Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

جمع‌بندی درس و پلی به یادگیری ماشین آماری

English · فارسی

جمع‌بندی درس و پلی به یادگیری ماشین آماری

یک نقشه از درس

  1. ماتریس‌ها و تصویرها — داده به‌عنوان شیء خطی

  2. kNN و k-means — دسته‌بندی و خوشه‌بندی به‌عنوان نخستین الگوریتم‌ها

  3. نفرین ابعاد — چرا ابعاد بالا همه‌چیز را عوض می‌کند

  4. SVD / PCA / رتبه پایین — یافتن ساختار در ماتریس

  5. گراف‌های تصادفی — ساختار دادهٔ شبکه‌ای

  6. مبانی یادگیری — تعمیم، رگرسیون خطی و SGD، پرسپترون، شبکه با یک لایهٔ پنهان، و ترفند کرنل: مدل‌های خطی، دو بار بسط‌داده‌شده، بدون SVM و بیز

واگذارشده به درس‌های دیگر

موضوعکجا
نظریهٔ تصمیم بیزی، Naive Bayesیادگیری ماشین آماری
مخلوط‌های گاوسی و عمق EMیادگیری ماشین آماری
MCMC، متروپلیس–هستینگز، گیبسیادگیری ماشین آماری (در اینجا فقط یک طرح ۲۵ دقیقه‌ای)
HMM، مدل‌های گرافی، انتشار باوریادگیری ماشین آماری
SVM، حاشیهٔ بیشینه، جداکننده‌های غیرخطیدرس جداگانهٔ یادگیری ماشین
ماتریس انتقال مارکف و نظریهٔ آندرس جداگانه

چک‌لیست پایانی