آموزش

درس یادگیری ماشینی، پاییز 1401

مشخصات و مطالب درس کارشناسی ارشد یادگیری ماشینی که در سال 1401 برای دانشجویان علوم کامپیوتر دانشگاه شریف ارایه کردم و بعد از آن هم چند بار برای دانشجویان گروه ریاضی و همچنین رشته آمار دانشگاه شیراز ارایه شد. یادگیری ماشینی، زیربنای نظری هوش مصنوعی امروزی هست.

دستیاران آموزشی: علی باقری، غزل فراهانی، جواد سجادی، ملیکا نصیریان

گیتهاب درس

پیشنیازها: جبر خطی، حساب دیفرانسیل چند متغیره، مبانی آمار و احتمال، آشنایی با زبان پایتون

کتابها

 

ارزیابی درس: پروزه و ارایه دانشجویی

موضوعات ارایه های دانشجویی

مطالب و اسلایدهای درس

1- آشنایی با یادگیری ماشینی و هوش مصنوعی: هوش مصنوعی به عنوان تقریب زدن تابعها

2- رگرسیون

3- رده بندی

4- ماشین بردار پشتیبان

5- رده بندی بیزی

6- درختهای تصمیم

7- یادگیری بی ناظر: خوشه بندی

8- یادگیری بی ناظر: کاهش بعد

9- یادگیری جمعی

Syllabus

1-Introducing AI and Machine Learning: AI as function approximation (slides)

2-Regression (slides)

3-Introduction to classification (slides)

4-Classification methods: Support Vector Machines (slides)

5-Bayesian learning: the naive Bayes classifier (slides)

6-Classification methods: Decision trees (slides)

7-Unsupervised learning: clustering (k-means, Agglomerative, DBSCAN) (slides)

8-Unsupervised learning: dimensionality reduction (slides)

9-Ensemble Learning (slides)

10-Topological Data Analysis

11-Evolutionary optimization

12-Rule-based Machine Learning: Learning classifier systems

13-Time series forecasting

author-avatar

About Reza Rezazadegan

استاد ریاضیات کاربردی و علوم کامپیوتر دانشگاه شیراز پستداک هوش مصنوعی دانشگاه شریف پژوهشگر سابق موسسه بایوکامپلکسیتی دانشگاه ویرجینیا

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *