برنامه درسی

جلسه 1:  مقدمه و معرفی سیستمهای شناسایی الگو و کاربردها

جلسه 2: معرفی و مرور مفاهیم ریاضی مورد نیاز

جلسه 3:  دسته بندی کنندهها و توابع تصمیم

جلسه 4:  دسته بندی کنندههای آماری

جلسه 5: توابع جدا کننده خطی

جلسه 6:  ماشین بردار پشتیبان

جلسه 7:  معرفی روشهای مختلف استخراج و کاهش بعد

جلسه 8:  معضل بعد بالا

جلسه 9:  معرفی تحلیل مولفه های اصلی

جلسه 10:  روش تابع تمایز فیشر

جلسه 11:  فاکتور کردن ماتریس

جلسه 12: خوشهبندی و معرفی الگوریتمهای مختلف

جلسه 13: خوشهبندی سلسله مراتبی، خوشهبندی مسطح

جلسه 14:  معرفی مسئله تخمین پارامتر و روشهای مختلف

جلسه 15:  بیشینهسازی تابع درستنمایی، روش بیزی

جلسه 16 : پروزه عملی

جلسه 1:  مقدمه زبانهای برنامه نویسی پیشرفته

جلسه 2:  تعریفهای استقرایی

جلسه 3:   نحو و تحلیل ایستا

جلسه 4:  معناشناسی و ایمنی نوع

جلسه5 :  معناشناسیهای دیگر

جلسه 6:   انواع توابع

جلسه 7:   گسترشهای ساده حساب لمدای نوعدار

جلسه 8:   اثرات جانبی

جلسه 9:   چندریختی

جلسه 10:   سیستمهای مراتب باالتر

جلسه 11:   موضوعات تکمیلی

جلسه12 :   انواع وابسته

جلسه 13:   چارچوبهای منطقی و کمکاثباتگرها

جلسه 14:   انواع پاالیشی

جلسه 15:  پایتورچ

جلسه 16:  پروژه عملی

جلسه 1 : مقدمات و تعاریف اولیه

جلسه2  : کاربردها و شاخص های ارزیابی

مرور مطالب پیش نیاز درس

جلسه 3 :  آمار و احتمال

جلسه 4 :  جبر خطی

جلسه 5 :  امنیت

جلسه 6 :  نشانه گذاری

جلسه  7: اصول نهاننگاری و امنیت

جلسه  8: سیستمهای جانشینی

جلسه  9: تکنیکهای حوزه تبدیل

جلسه  10: طیف گسترده

جلسه  11: نهاننگاری آماری

جلسه  12: معرفی مهمترین روشهای نهاننگاری

جلسه  13: نهانکاوی

جلسه  14: مفاهیم اولیه و انواع حملهها

جلسه  15: نهانکاوی در حوزه مکان و حوزه تبدیل

جلسه  16: نهانکاوی حین کدگذاری

جلسه 1 :  مرور کوتاهی بر شبکه های عمیق

جلسه 2 :   یادگیری تقلیدی

جلسه  3:   مبانی یادگیری تقویتی

جلسه  4:  روشهای مبتنی بر سیاست

جلسه  5:   روش عامل ـ نقاد

جلسه  6:   روش مبتنی بر ارزش حالت

جلسه  7:   روش مبتنی بر ارزش حالت – عمل

جلسه  8:   روش DQN( شبکه عمیق عمل – حالت(

جلسه  9:   روش DDQN( شبکه عمیق عمل – حالت دوتایی(

جلسه  10:   روش DQN Dueling( شبکه عمیق عمل – حالت دوئل کننده(

جلسه  11:   روش NAF( شبکه عمیق تالع مزیت نرمال شده برای عمل های پیوسته(

جلسه  12:   روش DDPG( شبکه عمیق حالت - عمل پیوسته)

جلسه  13:  روش های حالت – عمل پیوسته مبتنی بر مدل

جلسه  14:  مباحث پیشرفته

جلسه  15 :  یادگیری تقویتی مبتنی بر مدل

جلسه  16 :  پروژه عملی

جلسه 1: معرفی داده کاوی

جلسه 2: پیش پردازش و آماده سازی داده ها

جلسه 3: کاوش قوانین رابطه ایی1

جلسه4 : کاوش قوانین رابطه ایی2

جلسه 5: رگرسیون

جلسه 6: شبکه های عصبی 1

جلسه 7: شبکه های عصبی 2

جلسه 8: دسته بندی 1

جلسه 9: دسته بندی 2

جلسه 10: دسته بندی 3

جلسه 11: خوشه بندی1

جلسه 12: خوشه بندی2

جلسه 13: خوشه بندی3

جلسه 14: پردازش متون

جلسه 15: کد نویسی

جلسه 16: پروزه عملی