- تعریف بیش‌برازش: 00:00:00 - تنظیم: 00:15:38 - روش‌های تنظیم L1 و L2: 00:33:45 - رگرسیون با تنظیم: 00:55:26 - معادله نرمال با تنظیم (تنظیم تیخونوف): 01:12:26 - دسته‌بندی با تنظیم: 01:19:57 - روش‌های بهینه‌سازی پیشرفته: 01:27:16 - پیاده‌سازی انواع تنظیم در پایتون: 01:30:39 - نشانی وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ - دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018

- تعریف بیش‌برازش: 00:00:00 - تنظیم: 00:15:38 - روش‌های تنظیم L1 و L2: 00:33:45 - رگرسیون با تنظیم: 00:55:26 - معادله نرمال با تنظیم (تنظیم تیخونوف): 01:12:26 - دسته‌بندی با تنظیم: 01:19:57 - روش‌های بهینه‌سازی پیشرفته: 01:27:16 - پیاده‌سازی انواع تنظیم در پایتون: 01:30:39 - نشانی وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ - دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018

در این جلسه از درس با زبان پایتون و به ویژه با هدف استفاده از پایتون در کاربردهای یادگیری ماشین آشنا می‌شویم. فهرست مطالب به شرح زیر است: - پایتون: 00:00:00 - عملیات ریاضی و منطقی: 00:7:30 - متغیرها: 00:12:52 - ساختارهای داده‌ای: 00:22:49 - بردارها و ماتریس‌ها در پایتون: 00:31:38 - ایجاد ماتریس‌های تصادفی و توزیع نرمال: 00:56:06 - کار با ماتریس‌ها: ۰۱:۰۸:۲۵ - ذخیره و بازیابی ماتریس‌ها: 01:11:39 - نشانی‌وب‌سایت: http://www.snrazavi.ir/ml-2018/ - دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018 منابع پیشنهادی برای یادگیری پایتون (از مبتدی تا پیشرفته): Python Cookbook Third edition by David Beazley and Brian K. Jones پایتون برای افراد مبتدی و تازه‌کار: Head First Python: A Brain-Friendly Guide 2nd Edition پایتون برای یادگیری ماشین: Python for Data Analysis: Data Wrangling with Pandas NumPy and IPython 2nd Edition کتاب مورد علاقه من: Introduction to Programming in Python: An Interdisciplinary Approach https://introcs.cs.princeton.edu/python/home/

در این جلسه از درس با زبان پایتون و به ویژه با هدف استفاده از پایتون در کاربردهای یادگیری ماشین آشنا می‌شویم. فهرست مطالب به شرح زیر است: - پایتون: 00:00:00 - عملیات ریاضی و منطقی: 00:7:30 - متغیرها: 00:12:52 - ساختارهای داده‌ای: 00:22:49 - بردارها و ماتریس‌ها در پایتون: 00:31:38 - ایجاد ماتریس‌های تصادفی و توزیع نرمال: 00:56:06 - کار با ماتریس‌ها: ۰۱:۰۸:۲۵ - ذخیره و بازیابی ماتریس‌ها: 01:11:39 - نشانی‌وب‌سایت: http://www.snrazavi.ir/ml-2018/ - دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018 منابع پیشنهادی برای یادگیری پایتون (از مبتدی تا پیشرفته): Python Cookbook Third edition by David Beazley and Brian K. Jones پایتون برای افراد مبتدی و تازه‌کار: Head First Python: A Brain-Friendly Guide 2nd Edition پایتون برای یادگیری ماشین: Python for Data Analysis: Data Wrangling with Pandas NumPy and IPython 2nd Edition کتاب مورد علاقه من: Introduction to Programming in Python: An Interdisciplinary Approach https://introcs.cs.princeton.edu/python/home/

ارايه در دانشگاه صنعتی اصفهان به دعوت انجمن رمز

ارايه در دانشگاه صنعتی اصفهان به دعوت انجمن رمز

آشنایی با کتابخانه NumPy به منظور کار با آرایه‌های چند بعدی - سید ناصر رضوی http://www.snrazavi.ir - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد) - دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز - دانلود فایل نوت‌بوک پایتون: http://www.snrazavi.ir/ml-with-python

آشنایی با کتابخانه NumPy به منظور کار با آرایه‌های چند بعدی - سید ناصر رضوی http://www.snrazavi.ir - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد) - دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز - دانلود فایل نوت‌بوک پایتون: http://www.snrazavi.ir/ml-with-python

دسته‌بندی خطی، توابع هزینه رگرسیون لجستیک چندکلاسی (سافت‌مکس) و ماشین بردار پشتیبان چندکلاسی و پیاده‌سازی در پایتون، پیاده‌سازی برداری، تنظیم - سید ناصر رضوی - دانلود مطالب: http://www.snrazavi.ir/ml-with-python/ - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد)

دسته‌بندی خطی، توابع هزینه رگرسیون لجستیک چندکلاسی (سافت‌مکس) و ماشین بردار پشتیبان چندکلاسی و پیاده‌سازی در پایتون، پیاده‌سازی برداری، تنظیم - سید ناصر رضوی - دانلود مطالب: http://www.snrazavi.ir/ml-with-python/ - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد)

- دستورات شرطی و حلقه‌ها: 00:00:00 - توابع: 00:16:56 - پیاده‌سازی تابع هزینه رگرسیون خطی: 00:28:12 - برداری‌سازی محاسبات: 00:35:02 - نشانی وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ - دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018

- دستورات شرطی و حلقه‌ها: 00:00:00 - توابع: 00:16:56 - پیاده‌سازی تابع هزینه رگرسیون خطی: 00:28:12 - برداری‌سازی محاسبات: 00:35:02 - نشانی وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ - دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018

- مقدمه و سرفصل مطالب: 00:00:00 - انگیزه استفاده از ماشین‌های بردار پشتیبان و مرز تصمیم بهینه: 00:09:33 - مفاهیم پایه‌ای، بردارهای پشتیبان و حاشیه: 00:18:39 - بیان مسئله به صورت رسمی: 00:23:32 - کمینه‌سازی مقدار حاشیه: 00:32:40 - تابع هدف در ماشین‌های بردار پشتیبان: 00:42:07 - نشانی وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ - دانلود کدها و پروژه‌ها: https://github.com/snrazavi/Machine_Learning_2018

- مقدمه و سرفصل مطالب: 00:00:00 - انگیزه استفاده از ماشین‌های بردار پشتیبان و مرز تصمیم بهینه: 00:09:33 - مفاهیم پایه‌ای، بردارهای پشتیبان و حاشیه: 00:18:39 - بیان مسئله به صورت رسمی: 00:23:32 - کمینه‌سازی مقدار حاشیه: 00:32:40 - تابع هدف در ماشین‌های بردار پشتیبان: 00:42:07 - نشانی وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ - دانلود کدها و پروژه‌ها: https://github.com/snrazavi/Machine_Learning_2018

- معرفی: 00:00 - الگوریتم خوشه‌بندی K-Means: 07:27 - پیاده‌سازی در پایتون: 26:03 - خوشه‌بندی به عنوان بهینه‌سازی: 30:43 - مقداردهی اولیه به مراکز خوشه‌ها: 39:50 - بهینه محلی و سراسری در خوشه‌بندی: 46:41 - تعیین تعداد مناسب خوشه‌ها و روش آرنج: 53:35 - بهبود خوشه‌بندی با پس‌پردازش خوشه‌ها: 01:03:04 - الگوریتم خوشه‌بندی دوبخشی‌ساز: 01:09:53 - پیاده‌سازی و اجرای الگوریتم‌های خوشه‌بندی در پایتون: 01:13:56

- معرفی: 00:00 - الگوریتم خوشه‌بندی K-Means: 07:27 - پیاده‌سازی در پایتون: 26:03 - خوشه‌بندی به عنوان بهینه‌سازی: 30:43 - مقداردهی اولیه به مراکز خوشه‌ها: 39:50 - بهینه محلی و سراسری در خوشه‌بندی: 46:41 - تعیین تعداد مناسب خوشه‌ها و روش آرنج: 53:35 - بهبود خوشه‌بندی با پس‌پردازش خوشه‌ها: 01:03:04 - الگوریتم خوشه‌بندی دوبخشی‌ساز: 01:09:53 - پیاده‌سازی و اجرای الگوریتم‌های خوشه‌بندی در پایتون: 01:13:56

آشنایی با کتابخانه matplotlib به منظور ترسیم شکل و کتابخانه sklearn برای استفاده از روش‌های یادگیری ماشین - سید ناصر رضوی http://www.snrazavi.ir - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد) - دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز - دانلود فایل‌های پایتون http://www.snrazavi.ir/ml-with-python

آشنایی با کتابخانه matplotlib به منظور ترسیم شکل و کتابخانه sklearn برای استفاده از روش‌های یادگیری ماشین - سید ناصر رضوی http://www.snrazavi.ir - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد) - دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز - دانلود فایل‌های پایتون http://www.snrazavi.ir/ml-with-python

- مرور رگرسیون و الگوریتم گرادیان کاهشی: 00:00:00 - انواع گرادیان کاهشی (دسته‌ای، اتفاقی): 00:08:18 - رگرسیون خطی چند متغیره: 00:16:45 - مقیاس‌بندی (نرمال‌سازی) ویژگی‌ها: 00:29:02 - تنظیم نرخ یادگیری: 00:46:20 - رگرسیون چندجمله‌ای: 01:01:15 - روش معادله نرمال: 01:23:38 دانلود اسلایدها و نشانی وب‌سایت: http://www.snrazavi.ir/ml-2018/

- مرور رگرسیون و الگوریتم گرادیان کاهشی: 00:00:00 - انواع گرادیان کاهشی (دسته‌ای، اتفاقی): 00:08:18 - رگرسیون خطی چند متغیره: 00:16:45 - مقیاس‌بندی (نرمال‌سازی) ویژگی‌ها: 00:29:02 - تنظیم نرخ یادگیری: 00:46:20 - رگرسیون چندجمله‌ای: 01:01:15 - روش معادله نرمال: 01:23:38 دانلود اسلایدها و نشانی وب‌سایت: http://www.snrazavi.ir/ml-2018/

کار با آرایه‌های چند بعدی و کتابخانه NumPy - دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد) - سید ناصر رضوی http://www.snrazavi.ir https://twitter.com/naser_razavi - دانلود فایل ژوپیتر نوت‌بوک پایتون: http://www.snrazavi.ir/ml-with-python/ - دانلود تمام کدها به صورت یک‌جا از سایت گیت‌هاب: https://github.com/snrazavi/Machine-Learning-in-Python-Workshop

کار با آرایه‌های چند بعدی و کتابخانه NumPy - دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز - آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد) - سید ناصر رضوی http://www.snrazavi.ir https://twitter.com/naser_razavi - دانلود فایل ژوپیتر نوت‌بوک پایتون: http://www.snrazavi.ir/ml-with-python/ - دانلود تمام کدها به صورت یک‌جا از سایت گیت‌هاب: https://github.com/snrazavi/Machine-Learning-in-Python-Workshop

فهرست - مرور تعاریف یادگیری ماشین 00:01:00 - روش‌های یادگیری ماشین: 00:06:00 - رگرسیون خطی: 00:40:00 - تابع هزینه مجموع مربعات خطا: 01:04:00 - وب‌سایت درس و دانلود اسلایدها: http://www.snrazavi.ir/ml-2018/ - دانلود کدها و پروژه‌ها: https://github.com/snrazavi/Machine_Learning_2018

فهرست - مرور تعاریف یادگیری ماشین 00:01:00 - روش‌های یادگیری ماشین: 00:06:00 - رگرسیون خطی: 00:40:00 - تابع هزینه مجموع مربعات خطا: 01:04:00 - وب‌سایت درس و دانلود اسلایدها: http://www.snrazavi.ir/ml-2018/ - دانلود کدها و پروژه‌ها: https://github.com/snrazavi/Machine_Learning_2018

در این ویدیو که با هدف یادگیری زبان پایتون به منظور استفاده در کاربردهای یادگیری ماشین است، سعی شده حداقل مباحث لازم از پایتون و به ویژه کتابخانه NumPy برای شروع برنامه‌نویسی در پایتون ارائه گردد. فهرست مباحث این بخش شامل موارد زیر است: - عملگر دو نقطه (کالن): 00:05:05 - اتصال ماتریس‌ها: 00:17:01 - عملیات ماتریسی: 00:23:55 - ترسیم نمودارهای ساده: 01:13:28 وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018 منابع پیشنهادی برای یادگیری پایتون (از مبتدی تا پیشرفته): Python Cookbook Third edition by David Beazley and Brian K. Jones پایتون برای افراد مبتدی و تازه‌کار: Head First Python: A Brain-Friendly Guide 2nd Edition پایتون برای یادگیری ماشین: Python for Data Analysis: Data Wrangling with Pandas NumPy and IPython 2nd Edition کتاب مورد علاقه من: Introduction to Programming in Python: An Interdisciplinary Approach https://introcs.cs.princeton.edu/python/home/

در این ویدیو که با هدف یادگیری زبان پایتون به منظور استفاده در کاربردهای یادگیری ماشین است، سعی شده حداقل مباحث لازم از پایتون و به ویژه کتابخانه NumPy برای شروع برنامه‌نویسی در پایتون ارائه گردد. فهرست مباحث این بخش شامل موارد زیر است: - عملگر دو نقطه (کالن): 00:05:05 - اتصال ماتریس‌ها: 00:17:01 - عملیات ماتریسی: 00:23:55 - ترسیم نمودارهای ساده: 01:13:28 وب‌سایت درس: http://www.snrazavi.ir/ml-2018/ دانلود کدها: https://github.com/snrazavi/Machine_Learning_2018 منابع پیشنهادی برای یادگیری پایتون (از مبتدی تا پیشرفته): Python Cookbook Third edition by David Beazley and Brian K. Jones پایتون برای افراد مبتدی و تازه‌کار: Head First Python: A Brain-Friendly Guide 2nd Edition پایتون برای یادگیری ماشین: Python for Data Analysis: Data Wrangling with Pandas NumPy and IPython 2nd Edition کتاب مورد علاقه من: Introduction to Programming in Python: An Interdisciplinary Approach https://introcs.cs.princeton.edu/python/home/

در این جلسه از آموزش هوش مصنوعی ، در مورد تئوری و نحوه کارکرد ماشین بردار پشتیبانی صحبت میکنیم. SVM بیشتر برای دسته بندی استفاده میشه و قابلیت دسته بندی حجم زیادی از دیتاها رو داره همینطور در مورد نحوه لود کرد اطلاعات از دیتاست های آماده صحبت میکنیم ====================================== وبسایت : https://aidinism.com توییتر: https://twitter.com/aidinism اینستاگرام: https://instagram.com/aidinism دیسکورد: https://discord.gg/m872kz لطفا ویدیو رو لایک کنید و عضو کانال شوید

در این جلسه از آموزش هوش مصنوعی ، در مورد تئوری و نحوه کارکرد ماشین بردار پشتیبانی صحبت میکنیم. SVM بیشتر برای دسته بندی استفاده میشه و قابلیت دسته بندی حجم زیادی از دیتاها رو داره همینطور در مورد نحوه لود کرد اطلاعات از دیتاست های آماده صحبت میکنیم ====================================== وبسایت : https://aidinism.com توییتر: https://twitter.com/aidinism اینستاگرام: https://instagram.com/aidinism دیسکورد: https://discord.gg/m872kz لطفا ویدیو رو لایک کنید و عضو کانال شوید

این سری آموزشی برای آشنایی با اصول یادگیری ماشین با استفاده از Python و کتابخانه Tensor Flow که یکی از محبوب ترین کتابخانه های یادگیری ماشینی هست ، طراحی شده. سعی میکنم از اصول اولیه و پایه یادگیری ماشینی یا Machine Learning شروع کنم و کم کم به مطالب پیچیده تر و عملی تر برسیم مطالب و مستند های مختلف رو میتونید از سایت https://aidinism.com دنبال کنید و نسخه متنی این آموزش رو هم میتونید در اینجا ببینید: https://virgool.io/@aidinism/machine-learning-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D9%85%D8%A7%D8%B4%DB%8C%D9%86%DB%8C-fpaf6c1yod5x ====================================== وب سایت: https://aidinism.com توییتر: https://twitter.com/aidinism اینستاگرام: https://instagram.com/aidinism دیسکورد: https://discord.gg/m872kz آپارات: https://aparat.com/aidinpictures نماشا: https://namasha.com/aidinism لطفا ویدیو رو لایک کنید و عضو کانال شوید

این سری آموزشی برای آشنایی با اصول یادگیری ماشین با استفاده از Python و کتابخانه Tensor Flow که یکی از محبوب ترین کتابخانه های یادگیری ماشینی هست ، طراحی شده. سعی میکنم از اصول اولیه و پایه یادگیری ماشینی یا Machine Learning شروع کنم و کم کم به مطالب پیچیده تر و عملی تر برسیم مطالب و مستند های مختلف رو میتونید از سایت https://aidinism.com دنبال کنید و نسخه متنی این آموزش رو هم میتونید در اینجا ببینید: https://virgool.io/@aidinism/machine-learning-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D9%85%D8%A7%D8%B4%DB%8C%D9%86%DB%8C-fpaf6c1yod5x ====================================== وب سایت: https://aidinism.com توییتر: https://twitter.com/aidinism اینستاگرام: https://instagram.com/aidinism دیسکورد: https://discord.gg/m872kz آپارات: https://aparat.com/aidinpictures نماشا: https://namasha.com/aidinism لطفا ویدیو رو لایک کنید و عضو کانال شوید