جلسه ۲ - رگرسیون خطی، کاهش گرادیان (Linear Regression, Gradient Descent)
جلسهی دوم از دورهی یادگیری ماشین دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف مدرس: دکتر علی شریفی زارچی، عضو هیاتعلمی گروه هوشمصنوعی و بیوانفورماتیک رگرسیون خطی سادهترین مدل یادگیری ماشین برای پیشبینی مقادیر پیوسته (مثلا قیمت یک خانه) از روی سایر ویژگیهای ورودی (مثل زیربنا، سن ساختمان و ...) است. در این جلسه علاوه بر آنکه مفاهیم نظری رگرسیون خطی را مرور میکنیم، به طور عملی و با استفاده از پایتون آن را پیادهسازی میکنیم.

▶︎
جلسه ۳ - رگرسیون چندجملهای، تعمیمپذیری (Polynomial Regression, Generalization)

▶︎
جلسه ۴ - دستهبندی خطی، شبکهی عصبی پرسپترون (Linear Classification , Perceptron Neural Network)

▶︎
Data Visualization Mastery: How to Choose the Perfect Chart for Your Data | The Analytics Flow

▶︎
جلسه ۱ - معرفی دوره، یادگیری نظارتی (Introduction, Supervised Learning)

▶︎
یادگیری ماشین مقدماتی: رگرسیون خطی | Linear Regression

▶︎
احتمال جنگ داخلی در ایران (چی باعث جنگ داخلی میشه و چه کسانی شروعش میکنند؟)

▶︎
جلسه ۷ - یادگیری جمعی، درخت تصمیم، جنگل تصادفی (Ensemble Learning, Decision Tree, Random Forest)

▶︎
یادگیری ماشین مقدماتی: رگرسیون خطی قسمت اول | Linear Regression

▶︎
Stanford CS229: Machine Learning - Linear Regression and Gradient Descent | Lecture 2 (Autumn 2018)

▶︎
گرادیان کاهشی یا همون Gradient Descent چیست؟ آموزش صفر تا صد.

▶︎
رگرسیون : رگرسیون خطی : درس ۴۹

▶︎
پرگار : جنگ، موافقان و مخالفان

▶︎
آموزش رگرسیون خطی به زبان ساده

▶︎
جلسه ۵ - رگرسیون لجستیک (Logistic Regression)

▶︎
Gradient Descent, Step-by-Step

▶︎
جلسه ۲۳ - مکانیزم توجه (Attention Mechanism, Self Attention)

▶︎
آموزش یادگیری ماشین 7 - آشنایی با رگرسیونهای خطی و غیر خطی با حل چند مثال کاربردی

▶︎
Südkorea – Tschechien Highlights | Gruppe A, FIFA WM 2026 | sportstudio

▶︎
Linear Regression Algorithm with Code Examples - ML for Beginners!

▶︎
