onlinebme
✅ دوره شناسایی الگو و یادگیری ماشین (اولین دوره جامع و تخصصی در ایران) 🟣 فصل هفتم: انتخاب ویژگی (feature selection) 🔹 feature conditioning 🔹filter methods feature Selection 🔹 ttsest 🔹 anova 🔻tvalue 🔻fvalue 🔺pvalue 🔹 fisher discriminant…
✅ دوره شناسایی الگو و یادگیری ماشین (اولین دوره جامع و تخصصی در ایران)
🟣 فصل هشتم: خوشه بندی ( clustering)
سرفصل مطالب
🟣 مقدمه ای بر خوشه بندی
🔵 تئوری و پیاده سازی kmeans
🟡 بررسی معایب kmeans و ارائه راهکار
🟢 تئوری و پیاده سازی fcm
🔴 پیاده سازی مقاله gmeans
محتوای پکیج:
ویدیوهای آموزشی
کدهای پیاده سازی شده برای پروژه ها، تمرینات و مقالات
منابع معتبری که برای تهیه ویدیو استفاده شده اند(کتب و مقالات مرجع)
جزوه دست نویس مدرس
تعداد جلسات: 4
مدت زمان دوره: 13ساعت
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران
#clustering #machinelearing #pattern_recognition #fcm
#kmeans #Gmeans
🌀 جهت کسب اطلاعات بیشتر به لینک زیر مراجعه کنید👇👇👇
https://onlinebme.com/product/pattern-season08-clustering/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
🟣 فصل هشتم: خوشه بندی ( clustering)
سرفصل مطالب
🟣 مقدمه ای بر خوشه بندی
🔵 تئوری و پیاده سازی kmeans
🟡 بررسی معایب kmeans و ارائه راهکار
🟢 تئوری و پیاده سازی fcm
🔴 پیاده سازی مقاله gmeans
محتوای پکیج:
ویدیوهای آموزشی
کدهای پیاده سازی شده برای پروژه ها، تمرینات و مقالات
منابع معتبری که برای تهیه ویدیو استفاده شده اند(کتب و مقالات مرجع)
جزوه دست نویس مدرس
تعداد جلسات: 4
مدت زمان دوره: 13ساعت
مدرس: محمد نوری زاده چرلو
فارغ التحصیل دانشگاه علم و صنعت تهران
#clustering #machinelearing #pattern_recognition #fcm
#kmeans #Gmeans
🌀 جهت کسب اطلاعات بیشتر به لینک زیر مراجعه کنید👇👇👇
https://onlinebme.com/product/pattern-season08-clustering/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
✅ دوره شناسایی الگو و یادگیری ماشین
⚠️ اولین دوره جامع و تخصصی در ایران
⚠️ 140 ساعت ویدیوی آموزشی
🔹آموزش تئوری و مباحث ریاضیاتی طبق مراجع معتبر
🔹پیاده‌سازی مرحله به مرحله الگوریتمها
🔹انجام پروژه های عملی و تخصصی
🔹پیاده سازی گام به گام مقالات تخصصی
⭕️⭕️ فصل اول: مقدمه ای بر یادگیری ماشین و شناسایی الگو
⭕️⭕️ فصل دوم: طبقه بندهای پارامتری
🔺بیزین
🔺توزیع نرمال
🔺ماکزیمم شباهت
🔺حداقل فاصله اقلیدسی
🔺حداقل فاصله ماهالانوبیس
⭕️⭕️ فصل سوم: روشها و پارامترهای ارزیابی
🔺confusion matrix
🔺the hold out method
🔺K-fold cross validation
🔺leave one out validation
🔺 random subsampling validation
⭕️⭕️ الگوریتمهای غیر پارامتری
🔹 knn
🔹wknn
🔹knn / wknn in regression
🔺slp
🔺adaline
🔺MLP
🔹 Hard-margin SVM
🔹 Soft-margin SVM
🔹non-linear SVM
🔹 linear- SVR
🔹 non-linear SVR
⭕️⭕️ فصل پنجم: یادگیری جمعی
🔹 Voting
🔹 Stacking
🔹 Bagging
🔹 Boosting
🔻 KNN ada-boost
🔺 SLP ada-boost
🔻 ELM ada-boost
🔺 LDA ada-boost
🔻 TREE ada-boost
🔺 SVM ada-boost
⭕️⭕️ فصل ششم: کاهش بعد
🔹 PCA
🔹 LDA
🔻 PCA as a classifier
🔺 LDA as a classifier
⭕️⭕️ فصل هفتم: انتخاب ویژگی
🔹 T-test
🔹 Anova
🔹 FDR
🔹 Mutual information
🔹 SFFS
⭕️⭕️ فصل هشتم: خوشه بندی
🔹 Fcm
🔹 K-means
🔹 G-means
✅در طول دوره علاوه بر آموزش تئوری و پیاده‌سازی روشها ، پروژه های تخصصی زیادی انجام شده است که دوستان میتوانند در پروژه های درسی یا پایان نامه خودشون استفاده کنند👌😊
#یادگیری_ماشین
#شناسایی_الگو
#machinelearing
#pattern_recognition
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
https://www.instagram.com/p/CJPSTRWpFDG/?igshid=si3mdifspwga
⚠️ اولین دوره جامع و تخصصی در ایران
⚠️ 140 ساعت ویدیوی آموزشی
🔹آموزش تئوری و مباحث ریاضیاتی طبق مراجع معتبر
🔹پیاده‌سازی مرحله به مرحله الگوریتمها
🔹انجام پروژه های عملی و تخصصی
🔹پیاده سازی گام به گام مقالات تخصصی
⭕️⭕️ فصل اول: مقدمه ای بر یادگیری ماشین و شناسایی الگو
⭕️⭕️ فصل دوم: طبقه بندهای پارامتری
🔺بیزین
🔺توزیع نرمال
🔺ماکزیمم شباهت
🔺حداقل فاصله اقلیدسی
🔺حداقل فاصله ماهالانوبیس
⭕️⭕️ فصل سوم: روشها و پارامترهای ارزیابی
🔺confusion matrix
🔺the hold out method
🔺K-fold cross validation
🔺leave one out validation
🔺 random subsampling validation
⭕️⭕️ الگوریتمهای غیر پارامتری
🔹 knn
🔹wknn
🔹knn / wknn in regression
🔺slp
🔺adaline
🔺MLP
🔹 Hard-margin SVM
🔹 Soft-margin SVM
🔹non-linear SVM
🔹 linear- SVR
🔹 non-linear SVR
⭕️⭕️ فصل پنجم: یادگیری جمعی
🔹 Voting
🔹 Stacking
🔹 Bagging
🔹 Boosting
🔻 KNN ada-boost
🔺 SLP ada-boost
🔻 ELM ada-boost
🔺 LDA ada-boost
🔻 TREE ada-boost
🔺 SVM ada-boost
⭕️⭕️ فصل ششم: کاهش بعد
🔹 PCA
🔹 LDA
🔻 PCA as a classifier
🔺 LDA as a classifier
⭕️⭕️ فصل هفتم: انتخاب ویژگی
🔹 T-test
🔹 Anova
🔹 FDR
🔹 Mutual information
🔹 SFFS
⭕️⭕️ فصل هشتم: خوشه بندی
🔹 Fcm
🔹 K-means
🔹 G-means
✅در طول دوره علاوه بر آموزش تئوری و پیاده‌سازی روشها ، پروژه های تخصصی زیادی انجام شده است که دوستان میتوانند در پروژه های درسی یا پایان نامه خودشون استفاده کنند👌😊
#یادگیری_ماشین
#شناسایی_الگو
#machinelearing
#pattern_recognition
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
https://www.instagram.com/p/CJPSTRWpFDG/?igshid=si3mdifspwga