شدن در امان میماند.
با پیشرفت حوزه، به طور مداوم بهروزرسانی میشود.
این برنامه برای چه کسانی است؟
دانشجویانی که در دورههای یادگیری ماشین، هوش مصنوعی یا علوم داده شرکت میکنند و میخواهند توضیح دیگری در مورد عدم موفقیت سخنرانی دریافت کنند.
توسعهدهندگان نرمافزار که به مهندسی یادگیری ماشین یا علوم داده روی میآورند.
داوطلبانی که برای مصاحبههای یادگیری ماشین و علوم داده آماده میشوند، جایی که سوالات هنوز بیشتر در مورد اصول اولیه است.
تحلیلگران و متخصصانی که باید بفهمند یک سیستم هوش مصنوعی در صنعت آنها واقعاً چه کاری انجام میدهد.
هر کسی که کنجکاو است در مورد چگونگی عملکرد هوش مصنوعی در زیر محصولاتی که هر روز استفاده میکنند، کنجکاو است.
چرا یادگیری ماشین را اکنون یاد بگیریم؟
یادگیری ماشین دیگر یک مهارت تخصصی نیست و به بخشی از پایه کار فنی تبدیل شده است. درک چگونگی آموزش مدلها، دلیل شکست آنها، و آنچه میتوانند و نمیتوانند انجام دهند، اکنون تقریباً در هر نقش فنی - و به طور فزایندهای در نقشهای غیر فنی - مفید است.
این دوره این درک را در قالبی که واقعاً آن را به پایان خواهید رساند، به شما ارائه میدهد: درسهای کوتاه، زبان واضح، بدون نیاز به بافر کردن ویدیو، بدون نیاز به حساب کاربری.
امروز اولین درس خود را باز کنید.
سوالات، اصلاحات یا موضوعی که میخواهید اضافه شود؟ به mail@ehsanur.com ایمیل بزنید - ما برنامه را بر اساس آنچه زبانآموزان درخواست میکنند، بهروزرسانی میکنیم.
دوره یادگیری ماشین: هوش مصنوعی، یادگیری عمیق، شبکههای عصبی و علوم داده
تاریخ بهروزرسانی
۲۱ شهریور ۱۴۰۵
آموزش
ایمنی داده
arrow_forward
ایمنی با درک اینکه توسعهدهندگان چگونه دادههای شما را جمعآوری و همرسانی میکنند شروع میشود. شیوههای حفظ امنیت و حریم خصوصی دادهها ممکن است براساس استفاده، منطقه، و سن شما متفاوت باشد. توسعهدهنده این اطلاعات را ارائه کرده است و ممکن است آن را درطول زمان بهروزرسانی کند.
هیچ دادهای با طرفهای سوم همرسانی نمیشود
درباره نحوه اعلام همرسانی دادهها توسط توسعهدهندگان بیشتر بدانید
هیچ دادهای جمعآوری نمیشود
درباره نحوه اعلام جمعآوری دادهها توسط توسعهدهندگان بیشتر بدانید