📋جزوه خام فصل سوم و بخشی از فصل چهارم دوره #پترن و یادگیری ماشین
روشهای ارزیابی
کلاسبندی با knn
کلاسبندی با wknn
رگرسیون با knn و wknn

🖨 لطفا قبل از کلاس از جزوه خام دوره پرینت بگیرید.
@onlinebme

.
مفتخر هستم كه به چاپ رسيدن پروژه عملي استفاده از ابزار هوشمند در صنعت حفاري هاي زير زميني با همكاري محققان و دوستان بنده در دانشگاه اول شهر رم را اطلاع رساني كنم.
عنوان:
Application of intelligent systems in the underground excavation industry
Proceedings of the 4th International Conference on Civil and Building Engineering Informatics, 2019, Sendai, Japan.
نویسندگان:
Ramezanshirazi, M, Cherloo,M, Zarrin
از اینکه تحقیقات روی یک موضوع صنعتی و عملی بود برایم بسیار باارزشمند هست و خوشحالم که کنار دوست خوبم جناب دکتر محسن شیرازی چنین تجربه ای بدست آوردم.

#حفاری_تونل در متروهای شهرم رم ایتالیا
#شبکه‌های_عصبی
#پیشبینی
#رگرسیون
#انتخاب_ویژگی
#پترن
@onlinebme

مرور اجمالی به سرفصل مطالب دوره پترن و یادگیری ماشین

1.    مفاهیم اولیه  
2.    کلاسبندهای پارامتری
-       تئوری و پیاده‌سازی کلاسبند ماکزیمم شباهت
-       تئوری و پیاده‌سازی کلاسبند بیزین
-       تئوری و پیاده‌سازی کلاسبند حداقل فاصله اقلیدسی
-       تئوری و پیاده‌سازی کلاسبند حداقل فاصله ماهالانوبیس

3.    روشها و پارامترهای ارزیابی
-       پارامترهای ارزیابی
-       انتخاب مدل مدل بهینه( cross validation)
-       روش ارزیابی the hold out method
-       روش ارزیابی k-fold cross validation
-       روش ارزیابی leave one out
-       روش ارزیابی random sub-sampling

4.    کلاسبندهای غیرپارامتری
-       Knn
-       Wknn
-       Perceptron
-       Svm
-       Lda
- ELM
- WELM

5.    روشهای ترکیب کلاسبندها
-       Voting
-       Stacking
-       Bagging
-       Adaptive boosting

6.    روشهای کاهش بعد
-       Pca
-       Lda

7.    روشهای انتخاب ویژگی
-       تستهای آماری
-       Fdr
-       Mutual information
-       Sffs
-       Sbfs
-       Sfbfs
-       Wrapper

8.    استخراج ویژگی
-       استخراج ویژگی از تصاویر
-       استخراج ویژگی از سیگنال

9.    روشهای خوشه بندی
-       Kmeans
-       Fcm
-       Sequential clustering
-       G-means
 

سرفصلهایی که اشاره شده است دقیق نیست و احتمال اینکه مطالب و روشهای بیشتری برای هربخش اضافه شود بسیار زیاد است.
ممکن است حجم کل ویدیوها 100 بشه برای همین مطالب فصل به فصل در سایت قرار خواهند گرفت و احتمال اینکه مباحث بیشتری به سرفصلها اضافه شود زیاد است.

💡در این دوره مباحث طبق مراجع معتبر و مقالات معتبر آموزش و پیاده سازی می شوند و برای هر بخش پروژه های عملی مختلفی انجام می شود که لازم به ذکر است که برای هر پروژه‌ی انجام شده یک گزارش کامل به صورت word نوشته شده در کنار فایلهای آموزشی قرار میگیرد و میتوانید از این پروژه‌ها به عنوان پروژه‌های درسی و پایان نامه خود استفاده کنید.

روال آموزشی مدرس دوره:
·       در ابتدا تئوری تمامی مباحث طبق یک مرجع معتبر آموزش داده می‌شود.

·       سپس یک الگوریتم خلاصه شده برای پیاده‌سازی الگوریتم مورد نظر نوشته می شود.

·       سپس به صورت مرحله به مرحله در متلب الگوریتم ها پیاده‌سازی می شوند.

·       و سپس یک مثال عملی بسیار ساده جهت درک بهتر عملکرد الگوریتم انجام می شود

·       و در نهایت چندین پروژه‌ی عملی با کمک الگوریتمهای پیاده سازی شده انجام می‌شود تا کاربر چالش واقعی انجام پروژه آشنا شود و همچنین بتواند از پروژه‌های انجام شده برای پروژه‌های درسی و پایان نامه استفاده کند.

 @onlinebme

سلام
✅ یه سری دوستان در مورد سرفصل دوره پترن سوال پرسیده بودند تا دید کلی در مورد دوره داشته باشند
سرفصل مطالبی که اینجا قرار دادم خیلی کلی هستند و بعد از اتمام هرفصل جزئیات کامل را در سایت قرار خواهیم داد.
✅ مطلع شدیم که بعضی از دوستان به خاطر محدودیتهای اینترنت در چند روز اخیر، مشکل دانلود پکیجها رو دارند.
دوستانی که تهران هستند میتونند به صورت حضوری تشریف بیارند آموزشگاه و فایل پکیجهارو دریافت کنند.
دوستانی از شهرای دیگه هستند میتونند هماهنگ کنند تا پکیج آموزشی به صورت DVD براشون ارسال بشه.

موفق باشید❤️
@onlinebme

📺 پترن(فصل سوم): روشها و پارامترهای ارزیابی مدلهای یادگیری ماشین
تعداد جلسات: 2
مدت زمان : 4 ساعت

سرفصل مطالب
1⃣ پارامترهای ارزیابی
🔺مراحل انجام یک پروژه‌ی استاندارد
🔺نحوه محاسبه پارامترهای ارزیابی مسائل دو کلاسه(دقت، حساسیت، اختصاصیت) در متلب
🔺ماتریس کانفیوژن
🔺نحوه محاسبه پارامترهای ارزیابی برای مسائل دو کلاسه و چندکلاسه

2⃣ روشهای ارزیابی یک مدل یادگیری ماشین
🔺نحوه انتخاب یک مدل بهینه(model selection) توسط روش Cross validation
🔺 the hold out method
🔺leave one out method
🔺 k-fold cross validation
🔺 random sub-sampling

https://onlinebme.com/product/validation-methods-and-parameters/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

واسط مغز و کامپیوتر(BCI) چیست؟

واسط مغز کامپیوتر، همانطور که از اسم آن مشخص است، سیستمی است که مغز انسان را به تکنولوژی بیرونی متصل می‌کند.
نویسنده : پریسا ایلون

– به نظر یک افسانه علمی است. آیا واقعا مردم امروزه از واسط مغز کامپیوتر استفاده می‌کنند؟

جزئیات بیشتر 👇👇👇
https://onlinebme.com/what-is-bci/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

📋جزوه خام بخش دوم فصل چهارم دوره #پترن و یادگیری ماشین
از کاهش بعد تا کلاسبندی!
1- pca for dimension reduction
2- pca for classification!
3- Two-LDA for D-reduction
4- multiclass-LDA for D-reduction
5- LDA for classification

🖨 لطفا قبل از کلاس از جزوه خام دوره پرینت بگیرید.
@onlinebme

دوستان عزیزم بابت کم کاری در کانال عذرخواهی میکنم
درگیر ضبط ویدیوهای آموزشی دوره پترن و یادگیری ماشین هستیم و تمام تمرکزمون رو اینه که سریعتر این دوره رو آماده کنیم
مطالب این دوره بسیار گسترده ست و تمام سعیمان اینه که مطالب با کیفیت و کاربردی و پروژه محور آماده کنیم.
سرفرصت به طور مفصل در مورد جزئیات دوره ها و محتوای آموزشی صحبت خواهیم کرد.
❤️❤️

@onlinebme

پکیجهای آموزشی موجود در سایت

📺 آموزش اصول برنامه‌نویسی در #متلب ( #رایگان)

https://onlinebme.com/course/matlab/

📺 پیاده سازی گام به گام #شبکه‌های_عصبی ( پروژه محور)
https://onlinebme.com/product/neural-networks-package/

📺 پردازش سیگنال eeg مبتنی بر تسک تصور حرکتی (BCI)
https://onlinebme.com/product/brain-computer-interface-package-motorimagery/

📺 شناسایی الگو و یادگیری ماشین
(فعلا فصلهای 1-2-3 در سایت قرار گرفته است)
https://onlinebme.com/product/pattern-parametric-classifiers/

https://onlinebme.com/product/validation-methods-and-parameters/


🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
✔️ @OnlineBME

شبکه عصبی چگونه کار می‌کند؟ و چرا تبدیل به تجارتی عظیم شده است؟

🔺در چند دهه‌ گذشته، شاهد افزایش قابل توجهی در توانایی پردازش اطلاعات پیرامون توسط کامپیوترها بوده‌ایم. گوشی‌های هوشمند کلام را به متن تبدیل می‌کنند. ماشین‌های خودران، اشیا را در جاده شناسایی می‌کنند و از برخورد با آن‌ها جلوگیری می‌کنند.

🔷در پس تمام این پیشرفت‌ها یک تکنیک هوش مصنوعی قرار دارد به نام یادگیری عمیق. یادگیری عمیق بر اساس شبکه عصبی کار می‌کند. شبکه‌های عصبی اطلاعات ورودی را طی گذر از لایه‌هایی سازمان یافته به خروجی بعدشان منتقل می‌کنند.

🔺دانشمدان علوم کامپیوتر از سال 1950 مشغول به آزمایش شبکه عصبی بوده اند. اما دو اتفاق بزرگ در سال‌های 2012 و 1986 منجر به صنعت یادگیری عمیق امروزی شدند.  در سال 2012 – انقلاب یادگیری عمیق- توانستیم عملکرد شبکه عصبی را با ایجاد تعداد لایه‌های بسیار، به وضوح ارتقا دهیم. این دست آورد حاصل مهیا بودن میزان عظیم داده و قدرت محاسباتی بالای تامین شده تا آن سال بود .

نویسنده: پریسا ایلون

✅ در ادامه توضیح خواهیم داد شبکه عصبی چیست، چطور کار میکند، و از کجا پیدا شد👇👇
https://onlinebme.com/how-neural-networks-work-and-why-theyve-become-a-big-business/
#شبکه_عصبی
#یادگیری_ماشین
#پرسپترون
#پس_انتشار_خطا

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

📺 دوره شناسایی آماری الگو و یادگیری ماشین

فصل 4( بخش اول ): تئوری و پیاده سازی الگوریتم knn و الگوریتمهای بهبودیافته شده آن(wknn)

تعداد جلسات: 8
مدت زمان: 12 ساعت
مدرس: محمد نوری زاده چرلو


جزییات بیشتر👇👇
https://onlinebme.com/product/k-nearest-neighbors/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme