توضیحات
Calculus for Machine Learning LiveLessons (Video Training)، یک دوره آموزش جبر (مقدمات ریاضی) برای یادگیری ماشین میباشد. این مباحث ضروری هستند چون محاسبات مشتق با استفاده از مشتق گیری پایه بهینه سازی اغلب الگوهای یادگیری ماشین (شامل آنهایی که در یادگیری عمیق به کار گرفته میشوند مثل backpropagation و stochastic gradient descent) میباشد. در طول یادگیری این تئوری، شما یک درک عملکردی از چگونگی استفاده از جبر برای محاسبه توابع حد و مشتق گیری را کسب خواهید کرد.
آنچه در دوره Calculus for Machine Learning LiveLessons (Video Training) یاد خواهید گرفت:
- توسعه درک چگونگی کارکرد الگوریتم های یادگیری ماشین شامل آنهایی که در یادگیری عمیق به کار گرفته میشوند.
- محاسبه مشتق توابع با استفاده از AutoDiff در کتابخانه های مشهور TensorFlow 2 و PyTorch
- توانایی فهمیدن اطلاعات مشتق جزئی (مشتق نسبی)، جبر چند متغیری که در یادگیری ماشین پرکاربرد است و سایر موضوعات زیرمجموعه یادگیری ماشین شامل تئوری اطلاعات و الگوریتم های بهینه سازی.
- استفاده از انتگرال برای تعیین مساحت زیر منحنی، برای مثال محاسبه مساحت زیر منحنی ROC برای ارزیابی کارایی مدل
مشخصات دوره
ناشر: Informit
مدرسین: Jon Krohn
زبان: انگلیسی
سطح آموزش: متوسط
تعداد دروس: 58
مدت زمان: 6 ساعت و 14 دقیقه
سرفصل های دوره:
Lesson 1: Orientation to Calculus
Lesson 2: Limits
Lesson 3: Differentiation
Lesson 4: Advanced Differentiation Rules
Lesson 5: Automatic Differentiation
Lesson 6: Partial Derivatives
Lesson 7: Gradients
Lesson 8: Integrals
پیش نیاز دوره:
Mathematics: Familiarity with secondary school-level mathematics will make the class easier to follow. If you are comfortable dealing with quantitative information, such as understanding charts and rearranging simple equations, you should be well prepared to follow along with all the mathematics.
Programming: All code demos are in Python, so experience with it or another object-oriented programming language would be helpful for following along with the hands-on examples.
تصاویر
فیلم نمونه
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 720p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
8.6 گیگابایت
