زیر مجموعه از هوش مصنوعی شامل یک مدل ریاضی که بر اساس دادههای نمونه یا دادههای آموزشی بدون نیاز به برنامه ریزی آشکار، پیش بینی یا تصمیم گیری میکند. تمرکز اصلی یادگیری ماشینی بر توسعه برنامه های رایانه ای است که بتوانند به داده ها دسترسی پیدا کنند و از آن برای یادگیری خود استفاده کنند.
برای مثال وقتی نیاز است از بین تصاویر مختلف، تصاویر با معیارهای خاصی انتخاب شود، یا درمورد عملکرد های سنسورها، رفتاری با الگوهای خاصی برای تصمیم گیری انتخاب و استفاده شود جایی که ست که یادگیری ماشین و الگوریتم های آن نیاز مورد نیاز است. یادگیری ماشین در موارد بسیاری کاربرد دارد، مثلا تشخیص چهره خودکار در گالری گوشی شما، سیستم تبلیغات و معرفی افراد در اینستاگرام و فیس بوک و حتی پیشنهاد خرید در آمازون و در بانک ها نیز تشخیص تقلبی بودن بعضی از معاملات.
جالب تر اینجاست که ماشین میتواند از بازخورد رفتار خود کمک گرفته و رفتارش را اصلاح کند. در این حالت سعی میکنیم به ماشین یاد بدهیم که فکر کردن را شبیه سازی کند و با استفاده از داده های محیطی، آن را به مدل تبدیل کرده و تصمیم گیری کند.
مخاطبین
برنامه نویسان
طراحان و تحلیلگران سیستم
توانمندی شرکت کنندگان بعد از گذراندن دوره
کسانی که در این دوره شرکت میکنند، علاوه بر درک عمیق از مفاهیم یادگیری ماشین با پرکاربرد ترین الگوریتم های آن نیز آشنا میشوند.
آنها در طول دوره پیاده سازی برخی از الگوریتم ها را نیز به صورت عملی مشاهده میکنند که به فرآیند یادگیری کمک شایانی خواهد کرد.
پیش نیازی
آشنا به یکی از زبان های برنامه نویسی، ساختمان داده و طراحی الگوریتم
سرفصل
- Introduction
- Decision Tree Learning
- Artificial Neural Network
- Bayesian Learning
- Instance-Based Learning
- Genetic Algorithm
- Reinforcement Learning
- Linear Model for Regression
- Linear Models for Classification
دیدگاهها
" لطفا آموخته ها و تجربیات خود را از کلاس هایی که داشتید، با ما در میان بگذارید."