منوهای نصب در پنل مدیریت

  • ورود
  • هیچ محصولی در سبد خرید نیست.

یادگیری عمیق

00

مرداد'۹۹

هوش مصنوعی-قسمت2

انسانها قدرت سیستم های کامپیوتری را از نظر دامنه کاری متنوع، افزایش سرعت انجام کارها را توسعه داده اند. یکی از زیر شاخه های علوم رایانه ای به نام هوش مصنوعی در حوزه تولید رایانه ها و دستگاه های هوشمند فعالیت می کند.

مشاهده

00

مرداد'۹۹

هوش مصنوعی و انواع آن

هوش مصنوعی یا Artificial Intelligence دستگاهی است که توانایی انجام وظایف شناختی مانند درک، استدلال و حل مشکلات را دارد.

مشاهده

00

مرداد'۹۹

شبکه عصبی مصنوعی- قسمت دوم

شبکه عصبی مصنوعی یا همان Neural Network Artificialیک الگوی پردازش اطلاعات است. پردازش شبکه عصبی مصنوعی به سه زیر بخش تقسیم می شود.

مشاهده

00

مرداد'۹۹

شبکه عصبی مصنوعی-بخش اول

شبکه عصبی مصنوعی یا همان Neural Network Artificialیک الگوی پردازش اطلاعات است که با الهام گرفتن از روش سیستم های عصبی های عصبی بیولوژیکی مانند مغز انسان، اطلاعات را پردازش می کند. این شبکه با تعداد زیادی از عناصر پردازشی به شدت پیوسته هستند، برای حل مسائل خاص استفاده می شود. شیوه یادگیری در شبکه های عصبی مانند یادگیری انسان است. ANN برای یک برنامه خاص مانند تشخیص الگو یا طبقه بندی داده ها از طریق یک فرایند یادگیری، پیکربندی شده است

مشاهده

00

تیر'۹۹

کتابخانه scipy

کتابخانه scipy یک نرم افزار open-source برای ریاضیات، علوم و مهندسی در پایتون است. این کتابخانه به کتابخانه NumPy وابسته است ، که امکان دسترسی سریع به آرایه ی N بعدی را فراهم می کند. به عبارت دیگر کتابخانه scipy برای کار با آرایه های کتابخانه NumPy ساخته شده است. بسیاری از کارها و محاسبات روتین کاربرپسند و کارآمد برای اعداد مثل ادغام و بهینه سازی اعداد را فراهم می کند.

مشاهده

00

تیر'۹۹

Q-Learning بخش 2 (یک مثال):

در این قسمت الگوریتم Q-Learning را با یک مثال توضیح می دهیم. در شکل زیر agent که یک نقطه است …

مشاهده

00

تیر'۹۹

کتابخانه NumPy

NumPy یک کتابخانه برای آنالیز داده ها به زبان برنامه نویسی پایتون است. این کتابخانه پشتیبانی از آرایه ها و ماتریس های بزرگ و چند بعدی را به همراه مجموعه بزرگی از عملکردهای ریاضی سطح بالا برای کار در آرایه ها و ماتریس ها فراهم می کند.

مشاهده

00

تیر'۹۹

Q-Learning چیست؟

Q-Learning الگوریتمی مبتنی بر مقدار(Value-based) است. الگوریتم Value based ، ارزش یک تابع را بر پایه یک معادله بروزرسانی می کنند( به خصوص معادله Bellman) در حالی که نوع دیگر آن، الگوریتم مبتنی بر سیاست(policy-based) ارزش یک تابع را با یک سیاست حریصانه که از سیاست قبلی به دست امده است بهبود می بخشد.

مشاهده

00

تیر'۹۹

کتابخانه Theano

کتابخانه Theano یک کتابخانه open source است. یک کتابخانه و کامپایلر بهینه برای عملیات و محاسبات ریاضی در قلب پایتون است.این کتابخانه می داند که ساختارهای ریاضی را چگونه به کد های بسیار کارآمد، تبدیل کند.

مشاهده

00

تیر'۹۹

Agent در RL دقیقا چه کاری انجام می دهد؟

agent یا عامل در Reinforcement learning بخشی است که تصمیم می گیرد چه کاری با استفاده از یادگیری از محیط …

مشاهده

00

تیر'۹۹

کتابخانه scikit-learn

کتابخانه scikit-learn به احتمال زیاد یکی از مفیدترین کتابخانه ها برای یادگیری ماشین در پایتون است. کتابخانه sklearn شامل ابزارهای کارآمدزیادی برای یادگیری ماشین و مدل سازی آماری از جمله خوشه بندی، طبقه بندی، رگراسیون، کاهش ابعاد می باشد.

مشاهده

00

تیر'۹۹

مرور کلی بر الگوریتم های (RL)!

در این مقاله به بررسی کلی محیط کاربری و معرفی الگوریتم های Reinforcement learning می پردازیم. هدف از این مقاله با صرف نظر از شیرجه رفتن عمیق به داخل مدل های ریاضیاتی پشت پرده الگوریتم ها ، میخواهیم مروری بصری برالگوریتم های (RL) است.

مشاهده

00

تیر'۹۹

TensorFlow و PyTorch

TensorFlow و PyTorch از محبوب ترین Framework های یادگیری عمیق است. اگر جزو آن دسته از کاربران هستید که بین دو راهی برای انتخاب یکی از این دو کتابخانه هستید، می توانید از این مقاله برای تصمیم گیری خود استفاده کنید.

مشاهده

00

تیر'۹۹

PyTorch و Keras

Keras و PyTorch کتابخانه هایی هستند که به شدت توصیه می کنیم از آنها استفاده کنید. این ها ابزارهای بسیار قدرتمندی هستند که کار و تجربه با آنها بسیار لذتبخش است. اما نمی توانیم توصیه کنیم که کدام یک بهتر است. در نهایت انتخاب بر اساس تجربه و اینکه کدام یک نیازهای شما را بر طرف می کند، انجام می شود. در این مقاله قصد داریم شما را راهنمایی کنیم تا انتخاب مناسبی داشته باشید.

مشاهده

00

تیر'۹۹

TensorFlow و Keras

TensorFlow و Keras در زمینه هوش مصنوعی از محبوبت ترین قالب ها یا به اصطلاح framework ها محسوب می شوند. همیشه این بحث بین کابران وجود دارد که کدام کتابخانه بهتر است؟کدام کتابخانه بیشترین کارایی را دارد؟ کدام یک بهترین خروجی را تولید می کند؟ و کدام نیاز کابر را به بهترین شکل برطرف میکند؟ در انتهای این مقاله می توانید انتخاب درستی داشته باشید.

مشاهده

00

تیر'۹۹

کتابخانه Keras

کتابخانه Keras یک کتابخانه open-source شبکه عصبی است که در پایتون نوشته شده است. این کتابخانه روی کتابخانه های TensorFlow, Microsoft Cognitive Toolkit, R Theano, یا PlaidML قابل اجرا است. این کتابخانه روی توسعه ی ماژولار و کاربر پسند تمرکز دارد.

مشاهده

00

تیر'۹۹

کتابخانه PyTorch

کتابخانه PyTorch یک کتابخانه open source است. درواقع یک بسته محاسباتی بر مبنای پایتوون است، که از قدرت (GPU) استفاده می کند. برای یادگیری عمیق یکی از انعطاف پذیر ترین و سریعترین کتابخانه ها است. برای یادگیری عمیق و یادگیری زبان طبیعی (NLP) بیشترین کاربرد را دارد. PyTorch بزرگترین رقیب TensorFlow است .یکی از کتابخانه های محبوب در زمینه یادگیری عمیق و هوش مصنوعی می باشد.

مشاهده

00

تیر'۹۹

کتابخانه TensorFlow

TensorFlow یا به اختصار tf یک کتابخانه نرم افزار open source است. کتابخانه ای مناسب برای محاسبات عددی با کارایی بالا است. معماری انعطاف پذیر این کتابخانه امکان اجرای آن روی انواع سیستم عامل ها مثل (CPU, GPU, TPU ) از دسکتاپ تا سرورهای خوشه ای موبایل فراهم می کند.

مشاهده

00

تیر'۹۹

برنامه نویسی داینامیک چیست؟

برنامه نویسی داینامیک یک نوع تکنیک حل مسائل در برنامه نویسی است. در اصل این مفهوم در رابطه با حفظ کردن پاسخ های کوچکتر است که قبلا حل شده اند.

مشاهده

00

تیر'۹۹

متود Monte Carlo

متود Monte Carlo یابه اصطلاح MC یک نوع متود عددی برای حل مسائل ریاضی با نمونه گیری تصادفی یا شبیه سازی متغیرهای تصادفی است. تمام متود های MC مفهوم استفاده از نمونه های تصادفی گرفته شده را برای محاسبه مسئله های معین

مشاهده

00

تیر'۹۹

Reinforcement learning چیست؟

تفاوت Reinforcement learning با Supervised learning در این است که در یادگیری نظارت شده داده های آموزش دهنده دارای همراه …

مشاهده

00

تیر'۹۹

KNN یاk-nearest neighbor

در الگوریتم نزدیکترین همسایه از فاصله اقلیدسی برای دسته بندی داده ها استفاده می شود.وداده در گرافی که به آن نزدیکتر است قرار می گیرد. این الگوریتم جزو الگوریتم های یادگیری نظارت شده می باشد.

مشاهده

00

تیر'۹۹

semi-supervised learning چیست؟

الگوریتم های یادگیری ماشین امروزه می توانند به طور گسترده به سه دسته طبقه بندی شوند: supervised learning unsupervised learning …

مشاهده

00

تیر'۹۹

Deep learning چیست و چگونه کار می کند؟

اگر بخواهیم به صورت خیلی پایه ای توضیح بدهیم ، Deep learning یا یادگیری عمیق یکی از زیر مجموعه های machine learning است که به کامپیوتر می آموزد ورودی ها را از طریق لایه هایی فیلتر کند تا یاد بگیرد چگونه اطلاعات را پیش بینی و طبقه بندی کند. این متغیر ها می توانند به صورت تصاویر ، متن یا صدا باشند. الهام بخش deep learning همان مغز انسان است که یک سری از اطلاعات را فیلتر می کند تا درک بهتری از موضوع داشته باشد.

مشاهده
X