ارائه ۶۹۷ ساعت آموزش تخصصی در حوزه علوم کامپیوتر و هوش مصنوعی تا شهریور ماه سال ۹۴
فرادرس، به عنوان بزرگترین پروژه همگانی سازی آموزش دانشگاهی کشور، این افتخار را داشته است که مورد استقبال بیش از ۳۰ هزار نفر از دانشجویان و اعضای هیأت علمی دانشگاههای داخل و خارج ایران قرار گرفته است.
این پروژه آموزش دانشگاهی، تا کنون ناب ترین آموزشهای تخصصی و کاربردی را که معمولا در دانشگاهها مجال مطرح شدن پیدا نمیکنند، به دانشگاهیان و دانشجویان عزیز ارائه نموده است.
تاکنون، در نتیجه ساعت ها تلاش آموزشی و به همت آموزش های سطح بالای اساتید صاحب نظر کشور، فرادرس، موفق به تهیه و ارائه ۶۹۷ ساعت آموزش جدید تخصصی در حوزه علوم کامپیوتر و هوش مصنوعی شده است.
فرادرس، به عنوان بزرگترین پروژه همگانی سازی آموزش دانشگاهی کشور، این افتخار را داشته است که مورد استقبال بیش از ۳۰ هزار نفر از دانشجویان و اعضای هیأت علمی دانشگاههای داخل و خارج ایران قرار گرفته است.
این پروژه آموزش دانشگاهی، تا کنون ناب ترین آموزشهای تخصصی و کاربردی را که معمولا در دانشگاهها مجال مطرح شدن پیدا نمیکنند، به دانشگاهیان و دانشجویان عزیز ارائه نموده است.
تاکنون، در نتیجه ساعت ها تلاش آموزشی و به همت آموزش های سطح بالای اساتید صاحب نظر کشور، فرادرس، موفق به تهیه و ارائه ۶۹۷ ساعت آموزش جدید تخصصی در حوزه علوم کامپیوتر و هوش مصنوعی شده است.
در ادامه لیست فرادرس های ارائه شده تا شهریور ماه سال ۹۴ که مرتبط با حوزه علوم کامپیوتر و هوش مصنوعی هستند، آمده است.
امیدواریم که معرفی این آموزش ها، مورد استقبال مخاطبین عزیز قرار گرفته و بخشی از خلا موجود در زمینه آموزش و پژوهش در کشور را پر نماید.
مجموعه: دستهبندی نشده برچسب ها: Adaptive Neuro-Fuzzy Inference System, ANFIS, ANFIS با چند خروجی, ANN, ANN Input Selection, Anomaly Detection, Application of ANN in Medicine, Application of Artificial Intelligence in Medicine, Application of Artificial Neural Networks in Medicine, Application of Machine Learning in Medicine, Application of Neural Networks in Medicine, Application of Pattern Recognition in Medicine, Artificial Neural Network, Artificial Neural Network Input Selection, Artificial Neural Networks, Artificial Neural Networks in MATLAB, Artificial Neural Networks Toolbox, Association Rule Mining, attribute selection, Benign Tumor, Best Individual d Features, Binary Genetic Algorithm, Breast Cancer, Classification, Classifier, Cluster Analysis, Clustering, Clustering in MATLAB, Competitive Learning, Competitive Neural Network, configure, Confusion Matrix, Data Division, Data Mining, Data Mining in MATLAB, Dimension Reduction, Dimensionality Reduction, Factor analysi, FCM, Feature Extraction, Feature Selection, feature selection algorithm, feature selection algorithms, feature selection classification, feature selection clustering, Feature Selection for Classification, Feature Selection for Regression, feature selection matlab, feature selection method, feature selection methods, feature selection regression, feature selection svm, Feature Selection using ACO, Feature Selection using Ant Colony Optimization, Feature Selection using DE, Feature Selection using Differential Evolution, Feature Selection using Evolutionary Algorithms, Feature Selection using GA, Feature Selection using Genetic Algorithm, Feature Selection using Metaheuristics, Feature Selection using Multi-objective Genetic Algorithm, Feature Selection using NSGA-II, Feature Selection using Particle Swarm Optimization, Feature Selection using PSO, Feature Selection using SA, Feature Selection using Simulated Annealing, Feature Subset Selection, FIS, Fisher Iris Dataset, Fisher Iris Flower Dataset, Floating Search, Fuzzu Inference Systems, Fuzzy Arithmetic, Fuzzy c-Means, Fuzzy Inference System, Fuzzy Logic, Fuzzy Relation, Fuzzy Sets Theory, Fuzzy System Design, Fuzzy Systems, Generalized Sequential Backward Search, Generalized Sequential Forward Search, Genetic Algorithm, genfis2, genfis3, GNG Network, Growing Neural Gas Network, Hopfield Neural Network, Hub Location Allocation, Hybrid LVQ1 and LVQ2.1, image feature selection, Iris Dataset, Iris Flower Dataset, k-means, KDD, Knowledge Discovery, Knowledge Discovery from Data, Learning Vector Quantization, learnlv1, learnlv2, Lookup Table, LVQ, LVQ1, LVQ2, LVQ2.1, LVQ3, lvqnet, Machine Learning, Malignant Tumor, Medical Applications of ANN, Medical Applications of Artificial Intelligence, Medical Applications of Artificial Neural Networks, Medical Applications of Machine Learning, Medical Applications of Neural Networks, Medical Applications of Pattern Recognition, Medical Diagnosis, MLP, model construction, Multi-objective Feature Selection, Neural Gas Network, Neural Network, Neural Network Input Selection, Neural Networks, Neural Networks in MATLAB, Neural Networks Toolbox, neuro-Fuzzy System, OLVQ1, Optimal ANFIS Design, Optimal Fuzzy System Design, Optimal Training of Fuzzy Syste, Optimizaed LVQ1, Outlier Detection, Pattern Mining, Pattern Recognition, Pattern Recognition in MATLAB, PCA, plotconfusion, Plus r Minus l Search, predictors, Principal Component Analysis, QAP, Quadratic Assignment Problem, rapidminer, RBF, Regression, ROC Plot, Rule Mining, selecting a subset of relevant features, Self-Organizing Maps, Sequential Backward Search - SBS, Sequential Forward Search - SFS, supervised learning, Support Vector Machine, SVM, SVR, Test Data, Topology, train, Train Data, Transportation Problem, Tumor Type, Unsupervised Learning, Validation Data, variable selection, variable subset selection, variables, Vector Quantization, Vector Quantization Algorithm, Voronoi, Voronoi Diagram, VQ, weka feature selection, آموزش GA, آموزش الگوریتم ژنتیک, آموزش سیستم فازی, آموزش شبکه عصبی, آموزش طراحی سیستم فازی, آموزش عملی پیش بینی سریهای زمانی, آموزش عملی طبقه بندی و بازشناسی الگو, آموزش فازی, آموزش متلب, آموزش منطق فازی, آموزشی شبکه عصبی با الگوریتم های تکاملی, استخراج دانش, استخراج ویژگی, استخراج ویژگی در تصاویر, استفاده از شبکه های عصبی, الگوریتم k-Means, الگوریتم LVQ1, الگوریتم LVQ1 بهینه شده, الگوریتم LVQ2, الگوریتم LVQ2.1, الگوریتم LVQ3, الگوریتم OLVQ1, الگوریتم VQ, الگوریتم انتخاب ویژگی, الگوریتم تکاملی, الگوریتم ژنتیک, الگوریتم ژنتیک باینری, الگوریتم ژنتیک پیوسته, الگوریتم ژنتیک عملی, انتخاب زیر مجموعه ویژگی, انتخاب زیردسته ویژگی ها, انتخاب متغیر, انتخاب ورودی شبکه عصبی, انتخاب ورودی شبکه عصبی مصنوعی, انتخاب ويژگی در تصاویر, انتخاب ویژگی, انتخاب ویژگی با NSGA-II, انتخاب ویژگی با الگوریتم PSO, انتخاب ویژگی با الگوریتم تکامل تفاضلی, انتخاب ویژگی با الگوریتم ژنتیک, انتخاب ویژگی با الگوریتم ژنتیک چند هدفه, انتخاب ویژگی با الگوریتم شبیه سازی تبرید, انتخاب ویژگی با الگوریتم مورچگان, انتخاب ویژگی با الگوریتم های تکاملی, انتخاب ویژگی با الگوریتم های فرا ابتکاری, انتخاب ویژگی با بهینه سازی ازدحام ذرات, انتخاب ویژگی برای رگرسیون, انتخاب ویژگی برای طبقه بندی, انتخاب ویژگی چند هدفه, انتخاب ویژگی در طبقه بندی کننده, انتخاب ویژگی های مرتبط, انفیس, انفیس با چند خروجی, بازشناسی الگو, بازشناسی الگو در متلب, برنامه نویسی متلب, بسته طلایی داده کاوی در متلب, بسته طلایی فیلم های آموزشی داده کاوی در متلب, بهترین ویژگی های فردی, بهینه سازی, بهینه سازی هوشمند, پایگاه قواعد فازی, پرسپترون چند لایه, پیاده سازی ANFIS در متلب, پیاده سازی الگوریتم ژنتیک در متلب, پیاده سازی الگوریتم های داده کاوی در متلب, پیاده سازی انفیس در متلب, پیاده سازی سیستم فازی در متلب, پیش پردازش داده ها, تابع configure, تابع learnlv1, تابع learnlv2, تابع lvqnet, تابع plotconfusion, تابع plotroc, تابع train, تحلیل مولفه اساسی, تخصیص درجه دو, تخمین تابع, ترکیب الگوریتم های های LVQ1 و LVQ2.1, ترکیب سیستم فازی عصبی و الگوریتم های تکاملی, ترکیب سیستم فازی و الگوریتم های تکاملی, ترکیب سیستم فازی و الگوریتم های فرا ابتکاری, ترکیب شبکه عصبی و الگوریتم ازدحام ذرات, ترکیب شبکه عصبی و الگوریتم رقابت استعماری, ترکیب شبکه عصبی و الگوریتم ژنتیک, تشخیص پزشکی, تشخیص داده های پرت, تشخیص ناسازگاری ها, تشخیص نوع تومور, تشخیص نوع سرطان, تعیین مقادیر بهینه پارامترهای سیستم فازی, تعیین نوع تومور, تقسیم بندی داده ها, توابع شعاعی پایه, توپولوژی, تولباکس شبکه عصبی, تولباکس شبکه عصبی مصنوعی, تولباکس فازی, تومور بد خیم, تومور بدخیم, تومور خوش خیم, جدول ارجاع, جستجوی افزودن l، حذف r, جستجوی شناور, جستجوی مستقیم ترتیبی, جستجوی مستقیم ترتیبی تعمیم یافته, جستجوی معکوس ترتیبی, جستجوی معکوس ترتیبی تعمیم یافته, جعبه ابزار شبکه عصبی, جعبه ابزار شبکه عصبی مصنوعی, خوشه بندی, خوشه بندی در متلب, خوشه بندی فازی, داده کاوی, داده کاوی در متلب, داده های Test, داده های Train, داده های Validation, داده های آزمایش, داده های آموزش, داده های اعتبار سنجی, داده های اعتبارسنجی, داده های تست, دیاگرام Voronoi, دیاگرام ورونو, دیاگرام ورونوی, دیتاست Iris, دیتاست ایریس, دیتاست گل زنبق, رقمی ساز بردار یادگیر, رقمی سازی بردار, رکیب سیستم فازی عصبی و الگوریتم های فرا ابتکاری, رگرسیون, رگرسیون بردار پشتیبان, رگرسیون غیر خطی, روابط فازی, روش های انتخاب ویژگی, روش های فیلتر Filter و Wrapper, ریاضیات فازی, ساختار شبکه عصبی پرسپترون چند لایه و یادگیری, سته کامل فیلم آموزشی, سرطان پستان, سرطان سینه, سیستم استنتاج عصبی-فازی تطبیقی, سیستم استنتاج فازی, سیستم فازی, سیستم فازی TSK, سیستم فازی تاکاگی-سوگنو, سیستم فازی عصبی, سیستم فازی ممدانی, سیستم های دینامیکی, سیستم های فازی, سیسنم فازی Mamdani, شبکه عصبی, شبکه عصبی LVQ, شبکه عصبی در متلب, شبکه عصبی رقابتی, شبکه عصبی گازی, شبکه عصبی گازی رشد یابنده, شبکه عصبی مصنوعی, شبکه عصبی هاپفیلد, شبکه گاز عصبی, شبکه گاز عصبی رشد یابنده, شبکه های عصبی, شبکه های عصبی مصنوعی, شبکه های عصبی مصنوعی در متلب, طبقه بندی, طراحی بهینه انفیس, طراحی بهینه سیستم فازی, طراحی سیستم فازی, طراحی سیستم فازی با الگوریتم های تکاملی, طراحی سیستم فازی در متلب, طراحی سیستم فازی مبتنی بر خوشه بندی, طراحی شبکه عصبی در متلب, فیلم آموزشی, فیلم آموزشی الگوریتم ژنتیک, فیلم آموزشی شبکه عصبی, فیلم آموزشی شبکه عصبی در متلب, فیلم آموزشی فازی, قواعد فازی, کاربرد بازشناسی الگو در پزشکی, کاربرد شبکه عصبی در پزشکی, کاربرد هوش مصنوعی در پزشکی, کاربرد یادگیری ماشین در پزشکی, کاربردهای داده کاوی, کاربردی-عملی شبکه عصبی, کاهش ابعاد, کاوش الگو, کاوش دانش, کاوش قواعد, کاوش قواعد وابستگی, کشف دانش, کلاسترینگ, کلاسترینگ فازی, کلاسیفایر, کلاسیفیکیشن, کینماتیک معکوس, ماتریس Confusion, ماتریس تداخل, ماشین بردار پشتیبان, مبانی داده کاوی, متاهیوریستیک, متغیرهای زبانی, مجموعه های فازی, محاسبات تکاملی, محاسبات فازی, مسأله تخصیص درجه دو, مسأله حمل و نقل, مسأله کوله پشتی, مسائل تخصیص, معکوس سازی, مفاهیم پایه سیستم های فازی, مکان یابی, مکان یابی هاب, منطق فازی, نرخ یادگیری, نرخ یادگیری بهینه, نگاشت خود سازمان ده, نمودار ROC, نمودار ورونو, نمودار ورونوی, یادگیری رقابتی, یادگیری غیر نظارت شده, یادگیری ماشین, یادگیری ماشینی, یادگیری نظارت شده, یافتن ژن های عامل بیماری