دوره ۲۴ ساعته

آموزش کامل مبانی یادگیری ماشین

کلیات و مفاهیم پایه در یادگیری ماشین

• تعاریف
• یادگیری تحت نظارت
• یادگیری بدون نظارت

دسته بندی (Classification)

خوشه بندی (Clustering)

• تکنیک های محاسبه فاصله بین انواع ویژگی ها
• روش خوشه بندی K-Means
• روش خوشه بندی K-Medoids
• روش های خوشه بندی سلسله مراتبی (Hierarchical)
• شاخص های ارزیابی فرآیند خوشه بندی

مرور روش های کلاسیک در یادگیری ماشین

• یادگیری مبتنی بر نمونه ها Learning based-Instance
• یادگیری مبتنی بر قواعد Learning based-Rule
• یادگیری مبتنی بر نظریه احتمالات (Bayesian Learning)
• درخت تصمیم
  • الگوریتم ID3
  • الگوریتم C4.5

معرفی کلی روش های یادگیری مبتنی بر حسابگری زیستی

• الگوریتم ژنتیک
• شبکه های عصبی

ترکیب دسته بندها (Combining Classifiers)

• روش Bagging
• روش Boosting
• روش AdaBoost

یادگیری تقویتی – Reinforcement Learning

• معرفی مفاهیم پایه (Agent, Action, Policy,…)
• روش های انتخاب کنش
• روش برنامه ریزی پویا
• روش تقویتی مونت کارلو
• روش های یادگیری تعاملی

برای مشاهده برنامه زمانی این دوره در تقویم آموزشی دایکه کلیک کنید.