Student Handout — Machine Learning, Fall 2026
برنامه درس یادگیری ماشین — برگه دانشجو
گروه علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه فردوسی مشهد — محمود امینطوسی · پاییز ۱۴۰۵ · ۳ واحد
زمانبندی هفتگی: شنبه ۱۰:۰۰–۱۱:۳۰ درس · شنبه ۱۱:۳۰–۱۳ ارائه دانشجویان · چهارشنبه ۰۸:۰۰–۱۰:۰۰ درس اولین جلسه: شنبه ۲۳ آبان ۱۴۰۵ (۱۴ نوامبر ۲۰۲۶) · آخرین جلسه: چهارشنبه ۱۶ دی (۶ ژانویه ۲۰۲۷)
| هفته | شنبه — درس ۱۰–۱۱:۳۰ | چهارشنبه — درس ۸–۱۰ | شنبه ۱۱:۳۰–۱۳ | مهلتها |
|---|---|---|---|---|
| ۱ | ۲۳ آبان · اعتبارسنجی خوشهبندی | ۲۷ آبان · k-means در عمل | — | PT1 منتشر شد · تمرین ۱ |
| ۲ | ۳۰ آبان · رگرسیون خطی ۲ | ۴ آذر · MLP و پسانتشار | س۱ · سوگیری–واریانس | PT1: ۴ آذر |
| ۳ | ۷ آذر · طبقهبندی با مدل خطی | ۱۱ آذر · PCA ۱ | س۲ · درخت تصمیم و هرس | — |
| ۴ | ۱۴ آذر · PCA ۲ و LDA | ۱۸ آذر · نقشه ویژگی و کرنل | س۳ · ترکیب مدلها | PT2 منتشر: ۱۴ آذر · PT4 منتشر: ۱۸ آذر |
| ۵ | ۲۱ آذر · MLE و Naive Bayes | ۲۵ آذر · بیزی و ماهالانوبیس | س۴ · نظریه یادگیری و VC | PT4: ۲۵ آذر |
| ۶ | ۲۸ آذر · GMM و EM | ۲ دی · EM، BIC، طبقهبند مخلوط | س۵ · رتبهدهی + نیمهنظارتی | PT2: ۲۸ آذر |
| ۷ | ۵ دی · HMM ۱ (Forward) | ۹ دی · HMM ۲ (Viterbi) | آزاد: دموی پروژه | PT6 منتشر: ۵ دی · PT3: ۹ دی · PT7 منتشر: ۹ دی |
| ۸ | ۱۲ دی · جمعبندی و مرور | ۱۶ دی · پروژه و مرور امتحان | آزاد: دموی نهایی | PT5 و PT6: ۱۲ دی · PT7، PT8 و گزارش نهایی: ۱۶ دی |
پروژه — هفت مرحله + یک مرحله مازاد (project/final-project.md)¶
مهلتها: PT1 چهارشنبه ۴ آذر · PT2 شنبه ۲۸ آذر · PT4 چهارشنبه ۲۵ آذر · PT3 چهارشنبه ۹ دی · PT5 شنبه ۱۲ دی · PT6 شنبه ۱۲ دی · PT7 چهارشنبه ۱۶ دی · PT8 و گزارش نهایی ۱۶ دی.
مقدمات کار در کلاس گفته میشود و هر چه نمیدانید باید خودتان مطالعه کنید؛ کلاس جای آموزش ابزار
نیست. پیش از هر تحویل، چکلیست خودارزیابی project/project-clinic-pt1-pt2-fa.md را پر کنید.
سمینار — ۵ جلسه، ۱۰ ارائه¶
هر ارائه ۳۰ دقیقه (۲۲ دقیقه ارائه + ۸ دقیقه پرسش)؛ هر جلسه ۶۰ دقیقه ارائه + ۳۰ دقیقه قاببندی و بحث.
طرح موضوع یک هفته قبل در اختیار شماست؛ همه کلاس پیش از جلسه میخوانند و یک پرسش مینویسند.
هر ارائه یک آزمایش عددی روی داده درس (Iris، digits یا داده پروژه) لازم دارد؛ اسلاید بدون عدد پذیرفته نیست. عمق کار در نوتبوک تحویلی است، نه در اسلاید.
سهم نمره ۱۰–۱۵٪ با روبریک؛ نمره هر ارائه مستقل ثبت میشود.
ارزیابی و مقررات¶
ارزیابی: کوییز و امتحان پایانترم · تمرینها · پروژه هفتمرحلهای (با یک مرحله مازاد) · سمینار · مشارکت کلاسی.
ابزارهای هوش مصنوعی: مجاز، اما مسئولیت صحت علمیو توانایی توضیح کار با خودتان است.
ارتباط: ساعت اداری یکشنبه ۸:۰۰–۹:۳۰، بله
@mamintoosi، یا پس از کلاس.
جزئیات هر جلسه، فهرست حذف اضطراری و نقشه پوشش سرفصل در course-plan-fall-2026.md است.