پاورپوینت یادگیری ماشین

پاورپوینت یادگیری ماشین (pptx) 17 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 17 اسلاید

قسمتی از متن PowerPoint (.pptx) :

1 یادگیری ماشین Instructor : Farhad M.kazemi 2 مقدمه تعریف فرهنگ لغات از یادگیری: یادگیری عبارت است ازبدست آوردن دانش و یا فهم آن از طریق مطالعه، آموزش و یا تجربه همچنین گفته شده است که یادگیری عبارت است از بهبود عملکرد از طریق تجربه تعریف یادگیری ماشین: یادگیری ماشین عبارت است از اینکه چگونه میتوان برنامه ای نوشت که از طریق تجربه یادگیری کرده و عملکرد خود را بهتر کند. یادگیری ممکن است باعث تغییر در ساختار برنامه و یا داده ها شود. 3 مقدمه یادگیری ماشین زمینه نسبتا جدیدی از هوش مصنوعی است که در حال حاضر دوران رشد و تکامل خود را میگذراند و یک زمینه تحقیقاتی بسیار فعال در علوم کامپیوتر است. علوم مختلفی در ارتباط با یادگیری ماشین در ارتباط هستند از جمله: هوش مصنوعی، روانشناسی، فلسفه، تئوری اطلاعات ، آمار و احتمالات، تئوری کنترل و ... 4 اهداف درس هدف از این درس ارائه یک دید کلی نسبت به یادگیر ماشین است که مباحث زیر را در بر میگیرد: جنبه های عملی شامل: الگوریتم های یادگیری مختلف نظیر درخت های تصمیم گیری، شبکه هاب عصبی و شبکه هاب باور بیزی، مدلهای عمومی شامل: الگوریتم ژنتیک و یادگیری تقویتی مفاهیم تئوریک شامل: زمینه های مرتبط درعلم آمار، یادگیری بیزین و ساختاریادگیریPAC . در این مباحث ارتباط تعداد مثالها با کارائی یادگیری بررسی میشوند، میزان خطای قابل انتظار محاسبه میشود، و بررسی میشود که کدام الگئریتم یادگیری برای چه مسائلی کارائی بیشتری دارد. 5 مراجع کتاب درس: Machine learning by Tom Mitchell, McGraw Hill, 1997. سایر مراجع Reinforcement learning: An introduction, By Richard S. Sutton & Andrew G Barto. 6 سیلابس درس Introduction مقدمه Concept learning یادگیری مفهوم Decision Tree Learning درخت تصمیم گیری Artificial Neural Networks شبکه های عصبی مصنوعی Evaluating Hypothesis ارزیابی فرضیه Bayesian learning یادگیری بیزین و  شبکه های باور بیزی Computational Learning Theory تئوری یادگیری محاسباتی Instance based learning یادگیری نمونه Genetic Algorithms الگوریتم ژنتیک Reinforcement Learning بادگیری تقویتی Support Vector Machine SVM 7 چرا یادگیری؟ چرا ماشین را برنامه نویسی نکنیم؟ بعضی کارها را بدرستی نمیتوان توصیف نمود. در صورتیکه ممکن است آنها را بتوان بصورت مثالهای ( ورودی/خر.جی) معین نمود. ممکن است در خیل عظیمی از داده اطلاعات مهمی نهفته باشد که بشر قادر به تشخیص آن نباشد ( داده کاوی) ممکن است موقع طراحی یک سیستم تمامی ویژگیهای آن شناخته شده نباشد در حالیکه ماشین میتواند حین کار آنها را یاد بگیرد. ممکن است محیط در طول زمان تغییر کند. ماشین میتواند با یادگیری این تغییرات خود را با آنها وفق دهد. 8 چرا یادگیری ؟ در سالهای اخیر پیشرفتهای زیادی در الگوریتم ها و تئوری های مربوطه بوجود آمده و زمینه های تحقیقاتی جدید زیادی پدید آمده اند. داده های آزمایشی زیادی بصورت Online بوجود آمده اند. کامپیوتر ها قدرت محاسباتی زیادی بدست آورده اند جنیه های عملی با کاربردهای صنعتی بوجود آمده اند. ( در زمینه پردازش گفتار برنامه های مبتنی بر یادگیری از همه روشهای دیگر پیشی گرفته اند) 9 برخی از کاربردهای یادگیری ماشین کنترل روباتها داده کاوی تشخیص گفتار شناسائی متن پردازش داده های اینترنتی Bioinformatics بازهای کامپیوتری