مبانی یادگیری ماشین: جبر خطی

مدرس Terezija Semenski

انتشار 2022/08/30

مدت زمان 1h 20m

سطح مناسب همه

فایل تمرینی دارد

آموزش Machine Learning Foundations: Linear Algebra

آیا تا به حال فکر کرده اید که واقعاً در زیر الگوریتم یادگیری ماشینی چه می گذرد؟ پاسخ جبر خطی است. بدون آن، یادگیری ماشینی نمی تواند وجود داشته باشد. جبر خطی پیش نیازی برای درک و ایجاد تقریباً همه الگوریتم‌های یادگیری ماشین است، به‌ویژه الگوریتم‌هایی که شبکه‌های عصبی، ابزارهای پردازش زبان طبیعی و مدل‌های یادگیری عمیق را پشتیبانی می‌کنند.برای کاوش عمیق به مربی Terezija Semenski بپیوندید. مفاهیم اصلی جبر خطی در کنار تکنیک های مورد نیاز برای طراحی و پیاده سازی یک الگوریتم یادگیری ماشین موفق. اصول حساب برداری، هنجارهای برداری، ویژگی های ماتریس، عملیات پیشرفته، تبدیل ماتریس و الگوریتم هایی مانند رتبه صفحه گوگل را کشف کنید. در پایان این دوره، شما آماده خواهید بود که اصول جبر خطی را بپذیرید و آنها را در پروژه بزرگ بعدی یادگیری ماشین خود به کار ببرید.

Linear Algebra Machine Learning

Introduction

Introduction ()

What you should know ()

1. Introduction to Linear Algebra

Defining linear algebra ()

Applications of linear algebra in ML ()

2. Vectors Basics

Introduction to vectors ()

Vector arithmetic ()

Coordinate system ()

3. Vector Projections and Basis

Dot product of vectors ()

Scalar and vector projection ()

Changing basis of vectors ()

Basis, linear independence, and span ()

4. Introduction to Matrices

Matrices introduction ()

Types of matrices ()

Types of matrix transformation ()

Composition or combination of matrix transformations ()

5. Gaussian Elimination

Solving linear equations using Gaussian elimination ()

Gaussian elimination and finding the inverse matrix ()

Inverse and determinant ()

6. Matrices from Orthogonality to Gram–Schmidt Process

Matrices changing basis ()

Transforming to the new basis ()

Orthogonal matrix ()

Gram–Schmidt process ()

7. Eigenvalues and Eigenvectors

Introduction to eigenvalues and eigenvectors ()

Calculating eigenvalues and eigenvectors ()

Changing to the eigenbasis ()

Google PageRank algorithm ()

Conclusion

Next steps ()

Ex_Files_ML_Foundations_Linear_Algebra.zip (33 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش مبانی یادگیری ماشین: جبر خطی

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Machine Learning Foundations: Linear Algebra در 2 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

درک مفاهیم کلیدی ریاضی برای پیاده سازی موثر الگوریتم های یادگیری ماشین ضروری است. به مفاهیم اصلی از جبر خطی گرفته تا حساب دیفرانسیل و انتگرال، احتمالات و آمار بپردازید. چه یک مبتدی یا یک متخصص با تجربه باشید، این مسیر یادگیری شما را با مهارت های حیاتی برای مقابله با پروژه های پیچیده ML مجهز می کند.

آموزش مبانی یادگیری ماشین: جبر خطی ، ایستگاه شماره 1 در مسیر یادگیری ریاضیات پایه برای یادگیری ماشین ، است.

مسیر یادگیری ریاضیات پایه برای یادگیری ماشین

آیا می دانید هوش مصنوعی و یادگیری ماشینی چگونه بر شما، مسیر شغلی شما و دنیای اطراف ما تأثیر می گذارد؟ این مسیر یادگیری مفاهیم و مسیرهای آینده هوش مصنوعی و یادگیری ماشین را به شما می آموزد. شما قادر خواهید بود در محیط کاری خود تصمیمات و مشارکت های آگاهانه تری بگیرید.

آموزش مبانی یادگیری ماشین: جبر خطی ، ایستگاه شماره 2 در مسیر یادگیری شروع کار با هوش مصنوعی و یادگیری ماشینی ، است.