پرسش های متداول علم داده که باید پاسخشان را بدانید!
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…
با کانولوشن ۱ و ۲ و ۳ بعدی و طرز عملکرد آن آشنا شوید!
کانولوشن ۱ و ۲ و ۳ بعدی چیست؟ اگر با شبکههای عصبی کانولوشنی آشنا باشید، احتمالاً چشمتان به نامهای کانولوشن ۱ بعدی، ۲ بعدی و ۳ بعدی خورده است. کانولوشن فرایندی است که در شبکههای عصبی کانولوشنی اتفاق میافتد. در این مطلب به سراغ معرفی…
با کانولوشن معکوس (Transposed Convolution) آشنا شوید!
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…
۱۰ IDE و ویرایشگر کد برتر پایتون را بشناسید!
۱۰ IDE و ویرایشگر کد برتر پایتون کداماند؟ ویرایشگرهای کد (Code Editors) درواقع ابزارهای سادهای هستند که به ما این امکان میدهند کد بنویسیم یا کدها را ویرایش کنیم. این ابزارها امکاناتی مانند هایلایتکردن نحو (Syntax Highlighting) و فرمتکردن کد (Code Formatting) را دارند که…
۷ دلیل برای استفاده از دیتا ساینس در کسب و کار
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…
چرا دیتا ساینتیست شویم و ۱۰ دلیل مهم برای محقق داده شدن!
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 دیتا ساینتیست چقدر است و آینده کاری یک محقق داده چگونه است؟
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…
با فیلتر / کرنل (Filter / Kernel) در شبکه عصبی کانولوشنی آشنا شوید!
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…
با معماری لی نت-۵ (LeNet-5) و لایههای آن آشنا شوید!
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)،…
رقابت سالانه ILSVRC چیست؟ معماریهای کانولوشنی برتر آن کداماند؟
رقابت سالانه ILSVRC چیست؟ یادگیری عمیق (Deep Learning) زیرمجموعهی یادگیری ماشین (Machine Learning) است. این شاخه از هوش مصنوعی کامپیوتر را وامیدارد تا براساس تجربیاتی که به دست میآورد، وظایفی مشخص را انجام دهد. محبوبیت استفاده از تکنیکهای یادگیری عمیق را میتوان بهدلیل نوآوریهایی دانست…
بیگ دیتا (Big Data) چیست؟ مهمترین کاربردها و چالشهای آن کجاست؟
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) چیست و چطور کار میکند؟
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 و چطور کار میکند؟
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 و چه کاربردهایی دارد؟
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) میتواند بیماریها را ریشهکن کند؟
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) در شبکه عصبی کانولوشنی (CNN) چیست؟
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…
با کاربردهای شبکه عصبی کانولوشنی (CNN) آشنا شوید!
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…
محوشدگی گرادیان (Vanishing Gradient) چگونه رخ میدهد؟
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…