مبانی ریاضی علوم داده
مبانی ریاضی علوم داده¶

این درس زبان ریاضی مشترکِ داده را میسازد: ماتریس و تصویر، فاصله و خوشهبندی، هندسهٔ بُعد بالا، SVD و PCA، گرافهای تصادفی، و مبانی یادگیری. ترتیب کار آگاهانه است: اول کاربرد، بعد ریاضی — هر مفهوم وقتی وارد میشود که چیزی را که پیشتر دیدهاید توضیح دهد. هر جلسه یک نوتبوک آماده دارد که آن را اجرا میکنید و پارامترهایش را عوض میکنید؛ نوشتن کد از صفر در کلاس جایی ندارد و در تکلیفها تمرین میشود.
مخاطب: دانشجوی ترم اول کارشناسی ارشد ریاضی، گرایش علوم داده. جبرخطی و احتمال در سطح کارشناسی ریاضی پیشفرض است و پایتون بهموازات و با نوتبوکهای کوتاه یاد گرفته میشود.
برای هدف کامل درس، سرفصل موضوعات، منابع، پیشنیازها و روش ساخت کتاب به README مخزن مراجعه کنید. برنامهٔ ۱۶ جلسهٔ باقیماندهٔ ترم در صفحهٔ برنامهٔ درس آمده است (در نسخهٔ فارسی هنوز ترجمه نشده و به نسخهٔ انگلیسی پیوند دارد).
- مبانی ریاضی علوم داده
- افتتاحیه، داده، ماتریس و تصویر
- دستهبندی و خوشهبندی
- خوشهبندی و موضوعهای دیگر
- فضاهای با ابعاد بالا
- جبرخطی و SVD
- گرافهای تصادفی و قدم زدن تصادفی
- موضوعهای دیگر
استاد¶
محمود امینطوسی ایمیل: m.amintoosi AT um.ac.ir
دستیار آموزشی¶
هدا مهرباقرپور ایمیل: mehrbagherpour AT mail.um.ac.ir