منابع دکتری هوش مصنوعی

گرایش هوش مصنوعی در حال حاضر یکی از پرطرفدارترین گرایش های کامپیوتر و حتی کل رشته های مهندسی محسوب می شود. به همین دلیل قبولی در این رشته می تواند موفقیت بزرگی محصوب شود. قبولی در دکتری شامل دو مرحله آزمون کتبی و مصاحبه تحصیلی و پژوهشی است. ولی قبولی در آزمون و کسب حد نصاب قبولی، شرط اولیه برای قبولی در هر دانشگاهی است. موارد مورد آزمون به شرح زیر است:

• زبان عمومی
• استعداد تحصیلی
• دروس تخصصی کارشناسی (ساختمان داده و طراحی الگوریتم)
• دروس تخصصی کارشناسی ارشد (یادگیری ماشین و شناسایی الگو)

منابع پیشنهادی صرفا بر اساس تجربه شخصی انتخاب شده اند:

زبان عمومی (پیشنهاد خاصی ندارم)

استعداد تحصیلی (استعداد تحصیلی مدرسان شریف، استعداد تحصیلی هادی مسیح خواه)

ساختمان داده و طراحی الگوریتم: ساختمان داده مدرسان شریف، طراحی الگوریتم مدرسان شریف، کتاب 600 مسئله طراحی الگوریتم و ساختمان داده دکتر قدسی

یادگیری ماشین و شناسایی الگو: این دو درس همپوشانی زیادی با هم دارند و نمی توان مرز مشخصی بین آن ها تعیین کرد. کتاب جامعی در این زمینه که برای آمادگی کنکور بتوان مطالعه کرد، وجود ندارد. البته مدرسان شریف ظاهرا کتاب داره ولی باید کل پکیج را ثبت نام کنید تا بتوانید کتاب را تهیه کنید. بنده همیشه به دانشجوها پیشنهاد میکنم برای آمادگی آزمون این دو درس، ابتدا سوالات سالهای قبل بررسی شود. بر اساس این سوالات، حوزه های مورد مطالعه تعیین شوند. مثلاً اگر قراره بعد VC را یاد بگیریم، می توان در این زمینه جستجو کرد. این مبحث را یاد گرفت بعد سراغ مبحث بعدی بروید. با توجه به اینکه مباحث مورد سوال تقریبا مشخص هستند، این روش تا حدود زیادی می تواند مفید باشد.

بنده در سال 97 خلاصه مطالعات خود را برای آمادگی آزمون به شکل کتاب درآورده و منتشر نمودم. در حال حاضر هم نسخه PDF آن موجود است.

کتاب یادگیری ماشین و شناسایی الگو (نویسنده: مهندس محمد الیاسی قوپی)

همچنین یک پکیج کامل از منابع مورد مطالعه آماده شده و در اختیار دوستان قرار می گیرد.

پکیج آماده شده توسط مهندس محمد الیاسی قوپی

اسلایدهای یادگیری ماشین دانشگاه شریف (انگلیسی) (توجه داشته باشید که فیلم های مربوط به این کلاس در سایت مکتب خونه موجود است که می تونید استفاده کنید)

? اسلایدهای یادگیری ماشین دکتر شیری (فارسی و انگلیسی)

? اسلایدهای شناسایی الگو دانشگاه شریف (انگلیسی)

? مطالب کاملی در مورد VC-Dimentions (انگلیسی)

? مثال هایی در مورد SVD (انگلیسی)

? تشریح Likelihood و چند مثال (انگلیسی)

? آشنایی با Leave-One-Out VS Cross-Validation

? مثال های مناسبی از نحوه محاسبه در KNN (فارسی و انگلیسی)

? آشنایی با مفهوم کرنل و کاربرد آن در SVM

? مطالب کاملی در مورد تئوری بیزین (فارسی و انگلیسی)

? مثال های خوبی از الگوریتم آدابوست (انگلیسی)

?آشنایی با مدل های Discriminative-Generative (انگلیسی)

? نحوه محاسبه بردار ویژه و مقدار ویژه و کاربرد آن ها در الگوریتم PCA (فارسی)

? کاربرد الگوریتم مدل مخلوط گاوسی یا gmm در شناسایی الگو (فارسی)

? مثال های بسیار ساده از الگوریتم LDA (انگلیسی)

?کتاب آمار و احتمال