یادگیری ماشین و شناسایی الگو استاد بسطامی (آموزش)

دوره یادگیری ماشین و شناسایی الگو استاد بسطامی

دوره یادگیری ماشین و شناسایی الگو که توسط استاد بسطامی به صورت کامل و جامع برای استفاده علاقمندان و داوطلبین آزمون دکتری هوش مصنوعی تهیه و آماده شده است.اگر متقاضی کنکور 1403 هستید این دوره کامل و به‌روز شده برای شماست.

در این آموزش سعی داریم تا تمامی مطالب درس یادگیری ماشین مورد نیاز برای کنکور را به‌طور کامل به شما آموزش بدهیم.

سرفصل‌های دوره:

• سرفصل‌های تدریس استاد بسطامی
• مقدمه – مروری بر جبر خطی و آمار و احتمالات
• خواص آماری متغیرهای تصادفی – بردارهای تصادفی
• توزیع آماری
• توزیع شرطی
• بردارها و ماتریس‌ها
• تبدیل خطی
• LRT
• محاسبه احتمال خطا
• LRT Variations – کلاسیفایرهای درجه دوم
• تخمین پارامتر
• Bias and Variance
• Bayesian Estimation
• Probability of error – Multivariate density estimation – non parametric DE – General formulation – Parzen windows
• Smooth kernels – Product kernels – Multivariate density estimation
• KNN density estimation
• Perceptron – Linearly separable inputs
• The Perceptron Algorithm
• Practical Limitations – The Perceptron Algorithm
• Support Vector Machines
• قضیه Kuhn tucker
• مسئله Lagrangian Dual
• Feature Transformation – Kernel Functions
• Three Layer perceptron – Multilayer perceptron
• backpropagation
• combination – three way data splits – boot strap – ensemble of classifier
• linear discriminant analysis – fishers solution – LDA vs PCD – feature selection
• approaches to unsupervised learning – the K-means algorithm – models
• decision tree
• رگرسیون خطی
• loss functions – gradient descert
• optimal policy – VC dimension – linear models – کران پایین در پیچیدگی نمونه
• سرفصل‌های تدریس استاد آقایی
• مفهوم و انواع یادگیری ماشین، داده‌ها، فضای فرضیه، یادگیری با نظارت، رگرسیون و کلاس بندی
• ML و Map
• linear regression
• Generalization
• PCA
• Generative Classifiers، کلاس بندی، تئوری بیز، حل تست
• Discriminative، Logistic Regression، حل تست
• SVM و حل تست
• تعمیم پذیری و حل تست
• Clustering
• الگوریتم EM و DBSCAN و حل تست
• درخت تصمیم، حل تست
• واریانس و توواریانس، دسته بندی، الگوریتم weighted nearest neighbor
• learning theory
• ensemble learning و حل تست
• feature selection و حل تست
• RL
• سیاست بهینه، حل تست، baysian network

تمامی محتوای دوره همراه با حل سوالات زیادی ارائه شده است تا هر چه بیشتر به یادگیری شما کمک کند.

شما می‌توانید یکی از ویدئوهای این دوره را به‌صورت رایگان مشاهده کنید:

• مدرس دوره: استاد بسطامی
• ساعت دوره: 84 ساعت

برای پیشرفت هرچه بهتر دوره آموزش و تست را باهم تهیه کنید، برای مشاهده دوره نکته و تست یادگیری ماشین استاد بسطامی کلیک کنید.

این دروس مناسب متقاضیان کنکور دکتری هوش مصنوعی می‌باشد و طبق آخرین آپدیت‌ها ضبط و آماده‌سازی شده است.

همچنین شما می‌توانید برای دریافت مشاوره رایگان کنکور با شماره‌های 88922915-021| 88809039-021 تماس بگیرید و یا به تلگرام مجموعه به شماره: 09384361587 پیام بدهید.

ما اینجاییم که تا انتهای مسیر همراه شما باشیم، در کنار هم تجربه کنیم، بیاموزیم و رتبه برتر شویم.