پیشنهاد فرادرس

آموزش اصول ریاضی برای هوش مصنوعی و یادگیری ماشینی

دسته بندی ها: هوش مصنوعی ، آموزش های Packtpub ، یادگیری ماشینی (Machine Learning)

هوش مصنوعی در دهه گذشته با توجه به توسعه و ادغام AI در زندگی روزمره ما اهمیت زیادی پیدا کرده است. پیشرفت هایی که AI در حال حاضر انجام داده است با نوآوری هایی مانند اتومبیل های بدون راننده، تشخیص پزشکی و حتی ضرب و شتم انسان ها در بازی های استراتژی مانند Go و Chess حیرت انگیز است. با این حال، یادگیری برای نوشتن الگوریتم های AI و ML آسان نیست و نیازمند برنامه نویسی گسترده و دانش ریاضی است.  ریاضی نقش مهمی ایفا می کند، زیرا پایه ای برای برنامه نویسی برای این دو جریان ایجاد می کند. در این دوره با اصول ریاضی برای نوشتن برنامه ها و الگوریتم های AI و ML آشنا می شوید.

سرفصل:

  • معرفی دوره
  • جبر خطی
  • اسکالرها، بردارها، ماتریس ها و تانسورها
  • الگوهای بردار و ماتریس
  • بردارها، ماتریس ها و تانسورها در پایتون
  • ماتریس های ویژه و بردارها
  • مقادیر ویژه و خصوصیات خاص
  • مقادیر و خصوصیات
  • محاسبات چند متغیره
  • مقدمه ای بر مشتقات
  • مبانی ادغام
  • گرادیان ها
  • مصورسازی گرادیان
  • بهينه سازي
  • نظریه احتمالات
  • معرفی به نظریه احتمالات
  • توزیع احتمالات
  • انتظار، انحراف و کوواریانس
  • توزیع احتمالات گراف در R
  • ماتریس کوواریانس در R
  • نظریه احتمالی
  • متغیرهای تصادفی خاص
Mathematical Foundation for AI and Machine Learning [Video] Publisher:Packtpub Author:Eduonix Duration:4 hours and 15 minutes

Learn the core mathematical concepts for machine learning and learn to implement them in R and Python
Artificial Intelligence has gained importance in the last decade with a lot depending on the development and integration of AI in our daily lives. The progress that AI has already made is astounding with innovations like self-driving cars, medical diagnosis and even beating humans at strategy games like Go and Chess. The future for AI is extremely promising and it isn’t far from when we have our own robotic companions. This has pushed a lot of developers to start writing codes and start developing for AI and ML programs. However, learning to write algorithms for AI and ML isn’t easy and requires extensive programming and mathematical knowledge. Mathematics plays an important role as it builds the foundation for programming for these two streams. And in this course, we’ve covered exactly that. We designed a complete course to help you master the mathematical foundation required for writing programs and algorithms for AI and ML.
Style and Approach
The course has been designed in collaboration with industry experts to help you breakdown the difficult mathematical concepts known to man into easier to understand concepts.The course covers three main mathematical theories: Linear Algebra, Multivariate Calculus and Probability Theory.
Released: Tuesday, July 24, 2018
Introduction
Introduction
Linear Algebra
Scalars, Vectors, Matrices, and Tensors
Vector and Matrix Norms
Vectors, Matrices, and Tensors in Python
Special Matrices and Vectors
Eigenvalues and Eigenvectors
Norms and Eigendecomposition
Multivariate Calculus
Introduction to Derivatives
Basics of Integration
Gradients
Gradient Visualization
Optimization
Probability Theory
Intro to Probability Theory
Probability Distributions
Expectation, Variance, and Covariance
Graphing Probability Distributions in R
Covariance Matrices in R
Probability Theory
Special Random Variables

پیشنهاد فرادرس

لینک های دانلود حجم فایل: 966.0MB Packtpub Mathematical Foundation for AI and Machine Learning [Video]_git.ir.rar
عباس در 1397/06/16 ساعت 08:41

با سلام
فایل ها پس از دانلود اروره the archive is unknown format or damaged میده.
اگر امکانش وجود داره تغییر بدهید.
با تشکر

مدیر در 1397/06/16 ساعت 15:39

فایل مشکلی ندارد. با اخرین نسخه winrar اکسترکت کنید.