یادگیری ماشین:
یادگیری ماشین یا ماشین لرنینگ (Machine Learning) یکی از زیر مجموعههای هوش مصنوعی است که به سیستمها این امکان را می دهد تا به صورت خودکار یادگیری و پیشرفت داشته باشند بدون اینکه به برنامه نویسی صریحی برای آن داشته باشند. تمرکز اصلی یادگیری ماشینی بر توسعه برنامههای رایانه ای است که بتوانند به دادهها دسترسی پیدا کنند و از آن برای یادگیری خود استفاده کنند. فرآیند یادگیری با مشاهدات یا دادهها آغاز میشود. حوزه یادگیری ماشین بسیار وسیع بوده و به سرعت در حال گسترش است. این حوزه، به طور مداوم به زیر شاخهها و انواع مختلف یادگیری ماشین تقسیم میشود. یادگیری ماشین، جنبه مهمی از تحقیق و کسب و کار مدرن است. یادگیری ماشین میتواند با استفاده از الگوریتمها و مدلهای شبکه عصبی، به بهبود تدریجی عملکرد برنامههای کامپیوتری با کمترین میزان دخالت نیروی انسانی کمک کند. یادگیری ماشین هوشمند کردن رایانههاست بدون اینکه مستقیماً به آنها یاد بدهیم چطور رفتار کنند. اما این اتفاق چطور میافتد؟ رایانهها میتوانند با استفاده از حجم عظیمی از داده، به طور خودکار الگوهایی تکرارشونده را بدون دخالت انسان یاد بگیرند. یادگیری این الگوریتمها به تقلید از شیوه یادگیری انسان انجام میشود و با بیشتر شدن تجربه رایانه، بهتدریج دقت آن بالاتر میرود.
الگوریتمهای یادگیری ماشین اغلب در چند گونه دسته بندی میشوند. چهار مورد از رایج ترین گونههای یادگیری ماشین به صورت زیر است:
- یادگیری ماشین تحت نظارت
- یادگیری ماشین بدون نظارت
- یادگیری نیمه نظارتی
- یادگیری تقویتی
هدف از این دوره آموزشی:
در این دوره آموزشی سعی شده تا مهم ترین مباحث یادگیری ماشین با الگو گرقتن از مقالات محبوب آموزش داده شود. مطالب موجود در این دوره برای کارهای صنعتی و پژوهشی کاربرد زیادی دارد. مهمترین الگوریتمها و موارد کاربرد هر کدام را یاد خواهید گرفت و با نمونههای استفاده شده از ماشین لرنینگ ML در دنیای واقعی آشنا می شوید. در این دوره سعی داریم تا با ارائه مسیری مشخص در دنیای آموزش یادگیری ماشین قدم گذاشته و با حل تمرین و مثال هایی در زبان برنامه نویسی پایتون (ماشین لرنینگ در پایتون) به کاربردی تر شدن این دوره کمک کنیم .در این دوره مباحث مهم و بنیادی آموزش یادگیری ماشین پیشرفته در اختیار شما قرار خواهد گرفت تا شما را برای کار در صنعت هوش مصنوعی و یادگیری ماشین در آن آماده کند. در این دوره آموزش ماشین لرنینگ پیشرفته به شبیه سازی سوال هایی در حوزه یادگیری ماشین در کاربردهای مختلف خواهیم پرداخت و با ریاضیات روش سعی بر شفاف سازی کدهای یادگیری ماشین در پایتون و درک هرچه بهتر ساختار مسائل ماشین لرنینگ خواهیم داشت. جزئیات این دوره آموزشی در زیر لیست شده است. بدون شک یکی از بهترین دوره های یادگیری ماشین پیشرفته با پایتون است که با زبان فارسی و روان توضیح داده شده است. امیدواریم که این آموزش از “بیگ لرن” هم مثل سایر آموزش ها مورد تایید و رضایت شما مخاطبان گرامی قرار گیرد.
بخش اول: مرور کامل پایتون
بخش دوم: آمار و احتمال برای یادگیری ماشین
بخش سوم: یادگیری ماشین/عمیق
بخش چهارم: یادگیری انتقالی (transfer learning)
بخش پنجم: یادگیری افزایشی (incremental learning)
بخش ششم: یادگیری چندوظیفه ای (Multi_task_learning)
بخش هفتم: یادگیری چندماهیتی (multimodal learning)
بخش نهم: یادگیری تقویتی (reinforcement learning)
بخش دهم: یادگیری کاهش بعد (dimension reduction learning)
بخش یازدهم: فاکتورسازی ماتریس (matrix factorization)
بخش دوازدهم: تنظیم ابرپارامترها (hyper parameter tuning)
بخش سیزدهم: سری های زمانی (time series analysis)
نظرات
3 دیدگاه برای آموزش یادگیری ماشین پیشرفته
برای فرستادن دیدگاه، باید وارد شده باشید.
MohammadrezaAzadmanjiri
چرا دوره قفل هستش و نمیشه ثبت نام کرد ؟
biglearn
سلام. دوره اکنون کامل شد
cc رضا
تدریس آقای دکتر در بیان مطالب پیچیده خیلی خوب بود.
سارا
دوره خیلی جالب و بروز بود. سرفصل ها برای کارهای پژوهشی و کاربردی عالی تعریف و تدریس شده بود.
تشکر