آموزش اصول و تئوری یادگیری ماشین (Machine learning) به صورت پاورپوینت

آموزش اصول و تئوری یادگیری ماشین

در این بخش دانلود رایگان آموزش اصول و تئوری یادگیری ماشین را به صورت فایل پاورپوینت آماده کردیم که توسط پروفسور آدریانا کوواشکا (Adriana Kovashka) از دانشگاه پیتزبورگ (Pittsburgh) به زبان انگلیسی تهیه شده است. این مجموعه آموزشی که در قالب 19 فایل پاورپوینت است، به آموزش اصول و تئوری یادگیری ماشین پرداخته که زمینه های بسیاری را شامل می شود. در ادامه به معرفی مباحث مطرح شده پرداخته و لینک دانلود رایگان آنها در قالب یک فایل فشرده در اختیار شما کاربران گرامی قرار گرفته است.

مباحث اصلی مطرح شده در این آموزش:

اصول، مبانی و تئوری یادگیری ماشین (Machine learning)، جبر خطی و متلب (Linear Algebra – Matlab)، خوشه بندی (Clustering)، کاهش ابعاد (Dimensionality Reduction – PCA)، اورفیتینگ خطی (Line Fitting)، رگرسیون خطی (Linear Regression)، الگوریتم K نزدیک ترین همسایه (Classification Nearest Neighbors – KNN)، مدل های خطی برای طبقه بندی (Linear Models for Classification)، الگوریتم ماشین بردار پشتیبان (Support Vector Machines – SVM)، شبکه های عصبی (Neural Networks)، شبکه های عصبی کانولوشن (Convolutional Neural Networks – CNN)، شبکه های عصبی بازگشتی (Recurrent Neural Networks – RNN)، روش های درخت های تصمیم (Ensemble Methods Decision Trees)، توزیع احتمالات (Probability Review)، تخمین چگالی (Density Estimation)، مدل های گرافیکی مستقیم (Directed Graphical Models)، الگوریتم مدل مخفی مارکف (Hidden Markov Model – HMM)، الگوریتم حداکثر‌سازی انتظارات (Expectation Maximization – EM)، یادگیری عمیق (Deep learning) و یادگیری تقویتی (Reinforcement Learning).