مرجع آموزش علم داده
تحلیل شبکه‌های اجتماعی به‌عنوان یکی از حوزه‌های پویا در علم داده، با استفاده از نظریه گراف‌ها، امکان درک روابط پیچیده میان افراد، گروه‌ها و محتواها را فراهم کرده است. الگوریتم PageRank، که ابتدا توسط گوگل برای رتبه‌بندی صفحات وب توسعه …
تحلیل شبکه‌های اجتماعی با گراف‌ها: پیاده‌سازی PageRank در پایتون ادامه مطلب »
یادگیری تقویتی (Reinforcement Learning) یکی از شاخه‌های پیشرفته یادگیری ماشین است که با الهام از رفتار انسان در یادگیری از تجربه، به طراحی عاملهای هوشمندی می‌پردازد که می‌توانند در محیط‌های پیچیده تصمیم‌گیری کنند. این فناوری، که در حوزه‌هایی مانند رباتیک، …
مدلهای زبانی بزرگ مثل ChatGPT در سال‌های اخیر دنیای تکنولوژی را متحول کرده‌اند. این مدل‌ها می‌توانند متن‌های منسجم تولید کنند، به سوال‌ها جواب دهند و حتی کارای پیچیده‌تری مثل ترجمه یا خلاصه‌سازی انجام دهند. حالا اگه بخوام یه مدل زبانی …
روش یولو که مخفف عبارت you only look once می باشد در سال2015 ارائه شده است با استفاده از ترکیب candidate box generation و طبقه‌بندی بر اساس رگرشن توانست پروسه تشخیص اجسام را در یک مرحله انجام دهد. ساختار این …
به طور کلی به مساله هایی که در داده های آن یک ستون کلاس وجود داشته باشد طبقه بندی می گویند. این ستون توسط شخصی که داده را آنالیز می کند مشخص می شود به همین دلیل در داده کاوی …
استفاده از سیستم های توصیه گر هر روز در حال افزایش است .دراین مقاله قصد داریم یک سیستم توصیه گر ساده بر روی مجموعه داده سایت MovieLens طراحی کنیم.
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.
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 »
در این پست ما در مورد چگونگی ساختن مدلهای یادگیری ماشین برای پیش بینی مقادیر مفقود شده در داده ها پرداختیم. در ابتدا ما یک مدل رگرسیون خطی آموزش داده شده بر روی ویژگی “امتیاز” برای پیش بینی قیمت نوشیدنی ساختیم. سپس ما یک مدل جنگلی تصادفی راکه بر روی ویژگی “امتیاز” و متغیرهای کیفی آموزش دادیم تا قیمت نوشیدنی را پیش بینی کنیم. ما دیدیم که مدل جنگلهای تصادفی به طور قابل توجهی از مدل مبتنی بر رگرسیون خطی بهتر است.
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.
