کتاب محاسبات دیفرانسیل و انتگرال در خدمت هوش مصنوعی و تحلیل داده‌ها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره محاسبات دیفرانسیل و انتگرال در خدمت هوش مصنوعی و تحلیل داده‌ها

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: مبانی ریاضیاتی در یادگیری ماشین

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مفاهیم پایه تابع و نگاشت در فضای برداری
  • 2. مفهوم حد و پیوستگی در توابع چندمتغیره
  • 3. مشتق و نرخ تغییرات در توابع ریاضی
  • 4. قواعد مشتق‌گیری برای توابع پیچیده
  • 5. کاربرد مشتق در بهینه‌سازی توابع هزینه
  • 6. مفهوم گرادیان و نقش آن در یادگیری ماشین
  • 7. روش گرادیان کاهشی برای آموزش مدل‌ها
  • 8. مشتقات جزئی و کاربرد آن در شبکه‌های عصبی
  • 9. قاعده زنجیره‌ای در انتشار رو به عقب
  • 10. ماتریس ژاکوبی و کاربرد آن در تبدیل‌های خطی
  • 11. ماتریس هسین و بررسی تحدب در توابع
  • 12. مفهوم دیفرانسیل و تقریب خطی در داده‌ها
  • 13. انتگرال یگانه و کاربرد در توزیع‌های احتمالی
  • 14. انتگرال چندگانه در محاسبه میانگین و گشتاورها
  • 15. توابع چگالی احتمال و محاسبات انتگرالی
  • 16. مساحت زیر منحنی و تفسیر آماری آن
  • 17. سری‌های توانی و تقریب توابع پیچیده
  • 18. بسط تیلور و کاربرد آن در تقریب مدل‌های یادگیری
  • 19. مفهوم دنباله‌ها و سری‌ها در همگرایی الگوریتم‌ها
  • 20. بردارها و عملیات جبری در فضای داده
  • 21. ضرب داخلی و ضرب خارجی بردارها
  • 22. ماتریس‌ها و دترمینان در پردازش تصویر
  • 23. مقادیر ویژه و بردارهای ویژه در کاهش ابعاد
  • 24. تجزیه مقادیر منفرد و کاربرد در کاهش نویز
  • 25. فضاهای برداری و نگاشت‌های خطی
  • 26. توابع محدب و مسائل بهینه‌سازی مقید
  • 27. ضرایب لاگرانژ در بهینه‌سازی مدل‌های هوشمند
  • 28. شرایط کاروش-کون-تاکر در بهینه‌سازی
  • 29. کاربرد محاسبات در الگوریتم‌های طبقه‌بندی
  • 30. مدل‌سازی ریاضی توابع فعال‌ساز در شبکه‌های عصبی
  • 31. تحلیل رفتار توابع هزینه با استفاده از مشتق
  • 32. محاسبات ماتریسی در پیاده‌سازی لایه‌های عصبی
  • 33. بهینه‌سازی پارامترها در مدل‌های رگرسیون
  • 34. توابع نرمال‌ساز و نقش مشتق در پایداری مدل
  • 35. مفهوم آنتروپی و استفاده از لگاریتم در توابع هزینه
  • 36. توابع نمایی و کاربرد در لایه سافت‌مکس
  • 37. محاسبات دیفرانسیلی در تحلیل داده‌های سری زمانی
  • 38. تکنیک‌های مشتق‌گیری خودکار در کتابخانه‌های هوش مصنوعی
  • 39. پیاده‌سازی الگوریتم‌های بهینه‌سازی بر مبنای گرادیان
  • 40. ارزیابی دقت مدل با استفاده از ابزارهای دیفرانسیلی
تگ‌ها: بهینه‌سازی در هوش مصنوعی پردازش داده‌های عددی تحلیل داده‌ها جبر خطی و محاسبات حساب دیفرانسیل و انتگرال ریاضیات کاربردی علوم داده هوش مصنوعی یادگیری عمیق یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.