تعداد ساعت | سطح | مدرس |
|---|---|---|
بیش از ۱۷ ساعت | مقدماتی | حامد قاسمی (دکتری هوش مصنوعی دانشگاه تهران) |
تمرین | گواهینامه | پشتیبانی |
|---|---|---|
دارد | دارد | گروه VIP تلگرامی |
معرفی دوره ریاضیات ویژه هوش مصنوعی
معرفی بیشتر دوره ریاضیات هوش مصنوعی
شاید جملات زیر از ذهن شما گذشته باشد:
- من اصلا رابطه ام با ریاضی خوب نیست. نمیفهممش هر کاری میکنم.
- برای هوش مصنوعی باید ریاضی بلد باشم و چون من از ریاضی خوشم نمیاد پس بی خیال هوش مصنوعی
- من اصلا تلاش هم کنم ریاضی رو یاد نمیگیرم.
اما ما با دوره ریاضیات ویژه هوش مصنوعی نشان دادیم که همه این جملات میتوانند غلط باشند. کافی است فقط یک بار بخشی از نظرات مربوط به دموی همین دوره که آموزش انتگرال بود را مشاهده کنید (لینک ویدیو در youtube)
بهترین راه برای این که از دوره اطمینان پیدا کنید این است که لینک قرار داده شده در بالا را مشاهده کنید.
دوره ریاضیات ویژه هوش مصنوعی از سه کارگاه جبرخطی، آمار و احتمال و حساب دیفرانسیل و انتگرال تشکیل شده است که همه مطالبی است که شما در ابتدای دنیای هوش مصنوعی و یادگیری ماشین به آن نیاز دارید.
ما یک نقشه راه جامع داریم
در ربوتک ما یک نقشه راه جامع داریم. اگر هیچ دانشی از هوش مصنوعی ندارید و یا آنکه میخواهید مباحث پیشرفته در هوش مصنوعی را فراگیرید ، میتوانید از این نقشه راه استفاده کنید.
- خطوط عادی به معنی پیشنیاز بودن یک دوره برای دوره دیگر است.
- خط چین ها یعنی آن دوره پیشنیاز دوره بعدی نیست ولی پیشنهاد می شود که آن دوره را نیز بگذرانید.
(برای بزرگ شدن تصویر روی آن کلیک کنید. )
نظرات شرکت کنندگان (روی هر تصویر کلیک کنید)
مدرس دوره کیست ؟
حامد قاسمی
- دانشجوی دکترای هوش مصنوعی دانشگاه تهران
- پژوهشگر آزمایشگاه تعامل انسان و ربات
- علاقه مند به دنیای هوش مصنوعی و شبکه های عصبی عمیق
پشتیبانی :گروه تلگرامی
پس از ثبت نام به لینک گروه دسترسی خواهید داشت.
لینک گروه تلگرامی
سرفصل های دوره
بخش حساب دیفرانسیل و انتگرال :
مشتق ، شهود آن و روابط مهم
بخش اول : شهودی از کاربرد مشتق و انتگرال ویدئو
بخش دوم : مفهوم مشتق و تعریف دقیق آن - قسمت اول ویدئو
بخش سوم : مفهوم مشتق و تعریف دقیق آن - قسمت دوم ویدئو
بخش چهارم : مشتق توابع مثلثاتی ویدئو
بخش پنجم: مشتق توابع ترکیبی ویدئو
ادامه مشتق، حد، انتگرال، بسط تیلور
بخش اول :قاعده ضرب زنجیره ای ویدئو
بخش دوم : حد و مفهوم آن ویدئو
بخش سوم :انتگرال : انتگرال چیست ؟شهود و نحوه محاسبه ویدئو
بخش چهارم :مشتق های مرتبه بالاتر و بسط تیلور ویدئو
بخش تکمیلی : مقدمه ای بر بهینه سازی ویدئو
بخش جبرخطی :
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
بخش آمار و احتمال :
مفاهیم پایه آمار و احتمال و احتمالات ترکیبی
بخش اول : تعاریف پایه ویدئو
احتمال چیست و آشنایی با اصول کولمگروف
بخش دوم : احتمال شرطی ویدئو
احتمال شرطی و حل چند مثال از آن
بخش سوم : قاعده مهم بیز ویدئو
قاعده بیز و حل مثال از آن و total probability
بخش چهارم : استقلال رویدادها ویدئو
مفهوم استقلال و استقلال شرطی و حل مثال
توزیع های احتمالاتی گسسته و پیوسته
بخش اول : متغیر تصادفی و تابع جرم احتمال ویدئو
مروری بر جلسه قبل و معرفی random variable و تابع جرم احتمال
بخش دوم : تابع توزیع انباشته ویدئو
ادامه بحث متغیر تصادفی و آشنایی با CDF
بخش سوم : امید ریاضی و واریانس ویدئو
Expected Value و Variance و فرمول های مهم در آن
بخش چهارم : توزیع های گسسته معروف ویدئو
تابع توزیع برنولی و دوجمله ای و کدنویسی پایتون
توابع توزیع پیوسته و مباحث تکمیلی
بخش اول :ادامه توزیع های احتمالاتی گسسته ویدئو
مرور مباحث قبل و ادامه توزیع های احتمالاتی و توزیع هندسی
بخش دوم :متغیر تصادفی پیوسته ویدئو
متغیرتصادفی پیوسته و خواص و ویژگی های آن
بخش سوم : CDF , PDF برای متغیر های پیوسته ویدئو
تابع توزیع انباشته و تابع توزیع چگالی احتمال و شروع تابع توزیع نرمال
بخش چهارم : تابع توزیع نرمال و CDF آن ویدئو
تکمیل مباحث تابع توزیع نرمال و حل چند مثال از آن و خواص آن
دسترسی به محتوا (پس از ثبت نام)
سوالات متداول :
دوره ریاضیات هوش مصنوعی پیشنیاز خاصی ندارد و مفاهیم از ابتدا و از صفر گفته می شوند.
خیر – این دوره چون مجموعه ای چند کارگاه است و دارای تمارین و پروژه پایانی نیست، مدرک ندارد. سایر دوره های آکادمی ربوتک دارای مدرک نمره دار هستند.
دوره ریاضیات هوش مصنوعی به صورت آفلاین است و به محض ثبت نام با فعال سازی لایسنس به محتوا دسترسی خواهید داشت.
ارتباط مستقیم
دوره های مرتبط
دوره پایتون عمیق
تعداد ساعت سطح مدرس ۲۶ ساعت و ۴۸ دقیقه متوسط و پیشرفته حامد قاسمی (دکتری هوش مصنوعی دانشگاه تهران) تمرین…
دوره شبکه های بازگشتی و Transformers (ترم دوم یادگیری عمیق)
تعداد ساعت سطح مدرس ۲۲ساعت و ۵۵ دقیقه متوسط و پیشرفته حامد قاسمی (دکتری هوش مصنوعی دانشگاه تهران) تمرین گواهینامه…
یادگیری عمیق – ترم اول
تعداد ساعت سطح مدرس ۲۷ ساعت و ۵۸ دقیقه مقدماتی حامد قاسمی (دکتری هوش مصنوعی دانشگاه تهران) تمرین گواهینامه پشتیبانی…
یادگیری تقویتی
نکته مهم در مورد دوره های ربوتک دوره های آکادمی ربوتک بر بستر نرم افزار spot player هستند و شما…
یادگیری ماشین کاربردی
تعداد ساعت سطح مدرس ۱۷ ساعت و ۲۹ دقیقه مقدماتی حامد قاسمی (دکتری هوش مصنوعی دانشگاه تهران) تمرین گواهینامه پشتیبانی…
پایتون ویژه یادگیری ماشین
تعداد ساعت سطح مدرس ۱۷ ساعت و ۳۰ دقیقه مقدماتی حامد قاسمی (دکتری هوش مصنوعی دانشگاه تهران) تمرین گواهینامه پشتیبانی…
نظرات
1,300,000 تومان
reza8230( دانشجوی دوره )
من تا الان جبر خطی رو تموم کردم و عالی بوده، مطالب بسیار مفهومی و کاربردی تدریس داده شده؛ ممنون از آکادمی روبوتک و استاد قاسمی عزیز.
hamed.ghasemi(مدیریت)
خیلی ممنون از همراهی شما.
hamed.ghasemi(مدیریت)
خوشحالیم که دوره براتون مفید بوده. ممنون از همراهی شما.
فرزاد
سلام وقت بخیر
میخواستم بدونم دوره هایی که نوشته شده ثبت نام متوقف شده رو چجوری میتونم داشته باشم؟
hamed.ghasemi(مدیریت)
با سلام.
از ابتدای مرداد میتونید ثبت نام بفرمایید.