بازگشت به دوره‌ها

درباره این دوره

این دوره، نخستین گام از مجموعه‌ی تخصصی Mathematics for Machine Learning and Data Science محسوب می‌شود و توسط DeepLearning.AI ارائه گردیده است . جبر خطی، زبان ریاضیاتی یادگیری ماشین است و مفاهیمی مانند بردارها، ماتریس‌ها و تبدیل‌های خطی، قلب الگوریتم‌هایی مانند شبکه‌های عصبی را تشکیل می‌دهند . در این دوره، فراگیران مفاهیم جبر خطی را با استفاده از زبان پایتون در تمرین‌های عملی آزمایشگاهی پیاده‌سازی می‌کنند . این دوره با بهره‌گیری از روش‌های آموزشی نوآورانه و تجسم‌های بصری، به فراگیران کمک می‌کند تا به‌سرعت و به‌صورت شهودی، ریاضیات پشت یادگیری ماشین را درک نمایند . بسیاری از مهندسان یادگیری ماشین و دانشمندان داده با ریاضیات مشکل دارند و حتی متخصصان باتجربه نیز ممکن است به دلیل کمبود مهارت‌های ریاضی دچار محدودیت شوند؛ این دوره برای رفع این نیاز طراحی شده است . پیش‌نیازها • سطح ریاضیات دبیرستانی (توابع، جبر پایه) • آشنایی با برنامه‌نویسی پایتون در سطح پایه تا متوسط (ساختارهای داده، حلقه‌ها، توابع، عبارات شرطی، اشکال‌زدایی) • تمام کتابخانه‌های مورد نیاز یادگیری ماشین در طول دوره معرفی می‌شوند دستاوردهای یادگیری فراگیران پس از تکمیل دوره، توانایی‌های زیر را کسب خواهند نمود : • نمایش داده‌ها به‌صورت بردارها و ماتریس‌ها و شناسایی ویژگی‌های آن‌ها با استفاده از مفاهیمی مانند تکینگی (Singularity)، رتبه (Rank) و استقلال خطی (Linear Independence) • به‌کارگیری عملیات‌های جبر ماتریسی و برداری مانند ضرب داخلی (Dot Product)، معکوس ماتریس (Inverse) و دترمینان (Determinant) • بیان انواع خاصی از عملیات ماتریسی به‌عنوان تبدیل‌های خطی (Linear Transformations) • به‌کارگیری مفاهیم مقادیر ویژه (Eigenvalues) و بردارهای ویژه (Eigenvectors) در مسائل یادگیری ماشین سرفصل‌های دوره هفته‌ی اول: دستگاه معادلات خطی (System of Linear Equations) • نمایش هندسی دستگاه معادلات خطی • مفهوم تکینگی و ماتریس‌های تکین و غیرتکین • وابستگی و استقلال خطی • دترمینان • تمرین برنامه‌نویسی: آشنایی با آرایه‌های NumPy و نمایش دستگاه معادلات به‌صورت ماتریس هفته‌ی دوم: حل دستگاه معادلات خطی (Solving System of Linear Equations) • روش حذفی (Elimination Method) و فرم پله‌ای (Row Echelon Form) • رتبه‌ی ماتریس (Rank) و کاربرد آن در فشرده‌سازی تصاویر • الگوریتم حذفی گاوس (Gaussian Elimination) • تمرین برنامه‌نویسی: پیاده‌سازی الگوریتم حذفی گاوس هفته‌ی سوم: بردارها و تبدیل‌های خطی (Vectors and Linear Transformations) • بردارها و ویژگی‌های آن‌ها در یادگیری ماشین • عملیات‌های برداری و ضرب داخلی • ماتریس‌ها به‌عنوان تبدیل‌های خطی • ضرب ماتریس‌ها و کاربرد آن در شبکه‌های عصبی • معکوس ماتریس • تمرین برنامه‌نویسی: عملیات‌های برداری و ضرب ماتریس هفته‌ی چهارم: دترمینان و بردارهای ویژه (Determinants and Eigenvectors) • تفسیر هندسی دترمینان به‌عنوان مساحت • محاسبه‌ی دترمینان حاصل‌ضرب و معکوس ماتریس‌ها • مقادیر ویژه و بردارهای ویژه • کاربرد بردارهای ویژه در کاهش ابعاد (PCA) • تمرین برنامه‌نویسی: تفسیر مقادیر ویژه و بردارهای ویژه دوره‌های تکمیلی پس از اتمام موفقیت‌آمیز این دوره، فراگیران می‌توانند در ادامه‌ی مسیر یادگیری خود در مجموعه‌ی تخصصی Mathematics for Machine Learning and Data Science، به دوره‌های زیر بپردازند : • Calculus for Machine Learning and Data Science – حساب و دیفرانسیل برای یادگیری ماشین و علم داده • Probability & Statistics for Machine Learning & Data Science – آمار و احتمال برای یادگیری ماشین و علم داده

دوره جبر خطی برای یادگیری ماشین و علم داده
دوره جبر خطی برای یادگیری ماشین و علم داده

آنچه دریافت می‌کنید

  • زیرنویس فارسی اختصاصی با ترجمه‌ی دقیق
  • ارائه‌دهنده: DeepLearning.ai
  • زبان: انگلیسی (با زیرنویس فارسی)
  • ویدئوها با کیفیت 720p
  • سطح: مقدماتی
  • مدت: حدود ۲۶ ساعت
  • پلتفرم: Coursera

پرسش‌های متداول

آیا دوره «دوره جبر خطی برای یادگیری ماشین و علم داده» زیرنویس فارسی دارد؟

بله. دوره Linear Algebra for Machine Learning and Data Science 2025 از Coursera با زیرنویس کامل فارسی در Coursin ارائه می‌شود.

مدرس دوره «دوره جبر خطی برای یادگیری ماشین و علم داده» کیست؟

این دوره توسط Luis Serrano تدریس می‌شود.

دوره «دوره جبر خطی برای یادگیری ماشین و علم داده» چقدر طول می‌کشد؟

مدت این دوره حدود ۲۶ ساعت است.

دوره «دوره جبر خطی برای یادگیری ماشین و علم داده» برای چه سطحی مناسب است؟

سطح این دوره مقدماتی است.

قیمت دوره «دوره جبر خطی برای یادگیری ماشین و علم داده» چقدر است؟

قیمت دسترسی کامل به این دوره ۷۴۰٬۰۰۰ تومان است.