×
ribbon

یادگیری ماشین

علم یادگیری ماشین ( Machine Learning ) از زیرشاخه‌های اصلی علم هوش مصنوعی و تکنولوژی بوده که امروزه به رویکرد و تکنیکی برای حل مسائل هوش مصنوعی تبدیل شده است. آرتور ساموئل ( Arthur Samuel ... ادامه

مدرس دوره:
4.3 (48 رای)
 رایگان
  
زمان مورد نیاز برای گذارندن دوره:  25 جلسه
مجموع محتوای آموزشی:  27 ساعت ویدئو
 (قابل دانلود نمی‌باشد)

سرفصل‌های دوره یادگیری ماشین

فیلم های آموزشی
  جلسه اول - مقدمه و معرفی یادگیری ماشین
"77:05  
  جلسه دوم - تخمین ML و MAP
"75:50  
  جلسه سوم - رگرسیون خطی
"72:23  
  جلسه چهارم - رگرسیون 2
"66:38  
  جلسه پنجم - خطای روی کل توزیع و مفاهیم بایاس و واریانس
"67:01  
  جلسه ششم - رگرسیون با دیدگاه احتمالاتی، شروع دسته بندی خطی
"69:27  
  جلسه هفتم - دسته‎بندهای خطی و دسته‎بندی چند دسته‌ای
"73:28  
  جلسه هشتم - دسته‎بندهای احتمالاتی – دسته‎بند بيز
"73:07  
  جلسه نهم - ادامه دسته‎بندهای احتمالاتی – رگرسيون لاجيستيک
"74:23  
  جلسه دهم - دسته‌بند SVM
"69:18  
  جلسه یازدهم - ادامه دسته‌بند SVM و کرنل
"73:49  
  جلسه دوازدهم : ادامه کرنل و شروع بحث دسته‎بندهای درخت تصميم (ِDecision tree)
"71:01  
  جلسه سیزدهم : ادامه درخت تصميم (ِDecision tree)
"68:51  
  جلسه چهاردهم : تئوری يادگيری
"72:48  
  جلسه پانزدهم: ادامه تئوری يادگيری
"77:54  
  جلسه شانزدهم: يادگيری مبتنی بر نمونه (Instance-based)
"74:47  
  جلسه هفدهم: ادامه بحث يادگيری مبتنی بر نمونه و شروع يادگيری جمعی (Bagging و Boosting)
"74:26  
  جلسه هجدهم: ادامه روش AdaBoost و شروع بحث انتخاب ويژگی
"78:05  
  جلسه نوزدهم: ادامه بحث انتخاب ويژگی و روش PCA
"73:58  
  جلسه بيستم: ادامه بحث استخراج ويژگی و شروع خوشه‌‌بندی (clustering)
"69:05  
  جلسه بیست و یکم
"58:13  
  جلسه بیست و دوم
"64:07  
  جلسه بیست و سوم
"72:28  

درباره دوره

علم یادگیری ماشین ( Machine Learning ) از زیرشاخه‌های اصلی علم هوش مصنوعی و تکنولوژی بوده که امروزه به رویکرد و تکنیکی برای حل مسائل هوش مصنوعی تبدیل شده است. آرتور ساموئل ( Arthur Samuel ) از نظریه پردازان و محققان هوش مصنوعی در سال 1959 برای اولین بار از یادگیری ماشین با استفاده از نظریه‌ها و الگوهای محاسباتی رونمایی کرد. در حوزه یادگیری ماشین با مقداری از تجربه و داده‌ها روبه رو هستیم که باید از آن‌ها برای حل بهتر مسائل و فرضیه ها کمک بگیریم یا به عبارت دیگر باید از داده‌هایی که در بخش تجارب وجود دارد استفاده کنیم تا تصمیمات بهتری بگیریم که در این زمینه مبحث " یادگیری ماشین " بسیار موثر است.

درباره استاد

maktabkhooneh-teacher مهدیه سلیمانی

دکتر سلیمانی استادیار دانشکده کامپیوتر دانشگاه صنعتی شریف است.وی مدرک کارشناسی، کارشناسی ارشد و دکتری خود را در رشته مهندسی کامپیوتر از دانشگاه صنعتی شریف دریافت کرده و در موضوعات یادگیری ماشین، الگوشناسی، بازیابی و جستجوی اطلاعات، سیستم‌های هوشمند تحقیق و پژوهش داشته است.

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران

تا کنون نظری برای این دوره ثبت نشده است. برای ثبت نظر باید ابتدا در دوره ثبت نام کرده و دانشجوی دوره باشید.
مهراب کلابی 1402-12-01
فایل های جزوه و اسلاید های این دوره هم موجود هست؟
مکتب‌خونه
همراه عزیز؛ در صورت وجود و ارائه فایل مورد نیاز توسط استاد، در دوره بارگذاری شده است در غیر این صورت فایلی ارائه نشده است.
سعید امینی 1402-10-22
دوره فوق العاده ای بود دست دکتر سلیمانی درد نکنه بسیار بیان خوبی دارند و مباحث را واضحتدریس میکنند همچنین تسلط خیلی بالایی روی مباحث دارند که ازنحوه تدریس میتوان فهمید
مهندس رضا بهرامی دراسله 1402-08-14
سلام و خدا قوت به دوستان مکتبخونه. ممنونم از زحمات شما . دوره آموزشی فوق العاده ای بود . استادی فرهیخته و مسلط و با انرژی. لذت بردم از محتوای دوره . سپاس فراوان
امیر علم جمیلی 1402-08-03
عالی
سجاد زنگی آبادی 1402-03-16
در خصوص کیفیت فیلم برداری: می توانست بهتر باشد ولی با دانلود کردن جزوه ها می توان این کاستی را جبران کرد. در خصوص پیش نیاز ریاضیات: نیاز هست مقدمات آمار و احتمال را بدانید. که با خواندن فصل اول کتاب bishop ، می توانید این نیاز را برآورده کنید. استاد به درس مسلط هستند و به خوبی مطالب را به دانشجو انتقال می دهند. از استاد گرامی و سایت مکتب خونه بابت قرار دادن این دوره با کیفیت آموزشی بالا تشکر می کنم.
علی احمدی 1402-02-05
بی نظیر تدریس کردند. بسیار عالی برای کسانی که یک مقدار آمار و احتمالات و ریاضی خوبی دارند.
اکرم نخعی 1402-01-02
استاد به مطالب درس کاملا مسلط هستند. قسمت آخر مبحث یادگیری تقویتی موجود نیست در صورتی که استاد پایان جلسه 23 ام میگن که مطالب یادگیری تقویتی هنوز تکمیل نشده و جلسه بعد هم به این موضوع می پردازیم.
مکتب‌خونه
همراه عزیز؛ ضمن تشکر از همراهی شما، تمامی فایل ها و ویدئوهایی که در اختیار مکتب خونه قرار گرفته شده اند روی سایت بارگذاری شده است.
1401-12-12
استاد بسیار مسلط و دانشمند
1401-09-10
سلام.. من فیلم های این دوره آموزشی را بارها تماشا کرده ام. فایل های پی دی اف در وبسایت دانشگاه شریف موجود هستند که اگر اینجا هم قابل دسترس بود بسیار کمک کننده بود.. استاد بسیار مسلط هستند و بیان عالی و محتوای کامل ایشان برای من خیلی مفید بوده است.. با تشکر فراوان
محمد مصباح 1400-03-11
درس جامع، کامل و پایه ای با توضیحات خوب دکتر سلیمانی. :)
صادق کریمی دستگردی 1400-01-19
دوره بسیار عالی مفاهیم به خوبی توسط استاد توضیح داده می شوند فقط کیفیت ضبط مکتبخونه خوب نیست
1400-01-12
با سلام و احترام ضمن تشکر فراوان از استاد محترم و مکتب خونه عزیز این دوره در ایام نوروز 1400 کامل دیدم و به نظرم عالی بود تنها مشکل این است که ظاهرا یک جلسه می بایست بیشتر باشد چراکه در جلسه 23 ، مبحث یادگیری تقویتی کامل نمی شود و استاد هم می فرمایند که در جلسه بعد مبحث تکمیل می شود لطفا در صورت امکان اضافه شود. با آرزوی سلامتی
مکتب‌خونه
همراه عزیز؛از اینکه نظر خود را با ما در میان گذاشتید صمیمانه سپاسگزاریم. تمامی فایل ها و ویدئوهایی که در اختیار مکتب خونه قرار گرفته شده اند روی سایت آپلود شده است.
نجیبه نجفی 1399-12-14
بسیار عالی بود، دست خانم دکتر و مکتب خونه درد نکنه، خدا خیرتون بده
1399-11-25
سلام ممنون بابت دوره خوبتون . اسلاید های درس قرار نمیگیره توی سایت ؟
مکتب‌خونه
همراه عزیز؛ تمامی فایل ها و ویدئوهایی که درا ختیار مکتب خونه قرار گرفته روی سایت آپلود شده است.
الهه محمدی 1399-09-22
عالی بود واقعا اما کاش تعداد جلسات کامل بود. کاش جلسات بعدی رو هم اضافه کنید. چون مبحث ادامه داشت.
1
2
3

دوره‌های پیشنهادی

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.

این روزها یادگیری ماشین به یکی از داغ ترین موضوعات مطرح در تکنولوژی و پیشرفت علم هوش مصنوعی بدل شده است، این علم از جنس آمار و ارقام و محاسبات است که در آن می‌توانیم هوش بشری را توسط هوش مصنوعی الگوسازی کنیم. از نمونه حوزه‌های کاربردی در یادگیری ماشین می‌توانیم به موارد زیر اشاره کنیم :

  • حوزه Computer Vision : حوزه بینایی ماشین برای تشخیص اشیا
  • حوزه Speech Recognition : دریافت سیگنال صوت و پیدا کردن کلماتی که در دنباله سیگنال گفته می‌شود.
  • حوزه Robotics : برای حل مسائل هدایت و یادگیری ربات‌ها
  • حوزه  Natural Language Processing: پردازش زبان طبیعی

شناخت Machine Learning برای افراد در زمینه کاری‌های مختلف مرتبط با هوش مصنوعی مزایای زیادی دارد، از جمله این مزیت‌ها باید به ایجاد تفکر مدرن در توسعه فناوری و تکنولوژی اشاره کنیم. به طور کلی شناخت مباحث یادگیری ماشین حل مشکلات را راحت تر کرده و منجر به ایجاد یک تفکر خاص و خلاقیت در پیدا کردن راه حل مشکلات می‌شود. در اصل با فراگیری مباحث الگوریتمی، تفکر منطقی‌تری نسبت به حوادث و وقایع پیرامون خواهیم داشت.

دوره آموزش یادگیری ماشین توسط سرکار خانم " دکتر مهدیه سلیمانی " از استادان برجسته دانشکده کامپیوتر دانشگاه صنعتی شریف ضبط شده است. این دوره آموزشی با بررسی مفاهیم اولیه در یادگیری ماشین، تخمین ML و MAP و بحث گسترده‌ی رگرسیون ها آغاز و با روش های انتخاب و استخراج ویژگی به پایان می رسد. درس یادگیری ماشین از مباحث اصلی رشته مهندسی کامپیوتر در دو گرایش مهندسی نرم افزار و مهندسی سخت افزار در مقطع کارشناسی، کارشناسی ارشد و دکتری به حساب می‌آید. از آنجایی که درس یادگیری ماشین بر پایه الگوریتم‌ها بنا نهاده شده است برای درک بهتر مفاهیم این درس پیشنهاد می‌کنیم ابتدا درس " دوره آموزشی هوش مصنوعی " با تدریس استاد مهدیه سلیمانی که به رایگان در مکتب خونه قرار داده شده رو مشاهده، درک و تمرین کنید سپس به مشاهده دوره آموزشی رایگان یادگیری ماشین بپردازید.

صفحات پربازدید
poster
  
برگزار کننده:  دانشگاه صنعتی شریف
  
زمان مورد نیاز برای گذارندن دوره:  25 جلسه
مجموع محتوای آموزشی:  27 ساعت ویدئو
 (قابل دانلود نمی‌باشد)