نظریه اطلاعات و ریاضیات در عمل

۱۱ بخش۱۱ درس۱۱ آزمون۱ ساعت و ۲۷ دقیقه

مقدماتی

دورهٔ هشتم و آخر ریاضیات در مدرسهٔ هوش مصنوعی مایان: از آنتروپی، آنتروپی متقاطع و واگرایی KL، تا ریشهٔ ریاضی توابع خطا، رگرسیون خطی و لجستیک، یک نورون و پس‌انتشار خطا؛ با انیمیشن، نام‌پای و سای‌پای، بدون اثبات.

این دوره در «مسیر متخصص فنی»، «پلن کامل» است.

دیدن پلن‌ها

بخش ۱اطلاعات و آنتروپی

۰/۱

اطلاعات و آنتروپی۷:۴۷ پیش‌نمایش رایگان
آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪

بخش ۲آنتروپی متقاطع

۰/۱

آنتروپی متقاطع۷:۵۵
آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪

بخش ۳واگرایی KL

۰/۱

واگرایی KL۷:۴۹
آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪

بخش ۴اطلاعات متقابل

۰/۱

اطلاعات متقابل۷:۵۱
آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪

بخش ۵توابع خطای رایج و ریشه ریاضی آن‌ها

۰/۱

توابع خطای رایج و ریشه ریاضی آن‌ها۸:۰۱
آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪

بخش ۶رگرسیون خطی از نگاه ریاضی

۰/۱

رگرسیون خطی از نگاه ریاضی۷:۴۵
آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪

بخش ۷رگرسیون لجستیک از نگاه ریاضی

۰/۱

رگرسیون لجستیک از نگاه ریاضی۷:۴۰
آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪

بخش ۸ریاضیات یک نورون مصنوعی

۰/۱

ریاضیات یک نورون مصنوعی۷:۵۷
آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪

بخش ۹ریاضیات پس‌انتشار خطا

۰/۱

ریاضیات پس‌انتشار خطا۷:۴۹
آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪

بخش ۱۰خواندن فرمول‌های مقالات هوش مصنوعی

۰/۱

خواندن فرمول‌های مقالات هوش مصنوعی۸:۰۸
آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪

بخش ۱۱جمع‌بندی سطح مبتدی و ورود به سطح متوسط

۰/۱

جمع‌بندی سطح مبتدی و ورود به سطح متوسط۸:۰۳
آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪

چه یاد می‌گیری

غافلگیری، آنتروپی، آنتروپی متقاطع و واگرایی KL را حساب و تفسیر کنی و بدانی چرا تابع خطای دسته‌بندها از آن‌ها می‌آید
اطلاعات متقابل را از یک جدول توأم حساب کنی و آن را با همبستگی مقایسه کنی
بدانی میانگین مربع خطا، قدرمطلق خطا و آنتروپی متقاطع از کدام توزیع و درست‌نمایی می‌آیند و کی کدام را انتخاب کنی
رگرسیون خطی و لجستیک را از نگاه ریاضی بفهمی: معادلهٔ نرمال، سیگموید، خطای لگاریتمی و گرادیانشان
یک نورون و یک شبکهٔ کوچک را عدد به عدد حساب کنی، گرادیان‌هایش را با پس‌انتشار به دست بیاوری و فرمول‌های مقاله‌ها را بخوانی

درباره دوره

این دوره، هشتمین و آخرین دوره از موضوع «ریاضیات و آمار کاربردی» و پایان سطح مبتدی است: اطلاعات و آنتروپی، آنتروپی متقاطع، واگرایی KL، اطلاعات متقابل، توابع خطای رایج و این‌که هر کدام از کدام توزیع و درست‌نمایی می‌آید، رگرسیون خطی به شکل یک تصویر (سایه) و جواب بستهٔ آن، رگرسیون لجستیک با سیگموید و خطای لگاریتمی، ریاضیات یک نورون مصنوعی، پس‌انتشار خطا با قاعدهٔ زنجیره‌ای، و خواندن فرمول‌های مقاله‌ها نماد به نماد؛ و در آخر، یک مسئلهٔ کامل که همهٔ ریاضی این بخش را کنار هم می‌گذارد و نقشهٔ ورود به سطح متوسط. هر ایده اول روی صفحه دیده می‌شود: سکه‌ها و تاس‌هایی که غافلگیری و آنتروپی‌شان را به بیت نشان می‌دهند، فاصلهٔ باور و حقیقت که هیچ‌وقت منفی نمی‌شود، دو آنتروپی که روی هم می‌افتند، داده‌ای که سایه‌اش روی ستون‌ها می‌افتد و باقی‌مانده‌اش عمود می‌ایستد، سطح خطای لجستیک، نورونی که عدد به عدد حساب می‌شود و گرادیان‌هایی که در شبکه به عقب برمی‌گردند؛ بعد قاعده‌اش، و بعد با عددهای واقعی در نام‌پای و سای‌پای. همهٔ کدهای ویدیوها اجرا شده‌اند و عددها و نمودارهای روی صفحه، همان خروجی واقعی آن کدها هستند؛ داده‌های فروشگاه ساختگی‌اند و روی صفحه هم همین گفته شده است.

هر ویدیو حدود هشت دقیقه است و با یک ماجرا شروع می‌شود؛ بعد مفهوم، یک نمایش عملی، جمع‌بندی و یک تمرین کوتاه. بعد از هر ویدیو یک آزمون کوتاه داری؛ آخرش نکته‌های اصلی درس را می‌بینی و برای هر جواب، توضیح و لینک همان لحظهٔ ویدیو را.

مدرس: تیم مایان

این دوره در «مسیر متخصص فنی»، «پلن کامل» است.

دیدن پلن‌ها