داده کاوی (Data Mining) چیست و چه مراحلی دارد؟
داده کاوی (Data Mining) که به‌عنوان کشف دانش در داده (KDD) نیز شناخته می‌شود فرایند کشف الگوها و دیگر اطلاعات ارزشمند از مجموعه‌ی داده‌های بزرگ است. با توجه به پیشرفت تکنولوژی انبار داده (Data Warehousing) و رشد کلان‌داده (Big Data)، استفاده از تکنیک‌های داده کاوی…
متن کاوی (Text Mining) چیست و چه تکنیک‌ها و کاربردهایی دارد؟
متن کاوی (Text Mining) که به آنالیز متن (Text Analysis) هم معروف است، فرایند تبدیل متن بدون ساختار به داده‌های ساختاریافته برای تجزیه‌وتحلیل راحت‌تر است. متن کاوی به ماشین‌ها اجازه می‌دهد زبان انسان را بفهمند و به‌طور خودکار آن را پردازش کنند. مقدمه برای مشاغل…
شبکه عصبی کانولوشنی (CNN) چیست؟
شبکه عصبی کانولوشنی (CNN) چیست؟ از آنجا که استفاده از شبکه‌های عصبی تمام‌متصل (Fully connected) عمیق به قدرت محاسباتی (حافظه) بالایی نیاز دارد تا بتوان تعداد زیادی وزن و ضرب ماتریسی سنگین را مدیریت کرد، نوع جدیدی از شبکه‌های عصبی به‌نام شبکه عصبی کانولوشنی (Convolutional…
با الگوریتم K نزدیک ترین همسایه (K-Nearest Neighbors) آشنا شوید!
الگوریتم K نزدیک ترین همسایه (K-Nearest Neighbors) که به‌اختصار به آن KNN نیز گفته می‌شود یک الگوریتم یادگیری ماشین با ناظر ساده (Supervised Machine Learning) و با پیاده‌سازی آسان است. این الگوریتم می‌تواند برای حل مشکلات طبقه‌بندی (Classification) و رگرسیون (Regression) استفاده شود. نگاهی مختصر…
شبکه عصبی گوگل نت (GoogleNet) چیست و از چه ساختاری تشکیل شده است؟
شبکه عصبی گوگل نت (GoogleNet) یک شبکه عصبی کانولوشن عمیق ۲۲ لایه است. این شبکه عصبی نسخه‌ی تغییریافته‌ی شبکه‌ی Inception است که یک شبکه‌ی عصبی عمیق کانولوشن است و محققان Google آن را ساخته‌اند.معماری شبکه عصبی گوگل نت در رقابت ILSVRC سال ۲۰۱۴ شرکت کرد…
معماری الکس نت (AlexNet) را به‌صورت کامل بشناسید!
الکس نت (AlexNet) یک شبکه‌ی عصبی عمیق است که Alex Krizhevsky، Ilya Sutskever و Geoffrey Hinton در سال 2012 ارائه کردند. این معماری به‌منظور طبقه‌بندی تصاویر مجموعه‌داده‌ی ImageNet در رقابت ILSVRC طراحی شد و توانست رتبه‌ی اول را کسب کند. شبکه‌های عصبی کانولوشنی و الکس‌نت…
با شبکه عصبی وی جی جی نت (VGGNet) آشنا شوید!
وی جی جی نت (VGGNet) یک شبکه عصبی کانولوشنی است که در سال ۲۰۱۴ کارن سایمون (Karen Simonyan) و آندره زیسرمن (Andrew Zisserman) از دانشگاه آکسفورد آن را معرفی کردند. این شبکه در رقابت ILSVRC سال ۲۰۱۴ رتبه‌ی دوم را کسب کرد، ولی به‌دلیل نوآوری…
شبکه عصبی رزنت (ResNet) چیست و چگونه مشکل ناپدید شدن گرادیان در شبکه‌های بسیار عمیق را حل کرده است؟
شبکه عصبی رزنت (ResNet) یکی از پیشرفته‌ترین معماری‌های شبکه عصبی عمیق است که توسط تیمی از محققان شرکت مایکروسافت یعنی شِیوکینگ رن (Shaoqing Ren)، کِیمینگ هی (Kaiming He)، ژان سان (Jian Sun) و زایانگیا ژوئنگ (Xiangyu Zhang) در سال ۲۰۱۵ معرفی شد. این معماری با بهره‌گیری از…
بیش برازش (Overfitting) چیست و برای جلوگیری آن چه باید کرد؟
بیش برازش (Overfitting) یکی از خطاهای مدل‌سازی در علم داده (Data Science) است. این خطا هنگامی اتفاق می‌افتد که مدل ویژگی‌های داده‌های آموزشی را به‌جای یادگیری، حفظ کرده باشد، یعنی بیش‌ازحد روی آن آموزش دیده باشد؛ درنتیجه، این مدل فقط در مجموعه‌ی داده‌های آموزشی مفید…
کم برازش (Underfitting) چیست و راه‌های جلوگیری از آن کدام است؟
کم برازش (Underfitting) چیست؟ چه زمانی اتفاق می‌افتد و راه‌های جلوگیری از آن کدام است؟ به‌زبان ساده، کم‌برازش هنگامی اتفاق می‌افتد که مدل یادگیری ماشین به‌اندازه‌ی کافی پیچیده نباشد که بتواند روابط میان ویژگی‌های یک مجموعه داده و متغیر هدف را به‌درستی تشخیص دهد.مدلی که…
۹ کاربرد یادگیری ماشین در زندگی روزمره را بشناسید!
در این مطلب با ۹ کاربرد یادگیری ماشین در زندگی روزمره آشنا می‌شوید.
یادگیری نیمه نظارتی (Semi-supervised Learning) چیست؟
یادگیری نیمه نظارتی (Semi-supervised Learning) نوعی یادگیری ماشین (Machine Learning) است که از ترکیب مقدار کمی داده‌ی برچسب‌دار و مقدار زیادی داده‌ی بدون برچسب برای آموزش مدل‌ها استفاده می‌کند. این رویکرد ترکیبی از یادگیری باناظر (Supervised Learning) که از داده‌های آموزشی برچسب‌دار استفاده می‌کند و…
۱۱ کاربرد پردازش زبان طبیعی را بشناسید!
کاربرد پردازش زبان طبیعی در زندگی روزمره بسیار گسترده است. پردازش زبان طبیعی (Natural Language Processing) شاخه‌ای از هوش مصنوعی (Artificial Intelligence) است که به کامپیوترها در درک، تفسیر و دست‌کاری زبان انسان کمک می‌کند. ابزارهای پردازش زبان طبیعی می‌توانند به کسب‌وکارها در تجزیه‌وتحلیل داده‌ها…
پردازش زبان طبیعی (Natural Language Processing) چیست؟
پردازش زبان طبیعی (Natural Language Processing) یکی از حوزه‌های در حال رشد و امیدوارکننده در هوش مصنوعی (AI) است. در حال حاضر این فناوری در بسیاری از برنامه‌های کاربردی که ما روزانه از آن‌ها استفاده می‌کنیم، از چت‌بات‌ها گرفته تا موتورهای جست‌وجو، حضور دارد.
تفاوت یادگیری ماشین و یادگیری عمیق چیست؟ آیا این دو یک چیز هستند؟
در این مقاله به‌صورت کوتاه یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning) را معرفی و تفاوت‌های آن‌ها با هم را بررسی کردیم. در این بخش خلاصه‌ای از مطالب گفته‌شده را آورده‌ایم:
• یادگیری ماشین چیزی میان علوم کامپیوتر (Computer Science) و آمار (Statistics) است. در آن کامپیوترها این توانایی را پیدا می‌کنند که بدون اینکه مستقیماً برای کاری برنامه‌ریزی شوند، یاد بگیرند آن را انجام دهند.
• یادگیری عمیق زیرمجموعه‌ی خاصی از یادگیری ماشین است.
• یادگیری عمیق مبتنی بر ساختار لایه‌ای الگوریتم‌هایی موسوم به شبکه‌ی عصبی مصنوعی است.
• برخلاف یادگیری ماشین، یادگیری عمیق به داده‌های زیادی احتیاج دارد، اما برای عملکرد صحیح به مداخله‌های انسانی کمی نیاز دارد.
یادگیری عمیق (Deep Learning) چیست؟
یادگیری عمیق (Deep Learning) زیرشاخه یادگیری ماشین (Machine Learning) است. این زیرشاخه در اصل یک شبکه‌ی عصبی (Neural Network) با سه یا چند لایه است. این شبکه‌های عصبی سعی در شبیه‌سازی رفتار مغز انسان دارند که به آن‌ها این امکان را می‌دهد تا با تحلیل…
طبقه بندی متن (Text Classification) چیست و چگونه انجام می‌شود؟
در این مطلب تکنیک طبقه‌بندی متن را معرفی می‌کنیم و می‌بینیم که روش‌های مرسوم کاربردی در این حوزه چیست؛ هم‌چنین با بعضی از کاربردهای آن آشنا می‌شویم.
یادگیری بدون ناظر (Unsupervised Learning) چیست؟
در این مطلب یادگیری بدون ناظر، یکی از تکنیک‌های یادگیری ماشین، را معرفی کرده‌ایم. همین‌طور درمی‌یابیم که در یادگیری بدون ناظر به نظارت روی مدل نیازی نیست و خود مدل با پیداکردن الگوهای موجود در داده، داده‌ها را برچسب‌گذاری و در یک گروه خاص طبقه‌بندی می‌کند؛ علاوه‌براین با سه نوع اصلی یادگیری بدون ناظر، یعنی خوشه بندی، اتحاد و کاهش ابعاد، آشنا می‌شویم.