ریاضیات و آمار کاربردی
بهینه‌سازی
۱۱ بخش۱۱ درس۱۱ آزمون۱ ساعت و ۲۸ دقیقه
مقدماتی
دورهٔ چهارم ریاضیات در مدرسهٔ هوش مصنوعی مایان: مدل‌ها چطور با قدم‌های کوچیک روی زمین خطا یاد می‌گیرن؛ از تابع خطا تا گرادیان کاهشی، آدام و قید، با انیمیشن و نام‌پای، بدون اثبات.
این دوره در «مسیر متخصص فنی»، «پلن کامل» است.
دیدن پلنهابخش ۱بهینه‌سازی چیست و چه نقشی در یادگیری دارد؟
۰/۱- بهینه‌سازی چیست و چه نقشی در یادگیری دارد؟۷:۵۳ پیش‌نمایش رایگان
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۲تابع هزینه و تابع خطا
۰/۱- تابع هزینه و تابع خطا۷:۴۴
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۳کمینه محلی و سراسری
۰/۱- کمینه محلی و سراسری۷:۵۹
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۴توابع محدب
۰/۱- توابع محدب۸:۱۲
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۵الگوریتم گرادیان کاهشی
۰/۱- الگوریتم گرادیان کاهشی۸:۰۸
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۶نرخ یادگیری و اثر آن
۰/۱- نرخ یادگیری و اثر آن۸:۰۰
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۷گرادیان کاهشی تصادفی و دسته‌ای
۰/۱- گرادیان کاهشی تصادفی و دسته‌ای۷:۵۱
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۸مومنتوم و بهینه‌سازهای تطبیقی
۰/۱- مومنتوم و بهینه‌سازهای تطبیقی۷:۵۷
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۹الگوریتم Adam
۰/۱- الگوریتم Adam۸:۰۱
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۱۰بهینه‌سازی با قید
۰/۱- بهینه‌سازی با قید۷:۵۹
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۱۱تمرین: پیاده‌سازی گرادیان کاهشی از صفر
۰/۱- تمرین: پیاده‌سازی گرادیان کاهشی از صفر۸:۰۵
- آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
این دوره در «مسیر متخصص فنی»، «پلن کامل» است.
دیدن پلن‌ها