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
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
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
الگوریتم Hierarchical
االگوریتم Hierarchical الگوریتم های یادگیری بدون نظارت است. داده های بدون برچسب با مشخصات مشابه را در یک خوشه، دسته بندی می کنند.در این الگوریتم خوشه بندی ها به صورت سلسله مراتبی انجام می شود. یعنی به صورت مرحله به مرحله.
مشاهده
الگوریتم k-means
الگوریتم k-means یک الگوریتم یادگیری بدون نظارت است که داده های بدون برچسب را بر اساس ویژگی هایی مشترکی که دارند دسته بندی می کند. این خوشه بندی به شکلی است که داده هایی که شبیه به هم هستند در یک خوشه قرار می گیرند.
مشاهده
Polynomial Regression
الگوریتم Polynomial Regression یا چند جمله ای زیر مجموعه یادگیری نظارت شده در یادگیری ماشین می باشد. رگراسیون چند جمله ای نوعی رگراسیون خطی است که در آن رابطه بین متغیر مستقل X و متغیر وابسته Y به صورت چند جمله ای درجه n مدل می شود.
مشاهده
مدل جنگل تصادفی
Random Forest Regression زیرمجموعه یادگیری نظارت شده است. این مدل مجموعه ای از چند درخت تصمیم گیری است. پیش بینی با محاسبه میانگین پیش بینی هر درخت محاسبه می شود.این باعث می شود که مدل جنگل تصادفی به یک روش مدل سازی قوی تبدیل شود که بسیار قدرتمند تر از یک درخت تصمیم گیری است.
مشاهده
برنامه نویسی داینامیک(پویا) 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
مقایسه طبقه بندی و رگراسیون
طبقه بندی و رگراسیون هر دو زیر مجموعه یادگیری نظارت شده هستند. تفاوت اصلی آنها این است که در رگراسیون خروجی مقادیر پیوسته دارد. در حالی که در طبقه بندی داده خروجی مقدار گسسته دارد.طبقه بندی فرایند ساختن مدل یا تابع برای دسته بندی داده ها در چند کلاس مختلف است. رگراسیون فرایند ساختن مدل برای تبدیل داده های ورودی به مقادیر واقعی مستمر است.
مشاهده
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
Regression
الگوریتم Regression یکی از زیر مجموعه های یادگیری نظارت شده می باشد.در مدل سازی آماری از رگرسیون استفاده می شود و اساساً ارتباط بین متغیرها و حرکت آنها در آینده را پیش بینی می کند. مثلا پیش بینی قیمت خانه یا پیش بینی بازار بورس یا تعداد ثانیه هایی که یک نفر برای تماشای فیلم صرف می کند و...
مشاهده
Support vector machine
SVM یا Support vector machineیک الگوریتم یادگیری نظارت شده است که هم برای طبقه بندی و هم رگراسیون کاربرد دارد.هدف از الگوریتم SVM یافتن hyperplane در فضای N بعدی است. به طور مشخص تمام نقطه ها را طبقه بندی می کند.برای جداسازی دو کلاس از داده ها خط راست(hyperplane) های زیادی وجود دارد که می توان ترسیم کرد.
مشاهده
الگوریتمNaive Bayes
Naive Bayes یکی از ساده ترین اما پر قدرت ترین الگوریتم ها در یادگیری نظارت شده قرار دارد. الگوریتم ساده لوح برای طبقه بندی استفاده می شود. الگوریتم بر مبنای قضیه Bayes، با فرض استقلال بین پیش بینی ها است. برای استفاده از این الگوریتم باید پنج مرحله طی شود. از قوانین مربوط به احتمال برای پیش بینی نتایج استفاده می شود.به طور مثال پیش بینی مربوط به هواشناسی از این الگوریتم استفاده می کند.
مشاهده
Decision Tree
درخت تصمیم گیری ساختاری شبیه به فلوچارت دارد که هر گره داخلی بیانگر آزمایش یک ویژگی است. هر شاخه نتیجه آزمون را نشان می دهد. هر برگ بیانگر برچسب کلاس می باشد. هر مسیر از ریشه به برگ بیانگر قوانین طبقه بندی است.
مشاهده
Reinforcement learning چیست؟
تفاوت Reinforcement learning با Supervised learning در این است که در یادگیری نظارت شده داده های آموزش دهنده دارای همراه …
مشاهده
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
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
یادگیری نظارت نشده
در این مقاله الگوریتم بدون نظارت را توضیح میدهیم این الگوریتم داده ای برای آموزش وجود ندارد و ماشین بر اساس ویژگی های مشابهی که در داده عا می بیند خوشه بندی را انجام میدهد.
مشاهده
یادگیری نظارت شده
یادگیری نظارت شده زیر مجموعه یادگیری ماشین است که براساس مجموعه داده ها و برچسب ها آموزش می بیند و طبق فرمول محاسبات لازم برای پیش بینی نتیجه انجام می شود. یادگیری نظارت شده به دو گروه طبقه بندی و رگراسیون تقسیم می شود . طبقه بندی شامل پنج الگوریتم و رگراسیون شامل سه الگوریتم می باشد.
مشاهده
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
AI، ML , DL
یادگیری عمیق زیر مجموعه یادگیری ماشین و هوش مصنوعی است ساختار شبیه به مغز انسان دارد تا با شبیه سازی بتواند مانند انسان تصمیم گیری نماید.یادگیری ماشین زیر مجموعه هوش مصنوعی است و برای آموزش نیاز به مجموعه وسیعی از داده ها واستخراج ویژگی های مهم آنها و انتخاب الگوریتم مناسب دارد .هوش مصنوعی در بر گیرنده دو حوزه ذکر شده می باشد اما انسان فقط در ساخت هوش مصنوعی ضعیف موفقیت داشته است و اما تلاش ها برای رسیدن هوش مصنوعی عمومی که قادر به درک و فهم دقیق باشد و مانند انسان عمل نماید تا کنون میسر نبوده است.
مشاهده
Linear Regression(رگرسیون خطی) چیست؟
Linear Regression یک ماشین یادگیرنده الگوریتم بر پایه Supervised Learning است که کار رگرسیون را انجام می دهد. مدل های این رگرسیون یک مقدار را بر اساس متغیر های مستقل پیش بینی می کند. این بیشتر برای پیدا کردن ارتباط بین متغیر ها و پیشبینی ها استفاده می شود. مدل های مختلف این رگرسیون بر اساس نوع رابطه بین متغیرهای وابسته و مستقل ، متفاوت هستند.
مشاهده
یادگیری ماشین(Machine Learning) چیست؟
زمانی که ما می خواهیم در رابطه با هوش مصنوعی اطلاعاتی کسب بکنیم و آن را بفهمیم اولین چیزی که به چشم می خورد Machine Learning یا یادگیری ماشین است که در این مقاله به بررسی آن میپردازیم.
مشاهده
Logistic Regression چیست؟
Logistic Regression یک نوع الگوریتم classification که مقادیر گسسته را بر اساس مجموعه معینی از متغیر های مستقل تخمین میزند
مشاهدهدوره ها
