پاورپوینت یادگیری ماشین (ppt) 55 اسلاید
فرمت فایل دانلودی: .zipفرمت فایل اصلی: pptx
تعداد صفحات: 55
حجم فایل: 744
قیمت: 84000 تومان
بخشی از متن:
پاورپوینت یادگیری ماشین (pptx) 55 اسلاید
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید: 55 اسلاید
قسمتی از متن PowerPoint (.pptx) :
مقدمهتعریف فرهنگ لغات از یادگیری:یادگیری عبارت است ازبدست آوردن دانش و یا فهم آن از طریق مطالعه، آموزش و یا تجربه همچنین گفته شده است که یادگیری عبارت است از بهبود عملکرد از طریق تجربهتعریف یادگیری ماشین:یادگیری ماشین عبارت است از اینکه چگونه میتوان برنامه ای نوشت که از طریق تجربه یادگیری کرده و عملکرد خود را بهتر کند. یادگیری ممکن است باعث تغییر در ساختار برنامه و یا داده ها شود.3تعریف یادگیری ماشینFrom Mitchell (1997: 2):A computer program is said to learn from experimence E with respect to some class of tasks T and performance measure P if its performance at tasks in T as measured by P improves with experience E.From Witten and Frank (2000: 6):things learn when they change their behavior in a way that makes them perform better in the future.In practice this means: We have sets of examples from which we want to extract regularities.4مقدمهیادگیری ماشین زمینه نسبتا جدیدی از هوش مصنوعی است که در حال حاضر دوران رشد و تکامل خود را میگذراند. یادگیری ماشین یک زمینه تحقیقاتی بسیار فعال در علوم کامپیوتر است.علوم مختلفی در ارتباط با یادگیری ماشین در ارتباط هستند از جمله:هوش مصنوعی، روانشناسی، فلسفه، تئوری اطلاعات ، آمار و احتمالات، تئوری کنترل و ...5اهداف درسهدف از این درس ارائه یک دید کلی نسبت به یادگیر ماشین است که مباحث زیر را در بر میگیرد:جنبه های عملی شامل: الگوریتم های یادگیری مختلف نظیر درخت های تصمیم گیری، شبکه های عصبی و شبکه های باور بیزی،مدلهای عمومی شامل: الگوریتم ژنتیک و یادگیری تقویتیمفاهیم تئوریک شامل: زمینه های مرتبط درعلم آمار، یادگیری بیزین و ساختاریادگیریPAC . در این مباحث ارتباط تعداد مثالها با کارائی یادگیری بررسی میشوند، میزان خطای قابل انتظار محاسبه میشود، و بررسی میشود که کدام الگوریتم یادگیری برای چه مسائلی کارائی بیشتری دارد.6مراجعکتاب درس:Machine learning by Tom Mitchell McGraw Hill 1997.سایر مراجعReinforcement learning: An introduction By Richard S. Sutton & Andrew G Barto.Introduction to machine learning by Nils J. Nilson.کتاب درس از طریق سایت درس قابل دانلود کردن است.7سایت درسhttp://ceit.aut.ac.ir/~shiry/lecture/machine-learning/ml09.htmlتمرینات و سایر اطلاعات مربوط به درس ازطریق آدرس فوق در اختیار دانشجویان قرار خواهند گرفت.8ارزیابیمیان ترم 30%تکالیف 30%پایان ترم 30%ارائه 10%9انواع تکالیفتکالیفی از کتابپیاده سازی الگوریتم های یادگیریآز مایش یک الگوریتم موجود با استفاده از نرم افزارهای آماده نظیر MATLAB و WEKA برای هر تکلیف باید یک گزارش کتبی شامل: پاسخ سوالات، خلاصه کارهای انجام شده، نحوه پیاده سازی الگوریتم و نتایج بدست آمده ارائه شود. برنامه نوشته شده را میتوانید برروی CD تحویل دهید.10پروژههر دانشجو در مورد یک زمینه مرتبط با یادگیری ماشین آزمایشی را انجام داده و بصورت عملی پیاده سازی مینماید.نتیجه بصورت یک گزارش کتبی تحویل داده شده و در زمان تعیین شده بصورت شفاهی آن را ارائه مینماید.پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.