کتاب تحلیل ریاضی و بهینه‌سازی در الگوریتم‌های یادگیری ماشین 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 تحلیل ریاضی و بهینه‌سازی در الگوریتم‌های یادگیری ماشین

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: مبانی ریاضی و نظری یادگیری ماشین

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی جبر خطی در یادگیری ماشین
  • 2. فضاهای برداری و ضرب داخلی
  • 3. تجزیه مقادیر منفرد و کاربرد آن در کاهش ابعاد
  • 4. مفاهیم پایه در آنالیز ریاضی برای توابع چندمتغیره
  • 5. مشتق‌گیری ماتریسی و گرادیان توابع هدف
  • 6. بهینه‌سازی محدب و خواص توابع محدب
  • 7. مجموعه‌های محدب و کاربرد در الگوریتم‌های یادگیری
  • 8. شرایط بهینگی و قضایای کاروش-کون-تاکر
  • 9. روش نزول گرادیان و تحلیل نرخ همگرایی
  • 10. بهینه‌سازی با محدودیت و روش ضرایب لاگرانژ
  • 11. نظریه دوگان در مسائل بهینه‌سازی
  • 12. توابع زیان و نقش آن‌ها در یادگیری مدل
  • 13. تنظیم‌کننده‌ها و کنترل پیچیدگی مدل
  • 14. تحلیل همگرایی الگوریتم‌های مرتبه اول
  • 15. روش‌های مرتبه دوم و الگوریتم نیوتن در یادگیری ماشین
  • 16. مفاهیم پایه در نظریه احتمال برای یادگیری آماری
  • 17. توزیع‌های احتمالاتی در مدل‌های یادگیری
  • 18. تخمین درست‌نمایی بیشینه و خواص آماری آن
  • 19. تخمین‌گرهای بیزی و استنباط پسین
  • 20. نظریه یادگیری آماری و مفهوم تعمیم‌پذیری
  • 21. ابعاد وپنیک-چرووننکیس و ظرفیت مدل
  • 22. نابرابری‌های تمرکز و کران‌های خطا
  • 23. تحلیل بایاس و واریانس در الگوریتم‌های یادگیری
  • 24. مبانی یادگیری نظارت‌شده و ساختار مدل‌های خطی
  • 25. روش کمترین مربعات و تحلیل هندسی آن
  • 26. رگرسیون ریج و لاسو و تحلیل پارامترهای مدل
  • 27. طبقه‌بندی خطی و بهینه‌سازی حاشیه
  • 28. مبانی ماشین‌های بردار پشتیبان
  • 29. بهینه‌سازی در فضای ویژگی با استفاده از کرنل‌ها
  • 30. الگوریتم‌های خوشه‌بندی و بهینه‌سازی تابع هدف
  • 31. تحلیل مؤلفه‌های اصلی و بهینه‌سازی واریانس
  • 32. مفاهیم پایه در شبکه‌های عصبی و انتشار معکوس
  • 33. تحلیل دینامیک یادگیری در شبکه‌های عمیق
  • 34. بهینه‌سازی توابع غیرمحدب در یادگیری عمیق
  • 35. روش‌های بهینه‌سازی تصادفی و نرخ یادگیری
  • 36. تکنیک‌های منظم‌سازی در آموزش شبکه‌های عصبی
  • 37. پایداری و همگرایی در الگوریتم‌های یادگیری آنلاین
  • 38. تحلیل ریاضی الگوریتم‌های یادگیری تقویتی
  • 39. فرآیندهای تصمیم‌گیری مارکوف و معادلات بلمن
  • 40. بهینه‌سازی در محیط‌های پویا و یادگیری ماشین
تگ‌ها: الگوریتم‌های یادگیری ماشین بهینه‌سازی ریاضی تحلیل داده‌های آماری ریاضیات کاربردی علوم داده هوش مصنوعی یادگیری ماشین یادگیری ماشین پیشرفته

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.