مبانی یادگیری ماشین

  • خانه
  • مبانی یادگیری ماشین

[vc_row row_height_type=”fixed_height_screen” height=”100″ min_height=”500″ nav_skin=”light” consent_include=”include” el_design=”{“desktop“:{“padding-top“:“45“,“padding-bottom“:“45“}}” custom_bg_color=”{“solid“:{“id“:“Light background“,“color“:“#f7f8fd“}}”][vc_column el_design=”{“desktop“:{“padding-top“:“45“,“padding-right“:“15“,“padding-bottom“:“0“,“padding-left“:“15“}}” width=”1/2″ css_animation=””][vc_empty_space height=”120px”][vc_content_box style=”style_custom” shadow=”big_shadow” shadow_hover=”no_shadow” overflow=”” el_design=”{“desktop“:{“padding-top“:“45“,“padding-right“:“45“,“padding-bottom“:“45“,“padding-left“:“45“}}” border_hover=”default” width=”400″ equal_height=”” alignment=”align_right” vertical_align=”horizontal_align=” horizontal_align=”” css_animation=”wtbx-anim-bottom-to-top-small” css_animation_easing=”wtbx_easing-natural” css_animation_duration=”wtbx-duration-1000″ css_animation_delay=”” bg_color=”{“solid“:{“id“:“custom_color“,“color“:“rgba(255,255,255,1)“}}”][vc_icon size=”40px” cont_size=”1em” css_animation=”” icon=”{“font“:“fontawesome“,“icon“:“fa fa-quote-left“}” icon_color=”{“solid“:{“id“:“Main accent color“,“color“:“#8571ea“}}”][vc_text_element typography=”{“variants“:“400_italic“,“font_size“:“17px“}” css_animation=””]

  • مدت دوره: ۲۰ ساعت
  • مخاطب دوره: دانشجویان، پژوهشگران و متخصصان علاقه منده به حوزه داده
  • دوره های پیش نیاز: آشنایی مقدماتی با مفاهیم علوم داده
  • مدرسین دوره: دکتر کیهانی پور
  • مکان برگزاری کلاس: در شرکت همکار گروه داده کاوی دایکه

[/vc_text_element][vc_empty_space height=”15px”][vc_text_element typography=”{“variants“:“700“,“font_size“:“14px“}” css_animation=”” color=”{“id“:“Dark color“,“color“:“#151221“}”]- VstaCompany[/vc_text_element][/vc_content_box][/vc_column][vc_column el_design=”{“desktop“:{“padding-top“:“100“,“padding-right“:“15“,“padding-bottom“:“15“,“padding-left“:“15“}}” width=”1/2″ css_animation=””][vc_image_element image=”10509″ size_type=”fixed” alignment=”center” preloader=”” css_animation=””][/vc_column][/vc_row][vc_section nav_skin=”light”][vc_row nav_skin=”light” consent_include=”include”][vc_column css_animation=””][vc_list_item style=”style_2″ skin=”light” css_animation=””]

  • دستاورد دوره

    در واقع، میتوان یادگیری ماشینی را به عنوان مجموعه‌ای از ابزارهای پایه برای هوشمندسازی فرآیندها در کاربردهای مختلف، بکار گرفت. این دوره آموزشی، به معرفی روشهای اصلی حوزه یادگیری ماشینی، میپردازد. درواقع شما در این دوره مبانی و تئوری تکنیکهای مختلف یادگیری ماشین را آموخته و با الگوریتمهای متعددی که برای هر تکنیک وجود دارد آشنا می شوید. هدف اصلی برگزاری این دوره ایجاد یک تسلط نسبی بر مبانی ریاضی الگوریتمها بوده و روشهای پیاده سازی و کاربرد آنها را در دوره داده کاوی در پایتون خواهید آموخت.

    محتوای دوره

    کلیات و مفاهیم پایه در یادگیری ماشین

    • تعاریف
    • یادگیری تحت نظارت
    • یادگیری بدون نظارت

    دسته بندی (Classification)

    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

    مرور روش های کلاسیک در یادگیری ماشین

    • یادگیری مبتنی بر نمونه ها Learning based-Instance
    • یادگیری مبتنی بر قواعد Learning based-Rule
    • یادگیری مبتنی بر نظریه احتمالات (Bayesian Learning)
    • درخت تصمیم
      • الگوریتم ID3
      • الگوریتم C4.5

    معرفی کلی روش های یادگیری مبتنی بر حسابگری زیستی

    • الگوریتم ژنتیک
    • شبکه های عصبی

    ترکیب دسته بندها (Combining Classifiers)

    • روش Bagging
    • روش Boosting
    • روش AdaBoost

    یادگیری تقویتی – Reinforcement Learning

    • معرفی مفاهیم پایه (Agent, Action, Policy,…)
    • روش های انتخاب کنش
    • روش برنامه ریزی پویا
    • روش تقویتی مونت کارلو
    • روش های یادگیری تعاملی

[/vc_list_item][/vc_column][/vc_row][/vc_section]

پشتیبانی 24 ساعته آنلاین