00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
ثبت‌نام رایگان
  • دسترسی به کل جلسات ویدیویی از دوره
  • دسترسی به کل جلسات ویدیویی از دوره
  • اضافه شدن دوره به پروفایل
00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD

آموزش رایگان بهینه‌سازی

دوره‌های رایگان
23 جلسه
97٪ (144 رای)

شرح «دوره آموزش 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 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.

 

** دوره درحال تکمیل می‌باشد

سرفصل‌های دوره آموزش رایگان بهینه‌سازی

بهینه‌سازی
28:18 ساعت
28:18
Combined Shape Created with Sketch. 23 جلسه
جلسه یکم: مقدمه، معرفی بهینه‌سازی، انواع مسائل بهینه‌سازی، کاربردها
"73:34
جلسه دوم: انواع مسائل بهینه‌سازی، کاربردها
"65:30
جلسه سوم: انواع مسائل بهینه‌سازی، کاربردها، مقدمات ریاضی
"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
استاد دوره
مریم امیرمزلقانی مریم امیرمزلقانی

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. 

درباره برگزارکننده
دانشگاه صنعتی امیرکبیر دانشگاه صنعتی امیرکبیر (اطلاعات بیشتر)

پیش‌نیاز‌های دوره آموزش رایگان بهینه‌سازی

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

آموزش رایگان جبر خطی
اطلاعات بیشتر

نظرات  (6 نظر)

کاربر مکتب‌خونه
05:49 - 1400/08/23
کاربر‌ سایت
سلام ممنونم از استاد دوره
کاربر مکتب‌خونه
01:45 - 1400/08/18
کاربر‌ سایت
سلام و خسته نباشید به همه اهالی مکتب خونه. لطفاً این دوره را کامل قرار بدین ، حیف نیست از همچین استاد محترم و با سوادی که دوره ناقص بمونه؟! منتظر بقیه جلسات هستیم... ممنون از مکتب خونه و استاد مزلقانی❤️
پشتیبانی مکتب‌خونه
همراه عزیز؛ این دوره در حال ضبط می باشد و هر زمان که ویدئوها در اختیار ما قرار گیرد بارگذاری خواهیم کرد.
محدثه
23:56 - 1400/08/06
کاربر‌ سایت
من این درس را با ایشون حضوری داشتم. پیشنهادم اینه حتما جرخطی رو قبلش آشنایی داشته باشین و خود ایشون در بعضی فصل ها پیشنهاد میکنه فرایندهای تصادفی هم خوبه که بدونید البته من فیلم ها رو ندیدم. اگه پایه مناسبی باشه حتما از کلاس لذت میبرید چون به شدت استاد باهوش و محترمی هستند.
کاربر مکتب‌خونه
19:33 - 1400/07/10
کاربر‌ سایت
با سلام و احترام و ضمن تشکر از مجموعه خوب مکتبخونه اول از همه: 1- مجموعه ویدیوها کامل نیست و قسمت دوم درس وجود ندارد. که امیدوارم در ادامه کامل باشد. در خصوص خود درس: استاد بسیار مسلط هستند. این دوره را قویا پیشنهاد میکنم. موارد و مفاهیم مشکل را بخوبی منتقل میکنند. استاد درس: بسیار با اخلاق، رفتار با دانشجویان بسیار محترمانه واقعا لذت بردم. امیدوارم این دوره تکمیل شود و از این استاد گرامی دوره های تکمیل دیگر هم ارایه شود.
پشتیبانی مکتب‌خونه
همراه عزیز؛ از اینکه نظر خود را با ما در میان گذاشتید صمیمانه سپاسگزاریم دوره تکمیل خواهد شد.
عبدالله
10:47 - 1400/07/10
کاربر‌ سایت
فکر می کنم اولین بار که از این استاد،فایل ویدیویی در مکتب خونه میزارید.چند تا مطلب به دهنم رسید.اول اینکه استاد هم بسیار مسلط به موضوع هستند و هم نشان میده که قبل از شروع کلاس،محتوای غنی و تمرینهای لازم را تدارک دیده و این کار استاد واقعا ستودنی هست.دوم اینکه در این ویدیوها برخورد استاد با دانشجویان می بینیم و به نظرم نمونه کاملی از یک استاد هم باسواد و هم با اخلاق هستند.البته در مکتب خونه با چند ده نفر از استادهای بسیار باسواد و خوش اخلاق آشنا شدم ولی می خواستم از همین جا به خانم دکتر مزلقانی هم خدا قوت بگم و هم از بابت اینکه اجازه دادند ویدیوهاشون منتشر بشه،تشکر کنم.
سارا
07:13 - 1400/05/24
کاربر‌ سایت
این دوره بسیار عالی هست امکانش هست از این استاد دروس دیگری رو که در دانشگاه امیرکبیر تدریس کرده اند مثل Applied Linear Algebra و Data Mining رو هم در سایت قرار بدین

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.

×

ثبت نظر

به این دوره از ۱ تا ۵ چه امتیازی می‌دهید؟

بهینه‌سازی
28:18 ساعت
28:18
Combined Shape Created with Sketch. 23 جلسه
جلسه یکم: مقدمه، معرفی بهینه‌سازی، انواع مسائل بهینه‌سازی، کاربردها
"73:34
جلسه دوم: انواع مسائل بهینه‌سازی، کاربردها
"65:30
جلسه سوم: انواع مسائل بهینه‌سازی، کاربردها، مقدمات ریاضی
"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