جلسه ۳ - رگرسیون چندجملهای، تعمیمپذیری (Polynomial Regression, Generalization)
جلسهی سوم از دورهی یادگیری ماشین دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف مدرس: دکتر علی شریفی زارچی، عضو هیاتعلمی گروه هوشمصنوعی و بیوانفورماتیک اگر دادهها روی یک خط قرار نگیرند، رگرسیون خطی نمیتواند مدل مناسبی برای آن باشد. در این جلسه یاد میگیریم که چطور از الگوریتم سادهی رگرسیون خطی برای یادگیری مدلهای چندجملهای استفاده کنیم.همچنین یاد میگیریم که یک مدل هوش مصنوعی زمانی سودمند است که علاوه بر تجربیات پیشین و دادههایی که در فرایند آموزش آن مورد استفاده قرار گرفته، در مورد سایر دادههایی که هرگز ندیده هم قدرت پیشبینی خوبی داشته باشد. به این موضوع تعمیمپذیری (Generalization) میگویند. در این جلسه مفاهیم نظری و عملی مهمی را در مورد تعمیمپذیری مدلها مرور میکنیم.
▶︎
جلسه ۴ - دستهبندی خطی، شبکهی عصبی پرسپترون (Linear Classification , Perceptron Neural Network)
▶︎
جلسه ۲ - رگرسیون خطی، کاهش گرادیان (Linear Regression, Gradient Descent)
▶︎
جلسه ۱ - معرفی دوره، یادگیری نظارتی (Introduction, Supervised Learning)
▶︎
The Thriller in Teheran that Punched IR Iran’s Ticket to the 2026 World Cup!
▶︎
Claude Code چیست؟ آموزش کامل کار با Claude برای برنامهنویسی، طراحی و AI Agent
▶︎
Linear regression 3: Polynomial regression and basis functions
▶︎
گفت و گو با دکتر شریفی زارچی، مهاجرت تنها راه؟ بهترین راه؟
▶︎
رگرسیون خطی چندگانه در R
▶︎
Introduction to residuals and least squares regression
▶︎
Old Persia Journey — Deep Focus Mix for Calm Study & Quiet Productivity (Ideal For Late Night)
▶︎
آموزش یادگیری ماشین 7 - آشنایی با رگرسیونهای خطی و غیر خطی با حل چند مثال کاربردی
▶︎
چطور ماشین لرنینگ رو شروع کنم؟
▶︎
استنداپ کمدی در دانشگاه شریف (خنده دار )
▶︎
Every Machine Learning Model Explained in 15 minutes
▶︎
1: Introduction to Neural Networks and Deep Learning; Training Deep NNs
▶︎
6. Monte Carlo Simulation
▶︎
یادگیری ماشین؛ رگرسیون خطی تک متغیره
▶︎
After Midnight – 1 Hour Persian Jazz Fusion | برای شب
▶︎
Südkorea – Tschechien Highlights | Gruppe A, FIFA WM 2026 | sportstudio
▶︎