image

یادگیری ماشین بدون نظارت

با افزایش حجم داده‌ها در عصر دیجیتال، نیاز به استخراج الگوهای پنهان و استخراج بینش‌های معنادار از داده‌های بدون برچسب، بیش از هر زمان دیگری احساس می‌شود. یادگیری بدون نظارت، سنگ بنای یادگیری ماشین، به ماشین‌ها اجازه می‌دهد تا داده‌های خام و بدون برچسب را کاوش کنند و ساختارهای ذاتی داده‌ها را بیابند. این دوره شما را با تکنیک‌ها و الگوریتم‌های کلیدی یادگیری بدون نظارت، مانند خوشه‌بندی، کاهش ابعاد و تشخیص ناهنجاری آشنا می‌کند. اگر تحلیل‌گر داده هستید که قصد گسترش مهارت‌های خود را دارید، و یا یک توسعه‌دهنده نرم‌افزاری که مشتاق هستید در یادگیری ماشین غوطه‌ور شوید، یا دانش‌آموزی که شیفته داده است، این دوره فرصتی عالی برای یادگیری، رشد و پیشرفت شغلی شما ارائه می‌دهد.

مشخصات دوره

سطحمتوسط
مدت11 ساعت
مدرکدارد
تاریخ به روزرسانی۱۴۰۳/۵/۱۱
قالب دورهمهارت محور
میزان محبوبیت
4.9
(28 رای)
۸۰۰٬۰۰۰
تومان

مطالب دوره

1. introduction
1.1 مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
13' : 34''
2.1 تقسیم‌بندی مسائل یادگیری ماشین: یادگیری با‌نظارت و بدون نظارت
12' : 57''
3.1 مسائل و کاربرد‌های یادگیری بدون نظارت
21' : 37''
2. Clustering Algorithms
3. Dimensionality Reduction
4. Density Estimation
5. VAE
6. Normalizing Flows
7. Semi-Supervised Learning
8. Transfer Learning and Self-Supervised Learning
9. تشخیص ناهنجاری (Anomaly detection)

اطلاعات تکمیلی دوره

هدف از یادگیری ماشین بدون نظارت، یافتن الگوهای نهفته در داده‌های بدون برچسب (بدون نظارت انسانی) است. تخمین توزیع، خوشه‌بندی و کاهش بُعد، از زیرشاخه‌های اصلی این مبحث هستند که در این درس مفاهیم پایه‌ای و روش‌های شاخص هر کدام پوشش داده خواهند شد. علاوه بر مفاهیم و روش‌ها، کاربردهای متعدد روش‌های بدون نظارت هم مورد بررسی قرار خواهد گرفت.

 

مخاطبان:

دانشجویان و فارغ‌التحصیلان دانشگاه که قصد ورود به بازار علوم‌داده و هوش مصنوعی را دارند.
کارشناسان و علاقه‌مندان به علوم‌داده و هوش مصنوعی

 

پیش‌نیاز: 
1- آشنایی با آمار و احتمالات و جبر خطی یا گذراندن دوره «ریاضیات کاربردی در هوش مصنوعی و علوم داده» در آکادمی همراه اول 
۲-  آشنایی با برنامه‌نویسی پایتون یا گذراندن دوره «جامع برنامه‌نویسی پایتون» در آکادمی همراه اول
۳- آشنایی با یادگیری ماشین نظارت شده یا گذراندن دوره «یادگیری ماشین نظارت شده» در آکادمی همراه اول

 

نحوه ارزیابی:
۴۰ درصد آزمون پایانی

۶۰ درصد پروژه پایانی

مدرس دوره

مصطفی توسلی‌پور
مصطفی توسلی‌پور

دوره‌های پیشنهادی

هوش مصنوعی

هوش مصنوعی

هوش مصنوعی