یک بار برای همیشه !
رویکرد مدنظر در این دوره کاربردی و عملی است. صرفا به دنبال تیوری هایی نیستیم که نتوانیم از آن استفاده کنیم و صرفا چند ساعت حرف زده باشیم ! میخواهیم عملی و کاربردی با این مفاهیم کار کنیم و آنها را درک کنیم تا یک بار برای همیشه پرونده آمار و احتمال را ببندید و بتوانید خیلی قدرتمند یادگیری ماشین را شروع کنید.
دسترسی به محض ثبت نام
به محض ثبت نام می توانید مطالب را بخش سرفصل ها دانلود کنید و شروع به یادگیری کنید.
پشتیبانی :گروه تلگرامی
پس از ثبت نام به لینک گروه دسترسی خواهید داشت.
لینک گروه تلگرامی
آمار و احتمال را دست کم نگیرید !
اشتباهی که بسیاری از شرکت کنندگان انجام می دهند این است که خیال می کنند که می توانند بدون داشتن این پایه ها به صورت کامل در یادگیری ماشین فعالیت کنند. در حالی که این موضوع یک اشتباه بزرگ است. اصولا اگر اتفاق مهم و مقاله ای مهم در حوزه هوش مصنوعی رخ می دهد عمدتا از طرف کسانی است که پایه های ریاضی قوی دارند و این یک موضوع انکار ناپذیر است.
شاید شما بتوانید به صورت ساده از یک شبکه عصبی استفاده کنید اما درک این شبکه ها و تصحیح عملکرد آنها و استفاده بهینه از آن برای کار خود قطعا نیازمند درک عمیقی از آن است که بدون داشتن یک پایه ریاضی لازم این امر کمی سخت به نظر می رسد.
بدون پایه قوی شما مثل یک خانه بدون ته ریزی مناسب هستید که هر چقدر هم دیوار ها زیبا ساخته شوند اما با یک زلزله ویران می شوند !
نکته مهم : سرفصل های آورده شده در اینجا کلی هستند و شامل تمامی جزییات نمی باشد و مفاهیمی که در کلاس بحث خواهد شد، بیشتر خواهد بود.
دانلود کارگاه 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
اسلاید جلسه اول فایل های ضمیمه
دانلود اسلایدهای جلسه اول
تمرین تمرین
تمارین جلسه اول
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
اسلاید فایل های ضمیمه
اسلایدهای جلسه دوم
تمارین تمرین
تمارین جلسه دوم
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
اسلاید فایل های ضمیمه
اسلایدهای جلسه سوم
تمرین تمرین
تمرین جلسه سوم
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
ارتباط مستقیم
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 Normalization در شبکه های عصبی
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…
جبرخطی ویژه یادگیری ماشین
رابطه بد ما با جبرخطی ! نقاشی معروف جیغ اثر ادوراد مونک نظر شما راجع به نقاشی بالا چیست؟ برای…
نظرات
500,000 تومان
ثبت نام دوره متوقف شده است
حامد قاسمی
دانشجوی دکتری هوش مصنوعی دانشگاه تهرانثبت نام دوره متوقف شده است