مدرس: حامد بهزادی خورموجی

زمان برگزاری: از ۱ بهمن ماه  ۱۳۹۹ به مدت ۳۵ جلسه 

  (شنبه و یک شنبه هر هفته ساعت ۱۸)

شرايط ورود به دوره (پيش‌نيازهاي دوره) :

·        آشنایی با مبانی کامپیوتر و مفاهیم الگوریتم

·        آشنایی با مفاهیم مقدماتی پایتون  (دوره ی آموزش پایتون، مقدماتی تا پیشرفته) و کتابخانه matplotlib 

سرفصل مطالب مطرح شده:

۱-مقدمه بر ماشین لرنیگ و دسته بندی مسایل به مسایل نظارت شده و بدون نظازت و نیمه نظارتی

۲-رگرسیون خطی یک متغیره و چند متغیره

۳-رگرسیون لجستیک

۴-آشنایی با Overfitting و Underfitting

۵-گرادیان دیسنت و فرم بسته ریاضی

۶- ماشین بردار پشتیبان

۷-شبکه های عصبی

۸-درخت تصمیم

۹-منظم سازی و ارزیابی مدل

۱۰-                 بررسی روش های مختلف محاسبه فاصله

۱۱-                 الگوریتم k نزدیک ترین همسایه

۱۲-                 الگوریتم خوشه بندی   K-Means

۱۳-                  الگوریتم خوشه بندی فازی

۱۴-                 الگوریتم خوشه بندی K-medias

۱۵-                  خوشه بندی سلسله مراتبی

۱۶-                 خوشه بندی مبتنی بر چگالی

۱۷-                       الگوریتم های بهینه سازی مانند ژنتیک و pso برای بهینه سازی تابع هزینه در هریک از الگوریام های فوق

برای ثبت نام وارد لینک زیر شوید:
ثبت نام