راهنمای سریع Numpy
راهنمای سریع Numpy این قسمت یک راهنمای سریع برای رسیدن به توابع و فانکشن ها و آبجکت های کتابخانه Numpy …
مشاهده
هوش مصنوعی از ۰ تا ۱۰۰ ( قسمت دوم )
بخش دوم ( یادگیری ماشین ) : یادگیری ماشین چیست؟ تفاوت بین هوش مصنوعی و یادگیری ماشین یادگیری ماشین بر …
مشاهده
هوش مصنوعی از ۰ تا ۱۰۰ ( قسمت اول )
فهرست بخش اول ( نظریه پردازی یا تئوری ) : خوانندگان این مقاله فلسفه هوش مصنوعی هوش مصنوعی چیست ؟ …
مشاهده
کاربرد ریاضیات در یادگیری ماشین
یادگیری ماشین به معنای خلق یک الگوریتم است که از داده هایی که به آن داده می شود یک پیش بینی بوجود می آورد. این پیش بینی می تواند شناسایی یک تصویر باشد، پیش بینی قیمت بنزین در یک کشور مشخص در طول چند سال باشد یا این که چه ترکیبی از دارو ها یک بیماری خاص را درمان می کند.
مشاهده
علم داده چیست؟
علم داده به این معنا نیست که مدل های بسیار پیچیده رسم کنید و به معنای داشتن تجسم بسیار قوی …
مشاهده
هوش مصنوعی -قسمت۳
برای فهمیدن هوش مصنوعی ابتدا باید مفاهیم اولیه هوش یعنی استدلال، یادگیری،حل مسئله، ادراک و هوش کلامی را کاملا متوجه شویم. همچنین الگوریتم های هوش مصنوعی را در این مقاله توضیح داده ایم.
مشاهده
هوش مصنوعی-قسمت۲
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
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
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
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
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
Q-Learning بخش ۲ (یک مثال):
در این قسمت الگوریتم Q-Learning را با یک مثال توضیح می دهیم. در شکل زیر agent که یک نقطه است …
مشاهده
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
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
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
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
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
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
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
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
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
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.
مشاهدهدوره ها
