در حال بارگذاری کلاس…

هوش مصنوعی، تلاشی است برای بازآفرینی تواناییهای شناختی انسان در ماشینها؛ دانشی که از درک، یادگیری و تصمیمگیری انسان الهام میگیرد تا جهان را هوشمندتر و کارآمدتر سازد. تا به حال از خود پرسیدهاید چطور تلفن همراه شما چهرهها را در عکسها تشخیص میدهد؟ یا چگونه موتورهای جستوجو دقیقاً همان چیزی را ک
توی این دوره مباحث مرحله دوم و سوم المپیاد هوش مصنوعی رو به صورت تئوری و عملی از پایه پوشش میدیم.
این المپیاد المپیادی نوین اما مهم و پرکاربرد است که به تازگی مورد توجه مسئولین نیز قرار گرفته و در آستانه کسب سهمیه کنکورسراسری برای مدالآوران نیز میباشد.
به دلیل تازگی این المپیاد و تغییرات هر سال منابع، منبع مناسبی ندارد اما این دوره به صورت جامع تمام منابع این المپیاد را به صورت تئوری و عملی پوشش میدهد.
در دوره ای که پیش روی شما هست آخرین تغییرات ، این المپیاد آموزش دادهشده و از لحاظ آپدیت و کامل میباشد.
اولین و با تجربهترین جایی هستیم که به این المپیاد ورود کردیم.
این المپیاد المپیادی نوین اما مهم و پرکاربرد است که به تازگی مورد توجه مسئولین نیز قرار گرفته و در آستانه کسب سهمیه کنکورسراسری برای مدالآوران نیز میباشد.
به دلیل تازگی این المپیاد و تغییرات هر سال منابع، منبع مناسبی ندارد اما این دوره به صورت جامع تمام منابع این المپیاد را به صورت تئوری و عملی پوشش میدهد.
در دوره ای که پیش روی شما هست آخرین تغییرات ، این المپیاد آموزش دادهشده و از لحاظ آپدیت و کامل میباشد.
اولین و با تجربهترین جایی هستیم که به این المپیاد ورود کردیم.
تسلط به زبان برنامهنویسی پایتون (سر فصل های دوره پایتون گرینولی )
آشنایی با ریاضیات پایه نهم و دهم و یازدهم رشته ریاضی-فیزیک
با اینکه ما دوره رو از صفر شروع میکنیم اما آشنایی با حسابان، جبر خطی و آمار و احتمال بسیار کمک کننده خواهد بود.
| # | موضوع و استاد |
|---|---|
| ۱ | معرفی دوره - امیرحسین حسیبی |
| ۲ | معرفی آمار و احتمال - فرشته ابراهیمی |
| ۳ | معرفی یادگیری ماشین - دوست حسینی |
| ۴ | Calculus - امیرحسین حسیبی |
| ۵ | Numpy - Pandas - MatPlotLib - فرشته ابراهیمی |
| ۶ | آمار و احتمال پیشرفته - فرشته ابراهیمی |
| ۷ | شیٔ گرایی در پایتون - امید جابری |
| ۸ | رگرسیون - فرشته ابراهیمی |
| ۹ | Mathematics of noise - امیرحسین حسیبی |
| ۱۰ | Feature Engineering - KNN - امیرحسین حسیبی |
| ۱۱ | PipeLines in SKLearn - اسمعیلیتحویل پروژه اول |
| ۱۲ | Dec/Reg Trees - امیرحسین حسیبی |
| ۱۳ | Model Evaluation - امیرحسین حسیبی |
| ۱۴ | Classification using SKLearn - اسمعیلی |
| ۱۵ | Regularization - امیرحسین حسیبی |
| ۱۶ | Ensemble Learning - امیرحسین حسیبی |
| ۱۷ | Boosting - امیرحسین حسیبی |
| ۱۸ | Tuning - امیرحسین حسیبی |
| ۱۹ | ضرایب لاگرانژ - امید جابری |
| ۲۰ | SVM - امیرحسین حسیبیتحویل پروژه دوم |
| ۲۱ | SVM Tuning - دوست حسینی |
| ۲۲ | Dimension Reduction - امیرحسین حسیبی |
| ۲۳ | Dimension Reduction - امیرحسین حسیبی |
| ۲۴ | clustering - دوست حسینی |
| ۲۵ | Perceptron - MLP - امیرحسین حسیبی |
| ۲۶ | MLP from scratch - امیرحسین حسیبی |
| ۲۷ | MLP using Torch - دوست حسینی |
| ۲۸ | What is Convolution? - امیرحسین حسیبی |
| ۲۹ | CNN - امیرحسین حسیبیتحویل پروژه سوم |