خانه » یادگیری ماشین

یادگیری ماشین

یادگیری ماشین (ML) مطالعه الگوریتم های رایانه ای است که از طریق تجربه به طور خودکار بهبود می یابد که به عنوان زیر مجموعه ای از هوش مصنوعی دیده می شود. الگوریتم های یادگیری ماشین یک مدل ریاضی را بر اساس داده های نمونه ، معروف به “داده های آموزشی” می سازند . الگوریتم های یادگیری ماشین در طیف گسترده ای از برنامه ها مانند فیلتر ایمیل استفاده می شود. و این روش در جایی که تهیه یا الگوریتم های معمولی برای انجام کارهای مورد نیاز دشوار یا غیرقابل نفوذ است ، کاربرد دارد.
مشاغل مرتبط: مهندس یادگیری ماشین ، متخصص هوش مصنوعی ، توسعه دهنده شناخت ، محقق

تجزیه و تحلیل مشتریان مبتنی بر مدل RFM

مدل RFM یک روش محبوب و کارا برای تجزیه و تحلیل مشتریان است. در این روش از ۳ معیار اخرین خرید مشتری، تعداد دفعات خرید و مبلغ خرید استفاده می شود. با استفاده از این معیار ها مدل RFM طراحی می شود. با روش های مصور سازی داده اطلاعات بدست آمده از مدل نمایش داده می شود.

آموزش ساخت شبکه عصبی از ابتدا در پایتون بدون tensorflow

انگیزه: برای درک بهتر از Deep Learning ، تصمیم گرفتم ساخت شبکه عصبی را از ابتدا و بدون کتابخانه یادگیری عمیق مانند TensorFlow انجام دهم. به اعتقاد من  درک عملکرد  یک شبکه عصبی بسیار با اهمیت است. شبکه عصبی چیست؟ …

آموزش ساخت شبکه عصبی از ابتدا در پایتون بدون tensorflow ادامه مطلب »

اموزش عملی ماشین بردار پشتیبان(SVM) با پایتون

یکی از الگوریتم های طبقه بندی داده ها الگوریتم SVM یا ماشین برداز پشتیبان است. در این مطلب با این الگپریتم اشنا می شویم و با یک مثال عملی آن را پیاده سازی می کنیم.

کاهش ابعاد با استفاده از استخراج ویژگی

در دنیای واقعی تعداد و ابعاد ویژگی ها خیلی زیاد است که کار با آن ها زمان و حافظه زیادی را می خواهد و حتی همه آن ویژگی ها را لازم نداریم و با یک سری از آنها می توانیم مدل مون را پیش بینی کنیم ولی نکته این است که کدام ویژگی ها را انتخاب کنیم. برای این کار از روش های کاهش بعد مثل pca، lda، kernelpca، nmf و tsvd می توانیم استفاده کنیم.

کاهش ویژگی

ساخت برنامه شناسایی چهره در پایتون

در این پست ، من به شما نشان می دهم که چگونه با استفاده از پایتون برنامه شناسایی چهره خود را بسازید. ساخت برنامه ای که چهره ها را شناسایی و تشخیص دهد یک پروژه بسیار جالب و سرگرم کننده برای شروع با بینایی کامپیوتر است.

شناسایی چهره در پایتون

چگونه با استفاده از بهینه سازها ، شبکه عصبی را سریعتر آموزش دهیم؟

بهینه سازی الگوریتم های یادگیری ماشین بهینه سازی (Optimization) فرآیندی برای جستجوی پارامترهایی است که توابع ما را به حداقل یا حداکثر می رساند. وقتی مدل یادگیری ماشین را آموزش می دهیم ، معمولاً از بهینه سازی غیرمستقیم استفاده می …

چگونه با استفاده از بهینه سازها ، شبکه عصبی را سریعتر آموزش دهیم؟ ادامه مطلب »

بهینه ساز شبکه عصبی

راهنمای جامع آموزش شبکه های عصبی کانولوشن – روش ELI5

در سال های اخیر هوش مصنوعی شاهد رشد چشمگیری بوده است. محققان و علاقه مندان روی جنبه های مختلفی از این زمینه کار می کنند. یکی از از این جنبه ها بینایی ماشین (Computer Vision) است. هدف ما این این …

راهنمای جامع آموزش شبکه های عصبی کانولوشن – روش ELI5 ادامه مطلب »

استفاده از آناکوندا ،مینی کوندا یا کندا در یادگیری ماشین

چگونه ،چطور و چرا باید از Anaconda،Miniconda و Conda در یادگیری ماشین و علم داده استفاده کنیم? این مقاله به بررسی اینکه آناکوندا چیست ، مینی کوندا چیست و کوندا چیست ، چرا اگر متخصص علم داده یا متخصص یادگیری …

استفاده از آناکوندا ،مینی کوندا یا کندا در یادگیری ماشین ادامه مطلب »

استفاده از آناکوندا ،مینی کوندا یا کندا در یادگیری ماشین

آشنایی با کتابخانه scikit Learn سایکیت لرن

scikit learn – سایکیت لرن یک کتابخانه رایگان با زبان پایتون برای یادگیری ماشین است. این کتابخانه دارای الگوریتم های یادگیری ماشین مانند ماشین بردار پشتیبان (SVM)، درخت تصمیم و k نزدیک ترین همسایه است. همچنین این کتابخانه از کتابخانه های عددی و آماری پایتون مانند NumPy و SciPy پشتیبانی می کند. این کتابخانه می تواند یادگیری نظارت شده و یا یادگیری بدون نظارت را با کیفیت خوبی انجام دهد.

به بالای صفحه بردن