نظریه یادگیری محاسباتی شاخه‌ای از ریاضیات و علوم رایانه است که به ارزیابی کارایی الگوریتم‌های یادگیری ماشینی می‌پردازد. این نظریه عموماً به تحلیل الگوریتم‌های یادگیری با نظارت می‌پردازد و سعی می‌کند کران‌هایی برای کارایی یک الگوریتم در داده دیده‌نشده با استفاده از اطلاعات کارایی آن الگوریتم در داده در دسترس و پیچیدگی الگوریتم بیابد. بعد وی‌سی و یادگیری صحیح احتمالی تخمینی مثال‌هایی از نظریه یادگیری محاسباتی هستند که به ترتیب به اختراع الگوریتم‌های ماشین بردار پشتیبانی و بوستینگ انجامیدند. این نظریه به تحلیل پیچیدگی زمانی الگوریتم‌های یادگیری نیز می‌پردازد.
این درس به کمک آقای امید اعتصامی مدرس IPM و فارغ‌التحصیل دانشگاه برکلی تدریس شده است.
محمد هادی فروغمند، استادیار دانشکده علوم ریاضی دانشگاه شریف می‌باشد. زمینه‌های تحقیقاتی ایشان نظریه گراف و تجزیه و تحلیل شبکه‌های پیچیده، مدل‌های محاسباتی جدید و پیچیده، بیوانفورماتیک، تجزیه و تحلیل توالی ترکیبی و جستجو الگوریتم، الگوریتم‌ها و (ترکیبی) بهینه سازی و فلسفه علوم کامپیوتر است.
ایشان در سال 2001 عضو تیم المپیاد کامپیوتر ایران بودند و در این سال توانستند مدال طلا این مسابقات را کسب کنند و همچنین در سال‌های 2005 و 2007 جز سرپرستان تیم بودند که در هر کدام از سال‌ها مجموعا 4 مدال توسط تیم المپیاد کامپیوتر بدست آمده است.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.