upsc_cse_pre_2023

آشنایی با نرم افزار وکا Weka

1:22:36

طراحی الگوریتم- ضرب زنجیره ماتریس

1:15:58

شبکه های هاپفیلد، بخش اول

1:08:54

جلسه اول - آغاز درس

43:39

طراحی الگوریتم - روش حریصانه، بخش اول

57:57

طراحی الگوریتم- برنامه ریزی پویا، مسائل سخت

1:05:08

طراحی الگوریتم - برنامه ریزی پویا، الگوریتم فلوید وارشال

1:26:23

کاربردهای شبکه عصبی  SOM

1:09:37

شبکه عصبی Autoencoder

1:02:17

Deep Reinforcement Learning

1:07:39

سوال و جواب با چت جی پی تی

5:19

هوش مصنوعی و کاربردهای آن در آموزش و پرورش

1:26:08

طبقه بندی تصویر با شبکه های عصبی، بخش اول

1:06:59

جلسه دوم - بازیابی دودویی

1:01:31

جلسه سوم - تولید پرس و جوهای مناسب

1:08:19

مهندسی ویژگی ها، بخش اول، انتخاب ویژگی

1:12:13

جلسه پنجم: استفاده از Scikit-Learn

1:28:03

جلسه اول: آشنایی با پایتون

1:17:57

طراحی الگوریتم، روش حریصانه، الگوریتم فشرده سازی هافمن

56:38

شبکه های هاپفیلد - بخش اول

1:23:15

Learning Automata

1:29:53

شبکه های عصبی (۷): الگوریتم پس انتشار خطا

58:10

01.شبکه های عصبی (۱): دسته بندی خطی

48:35

شبکه های عصبی (۱۱): روش های بهینه سازی پیشرفته آدام، آداگراد و نستروف

1:14:30

شبکه های عصبی (۱۳): شبکه های عصبی کانولوشنی

1:33:35

یادگیری زبان انگلیسی با چت جی پی تی، اولین تلاش!

24:33

فناوری های نوپدید هوش مصنوعی

55:39

آشنایی با مسابقه هوش مصنوعی المپیاد مهارتی

1:10:47

شبکه های هاپفیلد، بخش دوم

1:17:46

شبکه های عصبی، یادگیری بدون نظارت - بخش اول

53:24

جلسه دهم - بازیابی رتبه بندی شده

55:24

جلسه نهم - معرفی آپاچی لوسین Apache Lucene

1:00:33

جلسه چهارم- پایگاده داده و ذخیره سازی

56:39

جلسه ششم - معماری و ساختار موتورهای جستجو

1:03:08

جلسه هفتم- پیش پردازش و پس پردازش پرس و جوها

1:04:31

جلسه هشتم- نمایش برداری اسناد

1:02:48

شبکه های عصبی برای یادگیری ماشین

1:22:39

مهندسی ویژگی ها، بخش سوم، استخراج ویژگی با روشهای غیر خطی

1:05:10

مهندسی ویژگی ها، بخش دوم،  استخراج ویژگی با روشهای خطی

1:13:49

جلسه نهم: پروژه Anomaly Detection

1:23:26