×
ribbon

آموزش رایگان مقدمه‌ای بر یادگیری ماشین

یادگیری ماشین، واژه‌ای است که توسط آرتور ساموئل در سال ۱۹۵۹ ابداع شد. این فناوری شاخه‌ای از هوش مصنوعی و علوم رایانه است. این تکنولوژی در علوم داده دارای اهمیت بسیار زیادی است. یادگیری ماشین ... ادامه

ارائه دهنده:  دانشگاه صنعتی شریف  دانشگاه صنعتی شریف
 88% (1,009 رای)
سطح: مقدماتی
 رایگان
  
زمان مورد نیاز برای گذارندن دوره:  31 جلسه
مجموع محتوای آموزشی:  39 ساعت ویدئو
 (قابل دانلود می‌باشد)

سرفصل‌های دوره آموزش رایگان مقدمه‌ای بر یادگیری ماشین

پیش‌نیاز ریاضی یادگیری ماشین
  جلسه 1: مروری بر مفاهیم مقدماتی آمار و احتمال
"77:58  
  جلسه 2: مروری بر ریاضیات برداری و جبری
"57:32  
  اختیاری - مروری بر ریاضیات پیش‌نیاز درس (قسمت اول)
"73:07  
  اختیاری - مروری بر ریاضیات پیش‌نیاز درس (قسمت دوم)
"48:39  
  اختیاری - مروری بر ریاضیات پیش‌نیاز درس (قسمت سوم)
"77:50  
مرور روش‌های کلاسیک یادگیری ماشین
  جلسه 3: مقدمه‌ای بر یادگیری ماشین و تعریف انواع Loss Function ها
"75:24  
  جلسه 4: دسته‌بندی (Clusteering) - الگوریتم K-means و درخت تصمیم (Decision Tree)
"71:57  
  جلسه تکمیلی: Decision Tree
"82:28  
  جلسه 5: ادامه‌ی درخت تصمیم - کاهش ابعاد و Generalization Error
"64:23  
  جلسه تکمیلی: PCA
"83:02  
یادگیری، ارزیابی و تنظیم‌کردن مدل‌ها
  جلسه 6: ارزیابی مدل‌ها - Confusion Matrix - انتخاب مدل
"71:37  
  جلسه 7: ماشین بردار پشتیبان (SVM)
"79:26  
مدل‌های یادگیری ماشین برای داده‌های جدول
  جلسه 8: روش‌های Ensemble شامل Bagging و Random Forest
"62:47  
  جلسه 9: ادامه‌ی روش‌های Ensemble و Boosting شامل AdaBoost و Gradient Boosting
"77:50  
  جلسه 10: ادامه‌ی روش‌های Boosting، روش Stacking و XGBoost
"80:11  
  جلسه تکمیلی: XGBoost
"82:24  
آشنایی با شبکه عصبی ژرف
  جلسه 11: شروع شبکه‌ی عصبی، Activation Functionها، Gradient Descent، شبکه‌های عصبی تک‌لایه و چند‌لایه و Back Propagation
"77:30  
  جلسه 12: شیوه‌ی train کردن شبکه‌های عصبی، ادامه‌ی Back Propagation، انواع مختلف GD
"79:09  
  جلسه 13: Vanishing Gradients, Weight Initialization, Exploding Gradients, Batch Norm
"78:43  
  جلسه 14: روش‌های بهبود فرایند آموزش شبکه‌های عصبی
"31:41  
شبکه‌های عصبی پیچشی
  جلسه 15: Autoencoder ها
"66:17  
  جلسه تکمیلی: VAE
"67:13  
  جلسه 16: CNN ها
"87:58  
  جلسه 17: معماری‌های CNN مدرن
"53:24  
  جلسه 18: GAN
"77:58  
  جلسه تکمیلی GAN
"76:52  
مدل‌های پردازش توالی
  جلسه 19: Word Embedding
"84:56  
  جلسه 20: RNNها
"79:11  
  جلسه 21: ادامه‌ی RNNها، LSTM
"78:40  
  جلسه 22: Encoder-Decoderها، Teacher Forcing و Beam Search
"79:35  
  جلسه 23: Attention
"158:46  

درباره دوره

یادگیری ماشین، واژه‌ای است که توسط آرتور ساموئل در سال ۱۹۵۹ ابداع شد. این فناوری شاخه‌ای از هوش مصنوعی و علوم رایانه است. این تکنولوژی در علوم داده دارای اهمیت بسیار زیادی است.

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.

این دوره مناسب چه کسانی است؟

دوره مقدمه‌ای بر یادگیری ماشین مناسب دانشجویان رشته مهندسی کامپیوتر و هوش مصنوعی و همه علاقه‌مندان به این دانش است و  دانشجویان با فراگیری آن می‌توانند مطالب را بیاموزند

این دوره در کدام دانشگاه ضبط شده است؟

این دوره در دانشکده مهندسی کامپیوتر و در ترم پاییز 1401 با تدریس دکتر شریفی زارچی و مهندس بهروز آذر خلیلی برگزار شده است

همچنین آدرس github درس عبارت است از:

https://github.com/asharifiz/Introduction_to_Machine_Learning

***این دوره درحال تکمیل است***

درباره استاد

maktabkhooneh-teacher بهروز آذرخلیلی

جناب آذر خلیلی از اساتید دانشکده کامپیوتر دانشگاه صنعتی شریف است. علاقه‌مندی ایشان در زمینه‌ی ماشین لرنینگ و دیپ لرنینگ است. ایشان همزمان با دکتر مفرد و عسگری در دانشگاه برکلی مشغول به همکاری می‌باشند

مشاهده پروفایل و دوره‌‌های استاد
maktabkhooneh-teacher علی شریفی زارچی

علی شریفی زارچی دانش‌آموخته کارشناسی و کارشناسی ارشد مهندسی کامپیوتر از دانشگاه صنعتی شریف و دکتری بیوانفورماتیک از دانشگاه تهران است.

وی دوره‌های پژوهشی و پسادکتری را در Max Planck Institute آلمان و Colorado State University آمریکا پشت سر گذاشته‌است.

او از سال ۱۳۹۰ تاکنون به عنوان پژوهشگر بیوانفورماتیک در پژوهشگاه رویان‌ و هم‌چنین از سال ۱۳۹۵ به عنوان عضو هیأت علمی دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف مشغول به کار است.

زمینه‌های تحقیقاتی مورد علاقه ایشان به کارگیری الگوریتم و هوش مصنوعی در بیوانفورماتیک و تحلیل داده‌های زیست‌پزشکی است.

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران  ( نظر)

صفحه 1 از
1402-06-15
دانشجوی دوره
واقعا کلاس فوق العاده ای هست. پیشنهاد می کنم از دست ندید. کاش ما هم تو دانشگاهمون همچنین اساتید با سوادی داشتیم که واقعا با دل و جون یاد بدن :)
1402-03-19
دانشجوی دوره
بنظرم کمی نظرات دوستان دارای بایاس هست، هر دو استاد بنظرم خوب درس دادند، قطعا دکتر شریفی در تدریس تجربه‌ي بیشتری دارند اما آقای آذرخلیلی هم بنظرم خوب درس دادند و من که لذت بردم مخصوصا از پارت آخر دوره و اینکه آقای آذرخلیلی قسمت دیپ رو از رو مقاله توضیح میدن بنظرم خیلی خوب هست مخصوصا برای دانشجویان تحصیلات تکمیلی، همگی خسته نباشید.
1402-01-03
دانشجوی دوره
سلام این دوره خیلی بد بود. دکتر زارچی خوب توضیح میدن ولی فرد دوم بنده خدا پر از استرس بود و فن بیانشون خیلی بده و اصلا مطالب رو خوب بیان نمی‌کنن. همچنین میشه گفت خیلی جاها از وسط شروع می‌کنن به توضیح دادن و اثبات مطالب.
سیوان بیگی 1401-11-25
دانشجوی دوره
خیلی ممنون بابت این دوره فوق العاده، لطفا اگر اون دوره یادگیری خود نظارتی که در آخرین جلسه مهندس خلیلی بهش اشاره می‌کنند تشکیل شد آن را نیز خواهشا ضبط کنید. بازم تشکر میکنم از تیم مکتب خونه بابت زحماتی که میکشید.
1401-10-19
دانشجوی دوره
با تشکر از تیم آموزش ولی آموزش اصلا مناسب نیست. استاد با استفاده از لغات مختلف انگلیسی که در اون مبحث خیلی هم مرتبط نیست داره بدتر فراگیر را گیج میکنه. علاوه بر اون بسیار پرشتاب و با استرس از روی مسائل گذر شده فقط. علاقه مندان برای یادگیری مبتدی باید از منبع دیگری استفاده کنند. برای مثال آموزش آقای Andrew Ng واقعا خوب و قابل فهم هست
حورا میردامادی 1401-10-12
دانشجوی دوره
من دکتر داروسازم هست ، خیلی دوست دارم و لذت میبرم ولی متاسفانه نمیفهمم:)
1401-10-06
دانشجوی دوره
استاد علی شریفی زارچی بینظیر هستند. با آرزوی سلامتی برای ایشان و تیم شان
امیر جلوگیر 1401-09-23
دانشجوی دوره
عالی عالی عالی
1401-09-23
دانشجوی دوره
دوستان کسی میتونه بهم بگه چطوری فایل اسلاید و جزوه کلاس رو از github بگیرم؟
مکتب‌خونه
همراه عزیز؛ آدرس github درس عبارت است از: https://github.com/asharifiz/Introduction_to_Machine_Learning
1401-09-14
دانشجوی دوره
سپاس فراوان از هر دو استاد گرانقدر و‌تیم تهیه محتوا ،واقعا عالی و کاربردی مفاهیم کلیدی این حوزه را ارایه میدهند.پایدار باشید.
1401-09-10
دانشجوی دوره
واقعا مدیون و ممنون از شما هستم. سپاس از همه اساتید و عوامل مکتب خونه
مصطفی صادقی 1401-09-09
دانشجوی دوره
بسیار عالی سپاس فراوان از دکتر علی شریف زارچی شریف و تمام گروهی که برای ساخت این دوره تلاش نمودند.
محمدرضا کریمی‌نژاد 1401-09-09
دانشجوی دوره
دو تا استاد خفن :) قطعا بهتر از این دوره نمیشه پیدا کرد.
محمدرضا قیاسی 1401-09-03
دانشجوی دوره
سلام خدا قوت برا مجموعه مکتب خونه و اساتید گرامی آرزوی سلامتی و موفقیت دارم ممنونم که این دوره‌ها را رایگان قرار دادید
1401-09-01
دانشجوی دوره
چرا آقای آذرخلیلی اینهمه واژه انگلیسی در گفتارش استفاده میکنه!! در حالی که معادل های فارسی بسیار زیبایی برای آن واژه ها در زبان فارسی وجود داره؟ گویی ایشون انگلیسی سخن میگوید با واژه های فارسی!!!! آقای دکتر شریفی زارچی درس CNN را بسیار شتاب زده انجام دادند! گویی تنها اسلایدها را روخوانی میکردند! امیدوارم ترانسفورمرها را با حوصله و دفت بیشتری تدریس کنند.
1
2

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.

سوالات پرتکرار

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.

سوالات پرتکرار

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.
poster
  
برگزار کننده:  دانشگاه صنعتی شریف
  
زمان مورد نیاز برای گذارندن دوره:  31 جلسه
مجموع محتوای آموزشی:  39 ساعت ویدئو
 (قابل دانلود می‌باشد)