روش های ماتریسی در داده و یادگیری ماشین

درباره دوره روش های ماتریسی در داده و یادگیری ماشین

این دوره رایگان برای تست کامل نکسورا آکادمی در RQacademi آماده شده است: صفحه معرفی فارسی، تصویر اختصاصی، ویدئوی استاندارد Open edX، transcript، فعالیت عملی و آزمون کوتاه.

هدف یادگیری

یادگیرنده بعد از پایان این دوره می تواند فاکتورگیری ماتریس، کم کردن بعد، SVD، سیگنال، تصویر، داده و کاربردهای یادگیری ماشین را در سطح مقدماتی توضیح دهد، یک تمرین کوچک انجام دهد و مسیر ادامه یادگیری خود را انتخاب کند.

ساختار دوره

• متن کامل فارسی و نقشه مطالعه پیشنهادی.
• ویدئوی مرجع با Video component استاندارد Open edX.
• خلاصه صوتی آزمایشی و transcript فارسی برای تست دسترس پذیری.
• فعالیت عملی: یک ماتریس امتیازدهی کاربران به سه دوره بسازید و توضیح دهید چگونه کم کردن بعد می تواند الگوها را آشکار کند.
• آزمون پایانی برای تست جریان ارزیابی و آمادگی مسیر گواهی.

مدرس و تیم آموزشی

این نسخه آزمایشی توسط تیم آموزشی آکادمی هوش مصنوعی نکسورا آماده شده و برای پایلوت، گپ آنالیز و تکمیل تجربه محصول استفاده می شود.

منبع و مجوز

منبع مرجع: MIT 18.065 Matrix Methods in Data Analysis, Signal Processing, and Machine Learning. بخش های فارسی برای تست محصول تولید شده اند و قبل از بهره برداری رسمی، مجوز هر دارایی دوباره بازبینی می شود.