دانشگاه تگزاس برگزار‌‌ می‌‌کند: دوره رایگان آموزش یادگیری ماشین (آنلاین)

دانشگاه تگزاس اقدام به برگزاری دوره رایگان آموزش یادگیری ماشین کرده است. ابزارهایی که با استفاده از فناوری یادگیری ماشین در حال ظهورند، در همه انواع علوم با کاربردهای مهندسی، بینایی ماشین و حتی در دیگر علوم همچون زیست‌شناسی کاربرد دارند. بنابراین، آموزش تیم‌‌های متخصص و دانشجویان در این حوزه بسیار مهم است و دانشگاه‌‌های بزرگ و مراکز آموزشی  قدرتمند حوزه مهندسی و کامپیوتر با هدایت استادان برجسته هیئت علمی خود، دوره‌‌های آموزشی تخصصی در این حوزه برگزار‌‌ می‌‌کند.

در همین راستا، دانشگاه تگزاس در آستین اقدام به برگزاری دوره رایگان آموزش یادگیری ماشین به صورت آنلاین کرده است. این دوره آموزشی که از طرف گروه کامپیوتر این دانشگاه و در پلتفرم EDX برگزار‌‌ می‌‌شود، 12 هفته به طول‌‌ می‌‌انجامد و هر هفته 8 تا 12 ساعت آموزشی را در بر‌‌ می‌‌گیرد. علاقه‌مندان و دانشجویان‌‌ می‌‌توانند به صورت کاملا رایگان در این دوره که به زبان انگلیسی و همراه با زیرنویس آماده شده است، شرکت کنند. لازم به ذکر است، دانشجویان در صورتی که تمایل به دریافت گواهینامه پایان دوره داشته باشند،‌‌ می‌‌توانند با پرداخت 823 یورو و شرکت در آزمون نهایی، مدرک رسمی این دوره را از دانشگاه تگزاس دریافت کنند. هرچند که شرکت در کلاس و طی دوره کاملا رایگان و به صورت آنلاین است.

در این دوره آموزشی که در سطح پیشرفته (advanced) برگزار‌‌ می‌‌شود، مدل‌‌های اساسی ریاضی، الگوریتم‌‌‌‌ها و ابزارهای آماری موردنیاز برای انجام وظایف اصلی در یادگیری ماشین به دانشجویان معرفی‌‌ می‌‌شود. کاربردهای این ایده‌‌‌‌ها با استفاده از نمونه‌‌های ‌‌‌‌برنامه‌‌نویسی در مجموعه داده‌‌های مختلف نشان داده شده است.

عناوین دوره شامل شناخت الگو، یادگیری PAC، نصب بیش‌ازحد، درخت تصمیم‌‌، طبقه‌بندی، رگرسیون خطی، رگرسیون لجستیکی، نزولی شیب‌دار، پیش‌‌بینی ویژگی‌‌ها، کاهش ابعاد، حداکثر احتمال، روش‌‌های بیزی و شبکه‌‌های عصبی است.

آنچه در پایان این دوره خواهید آموخت

• تکنیک‌‌های یادگیری با نظارت از جمله طبقه‌بندی و رگرسیون
• الگوریتم‌‌های یادگیری بدون نظارت از جمله استخراج فیچرها
• روش‌‌های آماری برای تحلیل مدل‌‌های تولیدشده توسط الگوریتم‌‌های یادگیری

سرفصل دروس

• یادگیری اشتباهات محدودشده (Mistake Bounded Learning) (1 هفته)
• درختان تصمیم؛ یادگیری PAC (1 هفته)
• اعتبارسنجی متقابل؛ ابعاد VC؛ پرسپترون (1 هفته)
• رگرسیون خطی؛ نزول گرادیان (1 هفته)
• تقویت (5/0 هفته)
• PCA؛ SVD(1.5 هفته)
• حداکثر برآورد احتمال (1 هفته)
• استنباط بیزی (1 هفته)
• K-means و EM (1-1.5 هفته)
• مدل‌‌های چندمتغیره و مدل‌‌های گرافیکی (1-1.5 هفته)
• شبکه های عصبی؛ شبکه‌‌های مولد خصمانه (GAN) (1-1.5 هفته)

پیش‌نیازهای دوره

جبر خطی، احتمال، تجربه ‌‌‌‌در برنامه‌‌نویسی پایتون

استاد مدرس

کیانگ لیو (Qiang Liu) استادیار علوم کامپیوتر دانشگاه تگزاس در آستین.

کیانگ لیو استادیار علوم کامپیوتر در دانشگاه تگزاس در آستین است. تحقیقات وی در حوزه هوش مصنوعی و یادگیری ماشین، به‌ویژه روش‌‌های یادگیری آماری بر داده‌‌های با ابعاد بالا و پیچیده متمرکز است.

برای ثبت‌نام به لینک زیر مراجعه کنید:

[button href=”https://www.edx.org/course/machine-learning-2″ rel=”nofollow noopener” type=”btn-default” size=”btn-lg”]ثبت‌نام[/button]

آخرین اخبار و رویدادهای هوش مصنوعی را با هوشیو دنبال کنید