الگوریتم ماشین بردار پشتیبان (Support Vector Machine) چیست؟
ماشین بردار پشتیبان (Support Vector Machine) یا به‌اختصار SVM یک مدل یادگیری ماشین با ناظر (supervised Learning) است که با توجه به داده‌های برچسب‌دار آموزشی (یادگیری با ناظر)، یک هایپرپلین (Hyperplane) بهینه را ارائه می‌کند تا داده‌های جدید را به دسته‌های مختلف طبقه‌بندی کند. یادگیری…
شبکه‌ی عصبی LSTM چیست و چگونه کار می‌کند؟
شبکه‌ی عصبی LSTM یا حافظه‌ی کوتاه‌مدت طولانی (Long-Short Term Memory) نوعی خاص از شبکه عصبی بازگشتی (RNN / Recurrent Neural Network) محسوب می‌شود. پس برای اینکه بتوانیم نحوه‌ی کار شبکه‌ی LSTM را درک کنیم لازم است با شبکه‌ی عصبی RNN آشنا شیم. در این مطلب…
با رگرسیون خطی (Linear Regression) آشنا شوید!
رگرسیون خطی (Linear Regression) روشی آماری برای یافتن رابطه‌ی میان متغیرهای مستقل (Dependent Variables)و وابسته (Independent Variables)است. این روش در یادگیری ماشین با ناظر (Supervised Machine Learning) بسیار کاربرد دارد. مقدمه اخیراً هوش مصنوعی (Artificial Intelligence) بسیار مورد توجه قرار گرفته است و افراد در…
داده‌کاوی (Data Mining) چیست و چه مراحلی دارد؟
داده‌کاوی (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 داده‌کاوی در چند…
شبکه‌ی عصبی کانولوشنی (CNN) چیست؟
شبکه‌ی 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 شبکه‌ی عصبی کانولوشنی (Convolutional…
با الگوریم K نزدیک ترین همسایه (K-Nearest Neighbors) آشنا شوید!
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 به…
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…
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 نیمه‌نظارتی (Semi-supervised Learning) چیست؟
یادگیری نیمه‌نظارتی (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 یادگیری…
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…
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.
یادگیری با ناظر (Supervised Learning) چیست؟
در این مطلب با مفهوم یادگیری با ناظر، زیرمجموعه‌های آن و مزایا و معایبش آشنا می‌شوید.
ماشین لرنینگ یا یادگیری ماشین چیست و چگونه کار می‌کند؟
در ادامه این مطلب درمی‌یابید که یادگیری ماشین (Machine Learning) دقیقاً چیست و چطور کار می‌کند؛ هم‌چنین با تکنیک‌های مختلف آن آشنا می‌شوید.