پرسش های متداول
#FAQ
⁉️ در کارگاه جبرخطی برای یادگیری ماشین چه مباحثی را پوشش می دهید، این دوره برای چه افرادی مناسب است؟
💭 در این کارگاه ۱۸ ساعته، مقدمه ای بر ساختار های جبری را ارائه خواهیم داد و با استفاده از ساختار های جبری معرفی به بیان فضای برداری خواهیم پرداخت، سپس با فاصله گرفتن از مفاهیم محض و پیشروی به سوی مفاهیم کاربردی، اعمال ماتریس ها و نیز انواع ماتریس های خاص را معرفی خواهیم کرد و نحوه محاسبات ماتریسی را در کتابخانه numpy آموزش خواهیم داد. بعد از آن به سراغ تجزیه های ماتریسی خواهیم رفت و تجزیه های LU، QR و چولسکی را معرفی خواهیم کرد و نحوه بدست آوردن این تجزیه ها در پایتون را بیان میکنیم. سپس به سراغ مفهوم مقدار ویژه و بردار ویژه خواهیم رفت و با استفاده از آن تجزیه های پرکاربرد مقادیر منفرد (SVD) , مقادیر ویژه (Eigenvalue) خواهیم پرداخت. بعد از مقدمه کوتا بر آمار چند متغییره خواهیم داشت و نحوه محاسبات ماتریسی را در آن بیان میکنیم. سپس برای عنوان کاربردی هایی از جبر خطی در یادگیری ماشین به مسئله کاهش بعد خواهیم پرداخت و الگوریتم های PCA و LDA را بررسی خواهیم کرد و با یکدیگر مقایسه میکنم و نحوه استفاده از این الگوریتم ها در پایتون را بیان خواهیم کرد. سپس به سراغ مسئله رگرسیون خطی خواهیم رفت و از تجزیه های ماتریسی بیان شده برای حل این مسئله استفاده میکنیم. در قدم آخر، به سراغ ماتریس های با بُعد بالا (تنسور ها) خواهیم رفت و محاسبات تنسوری و الگوریتم های تجزیه تنسوری را بیان میکنیم. سپس با استفاده از یک الگوریتم تجزیه تنسوری به مسئله طبقه عکس ها خواهیم پرداخت.
در این کارگاه کتابخانه های numpy - tensorly - scikit-learn را مورد استفاده قرار میدهیم و دانش ابتدایی از پایتون مورد نیاز کارگاه است. به علاوه دانشی ابتدایی از ماتریس ها و بردار ها بسیار مفید است.
این دوره مختص مهندسان داده است که میخواهند دانشی عمیق تر از نحوه کارکرد الگوریتم های یادگیری ماشین داشته باشند و یا افراد علاقه مند به حوزه یادگیری ماشین که که میخواهند به این حوزه ورود پیدا کنند و الگوریتم های این حوزه را فراگیرند.
⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.
#FAQ
⁉️ در کارگاه جبرخطی برای یادگیری ماشین چه مباحثی را پوشش می دهید، این دوره برای چه افرادی مناسب است؟
💭 در این کارگاه ۱۸ ساعته، مقدمه ای بر ساختار های جبری را ارائه خواهیم داد و با استفاده از ساختار های جبری معرفی به بیان فضای برداری خواهیم پرداخت، سپس با فاصله گرفتن از مفاهیم محض و پیشروی به سوی مفاهیم کاربردی، اعمال ماتریس ها و نیز انواع ماتریس های خاص را معرفی خواهیم کرد و نحوه محاسبات ماتریسی را در کتابخانه numpy آموزش خواهیم داد. بعد از آن به سراغ تجزیه های ماتریسی خواهیم رفت و تجزیه های LU، QR و چولسکی را معرفی خواهیم کرد و نحوه بدست آوردن این تجزیه ها در پایتون را بیان میکنیم. سپس به سراغ مفهوم مقدار ویژه و بردار ویژه خواهیم رفت و با استفاده از آن تجزیه های پرکاربرد مقادیر منفرد (SVD) , مقادیر ویژه (Eigenvalue) خواهیم پرداخت. بعد از مقدمه کوتا بر آمار چند متغییره خواهیم داشت و نحوه محاسبات ماتریسی را در آن بیان میکنیم. سپس برای عنوان کاربردی هایی از جبر خطی در یادگیری ماشین به مسئله کاهش بعد خواهیم پرداخت و الگوریتم های PCA و LDA را بررسی خواهیم کرد و با یکدیگر مقایسه میکنم و نحوه استفاده از این الگوریتم ها در پایتون را بیان خواهیم کرد. سپس به سراغ مسئله رگرسیون خطی خواهیم رفت و از تجزیه های ماتریسی بیان شده برای حل این مسئله استفاده میکنیم. در قدم آخر، به سراغ ماتریس های با بُعد بالا (تنسور ها) خواهیم رفت و محاسبات تنسوری و الگوریتم های تجزیه تنسوری را بیان میکنیم. سپس با استفاده از یک الگوریتم تجزیه تنسوری به مسئله طبقه عکس ها خواهیم پرداخت.
در این کارگاه کتابخانه های numpy - tensorly - scikit-learn را مورد استفاده قرار میدهیم و دانش ابتدایی از پایتون مورد نیاز کارگاه است. به علاوه دانشی ابتدایی از ماتریس ها و بردار ها بسیار مفید است.
این دوره مختص مهندسان داده است که میخواهند دانشی عمیق تر از نحوه کارکرد الگوریتم های یادگیری ماشین داشته باشند و یا افراد علاقه مند به حوزه یادگیری ماشین که که میخواهند به این حوزه ورود پیدا کنند و الگوریتم های این حوزه را فراگیرند.
⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.
Loop Academy | آکادمیِ لوپ
🧑🏻💻 کارگاه جبر خطی برای یادگیری ماشین 📅 تاریخ برگزاری: ۲۳، ۲۴، ۳۰ و ۳۱ مرداد ۹۹ (ساعت ۱۱ الی ۱۷:۳۰) 🖥 این دوره به صورت آنلاین برگزار خواهد شد. 🔖 برای مشاهده جزئیات و ثبت نام از این لینک استفاده نمایید ❌ دوره دارای ظرفیت محدود است. 🕙 مدت این دوره: ۱۸…
‼️ تنها کمتر از 24 ساعت فرصت برای ثبت نام در کارگاه جبرخطی برای یادگیری ماشین باقیست.
⭕️ ثبت نام از طریق وبسایت:
https://loopacademy.ir/courses/linear-algebra
❓موضوع و مباحث دوره:
https://t.me/loopacademy/255
❌❌❌
📣 به اطلاع شرکت کنندگان محترم می رساند که لینک ورود به کلاس آنلاین نهایتا تا فردا ساعت 10 صبح به ایمیلتان ارسال می شود و در صورت بروز هرگونه مشکل با پشتیبانی آکادمی لوپ در تلگرام در ارتباط باشید.
💬 ارتباط با پشتیبانی آکادمی لوپ:
@loop_support
💻 این کارگاه در نرم افراز Adobe Connect برگزار می شود.
➖➖➖➖➖➖➖➖
@LoopAcademy
⭕️ ثبت نام از طریق وبسایت:
https://loopacademy.ir/courses/linear-algebra
❓موضوع و مباحث دوره:
https://t.me/loopacademy/255
❌❌❌
📣 به اطلاع شرکت کنندگان محترم می رساند که لینک ورود به کلاس آنلاین نهایتا تا فردا ساعت 10 صبح به ایمیلتان ارسال می شود و در صورت بروز هرگونه مشکل با پشتیبانی آکادمی لوپ در تلگرام در ارتباط باشید.
💬 ارتباط با پشتیبانی آکادمی لوپ:
@loop_support
💻 این کارگاه در نرم افراز Adobe Connect برگزار می شود.
➖➖➖➖➖➖➖➖
@LoopAcademy
Telegram
Loop Academy | آکادمیِ لوپ
پرسش های متداول
#FAQ
⁉️ در کارگاه جبرخطی برای یادگیری ماشین چه مباحثی را پوشش می دهید، این دوره برای چه افرادی مناسب است؟
💭 در این کارگاه ۱۸ ساعته، مقدمه ای بر ساختار های جبری را ارائه خواهیم داد و با استفاده از ساختار های جبری معرفی به بیان فضای برداری…
#FAQ
⁉️ در کارگاه جبرخطی برای یادگیری ماشین چه مباحثی را پوشش می دهید، این دوره برای چه افرادی مناسب است؟
💭 در این کارگاه ۱۸ ساعته، مقدمه ای بر ساختار های جبری را ارائه خواهیم داد و با استفاده از ساختار های جبری معرفی به بیان فضای برداری…
پرسش های متداول
#FAQ
⁉️ در کارگاه طراحی محیط های یادگیری تقویتی چه مباحثی را پوشش می‌دهید و این کارگاه برای چه افرادی مناسب است؟
💭 در این کارگاه ۱۸ ساعته، ابتدا مقدمه ای از یادگیری تقویتی گفته خواهد شد که تمام شرکت کنندگان دانش اولیه برای ادامه دوره و طرح مسئله را داشته باشند. در ادامه به انواع مدلسازی پرداخته می‌شود تا دانشجویان محترم بتوانند نسبت به مسئله خود نوع مدلسازی مدنظر خود را انتخاب کنند. در ادامه به انواع محیط‌های یادگیری عمیق اشاره خواهد شد که باز هم هدف گذاری دانشجویان محترم برای مدلسازی مسئله خود راحت تر هدف‌گذاری کنند. در این کارگاه به ابزار های محیط های یادگیری تقویتی مانند OpenAI Gym و Unity Engine هم اشاره خواهد شد. برای قسمت عملی این کارگاه قرار است که یک محیط دلخواه با ابزارهای Unity Engine و OpenAI Gym درست کرده و در نهایت با مدل های Deep Q Network(DQN) آن را تست خواهیم کرد.
👤شرکت در این دوره برای افرادی که مسئله ای دارند که میخواهند آن را با مدل های یادگیری تقویتی حل کنند بسیار توصیه می‌شود! افرادی که دانش اولیه در زمینه های یادگیری ماشین و یادگیری تقویتی دارند به راحتی می‌توانند در دوره شرکت کنند.
⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.
#FAQ
⁉️ در کارگاه طراحی محیط های یادگیری تقویتی چه مباحثی را پوشش می‌دهید و این کارگاه برای چه افرادی مناسب است؟
💭 در این کارگاه ۱۸ ساعته، ابتدا مقدمه ای از یادگیری تقویتی گفته خواهد شد که تمام شرکت کنندگان دانش اولیه برای ادامه دوره و طرح مسئله را داشته باشند. در ادامه به انواع مدلسازی پرداخته می‌شود تا دانشجویان محترم بتوانند نسبت به مسئله خود نوع مدلسازی مدنظر خود را انتخاب کنند. در ادامه به انواع محیط‌های یادگیری عمیق اشاره خواهد شد که باز هم هدف گذاری دانشجویان محترم برای مدلسازی مسئله خود راحت تر هدف‌گذاری کنند. در این کارگاه به ابزار های محیط های یادگیری تقویتی مانند OpenAI Gym و Unity Engine هم اشاره خواهد شد. برای قسمت عملی این کارگاه قرار است که یک محیط دلخواه با ابزارهای Unity Engine و OpenAI Gym درست کرده و در نهایت با مدل های Deep Q Network(DQN) آن را تست خواهیم کرد.
👤شرکت در این دوره برای افرادی که مسئله ای دارند که میخواهند آن را با مدل های یادگیری تقویتی حل کنند بسیار توصیه می‌شود! افرادی که دانش اولیه در زمینه های یادگیری ماشین و یادگیری تقویتی دارند به راحتی می‌توانند در دوره شرکت کنند.
⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.