کتاب مبانی ریاضی هوش مصنوعی؛ از جبر خطی تا بهینه‌سازی الگوریتم‌ها 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 مبانی ریاضی هوش مصنوعی؛ از جبر خطی تا بهینه‌سازی الگوریتم‌ها

موضوع کلی: علوم رایانه و هوش مصنوعی

موضوع میانی: مبانی ریاضی در یادگیری ماشین

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مفاهیم پایه در جبر خطی و فضاهای برداری
  • 2. عملگرهای ماتریسی و ویژگی‌های دترمینان
  • 3. ضرب داخلی و فضاهای ضرب داخلی
  • 4. تجزیه مقادیر منفرد و کاربرد آن در کاهش ابعاد
  • 5. مقادیر ویژه و بردارهای ویژه در تحلیل داده‌ها
  • 6. ماتریس‌های متقارن و فرم‌های درجه دوم
  • 7. مبانی نظری مجموعه‌ها و احتمال کلاسیک
  • 8. متغیرهای تصادفی و توزیع‌های احتمالاتی
  • 9. امید ریاضی و واریانس در مدل‌های آماری
  • 10. توزیع‌های چندمتغیره و کوواریانس
  • 11. قانون اعداد بزرگ و قضیه حد مرکزی
  • 12. استنباط آماری و تخمین پارامترها
  • 13. مبانی حساب دیفرانسیل در توابع چندمتغیره
  • 14. گرادیان و مشتقات جزئی در توابع هزینه
  • 15. ماتریس هسین و تحلیل تقعر و تحدب
  • 16. بهینه‌سازی مقید و ضرایب لاگرانژ
  • 17. الگوریتم گرادیان کاهشی و انواع آن
  • 18. روش‌های بهینه‌سازی مرتبه دوم در یادگیری ماشین
  • 19. مبانی نظریه اطلاعات و آنتروپی در یادگیری ماشین
  • 20. توابع زیان و نقش آن‌ها در آموزش مدل
  • 21. تخمین درست‌نمایی بیشینه در مدل‌سازی آماری
  • 22. مبانی نظری رگرسیون خطی و حداقل مربعات
  • 23. تحلیل مؤلفه‌های اصلی برای کاهش ابعاد
  • 24. مبانی شبکه‌های عصبی و مشتق‌گیری زنجیره‌ای
  • 25. الگوریتم انتشار معکوس در آموزش مدل‌ها
  • 26. پیاده‌سازی بهینه‌سازهای مبتنی بر مومنتوم
  • 27. نرمال‌سازی و روش‌های تنظیم برای بهبود تعمیم
  • 28. مبانی نظری ماشین‌های بردار پشتیبان
  • 29. هسته‌ها و نگاشت به فضاهای با ابعاد بالاتر
  • 30. مقدمه‌ای بر تئوری یادگیری آماری و تعمیم‌پذیری
  • 31. تحلیل خطای مدل و موازنه بایاس و واریانس
  • 32. روش‌های نمونه‌برداری و شبیه‌سازی مونت‌کارلو
  • 33. مبانی ریاضی مدل‌های احتمالی گرافیکی
  • 34. کاربردهای جبر خطی در پردازش سیگنال و تصویر
  • 35. نقش بهینه‌سازی در الگوریتم‌های خوشه‌بندی
  • 36. مفاهیم ریاضی در یادگیری تقویتی پایه
  • 37. پایداری الگوریتم‌های یادگیری در شرایط نویز
  • 38. مبانی محاسبات ماتریسی برای پردازش‌های موازی
  • 39. روش‌های عددی برای حل معادلات ماتریسی بزرگ
  • 40. تحلیل حساسیت و پایداری در مدل‌های یادگیری ماشین
تگ‌ها: آمار و احتمال بهینه‌سازی ریاضی جبر خطی شبکه‌های عصبی علوم داده مبانی ریاضی هوش مصنوعی محاسبات عددی هوش مصنوعی یادگیری عمیق یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.