پیش‌بینی تصادفات ترافیکی با یادگیری عمیق
دیتا ساینس و ماشین لرنینگ

پیش بینی تصادفات ترافیکی با یادگیری عمیق چطور ممکن است؟

دنیای امروزی یک مارپیچ بزرگ است که با لایه‌هایی از بتن و آسفالت به هم متصل شده‌اند و به ما امکان ناوبری با وسایل نقلیه را می‌دهد. بسیاری از پیشرفت‌های مرتبط با جاده‌ها، برای مثال GPS که اجازه می‌دهد کمتر ذهن‌مان را درگیر پیداکردن آدرس…

معماری لی نت-۵ (LeNet-5)
دیتا ساینس و ماشین لرنینگ

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)،…

کاربردهای یادگیری عمیق
دیتا ساینس و ماشین لرنینگ

با برترین کاربردهای یادگیری عمیق در صنایع مختلف آشنا شوید!

برترین کاربردهای یادگیری عمیق کجاست؟ یادگیری عمیق (Deep Learning) بخشی از یادگیری ماشین (Machine Learning) است که برای حل مشکلات پیچیده و ایجاد راه‌حل‌های هوشمند استفاده می‌شود. مفهوم اصلی یادگیری عمیق از ساختار و عملکرد مغز انسان گرفته شده است. یادگیری عمیق از شبکه‌های عصبی…

یادگیری انتقالی (Transfer Learning)
دیتا ساینس و ماشین لرنینگ

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…

ResNet Architecture
دیتا ساینس و ماشین لرنینگ

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…

تفاوت یادگیری ماشین و یادگیری عمیق
دیتا ساینس و ماشین لرنینگ

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)
دیتا ساینس و ماشین لرنینگ

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…