یادگیری ماشین ( جلسه سوم)- رگرسیون خطی و گرادیان کاهشی

[@DrNaserRazavi]

- دانلود اسلایدها: www.snrazavi.ir/ml-2018/
- دانلود کدها و پروژه‌ها: github.com/snrazavi/Machine_Learning_2018

[@yasamanahmadi6487]

استاد خیلی ممنون از زحمتی که می کشین برا آماده کردن و آپلود ویدئو ها، خیلی کمک می کنه این ویدئو ها در مرور و حتی یادگیری مطلب.

[@DrNaserRazavi]

سپاسگزارم. امیدوارم که ویدیوها واقعا کمک کننده باشن

[@yasamanahmadi6487]

بدون شک خیلی کمک می کنن، خیلی ممنون استاد

[@mahtabsaeidifar5812]

واقعا نمیدونم به چه زبونی ازتون تشکر کنم بابت توضیحات عالی و جامع و کاملی که تو هیچ ویدیوی دیگه ای ندیدم

[@DrNaserRazavi]

همین که نظرتون رو به اشتراک گذاشتید کافیست. موفق باشید.

[@pedramfarzin6119]

از اینکه دانشتون رو خالصانه منتشر میکنید و در اختیار همه میزارید بی نهایت ممنونم....من دوره های بسیاری در رابطه با یادگیری ماشین و علم داده شرکت کردم
و دوره های Datacamp
رو هم گذروندم..ولی شما به قدری روان و ساده مفاهیم رو توضیح میدید که واقعا تو هیچ کدوم از این همه دوره ندیدم...در نهایت خیلی از سوالاتم که بی جواب مونده بود تو دوره های شما پاسخ داده شده...خیلی خوشحالم که با دوره هاتون آشنا شدم...بی نهایت سپاس

[@maryam_happyYoungLady]

استاد رضوی- من دانشجو ترم اول مستر یکی از دانشگاه های کانادا هستم اولین ریسرچ من در مورد طراحی استراکچر های شبکه ی عصبی هست و من هیچ دیدی از ماشین لرنینگ نداشتم و ویدیو های شما عالی و مفید هستند در حد آموزش های انلاین دانشگاه استندفورد هستش

[@abbasdehghan8709]

توضیحات استاد خیلی بهتر و قابل فهم تر از دوره یادگیری ماشین coursera است
واقعا عالی

[@arammohammadi3945]

خیلی عمیقتره نسبت به بیشتر دوره های کورسرا

[@user-zv3yn3jm3u]

عالیه خیلی خوب توضیح دادین سپاس از شما

[@saraabbasiharofteh6852]

خدا بهتون سلامتی و دل خوش بده...چققققدر خوب درس دادین...من رشتم مهندسی صنایع هست و میترسیدم از اینکه یادگیری ماشین رو شروع کنم..ولی انقدر قشنگ درس دادین ک من شیفته این درس شدم.ممنون.

[@alishafie4248]

سلام
سپاس از شما

[@DrNaserRazavi]

🌹

[@mk.khorasani2367]

سلام جناب رضوی، من دانشجوی مستر داشنگاه تورکو در فنلاند هستم. برای آموزش ماشین دنبال منابع فارسی میگشتم که کلی از ابهاماتم رفع بشه. ویدیوهای شما رو پیدا کردم و بخش عمده ای از مطالب رو به طور کامل تونستم یاد بگیرم و متوجه بشم. واقعا عالی و در حد کلاسهای دانشگاههای خیلی خوب دنیا بود کلاستون. خیلی ممنون از زحمات شما استاد خوب!

[@DrNaserRazavi]

موفق باشید. سپاسگزارم

[@bitaazari3480]

واقعا مرسی استاد از زحمتی که میکشید و آموزش میدید. ایشالله همیشه سلامت باشید

[@DrNaserRazavi]

🌺🙏🏻

[@mahmoodkabi8794]

استاد واقعا مطالب را بسیار شیوا و ساده و قابل فهم توضیح می دهید. ممنونم که زحمت تهیه این مجموعه آموزشی کشیدید و در دسترس همگان قرار دادید. موفق باشید.

[@sadrapedram9956]

ممنون استاد خیلی لطف کردید بابت ضبط کردن تمام کلاس ها.خیلی استفاده کردم.مچکر

[@shafiey]

خسته نباشید واقعن .‌مطالب خیلی خیلی ارزشمند هستند . 🌹🌹

[@DrNaserRazavi]

سپاسگزارم

[@maryamnazaridoost1480]

دست مریزاد. خدا قوت. خیلی برام مفید و عالی بود.

[@alizamani5820]

خیلی ممنون واقعا عالی توضیح میدین

[@maryamatabati5812]

خیلی ممنون واقعا لحن شیوا و قابل فهمی دارید و خیلی خوب و به اندازه و به جا توضیح میدید‌:)

[@DrNaserRazavi]

سپاسگزارم

[@homiean6392]

عالی بود

[@rizakhodaee631]

آقای دکتر خیلی خوبین.

[@mnmi3383]

Thank you so much, Professor.

[@DrNaserRazavi]

I'm happy you liked it

[@alidev425]

بسیار غالی

[@rezaaghamohammadi1910]

پاینده باشین 🙏🙏🙏🙏🙏🙏🙏

[@marziehizadi985]

ممنون خسته نباشید

[@DrNaserRazavi]

🌺🙏🏻

[@commenter257]

خیلی عالی بود

[@mohammad-ps6zl]

ممنون استاد

[@DrNaserRazavi]

Thanks

[@arefkhazaei6127]

بسیار عالی ممنون🌼🌼

[@alisadeghi1370]

استاد جان مرسی کلی

[@pouriaforouzesh5349]

👍

[@AdEngineer]

خیلی ممنون آقای دکتر. فقط بعضی اسلاید‌هایی که در ویدیو هست در فایل پی دی اف وجود نداره

[@arammohammadi3945]

💌💌❤

[@user-qo1xg5oq7e]

دمتون گرم من نمیتونم مشتق جزئی تو گرادیان بگیرم

[@mahrokhebrahimi6863]

perfect!

[@mahdiamrollahi8456]

در قسمت گرادیان کاهشی، ما برای پیدا کردن پارامتر جدید، پارامتر قبلی را از مقدار گرادیان کم میکنیم، این عمل تفریق، برای دو متغیری که از یک جنس نیستند ( پارامتر تتا و شیب ) یکم عجیب است! انگار که مثلا وزن را داریم با مساحت جمع و تفریق میکنیم ( از یک مقیاس نیستند ) آیا این طور به نظر نمیرسد ؟ تشکر

[@mahdiamrollahi8456]

با سلام، اگر مشتق تابع لاس، بر حسب یک متغیر (تتا آی) جوابی نداشته باشد( یعنی اینکه نتوان برابر با صفر قرار داد) در آن صورت، چه تصمیمی برای آن متغیر خواهیم گرفت؟
سوال دیگه اینکه، اگر مشتق تابع لاس بر حسب یک متغیر (تتا آی)، چند جواب داشته باشد، چطور در مورد آنها تصمیم گیری میکنیم؟
تشکر

[@user-zd9zp2vg6g]

سلام استاد من در مورد هوش مصنوعی سوال داشتم چطور میتونم بپرسم ازتون؟؟؟

[@samiehm686]

در عمل از کجا بدونیم آلفا کند همگرا میشه؟

[@mahdiamrollahi8456]

آیا ماشین قادر به محاسبه ی مشتق یا حد هر تابعی میباشد ( بدون اینکه از عدد گذاری استفاده کند )؟ مثل حالت دستی، این امکان هست که یک تابع به ماشین بدهیم و او مشتق یا حد آن تابع را محاسبه کند؟

[@DrNaserRazavi]

بله. ماجول‌هایی در پایتون برای این منظور وجود دارد که می‌توانید در گوگل جستجو بفرمایید

[@bitaazari3480]

استاد از کجا میفهمیم تابع کوژ هست یا کاو(بدون دیدن شکل )

[@DrNaserRazavi]

با توجه ضابطه تابع و مشتق دوم تابع می‌شه این موضوع رو بررسی کرد

[@user-qo1xg5oq7e]

دمتون گرم من نمیتونم مشتق جزئی تو گرادیان بگیرم