• صفحه اصلی
  • فروشگاه
  • مهندسی کامپیوتر
  • مهندسی نرم‌افزار
  • طراحی گرافیکی
  • مقالات
  • تماس با ما
ورود / ثبت نام
جستجو
علاقه مندی
0 مورد تومان0
منو
0 مورد تومان0
برای بزرگنمایی کلیک کنید
خانه علم داده آموزش الگوریتم های بهینه سازی در یادگیری ماشین + پیاده سازی در متلب
آموزش  ایچیموکو Ichimoku برای تحلیل تکنیکال در بازارهای مالی – تشخیص الگوهای معاملاتی
آموزش ایچیموکو Ichimoku برای تحلیل تکنیکال در بازارهای مالی – تشخیص الگوهای معاملاتی تومان3,800,000
بازگشت به محصولات
آموزش HMI با نرم افزار DOPSoft در برق و اتوماسیون صنعتی + گواهینامه
آموزش HMI با نرم افزار DOPSoft در برق و اتوماسیون صنعتی + گواهینامه تومان7,200,000

آموزش الگوریتم های بهینه سازی در یادگیری ماشین + پیاده سازی در متلب

تومان2,300,000

مقايسه
افزودن به علاقه مندی
دسته: علم داده
اشتراک گذاری:
  • توضیحات
  • نظرات (0)
توضیحات

یادگیری ماشین در حقیقت الگوریتمی برای یاد گرفتن و تعمیم دادن از روی داده‌های ثبت‌ شده ورودی و خروجی است که هدف آن، پیش‌بینی نتایج برای داده‌های ورودی جدید است. می‌توان یادگیری ماشین را به فرم تقریب تابعی تعبیر کرد که بردار ویژگی‌های ورودی را به بردار ویژگی‌های خروجی نسبت می‌دهد. تقریب این تابع را می‌توان به فرم یک مساله بهینه‌سازی تعبیر کرد. تابع تقریب به شکلی تعریف می‌شود که به بهترین وجه ممکن داده‌های ورودی را به خروجی نگاشت بدهد. برای این منظور در یادگیری ماشین، اغلب تابع هزینه‌ مجموع مربعات، خطای پیش‌بینی تعریف می‌شود و با بهینه‌سازی آن به تابع تقریب می‌رسیم. توابع تقریب در یادگیری ماشین دارای فرم‌های مختلفی مانند رگرسیون خطی (Linear Regression) و غیر خطی، شبکه‌های عصبی پرسپترون (Perceptron Neural Network)، شبکه عصبی عمیق (Deep Learning) و… است. در تمام این ساختارها، مجموعه‌ای از پارامترهای تصمیم وجود دارند که باید به بهترین فرم ممکن تعیین شوند. برای مثال در شبکه‌های عصبی، وزن‌های سینوپتیکی و بایاس وجود دارند. این پارامترهای آزاد با بهینه‌سازی تابع هزینه محاسبه می‌شوند، اما مهمترین مشکل این است که اغلب، ساختار توابع تقریب‌زن، غیر خطی و پیچیده هستند و با روش‌های تحلیلی در ریاضیات نمی‌توان به بهینه‌سازی آن‌ها پرداخت، لذا در تمام الگوریتم‌های یادگیری ماشین برای یادگیری (به همان معنای بهینه‌سازی) از روش‌های عددی استفاده می‌شود. یکی از مهمترین الگوریتم‌های بهینه‌سازی عددی، گرادیان نزولی (Gradient Descent) است که در این آموزش به صورت دقیق و مفصل به این روش، ساختارهای مختلف و تعمیم‌های مختلف آن می‌پردازیم. برای یادگیری دقیق‌تر، علاوه بر بیان تئوری مطالب و مفاهیم آن‌ها، سعی می‌کنیم از طریق حل مساله‌های مهم در یادگیری ماشین و کدنویسی در نرم‌افزار متلب (MATLAB) با انواع مختلف روش‌های بهینه‌سازی مبتنی بر گرادیان آشنا شویم.

نظرات (0)

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “آموزش الگوریتم های بهینه سازی در یادگیری ماشین + پیاده سازی در متلب” لغو پاسخ

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

محصولات مشابه

افزودن به سبد خرید
نمایش سریع
مقايسه
افزودن به علاقه مندی

آموزش طراحی داینامیک در پاور بی آی Power BI با دکس Dax + گواهینامه

علم داده
تومان7,250,000
دسترسی سریع
  • دوره های گرافیکی
  • دوره های کامپیوتری
  • دوره های مالی
راه های ارتباطی
  • آدرس: استان : تهران - شهرستان : تهران - بخش : مرکزی - شهر : تهران - محله : تهرانسر غربی - بلوار گلها - کوچه شهید بهروز اصغرنیا[79] - پلاک : 5.0 - طبقه : همکف
  • کدپستی: 1381134455
  • تلفن: 09965216859
مجوز کسب و کار
نماد اعتماد

تمامی حقوق متعلق به سایت درآمدنوین میباشد.

  • صفحه اصلی
  • فروشگاه
  • مهندسی کامپیوتر
  • مهندسی نرم‌افزار
  • طراحی گرافیکی
  • مقالات
  • تماس با ما
  • علاقه مندی
  • ورود / ثبت نام
سبد خرید
بستن
ورود
بستن

رمز عبور را فراموش کرده اید؟

حساب کاربری ندارید؟

ایجاد یک حساب کاربری
برای دیدن محصولاتی که دنبال آن هستید تایپ کنید.
فروشگاه
لیست علاقه مندی ها
0 مورد سبد خرید
حساب من