درسبهینهسازی و متاهیوریستیکهاپیشرفته
محدبیت، Hessian و برنامهریزی درجهدو
محدبیت، positive semidefinite و نقش Hessian در Convex QP.
درس ریاضی درباره ساختار محدب و ارتباط آن با Convex QP Solver.
مدلسازی، الگوریتم و بهینهسازی
آموزش ریاضی و محاسبات
ریاضیات پشت مدلها، الگوریتمها و سیستمهای هوشمند
درسهایی که ریاضیات مورد استفاده در پروژههای واقعی را از مفهوم و فرمول تا مثال و پیادهسازی توضیح میدهند.
ریاضیات برای هوش مصنوعی
از جبر خطی و مشتق تا احتمال، آمار و بهینهسازی؛ با تمرکز بر اینکه ریاضیات در مدلهای AI کجا به کار میآید.
6 مورد
بهینهسازی و متاهیوریستیکها
مدلسازی مسئله، تابع هدف، قیود، روشهای تکاملی و متاهیوریستیک برای مسائل تصمیمگیری و جستوجو.
3 مورد
برنامهنویسی و محاسبات علمی
پیوند میان کدنویسی، مدل ریاضی، آزمایش عددی، داده و پیادهسازی قابل تکرار.
4 مورد
ریاضیات سیستمها و الگوریتمها
ریاضیات کاربردی پشت رفتار سیستمها، نرخها، صفها، امتیازدهی و الگوریتمهای مهندسی.
1 مورد
پیدا کردن محتوا
محتوای موردنظر را پیدا کنید
عنوان یا مفهوم موردنظر را جستوجو کنید و با دسته و سطح، نتیجه را سریعتر محدود کنید.
14 مورد
- درسریاضیات برای هوش مصنوعیمتوسط
ضرب داخلی و cosine similarity
هندسه برداری، similarity و کاربرد آن در search و AI.
درس ریاضی برای پیوند جبر خطی با representation و relevance.
توسعه و مهندسی نرمافزارهوش مصنوعی و یادگیری ماشین - درسبهینهسازی و متاهیوریستیکهامقدماتی
از مسئله واقعی تا مدل ریاضی بهینهسازی
چطور مسئله تصمیمگیری را به متغیر، تابع هدف و قید تبدیل کنیم.
درسی پایه برای تبدیل مسئله تصمیمگیری به متغیرها، تابع هدف و قیود.
مدلسازی، الگوریتم و بهینهسازی - درسبرنامهنویسی و محاسبات علمیمتوسط
KKT و روشهای interior-point؛ وقتی قیود وارد بازی میشوند
از لاگرانژین و KKT تا barrier method و ارتباط آن با Convex QP.
درسی از محاسبات عددی که لاگرانژین، شرایط KKT، روشهای barrier و Convex QP را به هم پیوند میدهد.
مدلسازی، الگوریتم و بهینهسازیتوسعه و مهندسی نرمافزار - درسریاضیات برای هوش مصنوعیمقدماتی
بردارها و ماتریسها؛ زبان پایه بسیاری از مدلهای AI
از نمایش داده و تبدیل خطی تا نقش ماتریسها در لایههای مدل.
درسی از ریاضیات که بردارها و ماتریسها را به نمایش داده و لایههای مدلهای AI مرتبط میکند.
هوش مصنوعی و یادگیری ماشین - درسریاضیات برای هوش مصنوعیمتوسط
گرادیان، تابع هزینه و مسیر یادگیری
از مشتق یکمتغیره تا گرادیان چندمتغیره و gradient descent.
درسی درباره پیوند مشتق و گرادیان با تابع هزینه و یادگیری مبتنی بر گرادیان.
هوش مصنوعی و یادگیری ماشینمدلسازی، الگوریتم و بهینهسازی - درسبهینهسازی و متاهیوریستیکهامتوسط
متاهیوریستیکها؛ جستوجو بین اکتشاف و بهرهبرداری
ایده GA و DE و ریاضیات ساده پشت جستوجوی تقریبی.
درسی درباره جستوجوی جمعیتی، Genetic Algorithm، Differential Evolution و موازنه اکتشاف و بهرهبرداری.
مدلسازی، الگوریتم و بهینهسازی - درسبرنامهنویسی و محاسبات علمیمقدماتی
Residual چیست و چرا جواب عددی را باید بررسی کرد؟
از خطای باقیمانده در معادله تا معیارهای بررسی جوابهای عددی.
درسی از محاسبات علمی که پیادهسازی Python را با residual، پاسخ عددی و بررسی مستقل آن پیوند میدهد.
توسعه و مهندسی نرمافزارمدلسازی، الگوریتم و بهینهسازی - درسریاضیات برای هوش مصنوعیمتوسط
Attention از نگاه ریاضی؛ چرا Q، K و V لازماند؟
از ضرب ماتریسی و score تا softmax و ترکیب وزندار Valueها.
آموزش ریاضی سازوکار attention با تمرکز بر Q، K، V و معادلات اصلی.
هوش مصنوعی و یادگیری ماشین - درسریاضیات سیستمها و الگوریتمهاپیشرفته
ریاضیات Rate Limiting؛ نرخ، پنجره زمانی و GCRA
چطور limit و window به نرخ، فاصله زمانی و burst tolerance تبدیل میشوند؟
آموزش مدلهای زمانی و ریاضی پشت Token Bucket و GCRA با اتصال مستقیم به RateLimitEngine.
توسعه و مهندسی نرمافزارمدلسازی، الگوریتم و بهینهسازی - درسبرنامهنویسی و محاسبات علمیمتوسط
Norm، شرطیبودن و پایداری عددی
از residual و norm تا condition number و حساسیت محاسبات عددی.
درس محاسبات عددی برای درک خطا، حساسیت و validation.
مدلسازی، الگوریتم و بهینهسازیتوسعه و مهندسی نرمافزار - درسریاضیات برای هوش مصنوعیمتوسط
احتمال، likelihood و Bayes
پایه احتمال و استنباط برای مدلهای آماری و یادگیری ماشین.
درس ریاضی برای درک uncertainty، likelihood و Bayes در AI.
هوش مصنوعی و یادگیری ماشینمدلسازی، الگوریتم و بهینهسازی - توضیح مقالهریاضیات برای هوش مصنوعیپیشرفته
خواندن مقاله Attention Is All You Need؛ ایده Transformer از کجا میآید؟
شرح هدایتشده مقاله Transformer در سال ۲۰۱۷؛ از مسئله پردازش دنباله تا attention، معماری encoder-decoder و پیامدهای مهندسی آن.
یک توضیح آموزشی که منبع اصلی را مرجع نگه میدارد و ایدههای اصلی، معادلات و نتایج معماری را باز میکند.
هوش مصنوعی و یادگیری ماشینمدلسازی، الگوریتم و بهینهسازی - توضیح پروژهبرنامهنویسی و محاسبات علمیمتوسط
micrograd؛ فهم backpropagation با یک پیادهسازی کوچک
خواندن هدایتشده یک موتور کوچک autograd و کتابخانه ساده شبکه عصبی برای ملموسکردن گراف محاسبات، مشتقهای محلی و پسانتشار.
یک توضیح درباره اینکه چگونه یک پروژه عمومی کوچک میتواند سازوکار backpropagation را قابل مشاهده و قابل دنبالکردن کند.
هوش مصنوعی و یادگیری ماشینمدلسازی، الگوریتم و بهینهسازی
یادگیری به مسئله واقعی متصل میماند
این بخش برای آموزش مفهومی، ریاضی و فنی طراحی شده است و هر درس میتواند به یک پروژه، پژوهش یا راهکار مرتبط شود.