درس 6 از 28
جلسه ۶ - K نزدیکترین همسایه (K-Nearest Neighbors)
درسها28 درس
- 1جلسه ۱ - معرفی دوره، یادگیری نظارتی (Introduction, Supervised Learning)
- 2جلسه ۲ - رگرسیون خطی، کاهش گرادیان (Linear Regression, Gradient Descent)
- 3جلسه ۳ - رگرسیون چندجملهای، تعمیمپذیری (Polynomial Regression, Generalization)
- 4جلسه ۴ - دستهبندی خطی، شبکهی عصبی پرسپترون (Linear Classification , Perceptron Neural Network)
- 5جلسه ۵ - رگرسیون لجستیک (Logistic Regression)
- 6جلسه ۶ - K نزدیکترین همسایه (K-Nearest Neighbors)
- 7جلسه ۷ - یادگیری جمعی، درخت تصمیم، جنگل تصادفی (Ensemble Learning, Decision Tree, Random Forest)
- 8جلسه ۸ - یادگیری بدون نظارت، خوشهبندی (Unsupervised Learning, Clustering, KMeans)
- 9جلسه ۹ - کاهش بعد، تحلیل مولفههای اصلی (Dimension Reduction, Principal Components Analysis - PCA)
- 10جلسه ۱۰ - شبکههای عصبی ژرف، الگوریتم پسانتشار (Deep Neural Networks, Backpropagation Algorithm)
- 11جلسه ۱۱ - پسانتشار ماتریسی، فعالسازی و زیان (Matrix Backpropagation, Activation & Loss Functions)
- 12جلسه ۱۲ - بهینهسازی، الگوریتم Adam و نیوتون (Optimization, Adam & Newton Algorithms)
- 13جلسه ۱۳ - تنظیم مدل (Regularization, Lasso, Ridge, Dropout)
- 14جلسه ۱۴ - نرمالسازی دستهای (Batch Normalization, Universal Approximation Theorem)
- 15جلسه ۱۵ - آموزش عملی - کاهش ابعاد و دستهبندی (Classification in Pytorch & Scikit-learn)
- 16جلسه ۱۶ - بینایی کامپیوتر، شبکههای عصبی کانولوشن (Computer Vision, Convolutional Neural Networks)
- 17جلسه ۱۷ - اجزای شبکهی CNN برای پردازش تصویر (Channels & Pooling Layer in CNN)
- 18جلسه ۱۸ - قضیه تفکیک عمق، پیادهسازی عملی (Depth Separation Theorem, CNN Implementation)
- 19جلسه ۱۹ - شبکههای عمیق پردازش تصویر (AlexNet & ResNet Networks)
- 20جلسه ۲۰ - شبکههای خودرمزگذار (Autoencoders)
- 21جلسه ۲۱ - شبکههای (Denoising, Sparse, Contractive and Variational Autoencoder, U-Net)
- 22جلسه ۲۲ - پردازش زبان طبیعی (Natural Language Processing, Word Embedding, Word2Vec)
- 23جلسه ۲۳ - مکانیزم توجه (Attention Mechanism, Self Attention)
- 24جلسه ۲۴ - ترانسفورمر (Transformer)
- 25جلسه ۲۵ - معماری BERT برای یادگیری زبان طبیعی (BERT Architecture)
- 26جلسه ۲۶ - مدلهای بزرگ زبانی (Large Language Models, GPT, LLaMA)
- 27جلسه ۲۷ - ترانسفورمر بینایی (Vision Transformer, ViT)
- 28جلسه ۲۸ - یادگیری خودنظارتی و مقایسهای (Self Supervised Learning, Contrastive Learning, CLIP)