پکیج جامع شناسایی الگو و یادگیری ماشین( فصل های اول تا چهارم- از بیزین تا SVM)


توضیحات:

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 در آن تمرکز بر شناخت خودکار الگوی داده های ورودی است. در حوزه علوم کامپیوتر شناسایی الگو یک تکنولوژی هست که اطلاعات ذخیره شده در پایگاه داده را با نمونه جدید مطابقت داده  و آن را را شناسایی می‌کند!این پکیج شامل فصل‌های یک تا چهارم دوره جامع شناسایی الگو و یادگیری ماشین است. برای اینکه هزینه دوره برای دوستان حداقل باشد، چهار فصل اول به صورت یکجا در پکیج قرار گرفته است.

توضیحات

این پکیج شامل تمام مباحث آموزش داده شده در 4 فصل دوره شناسایی الگو و یادگیری ماشین است. فصل اول: مقدمه ای بر شناسایی الگو
  • مراحل مختلف یک سیستم شناساسی الگو
  • کاهش نویز
  • استخراج ویژگی
  • انتخاب ویژگی
  • کلاسبندی
  • روشهای یادگیری ماشین
  • یادگیری با ناظر
  • یادگیری بدون ناظر
فصل دوم: کلاسبندیهای پارامتری
  • بیزین
  • ماکزیمم شباهت
  • حداقل فاصبله اقلیدسی
  • حداقل فاصله ماهالانوبیس
فصل سوم: روشهای ارزیابی و پارمترهای ارزیابی 
  • پارامترهای ارزیابی مسائل کلاسبندی (ماتریس کانفیوژن، صحت، حساسیت، اختصاصیت کلاسبندی)
  • روش ارزیابی the hold out method
  • روش ارزیابی k-fold cross validation
  • روش ارزیابی leave one out
  • روش ارزیابی random sub-sampling
  • نحوه انتخاب مدل بهینه با روش cross validation
فصل چهارم: الگوریتمهای غیرپارامتری در بحثهای رگرسیون و کلاسبندی
  • الگوریتم نزدیکترین همسایه(knn)
  • الگوریتم نزدیکترین همسایه وزندار (wknn)
  • شبکه عصبی پرسپترون تک لایه
  • شبکه عصبی پرسپترون چندلایه (MLP)
  • ماشین بردار پشتیبان خطی(SVM)
  • ماشین بردار پشتیبان غیرخطی(nonlinear SVM)
  • ماشین بردار پشتیبان در مسائل رگرسیون (SVR)
  محتوای پکیج آموزشی:
  • ویدیوی آموزشی تمامی جلسات
  • کدهای متلب نوشته شده برای پروژه های انجام شده و جلسات آموزشی
  • مقالات پیاده سازی شده و مراجع استفاده شده در آموزش
  • گزارش پروژه های انجام شده در قالب Word و pdf
  • جزوه دست نویس مدرس
  • مدت زمان آموزش:70ساعت

برای پروژه ها و مقالات پیاده سازی شده یک گزارش کامل 20-30 صفحه ای در قالب word  و pdf نوشته شده است که در آن نتیجه تمام تجزیه تحلیلها و توضیح خط به خط کدها نوشته شده است که میتوانید از این پروژه ها در پروژه های درسی و پایان نامتون استفاده کنید.

  مدرس دوره: محمد نوری زاده چرلو  فارغ التحصیل دانشگاه علم و صنعت تهران

جهت کسب اطلاعات بیشتر و یا دریافت پکیج آموزشی فصلهای 1-4 به صورت جداگانه میتوانید به لینکهای زیر مراجعه کنید.

فصل اول و دوم: شناسایی الگو-کلاسبندهای پارامتری(بیزین)

فصل سوم : روشها و پارامترهای ارزیابی مدلهای یادگیری ماشین

فصل چهارم: الگوریتم نزدیکترین همسایه knn و الگوریتمهای بهبودیافته شده آن(wknn)  فصل چهارم: ماشین بردار پشتیبان(SVM) و شبکه عصبی پرسپترون(MLP)
.فقط مشتریانی که این محصول را خریداری کرده اند و وارد سیستم شده اند میتوانند برای این محصول دیدگاه ارسال کنند.