آموزش ریاضی و محاسبات
درسهایی که ریاضیات مورد استفاده در پروژههای واقعی را از مفهوم و فرمول تا مثال و پیادهسازی توضیح میدهند.
از جبر خطی و مشتق تا احتمال، آمار و بهینهسازی؛ با تمرکز بر اینکه ریاضیات در مدلهای AI کجا به کار میآید.
6 مورد
مدلسازی مسئله، تابع هدف، قیود، روشهای تکاملی و متاهیوریستیک برای مسائل تصمیمگیری و جستوجو.
3 مورد
پیوند میان کدنویسی، مدل ریاضی، آزمایش عددی، داده و پیادهسازی قابل تکرار.
4 مورد
ریاضیات کاربردی پشت رفتار سیستمها، نرخها، صفها، امتیازدهی و الگوریتمهای مهندسی.
1 مورد
عنوان یا مفهوم موردنظر را جستوجو کنید و با دسته و سطح، نتیجه را سریعتر محدود کنید.
4 مورد
حذف فیلترهااز 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.
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.
از residual و norm تا condition number و حساسیت محاسبات عددی.
درس محاسبات عددی برای درک خطا، حساسیت و validation.
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.
این بخش برای آموزش مفهومی، ریاضی و فنی طراحی شده است و هر درس میتواند به یک پروژه، پژوهش یا راهکار مرتبط شود.
