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
  • بهینه سازی
  • 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