کتاب صوتی SVM و تشخیص الگو

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره SVM و تشخیص الگو

موضوع کلی: علوم رایانه و نظریه اطلاعات

موضوع میانی: ماشین‌های بردار پشتیبان (SVM)

📋 سرفصل‌های دوره

• 1. ماشین بردار پشتیبان: مفاهیم پایه
• 2. تشخیص الگو: مقدمه و کاربردها
• 3. مجموعه داده‌ها و آماده‌سازی آن‌ها
• 4. ویژگی‌های داده و استخراج آن‌ها
• 5. فضای ویژگی و ابعاد آن
• 6. تابع کرنل: انواع و انتخاب مناسب
• 7. دسته‌بندی خطی با SVM
• 8. حاشیه‌ی بهینه و بردار پشتیبان
• 9. حل مسئله دوگان در SVM
• 10. تابع هزینه و بهینه‌سازی
• 11. پارامترهای تنظیم SVM (C و γ)
• 12. ارزیابی مدل SVM: دقت، صحت، فراخوانی
• 13. ماتریس درهم‌ریختگی و تفسیر آن
• 14. اعتبارسنجی متقابل (Cross-Validation)
• 15. انتخاب مدل و تنظیم پارامترها
• 16. SVM برای داده‌های غیرخطی
• 17. کرنل چندجمله‌ای و کاربرد آن
• 18. کرنل RBF و کاربرد آن
• 19. کرنل سیگموئید و کاربرد آن
• 20. SVM برای رگرسیون
• 21. رگرسیون ε-SVM
• 22. انتخاب کرنل مناسب برای رگرسیون
• 23. SVM چند کلاسه
• 24. روش یک در مقابل همه (One-vs-All)
• 25. روش یک در مقابل یک (One-vs-One)
• 26. تشخیص ناهنجاری با SVM
• 27. کاربرد SVM در تشخیص تقلب
• 28. SVM و کاهش ابعاد
• 29. ترکیب SVM با PCA
• 30. SVM و انتخاب ویژگی
• 31. SVM و داده‌های نامتوازن
• 32. روش‌های برخورد با داده‌های نامتوازن
• 33. SVM و یادگیری فعال
• 34. کاربرد SVM در پردازش تصویر
• 35. SVM و تشخیص چهره
• 36. SVM و تشخیص اشیاء
• 37. SVM و دسته‌بندی متن
• 38. SVM و تحلیل احساسات
• 39. SVM و بیوانفورماتیک
• 40. SVM و پیش‌بینی بیماری
• 41. SVM و داده‌های سری زمانی
• 42. SVM و پیش‌بینی بازار سهام
• 43. پیاده‌سازی SVM در پایتون با Scikit-learn
• 44. مقایسه SVM با سایر الگوریتم‌های یادگیری ماشین
• 45. مزایا و معایب SVM