مطالب پیشنهادی از سراسر وب

ریاضی ضروری برای یادگیری ماشینی: نسخه پایتون

دسته بندی ها: آموزش پایتون (Python) ، آموزش هوش مصنوعی (AI) ، آموزش یادگیری ماشینی (Machine Learning) ، آموزش های لینکدین (LinkedIn)

مفاهیم اصلی ریاضی مانند حساب تک متغیره، حساب چند متغیره، ماتریس و جبر خطی زیربنای همه الگوریتم های یادگیری ماشینی هستند و برای بسیاری از متخصصان علاقه مند به یادگیری ماشینی و هوش مصنوعی، بازنگری در این مفاهیم می تواند کمی ترسناک باشد. این دوره، ریاضیات اساسی مورد نیاز برای درک دقیق و نوشتن الگوریتم های یادگیری ماشینی در پایتون را به نحوی ساده تر و آسان تر توضیح می دهد. مفاهیم اساسی جبری نظیر مشتقات و بهینه سازی، آمار و اصول احتمالات را مرور خواهید کرد. 

 

 

فایل های تمرین Ex_Files_Math_ML_Python_Edition.zip
آیا این نوشته را دوست داشتید؟
Linkedin Essential Math for Machine Learning: Python Edition Author:Microsoft General Technical Skills Duration:1:48:02 Level:BEGINNER

Core mathematical concepts such as single-variable calculus, multivariable calculus, matrices, and linear algebra are the underpinnings of all machine learning algorithms. And for many professionals with an interest in machine learning and AI, revisiting these concepts can be a bit intimidating. This course demystifies the essential math that you need to grasp—and implement—in order to write machine learning algorithms in Python. Review fundamental algebraic concepts; derivatives and optimization; statistics; and the basics of probability.

پیشنهاد آموزش مرتبط در فرادرس