×
ribbon

نظریه یادگیری محاسباتی

مدرس:دانشگاه صنعتی شریف

محمد هادی فروغمند

نظریه یادگیری محاسباتی شاخه‌ای از ریاضیات و علوم رایانه است که به ارزیابی کارایی الگوریتم‌های یادگیری ماشینی می‌پردازد.... بیشتر
بدون امتیاز
1,518دانشجو
27ساعت
سرفصل‌ها

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:

27 ساعت ویدئو

دسترسی مادام‌العمر به محتوای دوره

سرفصل‌های دوره

1 فصل19 جلسه27 ساعت ویدیو
فیلم های آموزشی
  جلسه سوم
101:55
  جلسه چهارم - PAC Learnability
91:09
  جلسه پنجم - Occam Razor I
81:30
  جلسه ششم - Occam Razor II
116:03
  جلسه هشتم - Boosting
90:08
  جلسه نهم - Convex Learning Problems I
75:34
  جلسه دهم - Convex Learning Problems II
92:45
  جلسه یازدهم - Linear Predictors
93:49
  جلسه دوازدهم - Nonuniform Learnability I
80:36
  جلسه سیزدهم - Nonuniform Learnability II
88:07
  جلسه چهاردهم - Problem Solving
74:07
  جلسه پانزدهم - Reularization and Stability I
103:22
  جلسه شانزدهم - Regularization and Stability II
47:53
  جلسه هفدهم - Stochastic Gradient Descent
88:42
  جلسه هجدهم - Subgradient Descent
109:06
  جلسه نوزدهم - Stochastic Gradient Decsent Analysis
75:22
  جلسه بیستم - VC Dimension I
105:57
  جلسه بیست و یکم - VC Dimension II
66:35
  جلسه بیست و دوم - Validation
47:10

توضیحات دوره

نظریه یادگیری محاسباتی شاخه‌ای از ریاضیات و علوم رایانه است که به ارزیابی کارایی الگوریتم‌های یادگیری ماشینی می‌پردازد. این نظریه عموماً به تحلیل الگوریتم‌های یادگیری با نظارت می‌پردازد و سعی می‌کند کران‌هایی برای کارایی یک الگوریتم در داده دیده‌نشده با استفاده از اطلاعات کارایی آن الگوریتم در داده در دسترس و پیچیدگی الگوریتم بیابد. بعد وی‌سی و یادگیری صحیح احتمالی تخمینی مثال‌هایی از نظریه یادگیری محاسباتی هستند که به ترتیب به اختراع الگوریتم‌های ماشین بردار پشتیبانی و بوستینگ انجامیدند. این نظریه به تحلیل پیچیدگی زمانی الگوریتم‌های یادگیری نیز می‌پردازد.

این درس به کمک آقای امید اعتصامی مدرس IPM و فارغ‌التحصیل دانشگاه برکلی تدریس شده است.

دیدگاه کاربران

هنوز امتیاز و دیدگاهی برای این دوره ثبت نشده است

5دوره
12,289دانشجو
28نظر و امتیاز

محمد هادی فروغمند، استادیار دانشکده علوم ریاضی دانشگاه شریف می‌باشد. زمینه‌های تحقیقاتی ایشان نظریه گراف و تجزیه و تحلیل شبکه‌های پیچیده، مدل‌های محاسباتی جدید و پیچیده، بیوانفورماتیک، تجزیه و تحلیل توالی ترکیبی و جستجو الگوریتم، الگوریتم‌ها و (ترکیبی) بهینه سازی و فلسفه علوم کامپیوتر است.

ایشان در سال 2001 عضو تیم المپیاد کامپیوتر ایران بودند و در این سال توانستند مدال طلا این مسابقات را کسب کنند و همچنین در سال‌های 2005 و 2007 جز سرپرستان تیم بودند که در هر کدام از سال‌ها مجموعا 4 مدال توسط تیم المپیاد کامپیوتر بدست آمده است.

مهارت‌هایی که می‌آموزید

دوره‌های مشابه

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.