در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.
دسته بندی
دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

آموزش آمار و ریاضیات مربوط به Data Science و Machine Learning

14,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

ویدئو معرفی این محصول

با مشاهده این کورس آموزشی همه مباحث مرتبط با ریاضیات و آمار در یادگیری ماشینی و همچنین دیتا ساینس را یاد می گیرید.

عنوان اصلی : Data Science and Machine Learning Mathematics and Statistics

سرفصل ها :


معرفی:
معرفی
معرفی دوره:
معرفی
یادگیری ماشینی چیست؟
نمونه هایی از کاربردهای یادگیری ماشین
انجمن یادگیری
طبقه بندی
پسرفت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری تحت نظارت:
یادگیری تحت نظارت
یادگیری کلاس از روی مثال ها
ابعاد Vapnik-Chervonenkis (VC).
احتمالاً یادگیری تقریباً صحیح (PAC).
سر و صدا
آموزش چندین کلاس
پسرفت
انتخاب مدل و تعمیم
ابعاد الگوریتم یادگیری ماشین نظارت شده
نظریه تصمیم بیزی:
نظریه تصمیم بیزی
معرفی
طبقه بندی
زیان ها و خطرات
توابع تمایز
تئوری سودمندی
قوانین انجمن
روش های پارامتریک:
روش های پارامتریک
معرفی
برآورد حداکثر احتمال
چگالی برنولی
چگالی چند جمله ای
چگالی گاوسی (عادی).
ارزیابی یک برآوردگر
برآوردگر بیز
طبقه بندی پارامتریک
پسرفت
پیچیدگی مدل تنظیم
مراحل انتخاب مدل
روش های چند متغیره:
روش های چند متغیره
داده های چند متغیره
تخمین پارامتر
برآورد مقادیر از دست رفته
توزیع نرمال چند متغیره
طبقه بندی چند متغیره
پیچیدگی تنظیم
ویژگی های گسسته
رگرسیون چند متغیره
کاهش ابعاد:
کاهش ابعاد
معرفی
انتخاب زیر مجموعه
تجزیه و تحلیل اجزای اصلی
تحلیل عاملی
مقیاس بندی چند بعدی
تحلیل تشخیصی خطی
جاسازی خطی محلی
خوشه بندی:
خوشه بندی
معرفی
تراکم مخلوط
k-به معنی خوشه بندی
الگوریتم انتظار-بیشینه سازی
مخلوطی از مدل های متغیر پنهان
یادگیری تحت نظارت پس از خوشه بندی
خوشه بندی سلسله مراتبی
انتخاب تعداد خوشه ها
روشهای ناپارامتریک:
روشهای ناپارامتریک
معرفی
تخمین چگالی ناپارامتری
تخمینگر هیستوگرام
تخمینگر هسته
k- برآوردگر نزدیکترین همسایه
تعمیم به داده های چند متغیره
متراکم نزدیکترین همسایه
رگرسیون ناپارامتریک
در حال اجرا به معنای صاف
صاف کننده هسته
در حال اجرا خط صاف
نحوه انتخاب پارامتر صاف کردن
درختان تصمیم:
درختان تصمیم
معرفی
درختان تک متغیره
درختان طبقه بندی
درختان رگرسیون
هرس
استخراج قانون از درختان
یادگیری قوانین از داده ها
درختان چند متغیره
تبعیض خطی:
تبعیض خطی
معرفی
تعمیم مدل خطی
هندسه تفکیک کننده خطی
دو کلاس
کلاس های چندگانه
جداسازی زوجی
تبعیض پارامتریک بازبینی شد
گرادیان نزول
تبعیض لجستیک
دو کلاس
کلاس های چندگانه
تبعیض با رگرسیون
پرسپترون های چندلایه:
پرسپترون های چندلایه
معرفی
درک مغز
شبکه های عصبی به عنوان پارادایم برای پردازش موازی
پرسپترون
آموزش پرسپترون
یادگیری توابع بولی
پرسپترون های چندلایه
MLP به عنوان یک تقریب جهانی
الگوریتم پس انتشار
رگرسیون غیر خطی
تبعیض دو طبقه
تبعیض چند طبقه
چندین لایه پنهان
رویه های آموزشی
بهبود همگرایی
بیش از حد تمرین
ساختار شبکه
نکات
تنظیم اندازه شبکه
دیدگاه بیزی از یادگیری
کاهش ابعاد
زمان یادگیری
شبکه های عصبی تاخیر زمانی
شبکه های تکراری
مدل های محلی:
مدل های محلی
معرفی
یادگیری رقابتی
آنلاین k-Means
نظریه رزونانس تطبیقی
نقشه های خودسازماندهی
توابع پایه شعاعی
ترکیب دانش مبتنی بر قانون
توابع پایه عادی شده
توابع پایه رقابتی
کوانتیزاسیون برداری یادگیری
توابع رقابتی
کارشناسان تعاونی
ماشین های هسته:
ماشین های هسته
معرفی
هایپرپلان جداکننده بهینه
مورد غیر قابل تفکیک: Soft Margin Hyperplane
v-SVM
ترفند هسته
هسته های برداری
تعریف کرنل ها
یادگیری هسته چندگانه
ماشین های هسته چند کلاسه
ماشین های هسته برای رگرسیون
مدل های پنهان مارکوف:
مدل های پنهان مارکوف
معرفی
فرآیندهای مارکوف گسسته
سه مشکل اساسی HMM ها
مدل های پنهان مارکوف
مشکل ارزیابی
یافتن توالی حالت
یادگیری پارامترهای مدل
مشاهدات مستمر
HMM با ورودی
انتخاب مدل در HMM
ترکیب چند یادگیرنده:
ترکیب چند یادگیرنده
بنیاد و پایه
ایجاد دانش آموزان متنوع
طرح های ترکیبی مدل
رای دادن
کدهای خروجی تصحیح خطا
کوله بری
تقویت
ترکیبی از کارشناسان بازبینی شد
تعمیم انباشته
تنظیم دقیق یک گروه
آبشاری
تخمین بیزی:
تخمین بیزی
معرفی
تخمین پارامتر یک توزیع
رمزگذاری دیکشنری ویژگی ها
رمزگذاری ویژگی های دسته بندی ترتیبی
متغیرهای گسسته
متغیرهای پیوسته
تخمین بیزی پارامترهای یک تابع
پسرفت
استفاده از پایه
طبقه بندی بیزی
فرآیندهای گاوسی
یادگیری تقویتی:
یادگیری تقویتی
معرفی
پرونده تک ایالت: K - راهزن مسلح
عناصر یادگیری تقویتی
یادگیری مبتنی بر مدل
یادگیری تفاوت زمانی
تکرار ارزش
استراتژی های اکتشاف
تکرار خط مشی
پاداش ها و اقدامات قطعی
پاداش ها و اقدامات غیر قطعی
آثار واجد شرایط بودن
تعمیم
کشورهای تا حدی قابل مشاهده
تنظیمات
مثال
طراحی و تحلیل ماشین:
طراحی و تجزیه و تحلیل ماشین
معرفی
عوامل، پاسخ، و استراتژی آزمایش
طراحی سطح پاسخ
تصادفی سازی، تکرار، و مسدود کردن
دستورالعمل‌هایی برای آزمایش‌های یادگیری ماشین
روش‌های نمونه‌گیری مجدد و اعتبارسنجی متقابل
K-Fold Cross-Validation
5×2 اعتبار متقابل
اندازه گیری عملکرد طبقه بندی کننده
تخمین بازه زمانی
تست فرضیه
تست دو جمله ای
آزمون t
مقایسه دو الگوریتم طبقه بندی
K-Fold Cross-Validated Paired t Test
مقایسه چند الگوریتم
مقایسه بر روی مجموعه داده های متعدد
مقایسه دو الگوریتم
الگوریتم های متعدد
بوت استرپینگ
تست F جفتی 5x2 cv
5x2 cv تست t زوجی

نمایش سرفصل های انگلیسی

Data Science and Machine Learning Mathematics and Statistics