با پیشرفت های روز افزون هوش مصنوعی و گسترش کاربرد های آن، یادگیری این شاخه پرطرفدار از علم اهمیت بیشتری پیدا کرده است. یادگیری ماشین (machine learning) یکی از مهمترین زیرمجموعه های هوش مصنوعی است. شما میتوانید با استفاده از دوره های تعلیمستان حتی با دانشی ابتدایی از علوم کامپیوتر تبدیل به یک متخصص هوش مصنوعی شوید. با توجه به گسترده بودن این علم، سخت ترین بخش یادگیری هوش مصنوعی مراحل اولیه و شناخت تکنولوژی مورد نیاز و مناسب است. در ادامه شما با تعدادی از زیرشاخه های یادگیری ماشین آشتا خواهید شد و میتوانید از دوره های تعلیمستان برای یادگیری آنها استفاده کنید. این دوره ها به زبانی ساده و به صورت تدریس شده اند.

بسته جامع آموزشی شبکه های عصبی MLP

پیشنیاز : مستقل از سایر دوره های یادگیری ماشین

کاربرد : حل مسائل طبقه بندی الگو ( از نوع تفکیک پذیر  یا تفکیک ناپذیر خطی) و مسائل رگرسیون خطی

مدرس : دکتر فرشاد مریخ بیات

LMS

مدلسازی سیستمهای دینامیکی با الگوریتم LMS

پیشنیاز : مستقل از سایر دوره های یادگیری ماشین

کاربرد : حل مسائل رگرسیون خطی و غیرخطی، مدلسازی

مدرس : دکتر فرشاد مریخ بیات

ماشین یادگیرنده بردار پشتیبان (SVM)

پیشنیاز : مستقل از سایر دوره های یادگیری ماشین

کاربرد : حل مسائل طبقه بندی الگو ( از نوع تفکیک پذیر  یا تفکیک ناپذیر خطی)

مدرس : دکتر فرشاد مریخ بیات

یادگیری عمیق و کار با شبکه های عصبی عمیق در متلب

پیشنیاز : ترجیحا آشنایی با شبکه های عصبی MLP

کاربرد : حل مسائل پیچیده طبقه بندی الگو، آموزش تولباکس یادگیری ماشین در متلب

مدرس : دکتر فرنود مریخ بیات

 

انتقال یادگیری در شبکه های عصبی عمیق مانند AlexNet و GoogLeNet

پیشنیاز : آشنایی با شبکه های عصبی عمیق و یادگیری عمیق

کاربرد : انتقال آموخته های یک شبکه عصبی عمیق به شبکه دیگر، کاهش قابل ملاحظه بار محاسباتی عمل آموزش

مدرس : دکتر فرنود مریخ بیات

پیش بینی سریهای زمانی با شبکۀ بازگشتی عمیق

پیشنیاز : آشنایی با شبکه های عصبی MLP، ترجیحا شبکه های عصبی عمیق

کاربرد : پیشبینی سریهای زمانی

مدرس : دکتر فرنود مریخ بیات

 

طبقه بندی تصاویر وب کم (webcam) با شبکه های عصبی عمیق

پیشنیاز : توضیحات کافی در صفحه مربوط به دوره

کاربرد : طبقه بندی تصاویر وبکم

مدرس : دکتر فرنود مریخ بیات