در این مطلب به‌سراغ پرسش های متداول علم داده رفته‌ایم. اگر تابه‌حال درمورد علم داده شنیده‌اید، دست خود را بلند کنید… احتمالاً در دنیای امروزی که به‌نوعی با تکنولوژی گره خورده است، کمتر کسی پیدا می‌شود که حتی اسم علم داده یا دیتا ساینس (Data…

کانولوشن معکوس (Transposed Convolution) چیست؟ شبکه عصبی کانولوشن یا پیچشی (Convolutional Neural Network / CNN) در پروژه‌های بینایی ماشین (Computer Vision) به‌منظور استخراج ویژگی‌های موجود در داده‌ی ورودی، مانند ویدئو یا تصویر، به کار برده می‌شود. در این شبکه لایه‌های متعدد کانولوشن روی داده ورودی…

کاربرد دیتا ساینس در کسب و کار روزبه‌روز بیشتر می‌شود تا به‌کمک آن بتوانند از بیگ‌دیتا (Big Data) استفاده کنند. بیگ‌دیتا بدون دانش متخصصانی که فناوری پیشرفته را به بینش عملی تبدیل می‌کنند، هیچ چیز نیست. امروزه تعداد زیادی از سازمان‌ها درهای خود را روی…

پرسش چرا دیتا ساینتیست شویم پاسخ‌های بسیار جذابی دارد. علم داده یا دیتا ساینس (Data Science) به یک فناوری انقلابی تبدیل شده است که این روزها همه درباره‌اش صحبت می‌کنند. دیتا ساینس، به‌عنوان «جذاب‌ترین شغل قرن 21» شناخته می‌شود، اما افراد کمی این فناوری را…

درآمد دیتاساینتیست چقدر است؟ محقق داده یا دیتا ساینتیست (Data Scientist) امروزه یکی از پرطرفدارترین عناوین شغلی در حوزه‌ی دیتاساینس (Data Science)‌ و هوش تجاری است. این عنوان شغلی «جذاب‌ترین شغل قرن ۲۱» لقب گرفته است. یک دیتاینتیست متخصصی حرفه‌ای است که وظیفه‌ی جمع‌آوری، تجزیه…

فیلتر / کرنل (Filter / Kernel)  چیست و در شبکه عصبی کانولوشنی (CNN) چه نقشی دارد؟ فرایند کانولوشن اصلی‌ترین مرحله در شبکه‌ی عصبی کانولوشن (CNN / Convolutional Neural Network) محسوب می‌شود؛ درواقع نام این شبکه به‌‌همین دلیل انتخاب شده است. اتفاقی که در هر لایه…

معماری لی نت-۵ (LeNet-5) چگونه است؟ در حوزه‌ی یادگیری عمیق (Deep Learning) شبکه‌های عصبی کانولوشنی (CNN)، نوعی شبکه‌ی عصبی مصنوعی هستند که اغلب در شناسایی تصاویر به کار می‌روند؛ به‌عبارت دیگر، شبکه‌های عصبی کانولوشنی پایه‌واساس بینایی ماشین (Computer Vision)، مبتنی بر یادگیری عمیق (Deep Learning)،…

بیگ دیتا (Big Data) مجموعه‌ای عظیم از داده‌هاست که تکنیک‌های معمول نمی‌توانند آن‌ها را پردازش کنند. این اصطلاح، نه‌تنها به داده‌ها، به فریم‌ورک‌ها، ابزارها و تکنیک‌های مختلف مربوط هم اشاره می‌کند. مقدمه اگر فقط کمی از دنیای فناوری سر در بیاورید، قطعاً باید اسم بیگ…

شبکه عصبی پیشخور (FFN) را می‌توان ساده‌ترین نوع شبکه‌ی عصبی در نظر گرفت؛ شبکه‌های عصبی پیچیده‌تری مانند شبکه‌ی عصبی بازگشتی (RNN / Recurrent Neural Network) و شبکه‌ی عصبی پیچشی (CNN / Convolutional Neural network) هم وجود دارند که ممکن است بارها اسم‌شان را شنیده باشیم….

یادگیری انتقالی (Transfer Learning) چیست؟ اگر در زمینه‌ی یادگیری عمیق (Deep Learning) مطالعه فعالیت کنید، قطعاً به عبارت «یادگیری انتقالی» یا «Tranfer Learning» برخورده‌اید. Transfer Learning یکی از شگفت‌انگیزترین ویژگی‌های شبکه‌ی عصبی محسوب می‌شود که در آن می‌توان از یک مدل آموزش‌دیده با یک مجموعه‌داده‌ی…

توابع فعالساز (Activation Functions) چیست؟ مطمئناً در حین یادگیری و کار با شبکه‌های عصبی (Neural networks) بارها با توابع فعال‌ساز برخورد کرده‌اید و این سؤال در ذهن‌تان مطرح شده است که این توابع دقیقاً چه کاری را در شبکه انجام می‌دهند؟ در این مطلب سعی…

سیستم ایمنی مصنوعی (AIS) یا Artificial Immune Systems به کمک و تقویت سیستم ایمنی طبیعی بدن انسان‌ها می‌آید. در این تکنولوژی از نانوبات‌ها (Nanobots) استفاده می‌شود که ربات‌های میکروسکوپی هستند که وارد بدن می‌شوند. در این مطلب توانایی‌های این سیستم مصنوعی را بررسی کرده‌ایم. مقدمه…

لایه ادغام (Pooling Layer) یکی از مراحل شبکه عصبی کانولوشنی (CNN / Convolutional Neural Network) است. شبکه عصبی کانولوشنی نتایج بسیار قابل‌قبولی را در حوزه‌های مختلف بینایی ماشین (Computer Vision)، مانند شناسایی تصاویر (Image Detection)، طبقه‌بندی تصاویر (Image Classification) و تشخیص چهره (Face Recognition)، داشته…

کاربردهای شبکه عصبی کانولوشنی (CNN) چیست؟ یکی از الگوریتم‌های یادگیری عمیق است که اغلب در مسائل شناسایی تصاویر استفاده می‌شود. البته شبکه عصبی کانولوشنی کاربردهای متنوعی دارد و علاوه بر عکس و ویدئو، در تحلیل انواع دیگر داده، مانند پردازش متن یا صدا، هم می‌توان…

مشکل محوشدگی گرادیان (Vanishing Gradient) چگونه رخ می‌دهد؟ در یادگیری ماشین (Machine Learning) زمانی‌که شبکه‌ی عصبی را با استفاده از روش‌های مبتنی بر گرادیان، مانند انتشار روبه‌عقب (Backpropagation)، آموزش می‌دهیم، با مشکل محوشدگی گرادیان مواجه می‌شویم. این مشکل امکان یادگیری و به‌روزرسانی وزن‌ها در لایه‌های…