آموزش رایگان بهینه‌سازی

یکی از پرکاربردترین دروس در علوم مهندسی، از مهندسی کامپیوتر گرفته تا مهندسی عمران و مهندسی برق و مهندسی صنایع «درس بهینه‌سازی» است. علاوه بر کاربرد بسیار زیاد بهینه‌سازی باید گستردگی مطالب و سرفصل­‌های این ... بیشتر

محبوب کاربران
4.8 (50 امتیاز)
5,999 دانشجو
مقدماتی
دانشگاه صنعتی امیرکبیر

مریم امیرمزلقانی

محتوای دوره
پیش‌نیاز‌ها
درباره دوره
نظرات کاربران
درباره استاد

محتوای دوره

1 فصل 28 جلسه 35 ساعت ویدیو
بهینه‌سازی
  جلسه یکم: مقدمه، معرفی بهینه‌سازی، انواع مسائل بهینه‌سازی، کاربردها
مشاهده
"73:34
  جلسه دوم: انواع مسائل بهینه‌سازی، کاربردها
مشاهده
"65:30
  جلسه سوم: انواع مسائل بهینه‌سازی، کاربردها، مقدمات ریاضی
مشاهده
"73:52
  جلسه چهارم: مقدمات ریاضیاتی - بخش اول
"79:28
  جلسه پنجم: مقدمات ریاضیاتی - بخش دوم
"70:08
  جلسه ششم: مقدمات ریاضی، مجموعه‌های محدب
"72:42
  جلسه هفتم: مجموعه‌ها و توابع محدب
"72:43
  جلسه هشتم: توابع محدب
"78:28
  جلسه نهم: توابع محدب، مسایل بهینه‌سازی محدب
"73:59
  جلسه دهم: مسایل بهینه‌سازی محدب - بخش اول
"80:25
  جلسه یازدهم: مسایل بهینه‌سازی محدب - بخش دوم
"72:59
  جلسه دوازده: مسایل بهینه‌سازی محدب، مسایل بهینه‌سازی چندهدفه
"75:10
  جلسه سیزدهم: مسایل بهینه‌سازی چندهدفه‌، مسایل بهینه‌سازی بدون قید
"68:16
  جلسه چهاردم: مسایل بهینه‌سازی بدون قید Gradient Descent, Newton, Quasi Newton
"81:17
  جلسه پانزدهم: مسایل بهینه‌سازی بدون قید Line search
"77:36
  جلسه شانزدهم: مسایل بهینه‌سازی بدون قید Trust region
"77:41
  جلسه هفدهم: مسایل بهینه سازی بدون قید Trust region - بخش دوم
"75:02
  جلسه هجدهم: conjugate gradient
"74:24
  جلسه نوزدهم: کاربرد Approximation (Norm Approximation، Least Norm)
"70:08
  جلسه بیستم: ادامه کاربرد تقریب (Smoothing, input design,..)
"71:33
  جلسه بیست و یکم: کاربرد Robust approximation ، تخمین maximum likelihood
"66:24
  جلسه بیست و دوم: کاربرد logistic regression، تخمین MAP، تخمین توزیع غیرپارامتری
"79:57
  جلسه بیست و سوم: دوگانی تابع و مسئله دوگان، شروط KKT
"66:59
  جلسه بیست و چهارم: ادامه دوگانی، SVM
"76:54
  جلسه بیست و پنجم: مسائل بهینه‌سازی با قید تساوی
"75:27
  جلسه بیست و ششم: مسایل بهینه‌سازی با قید تساوی، روش interior point
"69:52
  جلسه بیست و هفتم: روش interior point
"82:57
  جلسه بیست و هشتم: primal dual interior point method، روش های بهینه سازی در یادگیری عمیق
"68:20

پیش‌نیاز‌ها

در این دوره سعی شده است مطالب با زبان ساده و روان به دانشجویان ارائه شود. اما آشنایی با مباحث جبر خطی و کار با توابع چندمتغیره موجب یادگیری سریع­تر و عمیق­تر دانشجویان می‌شود. اگرچه در جلساتی از این دوره پیش‌نیازهای ضروری شرح داده می­‌شود.

 

منابع استفاده شده در این دوره شامل دو کتاب اصلی زیر می‌­شود:

1. Boyed, L. Vandenberg, Convex optimization, Cambridge

2. J. Nocedal, S. J. Wright, Numerical Optimization, Springer

درباره دوره

یکی از پرکاربردترین دروس در علوم مهندسی، از مهندسی کامپیوتر گرفته تا مهندسی عمران و مهندسی برق و مهندسی صنایع «درس بهینه‌سازی» است. علاوه بر کاربرد بسیار زیاد بهینه‌سازی باید گستردگی مطالب و سرفصل­‌های این درس را نیز در نظر داشته باشیم. این گستردگی مفاهیم و کاربردها، نیاز به آموزش صحیح و اصولی این درس را مهم­‌تر از همیشه کرده است.

 

دوره آموزش بهینه‌سازی چیست؟ هدف از ارائه این دوره چیست؟

کاربرد بسیار زیاد بهینه‌سازی در علوم مهندسی و عدم آموزش اصولی و منسجم دانشجویان در این درس منجر به آن می‌شود که دانشجویان نتوانند به‌درستی از روش­‌های بهینه‌سازی استفاده نمایند. هدف در این دوره آموزشی «بررسی منسجم الگوریتم‌­های بهینه‌سازی» و آشنایی مخاطبان با روش­‌های مختلف بهینه‌سازی و شرایط به‌کارگیری این روش‌ها است. آموزش کاربردی بهینه‌سازی در این دوره موردتوجه زیادی قرار گرفته است.

 

تمایز این دوره با سایر دوره­ های آموزشی چیست؟

در این دوره آموزشی علاوه بر تعاریف اولیه و مقدماتی، مسائل مرتبط با بهینه‌سازی در یادگیری ماشین (machine learning) با عمق مناسب پوشش داده شده است. مطالب آموزش‌داده‌شده در این دوره به سه بخش تئوری، الگوریتم­ها و کاربردها تقسیم‌بندی می­‌شود. بخش تئوری شامل پیش­نیازهای ریاضیاتی، مجموعه­‌های محدب، توابع محدب، مسائل بهینه‌سازی محدب و تئوری دوگانی است. در ادامه این دوره الگوریتم‌­ها در بخش­‌های الگوریتم­‌های بهینه‌سازی بدون قید، الگوریتم­های بهینه‌سازی با قید تساوی، روش­‌های نقطه درونی و الگوریتم­‌های مطرح در یادگیری عمیق آموزش داده می­‌شود. در بخش کاربردها نیز به کاربردهای بهینه‌سازی در مسائل تقریب، دسته‌بندی و تخمین آماری پرداخته شده است.

تلاش ما در این دوره آموزشی آن است که باتوجه‌به گستردگی سرفصل­‌ها و مطالب موجود همه موضوعات با عمق مناسب پوشش داده شود و در انتها تناسب کامل بین گستردگی مطالب و عمق آموزش برقرار شود.

 

در این دوره چه مباحثی را خواهیم آموخت؟

باتوجه‌به مطالب ارائه شده در این دوره و گستردگی این مطالب می­‌توان انتظار داشت دانشجویان بهره‌برداری بسیار زیادی از این دوره داشته باشند. از جمله مسائلی در پایان این دوره می­‌توانید به آموخته­‌های خود اضافه کنید می­‌توان به موارد زیر اشاره کرد:

  • آشنایی با الگوریتم­‌های مختلف بهینه‌سازی
  • تحلیل مسائل بهینه‌سازی
  • فهم رویکردهای مبتنی بر بهینه‌سازی در یادگیری ماشین
  • نحوه فرموله کردن مناسب مسائل بهینه‌سازی 
  • کار با توابع چندمتغیره و تعیین ویژگی­‌های آن­‌ها

 

این دوره مناسب چه کسانی است؟

این دوره آموزشی با رویکرد آموزش به دانشجویان مهندسی کامپیوتر به‌ویژه دانشجویان گرایش هوش مصنوعی در تحصیلات تکمیلی طراحی شده است. اما باتوجه‌به گستردگی موضوعات و مطالب ارائه شده و از سوی دیگر نیاز به درس بهینه‌سازی در سایر شاخه‌­های مهندسی استفاده از این دوره آموزشی برای دانشجویان سایر رشته­‌ها از مهندسی برق و عمران و مهندسی پزشکی گرفته تا مهندسی صنایع مفید و کاربردی خواهد بود.

 

 

اطلاعات بیشتر

امتیاز و نظرات کاربران

4.8

از مجموع 50 امتیاز

27 نظر

1 ماه پیش

خیلی عاالی

دانشجوی دوره

1 ماه پیش

دوره بسیارعالی و ارزنده ای بود. با تشکر از استاد محترم و تیم خوب مکتب خانه.

حمید محمدیان

2 ماه پیش

خیلی کاربردی و مناسب

رضا اسماعيلي

1 سال پیش

دیتای دوره از جمله پاور پوینتها و کتابها و کدها در سایت قرار بدین

طاها نجمی

1 سال پیش

عالی تشکر

دانشجوی دوره

1 سال پیش

استاد مسلط و خوب توضیح میدهند

محمدامین غریبی

نظرات بیشتر

دوره‌های پیشنهادی

درباره استاد

مریم امیرمزلقانی
1 دوره
6,003 دانشجو

دکتر مریم امیرمزلقانی از سال 1390 به عنوان هیات علمی دانشکده مهندسی کامپیوتر دانشگاه صنعتی امیرکبیر مشغول به کار هستند. ایشان در حال حاضر دانشیار گروه هوش مصنوعی دانشکده مهندسی کامپیوتر بوده و علایق تحقیقاتی ایشان شامل یادگیری ماشین، پردازش تصویر، مدلسازی آماری و بهینه سازی در مسایل یادگیری ماشین است.  
وی مدرک دکترای مهندسی برق-مخابرات را از دانشگاه صنعتی امیرکبیر در سال 1388، مدرک کارشناسی ارشد مهندسی برق مخابرات را از دانشگاه صنعتی شریف در سال 1384 و مدرک کارشناسی مهندسی برق را  از دانشگاه علم و صنعت در سال 1382 کسب کرده است. 

اطلاعات بیشتر

سوالات پرتکرار

آیا ممکن است که درسی ناقص ضبط شده باشد؟

ما همواره تلاش کرده­‌ایم که دروس را به طور کامل ضبط نماییم و در اختیار شما دوستان قرار دهیم. اما گاهی برخی ناهماهنگی ها سبب می شود که یک یا تعدادی از جلسات یک درس ضبط نشود. توضیح این گونه نواقص در توضیح درس­ ها آمده است.

اگر لینک دانلود یا پخش ویدئو مشکل داشت چه باید کرد؟

در صورتی که با هر گونه مشکلی رو به رو شدید می توانید از طریق صفحه ارتباط با ما به ما اطلاع دهید تا ما سریعا مشکل را پیگیری و برطرف نماییم.

آیا امکان دریافت فیلم های یک درس به صورت سی دی یا دی وی دی وجود دارد؟

در حال حاضر امکان ارسال دروس به صورت سی دی یا دی وی دی وجود ندارد.

صفحات پربازدید
تمام حقوق این وب‌سایت برای شرکت ندای دانش همراه ایرانیان (مکتب‌خونه‌‌‌‌) است.