Mathematics & Statistics for AI
پایههای ریاضی، آمار و احتمالی که هر مدل هوش مصنوعی و یادگیری ماشینی روی آنها ساخته میشود؛ فشرده، کاربردی و بدون پیچیدگیهای دانشگاهی غیرضروری.


خیلی از افرادی که سراغ یادگیری ماشین میروند، در همان قدمهای اول با مفاهیمی مثل توزیع نرمال، آزمون فرض یا گرادیان کاهشی متوقف میشوند. علت سخت بودن مفاهیم ریاضی نیست؛ بلکه چون معمولاً بهشکل انتزاعی و بدون ارتباط با کاربرد واقعیشان در هوش مصنوعی تدریس میشوند چنین خواهد شد. این دوره دقیقاً همین شکاف را پر میکند: مرور فشرده و هدفمند آمار توصیفی، احتمال، آزمون فرض، رگرسیون، جبر خطی و حساب دیفرانسیل، آنهم با نگاهی رو به جلو؛ یعنی همیشه با این سؤال که «این مفهوم کجای یادگیری ماشین به کارم میآید؟».

سجاد جلالی
متخصص زنجیره تامین و لجستیک

پوریا بادامچی
تحلیلگر داده
در پایان این دوره میتوانید: ۱. مفاهیم آمار توصیفی، احتمال و توزیعهای آماری را توضیح دهید و بهکار ببرید. ۲. یک آزمون فرض آماری را طراحی و تفسیر کنید. ۳. تفاوت و کاربرد همبستگی، رگرسیون خطی و رگرسیون لجستیک را درک کنید. ۴. عملیات پایهی جبر خطی (بردار، ماتریس، حل دستگاه معادلات) را انجام دهید. ۵. مفهوم مشتق و گرادیان را در بستر بهینهسازی مدلهای یادگیری ماشین بفهمید.