Forwarded from Function
شما در فانکشن فرد/کسب و کاری در حال رشد هستید که پلههای ترقی را طی میکنید.
Please open Telegram to view this post
VIEW IN TELEGRAM
اصلیترین انواع الگوریتمهای یادگیری ماشین
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
يه Roadmap مفصل و تعاملی برای يادگيری علم داده
لينک زير رو ببينيد:
Please open Telegram to view this post
VIEW IN TELEGRAM
Different data professionals and their skills
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
┤ مقاله جالب و خواندنی ۲۵ فکت جالب حول حوزه دیتاساینس
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
یادگیری عمیق ⚓️ و یادگیری ماشین 🔲
⚓️ یادگیری عمیق زیر مجموعه یادگیری ماشین است و هر دو زیر مجموعه هوش مصنوعی هستند. تفاوت اصلی بین یادگیری ماشین و یادگیری عمیق در تعداد لایه ها و نحوه آموزش آنهاست یا به عبارتی یادگیری عمیق تکامل یافته روش های یادگیری ماشین هستند
❓ لایههای یادگیری عمیق چگونه کار میکنند؟
✔️ هر یک از این لایهها براساس لایههای قبلی ایجاد شدهاند. به این ارتباط میان لایهها و پیشرفت محاسبات در طول شبکه انتشار روبهجلو (Froward Propagation) گفته میشود.
✔️ اولین لایه که در آن مدل یادگیری عمیق دادهها را برای پردازش دریافت میکند لایهی ورودی و لایهای که در آن پیشبینی یا طبقهبندی نهایی انجام میشود لایهی خروجی نامیده میشود. لایههای میان این دو لایه را لایههای میانی یا نهان (Hidden Layers) مینامند.
🎥 یادگیری عمیق چیست؟ / مهندس رضا شکرزاد
🔵 @DataScience_Function
Please open Telegram to view this post
VIEW IN TELEGRAM
⚓️ یادگیری عمیق: با استفاده از شبکههای عصبی، دیپ لرنینگ تکنیکی برای مدلسازی یادگیری ماشین بر روی مغز انسان است.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
کالج علم داده | Data College
دو نوع الگوریتم یادگیری ماشین وجود دارد: نظارت شده و بدون نظارت
1️⃣ نظارت شده یا Supervised: الگوریتم یادگیری نظارت شده زمانی استفاده میشود که داده ها برچسب گذاری شده اند و دو نوع هم دارد:
➖ رگرسیون: زمانی که نیاز به پیش بینی مقادیر پیوسته دارید و متغیر ها به صورت خطی وابسته هستند، الگوریتم های مورد استفاده رگرسیون خطی و چند گانه، درخت تصمیم و جنگل تصادفی خواهند بود.
➖ طبقهبندی: هنگامی که لازم است مقادیر مطلق را پیش بینی کنید، می توانید از برخی از الگوریتم های طبقه بندی مورد استفاده مثل KNN، رگرسیون لجستیک، SVM و Naïve- Bayes استفاده کنید.
2️⃣ بدون نظارت: الگوریتم های یادگیری بدون نظارت زمانی استفاده می شوند که داده ها بدون برچسب هستند و هیچ داده برچسب گذاریشده ای برای یادگیری وجود ندارد که دو نوع دارد:
➖ خوشهبندی: این الگوریتم متد تقسیم اشیایی است که بین شان مشابه و غیر مشابه وجود دارد. معمولا از الگوریتم های خوشه بندی K-Means و PCA استفاده می شود.
➖ تجزیه و تحلیل قوانین وابستگی: برای کشف روابط جالب بین متغیر ها، می توان از الگوریتم Apriori و Hidden Markov Model استفاده کرد.
🔵 @DataScience_Function
Please open Telegram to view this post
VIEW IN TELEGRAM
این پادکست توسط کایل پولیکیونیس برپا شده است و به تجزیه و تحلیل مفاهیم دادههای بزرگ و مهمترین مباحث و تکنولوژیهای مرتبط با داده میپردازد. این پادکست موضوعات مختلفی از جمله یادگیری ماشین، آمار و تحلیل داده را پوشش میدهد و به شنوندگان کمک میکند تا مفاهیم پیچیده را درک کنند.
این پادکست مخصوصاً برای کسانی که به طور مختصر میخواهند در مورد موضوعاتی مانند یادگیری ماشین و علوم داده بیشتر بدانند، مناسب است. میزبانان پادکست توضیح مفاهیم پایهای را به شیوهای ساده و قابل فهم ارائه میدهند که به شنوندگان کمک میکند مفاهیم پیچیده را درک کنند.
این پادکست به بحثهای عمیقتر و گستردهتری در مورد علوم داده میپردازد و از موضوعات متنوعی مانند یادگیری ماشین، تجزیه و تحلیل داده، و مهارتهای مرتبط با دادهها سخن میگوید. میزبانان این پادکست با مهمترین افراد و تخصصهای موجود در حوزه علوم داده گفتگو میکنند و به شنوندگان امکان میدهند تا از تجربیات و نظرات افراد موفق در این صنعت بهره مند شوند، همچنین برای اطلاعات بیشتر میتوانید مطلب تفاوت هوش مصنوعی و یادگیری ماشین را مطالعه کنید.
این پادکست به موضوعات پیشرفتهتر و موضوعات جدید در حوزه دادهها و علوم داده میپردازد. میزبانان این پادکست با افرادی که در زمینههای مختلف از جمله یادگیری ماشین، تجزیه و تحلیل داده و هوش مصنوعی فعالیت میکنند، مصاحبه میکنند تا به شنوندگان امکان دسترسی به محتوا و مفاهیم پیشرفته را بدهند.
این پادکست به بررسی مسائل جالب و دستهبندی نشده در حوزه دادهها میپردازد و به تجزیه و تحلیل مسائل بدون الگو میپردازد. میزبانان این پادکست با ارائه مطالب جذاب و جدید، به شنوندگان این امکان را میدهند که با جنبههای مختلف دادهها و علوم داده آشنا شوند.
Please open Telegram to view this post
VIEW IN TELEGRAM
♟ قهرمان تازه وارد گوگل در بازی شطرنج: هوش مصنوعی آلفازیرو
♟ تا به امروز بخش عمده ای از تلاش های کارشناسان هوش مصنوعی حول طراحی و توسعه الگوریتم هایی شکل گرفته بود که بتوانند انسان را در بازی های تخته ای شکست دهند اما حالا این رقابت وارد فاز جدیدی شده و آنها سعی دارند دیگر قهرمانان هوش مصنوعی را در بازی های اختصاصی خودشان به چالش بکشند. دیپ مایند (واحد هوش مصنوعی آلفابت) اخیرا الگوریتم تازه ای به نام آلفازیرو (AlphaZero) را توسعه داده که می تواند یاد بگیرد و بدون مداخله انسان در بازی هایی نظیر شطرنج، Go و shogi به درجه استادی برسد.
📖 در مقاله ای که چندی پیش نشریه The Journal Science منتشر کرد، تیم دیپ مایند خاطرنشان کرده که آلفازیرو نسخه بهبود یافته ای از آلفا گو است. در ادامه همچنین ذکر شده که بعد از انتقال قوانین اولیه بازی های شطرنج، shogi و Go به الگوریتم مذکور، به ترتیب ۹ ساعت، ۱۲ ساعت و ۱۳ روز زمان سپری شده تا این هوش مصنوعی بازی های یاد شده را یاد بگیرد و در ادامه آلفا زیرو مقابل برترین هوش های مصنوعی دنیا در این بازی ها قرار گرفته است.
💪 عملکرد آلفازیرو چطور بود:
- بازی شطرنج
✔️ ۱۵۵ برد، ۶ باخت و باقی تساوی (از ۱۰۰۰ بازی) مقابل StockFish استاد شطرنج
- بازی Shogi
✔️ برتری آلفازیرو در ۹۱.۲ درصد از بازی ها مقابل نرم افزار Elmo
- بازی Go
✔️ برتری آلفازیرو مقابل آلفاگو در ۶۱ درصد از بازی ها
پیشنهادی👈 کتاب شطرنج و هوش مصنوعی / نوشته گری کاسپاروف
🔵 @DataScience_Function
- بازی شطرنج
- بازی Shogi
- بازی Go
پیشنهادی
Please open Telegram to view this post
VIEW IN TELEGRAM
این پادکست مانند مقاله تفاوت یادگیری ماشین و یادگیری عمیق ، به بررسی مباحث مختلفی از جمله دادهها، یادگیری ماشین و هوش مصنوعی میپردازد. میزبانان این پادکست با موضوعاتی چون الگوریتمها و مباحث پیشرفته دیتا ساینس سر و کار دارند.
این پادکست به مباحث مختلفی از جمله دادهها، تحلیل داده و استفاده از آنها در زندگی روزمره میپردازد. میزبانان این پادکست با مطرح کردن مثالهای کاربردی و موردی، تلاش میکنند مفاهیم را به شنوندگان ارائه دهند.
این پادکست به بررسی مفاهیم دادهها و تجزیه و تحلیل داده میپردازد و سعی دارد به شنوندگان این امکان را بدهد تا با مفاهیم پایهای و پیشرفته در این حوزه آشنا شوند.
این پادکست به بررسی موضوعات مختلفی از جمله دادهها، آمار و تحلیل داده میپردازد و با مثالهای عملی و کاربردی سعی در آموزش مفاهیم مرتبط دارد.
این پادکست به مباحث مختلفی از جمله دادهها، تجزیه و تحلیل داده و استفاده از آنها در زندگی روزمره میپردازد و سعی دارد به شنوندگان این امکان را بدهد تا با کاربردهای عملی دادهها آشنا شوند.
Please open Telegram to view this post
VIEW IN TELEGRAM