یادگیری ماشین
شناسایی الگو(فصل هشتم): خوشه بندی (clustering)
در فصل خوشه‌بندی روشهای معروف خوشه‌بندی از قبیل (k-means، fuzzy c-means(fcm و Gaussian means (G-means) را طبق مقالات معتبر آموزش داده و مرحله به مرحله پیاده سازی کرده ایم. سپس برای اینکه با عملکرد الگوریتمها به صورت مفهومی آشنا شویم،…
۱۳۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو(فصل هفتم): انتخاب ویژگی (feature selection)
در فصل هفتم دوره پترن و یادگیری ماشین، روشهای انتخاب ویژگی( feature Selection)از قبیل ttest، anova، نرخ تفکیک پذیری فیشر(FDR) ، اطلاعات متقابل(Mutual information) و روش جستجوی سلسله مراتبی روبه جلو (sequential forward feature selection ) را معرفی می کنیم…
۱۶۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو(فصل ششم): تئوری و پیاده سازی الگوریتمهای کاهش بعد PCA و LDA
در یک سیستم شناسایی الگو، کاهش بعد در مرحله چهارم بین طبقه‌بندی و استخراج ویژگی قرار می‌گیرید و هدفش کاهش تعداد ویژگی های استخراج شده می‌باشد تا کار تصمیم گیری را برای طبقه‌بند تسهیل کند. در این فصل تئوری روشهای…
۱۲۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو (فصل پنجم): یادگیری جمعی (Ensemble learning)
یادگیری جمعی (ensemble learning) حوزه‌ای در یادگیری ماشین است که در این حوزه تکنیک‌هایی مطرح شده است که به کمک آنها از چندین مدل به صورت ترکیبی و همزمان جهت تصمیم گیری استفاده می‌کنند تا توان مدل در تخمین خروجی…
۲۱۰,۰۰۰ تومان
افزودن به سبد خرید
پکیج جامع شناسایی الگو و یادگیری ماشین( فصل های اول تا چهارم- از بیزین تا SVM)
شناسایی الگو یک فرایند شناختی است که در مغز ما زمانی که با برخی اطلاعاتی روبرو می‌شویم که با اطلاعات ذخیره شده در حافظه ما مطابقت دارد اتفاق می افتد. در علوم کامپیوتر، شناسایی الگو یک فرایند علمی است که…
۳۶۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو (فصل4 بخش دوم): تئوری و پیاده‌سازی ماشین بردار پشتیبان(SVM) و شبکه عصبی MLP
ماشین بردار پشتیبان(SVM) یکی از بهینه ترین الگوریتمها در مباحث طبقه‌بندی الگوها است و به خاطر ویژگی های برجسته‌ای که مسئله ی بهینه‌سازی این الگوریتم دارد، باعث شده است که بهینه‌ترین مرز ممکن بین داده‌های دو کلاس را پیدا کند…
۲۱۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو(فصل4 بخش اول): کلاسبند نزدیکترین همسایه knn و الگوریتمهای بهبودیافته شده آن(wknn)
knn در بحث شناسایی الگو و یادگیری ماشین جزء الگوریتمهای غیرپارامتری است و از آن می‌توان هم در مباحث طبقه‌بندی و هم رگرسیون استفاده کرد. در این فصل الگوریتم نزدیکترین همسایه knn و روشهای بهبود یافته شده آن (wknn) را…
۱۲۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو: روشها و پارامترهای ارزیابی مدلهای یادگیری ماشین(فصل سوم)
در فصل دوم دوره جامع شناسایی الگو-یادگیری ماشین، روشها و پارامترهای ارزیابی را آموزش میدهیم. در این فصل روشهایی از قبیل k-fold cross validation و the hold out method, random subsampling , leave one out را آموزش داده و مرحله…
۶۰,۰۰۰ تومان
افزودن به سبد خرید
شناسایی الگو- کلاسبندهای پارامتری (فصل1و2)
در فصل اول دوره شناسایی الگو مباحث مقدماتی مربوط به شناسایی الگو، یادگیری ماشین، انواع روشهای یادگیری ماشین را توضیح میدهیم تا با دید بهتری وارد مباحث اصلی شویم. در فصل دوم، طبقه‌بندهای پارامتری از جمله طبقه بند بیزین را…
۱۲۰,۰۰۰ تومان
افزودن به سبد خرید
پکیج کامل پیاده‌سازی گام به گام شبکه‌های عصبی
در دوره جامع شبکه عصبی تمامی شبکه‌های عصبی صفر تا صد آموزش داده شده و سپس مرحله به مرحله بدون اینکه از تولباکس آماده استفاده کنیم، پیاده سازی میشوند. برای اینکه بتوانید یک شبکه‌ای را در متلب پیاده‌سازی کنید لازم…
۳۶۰,۰۰۰ تومان
افزودن به سبد خرید
