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

یادگیری ماشین

دوره‌های رایگان
25 جلسه
95٪ (1196 رای)

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.

سرفصل‌های دوره یادگیری ماشین

فیلم های آموزشی
27:28 ساعت
30:20
Combined Shape Created with Sketch. 23 جلسه
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
استاد دوره
مهدیه سلیمانی 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.

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

نظرات  (29 نظر)

صفحه 

از 

3

کاربر مکتب‌خونه
19:50 - 1401/09/11
کاربر‌ سایت
سلام. مزایای دوره: 1- استاد به مطالب مسلط هستند، 2- استاد به تدریس مسلط هستند معایب: 1- استاد طرح کلی درس رو خوب ارائه نکردند. وسط کار خوب نمیشه فهمید کجاییم! 2- فیلمبردار، امان از دست فیلمبردار. من به خاطر فیلمبردار میتونم بگم دوره بی فایدست!!!
کاربر مکتب‌خونه
18:30 - 1401/09/10
کاربر‌ سایت
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
محمدسعید
15:23 - 1401/08/07
کاربر‌ سایت
سلام دوره دوره خوبی است ولی فیلم برداری اصلا مناسب نیست. من الان نمیتوانم اسلایدها را ببینم. و این خیلی برای ما آزار دهنده است.
کاربر مکتب‌خونه
15:36 - 1401/07/23
کاربر‌ سایت
سلام من فعلا فقط حلسه یک را دیدم: استاد خوب مسلط هستند. فقط مشکل این است که خیلی متکلم وحده هستند و تند تند درس می دهند، بیشتر حالت سمینار دارد. دانشجو شرکت نمی کرد.
کاربر مکتب‌خونه
11:58 - 1401/04/11
کاربر‌ سایت
سلام استاد عالی کار شمار را متاسفانه فیلم بردار خراب کرده. مثلا جلسه دوم را ببینید اصلا فیلمبردار حواسش نیست و با استاد حرکت نمی کند و از اسلایدها فیلم نمیگیرد. اکثرا اسلایدها اصلا دیده نمیشود.
محمدرضا
04:27 - 1401/02/22
کاربر‌ سایت
مرسی بابت زحماتتون ولی ای کاش موقع فیلم برداری دوربین روی اسلاید های استاد زوم بود تا روی تخت جایی که استاد فقط یک سری توضیحات مختصری دارد می دهد که همان هم داخل اسلاید ها بود. متاسفانه این نحوه ی فیلم برداری باعث می شود که ببیننده نتواند درس را دنبال کند.
پشتیبانی مکتب‌خونه
همراه عزیز؛ از اینکه نظر خود را با ما در میان گذاشتید صمیمانه سپاسگزاریم. موارد مطرح شده جهت بررسی بیشتر به بخش مربوطه ارسال شد. در صورت نیاز به پیگیری بیشتر با شما در ارتباط خواهیم بود.
محمد
01:30 - 1400/03/11
کاربر‌ سایت
درس جامع، کامل و پایه ای با توضیحات خوب دکتر سلیمانی. :)
صادق
00:47 - 1400/01/19
کاربر‌ سایت
دوره بسیار عالی مفاهیم به خوبی توسط استاد توضیح داده می شوند فقط کیفیت ضبط مکتبخونه خوب نیست
کاربر مکتب‌خونه
16:21 - 1400/01/12
کاربر‌ سایت
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
پشتیبانی 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
19:19 - 1399/12/14
کاربر‌ سایت
بسیار عالی بود، دست خانم دکتر و مکتب خونه درد نکنه، خدا خیرتون بده

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.

اطلاعات بیشتر

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.

×

ثبت نظر

به این دوره از ۱ تا ۵ چه امتیازی می‌دهید؟

فیلم های آموزشی
27:28 ساعت
30:20
Combined Shape Created with Sketch. 23 جلسه
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