https://www.aparat.com/uisms/live
 

چکیده: پیشرفت سریع با توسعه یادگیری ماشینی (ML)، هوش مصنوعی (AI) و علم داده با استفاده از اصول پایه ریاضی مرتبط است. این گفتگو وابستگی های ML، AI و Data Science را بر نقش اساسی ریاضیات بررسی خواهد کرد. ما در مورد اینکه چگونه جبر خطی (مبنای PCA)، حساب دیفرانسیل و انتگرال، احتمال و آمار زیربنای الگوریتم هایی هستند که تجزیه و تحلیل پیش بینی، تشخیص الگو و سیستم های مستقل را تقویت می کنند، بحث خواهیم کرد. مفاهیم کلاسیک ریاضی به این فناوری ها دامن می زنند. شرکت کنندگان بینش هایی در مورد سختی ریاضیات برای اصلاح این مدل ها به دست خواهند آورد. این گفتگو اهمیت یک پایه ریاضی محکم را برای هر کسی که به دنبال مشارکت در انقلاب مداوم ML، AI و علم داده است، تشریح می کند.
Bionote – دکتر نظیر محمد یک دانشگاهی و محقق با تجربه در حوزه یادگیری ماشینی ریاضی با تمرکز بر روش های تصویربرداری/بینایی کامپیوتری است. او دارای مدرک دکترای ریاضیات کاربردی از دانشگاه هانیانگ [رتبه: ۱۵۶ توسط QS در سال ۲۰۲۳]، کره جنوبی است. وی بعداً آموزش مدیریت و تدریس پس از دکترا را از FH|JOANNEUM، گراتس، اتریش به پایان رساند. او با بنیاد تحقیقات ملی کره به عنوان کارشناس تصویربرداری دیجیتال در پروژه های مختلف همکاری می کند. کار رمزگذاری و رمزگشایی داده های وی نیز در بخش رمزگذاری در سطح ملی مورد استفاده قرار می گیرد. او همچنین با بیمارستان رشید دبی برای راه حل های تصویربرداری عصبی کار کرد. در حال حاضر، او به عنوان استادیار در Fachhochschule Pak-Austria در دانشکده محاسبات کار می کند، جایی که او همچنین به عنوان هماهنگ کننده فارغ التحصیلان، افسر ارتباط صنعتی برای کارآموزی دانشجویان در مقطع کارشناسی، و مشاور دانشکده برای انجمن رباتیک صنعتی فعالیت می کند.
راه های ارتباطی: 
https://uisms.ir/
https://t.me/uisms۱۳۹۳
https://eitaa.com/uisms۱۳۹۳
https://www.instagram.com//uisms۱
https://chat.whatsapp.com/G۹e۵NkjugTM۰xDg۹mgVu۹n