یادگیری ماشین دکتر شریفی زارچی

قیمت فعلی: رایگان

قیمت دوره‌ ممکن است توسط سایت مبدا تغییر کند

معرفی دوره یادگیری ماشین دکتر شریفی زارچی 🎓

یادگیری ماشین یا همون ماشین لرنینگ، اصطلاحی که اولین بار آرتور ساموئل در سال ۱۹۵۹ میلادی اون رو مطرح کرد. این حوزه در واقع یکی از شاخه‌های هوش مصنوعی و علوم کامپیوتر به حساب میاد و توی دنیای علم داده جایگاه خیلی ویژه‌ای داره. ایده اصلی اینه که به جای ب...

معرفی دوره یادگیری ماشین دکتر شریفی زارچی 🎓

یادگیری ماشین یا همون ماشین لرنینگ، اصطلاحی که اولین بار آرتور ساموئل در سال ۱۹۵۹ میلادی اون رو مطرح کرد. این حوزه در واقع یکی از شاخه‌های هوش مصنوعی و علوم کامپیوتر به حساب میاد و توی دنیای علم داده جایگاه خیلی ویژه‌ای داره. ایده اصلی اینه که به جای برنامه‌نویسی مستقیم، به کامپیوتر یاد بدیم چطور رفتار کنه. ولی این ماجرا چطوری اتفاق میفته؟ ماشین‌ها با استفاده از حجم انبوهی از داده، خودشون الگوهای تکرارشونده رو کشف می‌کنن؛ بدون اینکه انسان دخالتی بکنه. جالبه بدونید این الگوریتم‌ها از نحوه یادگیری آدم‌ها الهام گرفتن و هرچی تجربه سیستم بیشتر بشه، دقتش هم به‌مرور بالاتر میره.

این دوره به صورت رایگان در دسترس علاقه‌مندان قرار گرفته. 😊

این دوره به چه کارم میاد؟

اگه دانشجوی مهندسی کامپیوتر یا هوش مصنوعی هستی، یا حتی فقط کنجکاوی که دوست داری بفهمی ماشین لرنینگ چیه، این دوره نقطه شروع مناسبیه. بعد از تموم شدن دوره می‌تونی:

• مفاهیم پایه‌ای و ریاضیات پشت یادگیری ماشین رو درک کنی
• با روش‌های کلاسیک ماشین لرنینگ آشنا بشی
• مدل‌ها رو آموزش بدی، ارزیابی کنی و تنظیمشون کنی
• برای داده‌های جدول‌بندی‌شده مدل مناسب انتخاب کنی
• با شبکه‌های عصبی عمیق و شبکه‌های عصبی کانولوشنی کار کنی

مثلاً فرض کن می‌خوای یه پروژه تشخیص تصویر برای درس دانشگاهت تعریف کنی؛ بعد از فصل شبکه‌های عصبی پیچشی می‌تونی خودت یه مدل ساده بسازی و روی داده‌های واقعی تستش کنی.

مشخصات کلی دوره 📋

سرفصل‌های دوره

این دوره از یه نقطه شروع منطقی طراحی شده؛ اول ریاضیات لازم رو مرور می‌کنه، بعد میره سراغ الگوریتم‌ها و در نهایت به شبکه‌های عصبی می‌رسه.

• فصل ۱: پیش‌نیاز ریاضی یادگیری ماشین — ۵ جلسه (حدود ۵ ساعت و ۳۵ دقیقه)
• فصل ۲: مرور روش‌های کلاسیک یادگیری ماشین — ۵ جلسه (حدود ۶ ساعت و ۱۷ دقیقه)
• فصل ۳: یادگیری، ارزیابی و تنظیم مدل‌ها — ۲ جلسه (حدود ۲ ساعت و ۳۱ دقیقه)
• فصل ۴: مدل‌های یادگیری ماشین برای داده‌های جدول — ۴ جلسه (حدود ۵ ساعت)
• فصل ۵: آشنایی با شبکه عصبی ژرف — ۴ جلسه (حدود ۴ ساعت و ۲۷ دقیقه)
• فصل ۶: شبکه‌های عصبی پیچشی — ۶ جلسه (حدود ۷ ساعت)
• فصل ۷: مدل‌های پردازش توالی — ۵ جلسه (حدود ۸ ساعت)

چند سوال که شاید ذهنت رو مشغول کرده 🤔

چرا این دوره رو انتخاب کنم؟ چون هم رایگانه، هم توسط اساتید دانشگاهی تدریس شده و هم ساختارش طوری چیده شده که از صفر شروع می‌کنه و تدریجی جلو میره. برای کسی که تازه می‌خواد وارد حوزه یادگیری ماشین بشه، این مسیر خیلی کمک‌کننده‌ست.

پیش‌نیاز خاصی لازم دارم؟ آشنایی مقدماتی با ریاضی و برنامه‌نویسی کمکت می‌کنه، ولی خود دوره یه فصل کامل رو به پیش‌نیازهای ریاضی اختصاص داده.

مطالب روی چه چیزی تمرکز دارن؟ ترکیبی از مباحث نظری و پیاده‌سازی عملی؛ از روش‌های کلاسیک تا شبکه‌های عصبی مدرن.

توی بازار کار به کارم میاد؟ قطعاً. یادگیری ماشین یکی از مهارت‌های پرتقاضا در حوزه داده و هوش مصنوعیه و پایه‌ای که این دوره بهت میده، توی پروژه‌های واقعی و مصاحبه‌های شغلی خیلی به کارت میاد.

منابع و تمرین‌ها

تمرین‌ها و مطالب تکمیلی دوره از طریق مخزن گیت‌هاب درس در دسترسه و می‌تونی کدها رو دنبال کنی. توجه داشته باش که این دوره هم‌چنان در حال تکمیله و ممکنه فصل‌های جدیدی بهش اضافه بشه.

جمع‌بندی

اگه دنبال یه شروع جدی و در عین حال رایگان توی دنیای یادگیری ماشین هستی، این دوره می‌تونه انتخاب خوبی باشه. ترکیب تدریس دانشگاهی، سرفصل‌های منظم و تمرین‌های عملی باعث میشه بعد از تموم کردنش، دید نسبتاً کاملی نسبت به ماشین لرنینگ و شبکه‌های عصبی پیدا کنی. 🚀