رابطه بد ما با جبرخطی !
نظر شما راجع به نقاشی بالا چیست؟ برای خیلی از ما پاسخ این است ؟ هیچ – هیچ حسی نداریم. علت آن است که اصلا نفهمیده ایم که چه اتفاقی افتاده است و نقاش چه پیام و مفهومی را میخواسته انتقال دهد و یا به لحاظ هنری چه ارزشی دارد. در واقع هر چقدر هم این نقاشی شاهکار باشد ما نه حسی به آن داریم نه زیبایی آن را درک خواهیم کرد.
ماجرای ما و جبرخطی هم همین هست . ما چون درکی از دنیای جبرخطی و مفاهیم آن نداریم فکر میکنیم جبرخطی سخت هست. قابل فهمیدن نیست و تا به اسم ریاضیات و جبر و … می رسیم چهار ستون بدن ما میلرزد !
در حالی که این مساله واقعا مثل همین نقاشی هست و تا وقتی که درکش نکنیم هیچ اتفاقی نمیفته و وقتی که آن را میفهمیم تازه جبرخطی برای ما ساده می شود. میفهمیم که اصلا این همه ترس کاملا اشتباه بوده است.
پیشنیازهای مهم یادگیری ماشین
احتمالا از هر کسی بپرسید پیشنیازهای یادگیری ماشین چیست اول از همه به شما میگوید جبرخطی و آمار و احتمال. این دو موضوع مثل دو تا بال یک پرنده هستند که بدون اونها فهمیدن یادگیری ماشین و الگوریتم هاش غیر ممکنه !
سعی کنید یک بار برای همیشه آن را حل و فصل کنید که هر بار تا به یک موضوع یادگیری ماشین رسیدید نخواهید انواع بد و بیراه ها را نثار جبرخطی کنید !
جبرخطی را درست یاد بگیرید !
مهمترین نکته در جبرخطی این است که شما جبرخطی را به صورت هندسی و تحلیلی یاد بگیرید. یعنی وقتی ضرب ماتریس ها اتقاق بیفتد شما بفهمید واقعا این چه معنای دارد ! نه این که یه سری عدد را پشت سر هم جمع و ضرب کنید. اگه به این جمع و ضرب ها است که کتابخونه های پایتون وجود دارند که برای شما این کار رو انجام بدهند.
پس بحث اصلی تحلیل و درک دقیق مفاهیم هست ! مثلا اگر به شما بگویند دترمینان ۲ هست شما باید حس داشته باشید به این عدد. اگه گفتن صفر شما باید بفهمید صفر که می شود یعنی چه اتفاقی افتاده اسن. نه این که صرفا یک قاعده ریاضی را بلد باشید.
دموی کارگاه
این کارگاه قبلا برگزار شده است و در ۱۱ بخش تدوین گردیده است. در زیر ویدیو بخش اول به عنوان دمو آورده شده است :
دانلود ویدیو ها
پس از این ثبت نام قفل این ویدیوها برای شما باز خواهد شد و می توانید آن را دانلود کنید.
ویدیوها و اسلایدهای مربوط به کارگاه
بخش اول : مقدمه و معرفی ویدئو
در این به معرفی کلی کارگاه و منابع استفاده شده میپردازیم.
بخش دوم : بردارها ویدئو
بردارها و عملگرهای مهم بر روی بردارها
بخش سوم : بردارهای پایه ویدئو
بررسی مفهوم بردارهای پایه در ریاضیات
بخش چهارم: Norm بردارها ویدئو
Norm بردارها و نحوه محاسبه آن
بخش پنجم : ماتریس ویدئو
ماتریس و بررسی تعبیرهندسی ماتریس ها
بخش ششم : ضرب ماتریس ها ویدئو
بررسی ضرب ماتریس ها و تعبیر هندسی آن
بخش هفتم : دترمینان و چند اصطلاح مهم ویدئو
بررسی مفهوم دقیق دترمینان و ماتریس معکوس و Rank در ماتریس
بخش هشتم : بردار ویژه و مقدار ویژه ویدئو
بردار ویژه و مقدار چیست و چگونه محاسبه می شوند ؟
بخش نهم : Decomposition ماتریس ها ویدئو
بررسی Decomposition ماتریس ها و انواع روش های Decomposition
بخش دهم :SVD ویدئو
تجزیه مقادیر منفرد SVD
بخش یازدهم : حل مثال SVD ویدئو
حل یک مثال از SVD به کمک پایتون
اسلاید فایل های ضمیمه
دانلود اسلایدهای کارگاه
ارتباط مستقیم
مدرس دوره کیست ؟
حامد قاسمی
- فارغ التحصیل ارشد هوش مصنوعی دانشگاه تهران
- مدرس دوره مقاله کاوی و بینایی ماشین و دیپ لرنینگ در آکادمی ربوتک
- تخصص در زمینه شبکه های کانولوشنی و معماری های CNN
دوره های مرتبط
مینی دوره latex
در این مینی دوره سه جلسه ای به بهینه سازی و انواع الگوریتم های بهینه سازی در شبکه های عصبی میپردازیم و به زبان خیلی ساده آن ها را درک میکنیم.
کارگاه AlphGeometry
نکته مهم در مورد دوره های ربوتک دوره های آکادمی ربوتک بر بستر نرم افزار spot player هستند و شما…
کارگاه yolov8
نکته مهم در مورد دوره های ربوتک دوره های آکادمی ربوتک بر بستر نرم افزار spot player هستند و شما…
کارگاه GAN – شبکه های مولد تخاصمی
مهلت باقی مانده تا پایان تخفیف روز ساعت دقیقه ثانیه مهلت استفاده از تخفیف به پایان رسیده است. ویدیو معرفی…
کارگاه حساب دیفرانسیل و انتگرال
ویدیو معرفی کارگاه : اطلاعات تکمیلی : بدون مشتق هیچ شبکه عصبی train نمی شود ! همین یک جمله کافی…
آمار و احتمال برای یادگیری ماشین
یک بار برای همیشه ! رویکرد مدنظر در این دوره کاربردی و عملی است. صرفا به دنبال تیوری هایی نیستیم…
نظرات
300,000 تومان
ثبت نام دوره متوقف شده است
حامد قاسمی
دانشجوی دکتری هوش مصنوعی دانشگاه تهرانثبت نام دوره متوقف شده است