سرفصل‌ها
* مفاهیم احتمال پایه: درک فضای نمونه، احتمال رویدادها و قانون جمع و ضرب
* احتمال شرطی و قاعدهٔ بیز: یادگیری فرمول بیز و کاربردهای آن
* توزیع‌های گسسته و پیوسته: معرفی توزیع‌های دوجمله‌ای، برنولی، نرمال و نمایی
* تابع چگالی تجمعی: درک مفهوم CDF و کاربرد آن در تحلیل داده
* الگوریتم نزدیک‌ترین همسایه‌ها: درک مکانیسم KNN برای طبقه‌بندی و نقش فاصله‌ها
* ماشین بردار پشتیبان: آشنایی با مفهوم حداکثر فاصله و سطح جداسازی
* یادگیری تقویتی: آشنایی با اجزای اصلی یادگیری تقویتی
مناسب برای
– دانشجویان مهندسی و علوم داده
– علاقه‌مندان به هوش مصنوعی که می‌خواهند پایهٔ آماریشان را عمیق کنند
– توسعه‌دهندگان پایتون که به دنبال درک عملی هوش مصنوعی هستند
جزئیات دوره
– تاریخ شروع: پنج‌شنبه ۵ تیر
– تعداد جلسات: ۷ جلسه (هر جلسه ۴ ساعت)
– قالب برگزاری: حضوری و انلاین
– ظرفیت محدود
❓ پرسشی دارید؟
همین امروز نخستین قدم را در دنیای هوش مصنوعی بردارید!
