CS ۲۲۹ - یادگیری ماشین

برادر دوقلوی من افشین و من این مجموعه از خلاصه‌های درس یادگیری ماشین مصور را ایجاد کردیم که محتوای کلاس CS ۲۲۹ را پوشش می‌دهد، که من در پاییز ۲۰۱۸ در استنفورد دستیار آموزشی (TA) آن بودم. امیدواریم این خلاصه‌ها برای تمامی دانشجویان آینده این درس و همچنین هر کس دیگری که به یادگیری ماشین علاقه‌مند است مفید باشد.

خلاصه‌های درس

یادگیری نظارت شده
یادگیری نظارت شده
  • تابع هزینه، گرادیان کاهشی، درست‌نمایی
  • مدل‌های خطی، ماشین‌های بردار پشتیبان، یادگیری مولد
  • روش‌های درختی و مجموعه‌ای، k-NN، تئوری یادگیری
پی‌دی‌اف وب
یادگیری بدون نظارت
یادگیری بدون نظارت
  • امید ریاضی-بیشینه‌سازی، k-means، خوشه‌بندی سلسله‌مراتبی
  • معیارهای ارزیابی خوشه‌بندی
  • تحلیل مؤلفه‌های اصلی، تحلیل مؤلفه‌های مستقل
پی‌دی‌اف وب
یادگیری عمیق
یادگیری عمیق
  • معماری، تابع فعال‌سازی، پس‌انتشار، دراپ‌اوت
  • لایه کانولوشنی، نرمال‌سازی دسته‌ای، انواع گیت‌ها
  • فرآیندهای تصمیم‌گیری مارکوف، معادله بلمن، Q-learning
پی‌دی‌اف وب
نکات و ترفندها
نکات و ترفندها
  • ماتریس درهم‌ریختگی، دقت، صحت، فراخوانی، امتیاز F۱، منحنی ROC
  • ضریب تعیین (R squared)، معیار Mallow's CP، معیار AIC، معیار BIC
  • اعتبارسنجی متقابل، منظم‌سازی، موازنه بایاس/واریانس، تحلیل خطا
پی‌دی‌اف وب

یادآوری‌ها

احتمالات و آمار
احتمالات و آمار
  • اصول احتمال، جایگشت، قانون بیز، استقلال، احتمال شرطی
  • متغیر تصادفی، امید ریاضی، واریانس
  • قضیه حد مرکزی، تخمین پارامتر
پی‌دی‌اف وب
جبر خطی و حساب
جبر خطی و حساب
  • ماتریس‌های اصلی، ضرب، ترانهاده، معکوس، اثر، دترمینان
  • مقدار ویژه، بردار ویژه، نرم، گرادیان، هسین
  • ماتریس نیمه‌معین مثبت، قضیه طیفی، تجزیه مقادیر منفرد
پی‌دی‌اف وب

آیا دوست دارید این خلاصه‌های درس را به زبان مادری خود ببینید؟ می‌توانید در ترجمه آن‌ها در گیت‌هاب به ما کمک کنید!