یادگیری ماشین یکی از مهمترین دروس رشته هوش مصنوعی در دوره کارشناسی ارشد و پایه بسیاری از دروس دیگر مانند بازشناسی الگو، پردازش تصویر، بینایی ماشین، پردازش زبان طبیعی و پردازش گفتار است. شما در درس یادگیری ماشین با مفاهیم پایه و برخی از مهمترین روشها و الگوریتمهای یادگیری ماشین آشنا میشوید. برخی از روشهایی که در این درس به آنها خواهیم پرداخت عبارتند از: رگرسیون، رگرسیون لجستیک، شبکههای عصبی، ماشینهای بردار پشتیبان، خوشهبندی، کاهش ابعاد و تحلیل مؤلفههای اصلی، سامانههای توصیهگر و تشخیص آنومالی.
تفاوت اصلی مطالب ارائه شده در این درس با درس یادگیری ماشین در سال گذشته (پاییز ۱۳۹۶)، تغییر زبان برنامهنویسی از متلب به پایتون است.
با سلام؛
در ابتدا بابت تمامی آموزش های فوق العاده سپاسگذارم…
استاد عزیز، مطالب یادگیری ماشین را از روی ویدئوهای فوق العاده خوب شما یادگیری گرفتیم در صورت امکان کلاس های عملی آنلاین(با ظرفیت محدود و پولی) هم برگزار نمایید چون در پیاده سازی کدهای پایان نامه ها و مقالات خود دچار مشکل هستیم.
با تشکر از زحمات شما استاد فرهیخته
با سلام و عرض ادب
با اینکه چندین سال از فراغت از تحصیلم می گذره ولی الان که شیوه تدریس شما رو می بینم، می فهمم چقدر سخت بعضی از مفاهیم رو درک کرده بودم.
هنر استاد در فهموندن مفاهیم به ساده ترین شکل ممکنه که به نظر من جنابعالی در این درس این کار رو به بهترین وجه ممکن انجام میدید.
براتون موفقیت های بزرگ آرزو دارم و ممنون از اینکه ویدئوها رو به اشتراک می گذارید.
با درود
جناب دکتر رضوی، ویدیوهای آموزشی شما در یوتیوب بسیار ارزشمندند اما بمدت نسبتا طولانی ویدیویی آپلود نشده، چگونه میتوانم درسهای شما را دنبال کنم.
با سپاس بیکران
درود بر دوست عزیز و همراه همیشگی جناب حقشناس
سپاسگزارم از این همه لطفی که به بنده دارید. بله در مورد ویدیوها حق با شماست، متأسفانه به دلیل حجم کاری و کمبود زمان، تا کنون فرصت نشده ویدیوهای مربوط به هفت هشت جلسه آخر رو آماده کنم و در کانال قرار بدم. اما خوشبختانه با پایان یافتن ترم اکنون زمان آزاد بیشتری در دسترس هست و برنامهریزی کردم که انشالله هر روز یا دو روز یک بار حداقل یک ویدیو رو آماده و روی کانال قرار بدم.
از پیگیری جنابعالی و از صبر شما سپاسگزارم و بابت سستی و تاخیر در به روز رسانی ویدیوها پوزش میخواهم. موفق باشید.
با درود.
۱ – بله در ادامه مباحث مطرح شده در درس یادگیری ماشین، به مبحث تشخیص آنومالی هم در حد دو جلسه پرداخته شده است. در حال حاضر میتونید اسلایدها رو مطالعه بفرمایید و ویدیوی مربوط به این دو جلسه هم ضبط شده که انشالله به زودی روی کانال یوتیوب قرار داده خواهد شد.
۲ – متاسفانه خیر. این موضوع در درس شناسایی آماری الگو معمولا بررسی میشه که در سالهای اخیر فرصت ارائه این درس رو نداشتم. اما مطالب و اسلایدهای این درس رو که از ترمهای گذشته به جا مونده حتما به زودی روی وبسایت قرار خواهیم داد.
با سپاس از صبوری و پیگیری شما
با عرض سلام و احترام خدمت استاد ارجمند جناب آقای دکتر رضوی
بابت تدریس عالی تون بسیار ممنونم. مفاهیم رو خیلی ساده و مفهومی توضیح میدید که دیگه در حافظه جوری ماندگار میشه که فقط نیاز به یک مرور وجود دارد.
در اسلاید شماره ۴۹ ماشین بردار پشتیبان مفاهیم بایاس و واریانس در پارامترهای c و گاما وجوددارد که اگر مختصری توضیح بدید سپاسگزار خواهم بود.
از وقتی که برای آماده سازی و آپلود ویدئوها صرف میکنید و باعث میشید افرادی که دسترسی به اینگونه کلاسها ندارند نیز بتونن از مطالب ارزشمند شما استفاده کنند نهایت تشکر را دارم.
با عرض سلام و احترام خدمت استاد ارجمند
بابت تدریس عالی تون بسیار ممنونم. مفاهیم رو خیلی ساده و مفهومی توضیح میدید که برای همیشه در ذهن ماندگار می شوند.
اگه امکان داشته باشد در اسلاید ۴۹ ماشین بردار پشتیبان در مورد افزایش و کاهش بایاس و واریانس با توجه به مقادیر c و گاما مختصری توضیح دهید.
بابت وقتی که برای پاسخگویی و آپلود ویدئوها صرف می کنید نهایت تشکر را دارم.
با سلام خدمت استاد رضوی.
در اسلاید ۳۴ بخش SVM به جای z یکبار x را قرار دادید، و یکبار هم (phi(x.
در صورتی که در همین اسلاید گفتید که (z=phi(x
لطفا در این مورد توضیح بدید.
پیشاپیش ممنونم
با درود و سپاس.
بردار z در واقع نگاشتیافته بردار x در یک فضای ویژگی جدید است. به بیان ریاضی z = phi(x) و phi همان کرنل است که نگاشت از فضای ویژگی اصلی به فضای ویژگی جدید را انجام میدهد.
سلام استاد رضوی
میخواستم بدونم تو مبحث رگرسیون با وزن دهی محلی y_pred = lowess(x, y, f=0.4, iter=3) چطور میشود به صورت اتوماتیک مقدار f رو تعیین کرد .
چون تو حالت عادی ما شکل رو رسم میکنیم و با توجه به شکلی که میبینیم مقدار f رو تعیین میکنیم.
آیا روشی مثل گرادیان کاهشی که خودش به صورت اتوماتیک حساب می کند برای رگرسیون محلی برا تعیین f وجود دارد؟
خیلی ممنون
با سلام
استاد ممنون از آموزش های خوبتون
واقعا بی نظیر هستید
یه خواهشی داشتم از خدمتون
استاد لطفا در مورد GAN هم یه آموزشی تهیه کنید. اصلا آموزش فارسی خوبی وجود نداره.
با سپاس
22 ديدگاه
با سلام
تاریخ دقیق برگذاری کلاس کی هست و اینکه آیا شرکت در دوره برای عموم آزاد است؟
درود و وقت خوش
کورس آموزش یادگیری ماشین مناسب برای ده ساله ها چی پیشنهاد میدن؟
با سپاس فراوان
سلام بر استاد گرانقدر
ممنون بابت اشتراک گذاری ویدیوهای درس برای تمامی علاقه مندان.
با درود. سپاسگزارم.
با سلام؛
در ابتدا بابت تمامی آموزش های فوق العاده سپاسگذارم…
استاد عزیز، مطالب یادگیری ماشین را از روی ویدئوهای فوق العاده خوب شما یادگیری گرفتیم در صورت امکان کلاس های عملی آنلاین(با ظرفیت محدود و پولی) هم برگزار نمایید چون در پیاده سازی کدهای پایان نامه ها و مقالات خود دچار مشکل هستیم.
با تشکر از زحمات شما استاد فرهیخته
با سلام و عرض ادب
با اینکه چندین سال از فراغت از تحصیلم می گذره ولی الان که شیوه تدریس شما رو می بینم، می فهمم چقدر سخت بعضی از مفاهیم رو درک کرده بودم.
هنر استاد در فهموندن مفاهیم به ساده ترین شکل ممکنه که به نظر من جنابعالی در این درس این کار رو به بهترین وجه ممکن انجام میدید.
براتون موفقیت های بزرگ آرزو دارم و ممنون از اینکه ویدئوها رو به اشتراک می گذارید.
با درود و سپاس. سپاسگزارم از این که درس رو دنبال میکنید و همچنین سپاسگزارم از نظر مثبت شما. بنده نیز برای شما آرزوی موفقیتهای بیشتر دارم.
با سلام
با تشکر از اسلاید های بسیار با کیفیت شما
آیا میتوانم از اسلاید های شما (با ذکر منبع) در کلاس های خود استفاده کنم؟
با آرزوی موفقیت
با درود و سپاس.
بله حتما باعث افتخار بنده است. براتون آرزوی موفقیت دارم.
با درود
جناب دکتر رضوی، ویدیوهای آموزشی شما در یوتیوب بسیار ارزشمندند اما بمدت نسبتا طولانی ویدیویی آپلود نشده، چگونه میتوانم درسهای شما را دنبال کنم.
با سپاس بیکران
درود بر دوست عزیز و همراه همیشگی جناب حقشناس
سپاسگزارم از این همه لطفی که به بنده دارید. بله در مورد ویدیوها حق با شماست، متأسفانه به دلیل حجم کاری و کمبود زمان، تا کنون فرصت نشده ویدیوهای مربوط به هفت هشت جلسه آخر رو آماده کنم و در کانال قرار بدم. اما خوشبختانه با پایان یافتن ترم اکنون زمان آزاد بیشتری در دسترس هست و برنامهریزی کردم که انشالله هر روز یا دو روز یک بار حداقل یک ویدیو رو آماده و روی کانال قرار بدم.
از پیگیری جنابعالی و از صبر شما سپاسگزارم و بابت سستی و تاخیر در به روز رسانی ویدیوها پوزش میخواهم. موفق باشید.
با سلام و احترام خدمت استاد محترم
ضمن تشکر از اسلایدها و ویدیوهای بسیار ارزشمند شما، ۲ سوال از خدمت شما شما داشتم.
۱- آیا در courseهای ارائه شده بحث anomaly detection نیز بررسی شده است؟ ( و اگر شده است در کدام دسته از ویدیوها)
۲- آیا در course ها مبحث expectation maximaization بررسی شده است؟
با سپاس از شما
با درود.
۱ – بله در ادامه مباحث مطرح شده در درس یادگیری ماشین، به مبحث تشخیص آنومالی هم در حد دو جلسه پرداخته شده است. در حال حاضر میتونید اسلایدها رو مطالعه بفرمایید و ویدیوی مربوط به این دو جلسه هم ضبط شده که انشالله به زودی روی کانال یوتیوب قرار داده خواهد شد.
۲ – متاسفانه خیر. این موضوع در درس شناسایی آماری الگو معمولا بررسی میشه که در سالهای اخیر فرصت ارائه این درس رو نداشتم. اما مطالب و اسلایدهای این درس رو که از ترمهای گذشته به جا مونده حتما به زودی روی وبسایت قرار خواهیم داد.
با سپاس از صبوری و پیگیری شما
با عرض سلام و احترام خدمت استاد ارجمند جناب آقای دکتر رضوی
بابت تدریس عالی تون بسیار ممنونم. مفاهیم رو خیلی ساده و مفهومی توضیح میدید که دیگه در حافظه جوری ماندگار میشه که فقط نیاز به یک مرور وجود دارد.
در اسلاید شماره ۴۹ ماشین بردار پشتیبان مفاهیم بایاس و واریانس در پارامترهای c و گاما وجوددارد که اگر مختصری توضیح بدید سپاسگزار خواهم بود.
از وقتی که برای آماده سازی و آپلود ویدئوها صرف میکنید و باعث میشید افرادی که دسترسی به اینگونه کلاسها ندارند نیز بتونن از مطالب ارزشمند شما استفاده کنند نهایت تشکر را دارم.
با عرض سلام و احترام خدمت استاد ارجمند
بابت تدریس عالی تون بسیار ممنونم. مفاهیم رو خیلی ساده و مفهومی توضیح میدید که برای همیشه در ذهن ماندگار می شوند.
اگه امکان داشته باشد در اسلاید ۴۹ ماشین بردار پشتیبان در مورد افزایش و کاهش بایاس و واریانس با توجه به مقادیر c و گاما مختصری توضیح دهید.
بابت وقتی که برای پاسخگویی و آپلود ویدئوها صرف می کنید نهایت تشکر را دارم.
با سلام خدمت استاد رضوی.
در اسلاید ۳۴ بخش SVM به جای z یکبار x را قرار دادید، و یکبار هم (phi(x.
در صورتی که در همین اسلاید گفتید که (z=phi(x
لطفا در این مورد توضیح بدید.
پیشاپیش ممنونم
با درود و سپاس.
بردار z در واقع نگاشتیافته بردار x در یک فضای ویژگی جدید است. به بیان ریاضی z = phi(x) و phi همان کرنل است که نگاشت از فضای ویژگی اصلی به فضای ویژگی جدید را انجام میدهد.
سلام استاد رضوی
میخواستم بدونم تو مبحث رگرسیون با وزن دهی محلی y_pred = lowess(x, y, f=0.4, iter=3) چطور میشود به صورت اتوماتیک مقدار f رو تعیین کرد .
چون تو حالت عادی ما شکل رو رسم میکنیم و با توجه به شکلی که میبینیم مقدار f رو تعیین میکنیم.
آیا روشی مثل گرادیان کاهشی که خودش به صورت اتوماتیک حساب می کند برای رگرسیون محلی برا تعیین f وجود دارد؟
خیلی ممنون
با سلام
استاد ممنون از آموزش های خوبتون
واقعا بی نظیر هستید
یه خواهشی داشتم از خدمتون
استاد لطفا در مورد GAN هم یه آموزشی تهیه کنید. اصلا آموزش فارسی خوبی وجود نداره.
با سپاس
درود. از لطفتون سپاسگزارم. حتما این کار رو انجام خواهم داد. فکر میکنم جای این مبحث واقعا خالیه. اگر کاربرد خاصی مورد نظرتون هست لطفا بفرمایید
سلام خسته نباشید
ممنون به خاطر این سایت فوق العاده خوبتون
ببخشید تمرین ها و پروژه های درس رو از کجا می تونم دانلود کنم؟
سلام. ای کاش همه ی اساتید انقدر مث شما دقیق و منظم منابع رو ارایه میدادن…خیلی خیلی ممنون