Menu
الگوریتم های یادگیری ماشین برنامههایی (ریاضی و منطقی) هستند که با قرار گرفتن در معرض دادههای بیشتر، خود را برای عملکرد بهتر تنظیم میکنند. یادگیری ماشین یا ماشین لرنینگ یک زیرشاخه معروف در هوش مصنوعی است که به ماشین
در این مقاله، انواع مختلفی از الگوریتم های یادگیری ماشین و موارد استفاده آن ها را بررسی خواهیم کرد. ما بررسی خواهیم کرد که چگونه Baidu از تشخیص چهره مبتنی بر یادگیری ماشین نظارت شده برای بازرسی هوشمند فرودگاه
دسته بندی الگوریتم های یادگیری ماشین بر اساس شباهت الگوریتم ها اغلب بر اساس عملکردشان (اینکه چگونه کار میکنند) گروه بندی میشود، به عنوان مثال الگوریتم های مبتنی بر درخت و یا الگوریتم های مبتنی بر شبکه عصبی.
۱۱ ماشین های بردار پشتیبان(SVM) ماشین های بردار پشتیبان نوعی از الگوریتم های یادگیری ماشین نظارت شده هستند که مدل سازی برای تجزیه و تحلیل داده ها از طریق رگرسیون و کلاسه بندی را تسهیل می کنند.
الگوریتم یادگیری ماشین جنگل تصادفی نیازی به دادههای ورودی ندارد و میتواند با ویژگیهای عددی، دودویی و طبقهای بدون نیاز به هیچگونه مقیاسگذاری، تغییر شکل یا اصلاحی کار کند و به این ترتیب، در صرفهجویی در زمان
ماشینهای خودران گوگل و رباتها در رسانهها بسیار مورد توجه قرار گرفتهاند ولی آینده واقعی این شرکت با یادگیری ماشینی گره خورده است. این فناوری باعث میشود رایانهها هوشمندتر و شخصیتر بشوند. فهرست مطالب این نوشته
آموزش الگوریتم ژنتیک در یادگیری ماشین (رایگان) با گسترش کاربردهای فناوری اطلاعات در حوزههای مختلف، نیاز به خودکار نمودن فرایندهای تصمیمگیری، روند فزایندهای را داشته است. دانش هوش
ما در این دوره آموزشی میخواهیم دانشجویان را با محیط برنامهنویسی Google Colab و همچنین تکنیکهای یادگیری عمیق از جمله طبقهبندی تصاویر، توصیف تصاویر، عنوانبندی تصاویر و بازشناسی چهره آشنا
روشهای یادگیری ماشین و الگوریتمهای یادگیری عمیق و «شبکههای عصبی» (Neural Networks) با دریافت حجم عظیمی از دادههای آموزشی، به شناسایی آماری الگوهای آنها میپردازند و بر اساس این
آموزش یادگیری ماشین و الگوریتم های آن به صورت تصویری. در این مقاله از فرانش با آموزش یادگیری ماشین رایگان + نحوهی شروع آن به همراه پیش نیازها، کاربردها و انواع یادگیری ماشین با ما همراه
در این آموزش قصد داریم تا بخشی از الگوریتمهای یادگیری ماشین موجود در کتابخانه scikitlearn را مورد بررسی قرار دهیم. پس از فراگیری این فرادرس، قادر خواهید بود مسائل مختلف را با توجه به شرایط حل
جبر خطی: جبر خطی برای درک و کار با بسیاری از الگوریتمهای یادگیری ماشین ضروری است. جبر خطی به شما درک بهتری از نحوهی عملکرد الگوریتمها میدهد و به شما این امکان را میدهد تا بتوانید تصمیمات بهتری بگیرید.
در این پست میخواهیم به سوال یادگیری ماشین چیست پاسخ دهیم. الگوریتمهای یادگیری ماشین، بدون برنامهریزی مستقیم به کامپیوتر قابلیت یادگیری میدهند. شکل 2: این تصویر رو از اینستاگرام هوسم آوردیم.
آموزش الگوریتم ژنتیک در یادگیری ماشین (رایگان) با گسترش کاربردهای فناوری اطلاعات در حوزههای مختلف، نیاز به خودکار نمودن فرایندهای تصمیمگیری، روند فزایندهای را داشته است. دانش هوش
یادگیری ماشین بدون نظارت، بسیاری از دادههای برچسب دار نشده را یاد میگیرد و از الگوریتمها برای استخراج ویژگیهای معنیدار مورد نیاز برای برچسب زدن، مرتب کردن و طبقهبندی دادهها در زمان واقعی، بدون دخالت انسان
انواع یادگیری ماشین Machine Learning. الگوریتمهای ML به حل مسائل مختلف تجاری در قالب عملیات رگرسیون، طبقهبندی، پیشبینی، خوشهبندی استفاده می شود. ماشین لرنینگ بر اساس روش ها و نوع یادگیری
3 الگوریتم های یادگیری ماشین نیمه نظارتی: الگوریتم های یادگیری ماشین نیمه نظارت شده در جایی بین یادگیری نظارت شده و بدون نظارت قرار میگیرند، زیرا آنها از داده های برچسب دار و غیر برچسب برای آموزش استفاده میکنند.
روشهای یادگیری ماشین و الگوریتمهای یادگیری عمیق و «شبکههای عصبی» (Neural Networks) با دریافت حجم عظیمی از دادههای آموزشی، به شناسایی آماری الگوهای آنها میپردازند و بر اساس این
در این رویداد از سری کارگاه های آموزشی بوت کمپ نوروزی مصنوعی، با یکی از پیشنیازهای مهم یادگیری ماشین و یادگیری عمیق در خدمت شما هستیم.جبر خطی اسمش کمی ترسناک است. ولی واقعیت این هست که شما با جبر خطی در دبیرستان آشنا
در این آموزش قصد داریم تا بخشی از الگوریتمهای یادگیری ماشین موجود در کتابخانه scikitlearn را مورد بررسی قرار دهیم. پس از فراگیری این فرادرس، قادر خواهید بود مسائل مختلف را با توجه به شرایط حل
توابع تقریب در یادگیری ماشین دارای فرمهای مختلفی است. در تمام این ساختارها، مجموعهای از پارامترهای تصمیم وجود دارند که باید به بهترین فرم ممکن تعیین شوند. یکی از مهمترین الگوریتمهای
آموزش الگوریتم ژنتیک در یادگیری ماشین (رایگان) با گسترش کاربردهای فناوری اطلاعات در حوزههای مختلف، نیاز به خودکار نمودن فرایندهای تصمیمگیری، روند فزایندهای را داشته است. دانش هوش
یادگیری ماشین بدون نظارت، بسیاری از دادههای برچسب دار نشده را یاد میگیرد و از الگوریتمها برای استخراج ویژگیهای معنیدار مورد نیاز برای برچسب زدن، مرتب کردن و طبقهبندی دادهها در زمان واقعی، بدون دخالت انسان
3 الگوریتم های یادگیری ماشین نیمه نظارتی: الگوریتم های یادگیری ماشین نیمه نظارت شده در جایی بین یادگیری نظارت شده و بدون نظارت قرار میگیرند، زیرا آنها از داده های برچسب دار و غیر برچسب برای آموزش استفاده میکنند.
روشهای یادگیری ماشین و الگوریتمهای یادگیری عمیق و «شبکههای عصبی» (Neural Networks) با دریافت حجم عظیمی از دادههای آموزشی، به شناسایی آماری الگوهای آنها میپردازند و بر اساس این
یادگیری ماشینی (ML) نوعی هوش مصنوعی (AI) است که به برنامههای نرمافزاری اجازه میدهد در پیشبینی نتایج دقیقتر شوند. الگوریتمهای یادگیری ماشین از دادههای تاریخی به عنوان ورودی برای پیش
الگوریتم Boosting یک روش یادگیری است که برای رفع ضعف یادگیرنده های ماشین ایجاد شده. این روش برای رفع مشکلات طبقه بندی و رگرسیون به کار می رود. در این روش با ترکیب موازی یا متوالی تلاش می شود تا خطا حد زیادی کاهش پیدا کند و
درست مانند الگوریتمهای شبکههای اجتماعی که هر چه بیشتر کاربران را میشناسند، بهتر میشوند مسلم است که رقابت غولهای دنیای تکنولوژی بر سر چیست: هوش مصنوعی و یادگیری ماشین.
در این رویداد از سری کارگاه های آموزشی بوت کمپ نوروزی مصنوعی، با یکی از پیشنیازهای مهم یادگیری ماشین و یادگیری عمیق در خدمت شما هستیم.جبر خطی اسمش کمی ترسناک است. ولی واقعیت این هست که شما با جبر خطی در دبیرستان آشنا