| 1 |
جایگاه درس در برنامه درسی دوره |
ین درس، اگرچه از دروس اختیاری دوره است ولی یکی از مهمترین درس های کاربردی رشته آمار در مقطع کارشناسی ارشد است که دانشجویان با روش های یادگیری آماری ماشینی آشنا می شوند. |
| 2 |
هدف کلی |
آشنایی با مفاهیم یادگیری ماشینی، کاهش ابعاد و استخراج ویژگی ها، یادگیری نظارتی، رده بندی، درختهای تصمیم، ماشین بردار پشتیبان، روشهای رگرسیونی، نظریه تصمیم گیری، یادگیری غیر نظارتی، روشهای خوشه بندی داده ها، روش ها و معیارهای ارزیابی مدل، روشهای یادگیری تقویتی، یادگیری نیمه نظارت |
| 3 |
شایستگی های پایه |
تسلط به درس رگرسیون 1 و کدنویسی با نرم افزار پایتون |
| 4 |
اهداف یادگیری |
آشنایی با روش های استخراج دانش از داده با استفاده از مدل ها و فنون آماری و احتمالی |
| 5 |
روش تدریس |
تدریس حضوری با استفاده از جزوه و کتاب های مرتبط، و استفاده از نرم افزار پایتون |
| 6 |
وظایف دانشجو |
حضور مرتب و به موقع در کلاس، شرکت در مباحث درسی و کلاسی،ارائه تمرین ها و پروژه های تحویلی و شرکت در آزمون های میان ترم و پایان ترم |
| 7 |
منبع |
1) Machine Learning, Tom M. Mitchel, McGraw Hill, 1977 2) Introduction to Machine Learning, Ethem Alpydin, 3) Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer 2006 4) Kevin Murphy, Machine Learning: Machine Learning: a Probabilistic Perspective, 2012 5) Pattern Classification, Richard O. Duda |
| 8 |
نحوه ارزشیابی |
تمرینات، پروژه، سمینار، اماتحان پایان ترم |