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.