×
ribbon

آموزش یادگیری ماشین (Andrew NG)

مدرس:

Andrew Ng

یادگیری ماشین علمی است که کامپیوترها را به گونه ای طراحی می کند که آن ها بتوانند بدون... بیشتر
پرطرفدار
زیرنویس
4 (45)
12 دیدگاه
9,375دانشجو
20ساعت
سرفصل‌ها
مقدماتی سطح دوره

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

این دوره شامل:

20 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

زیرنویس اختصاصی مکتب‌خونه

سرفصل‌های دوره

17 فصل113 جلسه20 ساعت ویدیو
فصل اول: مقدمه
  خوش آمدید به یادگیری ماشین
01:28
  مقدمه
07:04
  یادگیری ماشین چیست
07:23
  یادگیری نظارت شده
12:39
  یادگیری نظارت نشده
14:23
فصل دوم: رگرسیون خطی تک متغیره
  ایجاد مدل
08:20
  تابع هزینه
08:22
  تابع هزینه - بخش دوم
11:19
  تابع هزینه - بخش سوم
08:58
  گرادیان نزولی
11:40
  گرادیان نزولی - بخش دوم
12:01
  گرادیان نزولی در رگرسیون خطی
10:30
فصل سوم: مروری بر جبر خطی
  ماتریس‌ها و بردارها
08:55
  جمع و ضرب برداری
07:04
  ضرب ماتریس‌ها
13:49
  ضرب ماتریس در ماتریس
11:19
  خصوصیات ضرب ناتری‌ها
09:12
  معکوس و ترانسپوز ماتریس‌ها
11:23
فصل چهارم: رگرسیون خطی چند متغیره
  فیچرهای چندگانه
08:32
  گرادیان نزولی برای حات چند متغیره
05:14
  گرادیان نزولی در عمل - بخش اول
09:02
  گرادیان نزولی - بخش دوم
09:08
  فیچرها و رگرسیون مرحله‌ای(polynomial regression)
07:49
  معادله‌های نرمال
16:28
  معادلات نرمال غیرخطی
06:08
فصل پنجم: آموزش اکتاو (Octave/Matlab)
  عملیات پایه‌
14:09
  جابجایی داده
16:17
  محاسبات روی داده‌ها
13:25
  ترسیم داده‌ها
09:48
  کنترل حالت‌ها(if, while, for)
13:06
  بردارسازی
13:58
  کار و ارسال مسائل برنامه نویسی
03:43
فصل ششم: Logistic Regression
  طبقه‌بندی(classification)
08:18
  ارائه فرضیه‌ها
07:34
  محدوده‌ی تصمیم‌گیری
14:59
  تابع هزینه
10:33
  ساده‌سازی تابع هزینه و گرادیان نزولی
10:24
  بهینه‌سازی پیشرفته
14:16
  طبقه‌بندی چندکلاسه
06:25
فصل هفتم: Regularization
  مشکل overfitting
09:52
  تابع هزینه
10:20
  رگرسیون خطی با قائده
10:50
  Regularized Logistic Regression
08:43
فصل هشتم: شبکه عصبی (Neural Network)
  فرضیات غیر خطی
09:46
  نرون‌ها و مغز
07:57
  ارائه مدل - بخش اول
12:11
  ارائه مدل - بخش دوم
11:56
  مثال‌ها - بخش اول
07:25
  مثال‌ها - بخش دوم
10:30
  طبقه‌بندی چندکلاسه
04:01
  تابع هزینه
06:53
  الگوریتم Backpropagation
12:09
  مفهوم Backpropagation
12:54
  نکات پیاده سازی پارامترها
07:57
  بررسی گرادیان
11:47
  مقدار اولیه‌ی تصادفی
07:01
  قراردادن در کنار هم
13:33
  رانندگی خودمختار
06:40
فصل نهم: نکاتی برای یادگیری ماشین کاربردی
  تصمیم‌گیری برای تلاش بعدی
06:00
  اعتبارسنجی فرضیات
07:45
  انتخاب مدل، اعتبارسنجی آموزش و داده‌های تست
12:13
  تعریف بایاس و واریانس
07:52
  تنظیم بایاس و واریانس
11:30
  منحنی یادگیری
12:03
  تصمیم‌گیری در مورد کاری که باید مجددا انجام دهید
07:00
فصل دهم: طراحی سیستم یادگیری ماشین
  اولویت‌بندی کارها
09:39
  آنالیز خطا
13:21
  ماتریس خطا در کلاس‌های Skewed
11:45
  بهینه‌یابی بین دقت و یادآوری
14:15
  داده در یادگیری ماشین
11:19

توضیحات دوره

یادگیری ماشین علمی است که کامپیوترها را به‌گونه‌ای طراحی می‌کند که آن‌ها بتوانند بدون برنامه‌ریزی صریح و با استفاده از داده‌ها و تجربیات خود، کاری انجام دهند. در دهه گذشته با کمک یادگیری ماشین به تکنولوژی‌هایی مانند اتومبیل‌های خودران، تشخیص یا پردازش گفتار، جستجوی مؤثر در وب و درک بسیاری از ژنوم‌هایی انسانی دست‌یافته‌ایم.

امروزه یادگیری ماشین به حدی فراگیر شده‌است که به‌احتمال زیاد، شما ده‌ها بار بدون این‌که بدانید ماشین لرنینگ چیست از آن استفاده می‌کنید. بسیاری از محققان و دانشمندان معتقدند که آموزش ماشین لرنینگ و استفاده از آن بهترین راه برای پیشرفت‌های انسانی در حوزه هوش مصنوعی است.

در دوره آموزش ماشین لرنینگ شما با مؤثرترین تکنیک‌های یادگیری ماشین آشنا می‌شوید، برای اجرا و پیاده‌سازی آن‌ها تمرین کنید و حتی آن‌ها را برای خودتان به کار بگیرید. نکته مهم در این دوره این است که شما نه‌تنها مبانی تئوری یادگیری ماشین را یاد خواهید گرفت، بلکه دانش عملی لازم برای بهره‌برداری از این تکنیک‌ها به‌منظور رفع مسائل واقعی و نوظهور را هم کسب خواهید کرد. همچنین در این دوره با بعضی از بهترین روش‌های سیلیکون ولی در نوآوری آشنا خواهید شد. این نوآوری‌ها ازآن‌جهت مهم هستند که به یادگیری ماشین و هوش مصنوعی مرتبط می‌شوند.

اگر به مباحث یادگیری ماشین علاقه‌مند هستید، دوره آموزش رایگان یادگیری ماشین Andrew NG را از دست ندهید.

بعد از فراگیری دوره آموزش رایگان یادگیری ماشین Andrew NG چه مهارت‌هایی کسب خواهید کرد؟

  • رگرسیون لجستیک
  • شبکه‌های عصبی مصنوعی
  • درک الگوریتم‌های یادگیری ماشین (ML)
  • آشنایی با یادگیری ماشین

پیش‌نیازهای لازم برای فراگیری دوره آموزش رایگان یادگیری ماشین Andrew NG چیست؟

برای اینکه بتوانید از دوره آموزش ماشین لرنینگ بهره کافی را ببرید، بهتر است به حداقل یکی از زبان‌های برنامه‌نویسی مسلط باشید یادگیری ماشین با پایتون نسبت به سایر زبان‌ها رواج بیشتری دارد. از همین رو توصیه می‌کنیم که برای شرکت در این دوره با مباحث زیر آشنایی داشته باشید:

  • تسلط بر یکی از زبان‌های برنامه‌نویسی مانند پایتون یا R
  •  آمار، جبر خطی و احتمال
  • مدل‌سازی داده‌ها

دوره آموزش رایگان یادگیری ماشین اندرو ان‌جی به طور مقدماتی به مباحث مرتبط با یادگیری ماشین و تعیین و تشخیص الگوی آماری می‌پردازد. همچنین در مکتب خونه انواع دوره آموزش هوش مصنوعی، آموزش پایتون، آموزش ماشین لرنینگ و آموزش برنامه نویسی به عنوان مکمل و پیش نیاز این دوره موجود است.

دیدگاه کاربران

4

بر اساس امتیاز 45 دانشجو

1
2
3
4
5

جعفر صالحي

1 ماه پیش

5

عالی

دانشجوی دوره

2 سال پیش

5

محتوای اصلی دوره بی نظیر هست.تدریس عالی هست. بدون کوچکترین انحرافی، به تدریس پرداخته شده و محتوایی بسیار بسیار غنی داره.اصلا قابل مقایسه با دوره های دیگه نیست. فقط با زبان اصلی ببینید و لذت ببرید از زیبایی محض...

دانیال مودی

4 سال پیش

5

یکی از بهترین دوره های آموزش یادگیری ماشین در سطح جهانی

احسان خوش آیین

4 سال پیش

5

قطعا استانداردترین آموزش در دنیا برای ایشون هست و مطمئنا میشه گفت کامل ترین دوره یادگیری ماشین هست.. اما اگه درک ریاضیات براتون سخته، دوره یادگیری ماشین جادی بهترین گزینه براتونه چون هم فان هست هم کامل (با تست های آزمایشگاهی برای هر روش)

محمد اشکوه

4 سال پیش

5

عالیه

مهسا زند خانه شهری

4 سال پیش

5

بسیار عالی، خیلی ممنون از مکتب خونه و تیم ترجمه :)

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
20دوره
32,498دانشجو
447نظر و امتیاز

اندرو انگ استاد دانشکده علوم کامپیوتر دانشگاه استنفورد و سرپرست آزمایشگاه هوش مصنوعی استنفورد است. وی هم چنین بنیان‌گذار کورسرا (coursera.org) است و بر اساس گزارش تکنولوژی دانشگاه ام ای تی یکی از 35 مخترع برتر جوان دنیا است.
او دکتری خود را از دانشگاه کالیفرنیا برکلی گرفته و زمینه‌های پژوهش او هوش مصنوعی و علوم رباتیک است.

دوره‌های مشابه

دیگر دوره‌های Andrew Ng

سوالات پرتکرار

آیا ممکن است برخی جلسات یک درس ناقص باشند؟

معمولا تمامی جلسات هر درس به‌طور کامل ضبط می‌شوند؛ اما گاهی به دلیل برخی ناهماهنگی‌ها ممکن است یک یا چند جلسه ضبط نشده باشد. جزئیات این موارد در توضیحات هر درس درج شده است.

اگر لینک دانلود یا پخش ویدئو مشکل داشت، چه کاری باید انجام داد؟

در صورت مواجهه با هرگونه مشکل در دانلود یا پخش ویدئو، می‌توانید از طریق صفحه ارتباط با ما اطلاع دهید تا تیم پشتیبانی به‌سرعت مشکل را بررسی و رفع کند.

آیا می‌توان ویدئوهای یک درس را به‌صورت سی‌دی یا دی‌وی‌دی از شما تهیه کرد؟

در حال حاضر امکان ارسال دروس به‌صورت سی‌دی یا دی‌وی‌دی وجود ندارد و همه محتواها به شکل آنلاین ارائه می‌شوند.