توضیحات
The Essential Machine Learning Foundations: Math, Probability, Statistics, and Computer Science (Video Collection)، دوره آموزش مبانی ضروری یادگیری ماشین: ریاضیات، احتمال، آمار، و علوم کامپیوتر توسط آکادمی Oreilly منتشر شده است. یک دانشمند داده برجسته یا مهندس یادگیری ماشین باید فراتر از اصول اولیه استفاده از الگوریتمهای ML با محبوبترین کتابخانهها، مانند scikit-learn و Keras، تسلط داشته باشد. برای آموزش مدلهای نوآورانه یا استقرار آنها جهت اجرا با کارایی بالا در محیط تولید، درک عمیق از نظریه یادگیری ماشین ضروری است، که شامل دانش عملی در زمینههای بنیادی مانند جبر خطی، حساب دیفرانسیل و انتگرال، احتمال، آمار، ساختارهای داده و الگوریتمها میشود. زمانی که پایههای یادگیری ماشین محکم باشد، گذر از اصول کلی ML به حوزههای تخصصیتر مانند یادگیری عمیق، پردازش زبان طبیعی، بینایی ماشین و یادگیری تقویتی آسانتر میشود. هرچه یک کاربرد تخصصیتر باشد، جزئیات پیادهسازی آن بیشتر در مقالات علمی یا کتابهای تخصصی سطح کارشناسی ارشد یافت میشود، که هر دو نیازمند درک مفاهیم بنیادی هستند. جبر خطی برای یادگیری ماشین – LiveLessons این دوره شما را با نظریه و کاربردهای جبر خطی آشنا میکند، با تمرکز بر کاربردهای آن در یادگیری ماشین. حساب دیفرانسیل و انتگرال برای یادگیری ماشین – LiveLessons این دوره زمینهی ریاضیات حساب دیفرانسیل و انتگرال را از ابتدا معرفی میکند—مطالعه نرخ تغییرات—که اهمیت بالایی دارد زیرا محاسبه مشتقات از طریق دیفرانسیلگیری، اساس بهینهسازی بیشتر الگوریتمهای یادگیری ماشین، از جمله الگوریتمهایی مانند بکپراپگیشن (Backpropagation) و گرادیان نزولی تصادفی (Stochastic Gradient Descent) در یادگیری عمیق است. احتمال و آمار برای یادگیری ماشین (مبانی یادگیری ماشین) – LiveLessons این دوره شما را با یک درک عملی و کاربردی از نظریه احتمال و مدلسازی آماری آشنا میکند، با تمرکز بر کاربردهای آن در یادگیری ماشین.
آنچه خواهید آموخت
- جبر خطی برای یادگیری ماشین
- حساب دیفرانسیل و انتگرال برای یادگیری ماشین – LiveLessons
- احتمال و آمار برای یادگیری ماشین
- ساختارهای داده، الگوریتمها، و بهینهسازی یادگیری ماشین
مشخصات دوره The Essential Machine Learning Foundations: Math, Probability, Statistics, and Computer Science (Video Collection)
- ناشر : Oreilly
- مدرس : Jon Krohn
- زبان: انگلیسی
- سطح آموزش: تمام سطوح
- تعداد دروس: 273
- مدت زمان آموزش: 28 ساعت و 12 دقیقه
سر فصل های دوره

پیش نیاز های دوره
- Mathematics: Familiarity with secondary school-level mathematics will make the course easier to follow. If you are comfortable dealing with quantitative information—such as understanding charts and rearranging simple equations—then you should be well-prepared to follow along with all of 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: انگلیسی
کیفیت: 720p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
39.88 گیگابایت













































