دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته

اطلاعات شخصی زمینه های پژوهشی انتشارات پروژه های پژوهشی دانشجویان تجربیات آموزش فایل ها گالری تصاویر اخبار و اطلاعیه ها پیوند های مفید ارتباط با استاد

دکتر مينا جمشيدي (استادیار )

دانشکده علوم و فناوری های نوین / گروه آموزشي رياضي

رشته: ریاضی _ جبرخطی، داده کاوی
شماره اتاق:
تلفن : 0343667711داخل

ایمیل: m.jamshidi [AT] kgut.ac.ir
رزومه: انگلیسی
وب سایت:

بازگشت

مشخصات درس

نام درس: جبرخطي عددي و داده كاوي
تعداد واحد: 3
سال تحصیلی: 1401-1400 , ترم اول
اهداف درس: -آشنایی با جبر خطی پيشرفته و كاربرد آن در داده كاوي -آشنایی مقدماتی با الگوریتم¬ها و ریاضیات يادگيري ماشين و داده كاوي
مباحث درس: بخش اول : مروری بر مفاهیم جبر خطی - جبرخطی مقدماتی شامل فضاهای برداری، ماتریسها، مقادیر و بردارهای ویژه، تصویر کردن بردارها و .... -نرمهای ماتریسی و برداری -ماتریسهای معین مثبت، ماتریسهای متعامد، ماتريسهاي يكاني و ... -شبه معکوس و مساله کمترین مربعات -تجزيه هاي ماتريسي -روشهاي كاهش رتبه بخش دوم: یادگیری عمیق -مقدمه ای بر زبان برنامه نویسی پایتون -مقدمه ای بر شبکه های عصبی، پرسپترون چند لایه و پس انتشار خطا -طبقه بندی تصاویر -توابع هزینه و بهینه سازی -شبکه های عصبی کانولوشنی -مباحث مربوط به آموزش شبکه های عصبی -توابع فعال ساز -نرمال سازی بسته ها -قوانین به روز رسانی -تقوی داده ها -یادگیری انتقالی -شبکه های خودرمزگذار -شبکه های مولد تخاصمی
نحوه ارزشیابی:

فعالیت های مستمر(%): 35%

امتحان میان ترم (%): 15%

امتحان پایان‌ترم (%): 50%

پروژه (%):

سمینار (%):

آخرین ویرایش: 1400/08/06 13:34:41

مراجع

Strang, Gilbert. Linear algebra and learning from data. Cambridge: Wellesley-Cambridge Press, 2019. - اصلی -

.Bishop, M. Christopher. Pattern recognition and machine learning. (20 - اصلی -

Michael Nielsen, Neural Network and Deep Learning (Jan 2017) - اصلی -

Michael Nielsen, Neural Network and Deep Learning (Jan 2017) - اصلی -

تمرین