دوره: مبانی یادگیری ماشین و هوش مصنوعی
بازگشت به لیست جلساتچت تعاملی با دستیار جلسه
در مورد محتوای این جلسه بپرسید، مثال بخواهید یا از هوش مصنوعی بخواهید تمرین طراحی کند. پاسخها بر اساس تدریس استاد در همین جلسه تولید میشوند.
«لطفاً این جلسه را در سه bullet point خلاصه کن» یا «یک مثال عملی دربارهی این مفهوم بزن».
رگرسیون خطی ساده
هدف دوره: در این دوره، دانشجویان با مفاهیم پایهی یادگیری ماشین، انواع مدلها (خطی، درخت تصمیم، شبکه عصبی) و نحوهی ارزیابی و بهکارگیری آنها در مسائل واقعی آشنا میشوند.
خلاصه تدریس استاد در این جلسه
در این جلسه رگرسیون خطی ساده را معرفی کردیم. ایدهی اصلی این است که رابطهی بین یک ویژگی (مثلاً متراژ خانه) و یک خروجی (مثلاً قیمت خانه) را با یک خط تقریب بزنیم. مفاهیم کلیدی: - تابع فرضیه h(x) = w*x + b - خطا (Error) و تابع هزینه (Mean Squared Error) - هدف: پیدا کردن w و b به طوری که خطا کمینه شود. همچنین دربارهی گرادیاندسنت صحبت کردیم و شهودی توضیح دادیم که چطور با حرکت پلهپله در جهت منفی گرادیان، به کمترین مقدار تابع هزینه نزدیک میشویم. در انتها یک مثال عددی کوچک حل کردیم که در آن برای سه دادهی ساده، با چند گام گرادیاندسنت ضرایب را بهروزرسانی کردیم.
در این صفحه میتوانید با دستیار هوش مصنوعی این جلسه گفتگو کنید. سعی کنید سؤالات مفهومی، مثالهای بیشتر و تمرین بپرسید.