بهینهسازی 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.
5 درس
بهینهسازی و متاهیوریستیکها
مدلسازی مسئله، تابع هدف، قیود، روشهای تکاملی و متاهیوریستیک برای مسائل تصمیمگیری و جستوجو.
3 درس
برنامهنویسی و محاسبات علمی
پیوند میان کدنویسی، مدل ریاضی، آزمایش عددی، داده و پیادهسازی قابل تکرار.
3 درس
ریاضیات سیستمها و الگوریتمها
ریاضیات کاربردی پشت رفتار سیستمها، نرخها، صفها، امتیازدهی و الگوریتمهای مهندسی.
1 درس
پیدا کردن محتوا
درس موردنظر را پیدا کنید
عنوان یا مفهوم موردنظر را جستوجو کنید و با دسته و سطح، نتیجه را سریعتر محدود کنید.
12 درس
- ریاضیات 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 - بهینهسازی و متاهیوریستیکهامقدماتی
از مسئله واقعی تا مدل ریاضی بهینهسازی
چطور مسئله تصمیمگیری را به متغیر، تابع هدف و قید تبدیل کنیم.
نمونهای برای آموزش زبان ریاضی مسائل تصمیمگیری و بهینهسازی.
مدلسازی، الگوریتم و بهینهسازی - برنامهنویسی 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.
نمونهای برای آموزش ایده خطای عددی، گام حل و تفسیر نتیجه.
مدلسازی، الگوریتم و بهینهسازیتوسعه و مهندسی نرمافزار - ریاضیات برای هوش مصنوعیمقدماتی
بردارها و ماتریسها؛ زبان پایه بسیاری از مدلهای AI
از نمایش داده و تبدیل خطی تا نقش ماتریسها در لایههای مدل.
نمونهای برای نمایش یک درس ریاضی با فرمول، مثال و ارتباط با مدلهای AI.
هوش مصنوعی و یادگیری ماشین - ریاضیات برای هوش مصنوعیمتوسط
گرادیان، تابع هزینه و مسیر یادگیری
از مشتق یکمتغیره تا گرادیان چندمتغیره و gradient descent.
نمونهای برای توضیح مشتق، تابع هزینه و یک گام از گرادیانکاهی.
هوش مصنوعی و یادگیری ماشینمدلسازی، الگوریتم و بهینهسازی - بهینهسازی و متاهیوریستیکهامتوسط
متاهیوریستیکها؛ جستوجو بین اکتشاف و بهرهبرداری
ایده GA و DE و ریاضیات ساده پشت جستوجوی تقریبی.
نمونهای برای معرفی ایدههای اصلی الگوریتمهای تکاملی و جمعیتی.
مدلسازی، الگوریتم و بهینهسازی - برنامهنویسی و محاسبات علمیمقدماتی
Residual چیست و چرا جواب عددی را باید بررسی کرد؟
از خطای باقیمانده در معادله تا معیارهای بررسی جوابهای عددی.
نمونهای برای نمایش ترکیب برنامهنویسی Python با محاسبات و تحلیل عددی.
توسعه و مهندسی نرمافزارمدلسازی، الگوریتم و بهینهسازی - ریاضیات 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 - ریاضیات 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 - برنامهنویسی 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 - ریاضیات 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
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.