خانه » آموزش » صفحه 2

آموزش

پیش بینی مقادیر مفقود شده با رگرسیون خطی و جنگل تصادفی در پایتون

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.

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.

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

طراحی خزنده وب با پایتون

جمع آوری داده شروع و پایه کار علم داده است. روش های سنتی زیادی برای بدست آوردن داده ها وجود دارد. اینرنت به عنوان غنی ترین بستر ذخیر و نگهداری داده محل مناسبی برای جمع آوری اطلاعات است. در این مطلب قصد داریم نحوه جمع آوری و ذخیره داده ها از وب(خزنده وب) را اموزش دهیم.

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 »

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.

مبانی ساختار شبکه های عصبی

در قرن اخیر ایجاد هوش مصنوعی به ما امکان ایجاد برنامه های شگفت انگیز را داده است که می تواند توانایی های بهتر از انسان داشته باشد .این امر مهم که یادگیری ماشین نامیده می شود توسط شبکه عصبی انجام می شود، شبکه های عصبی الگوهای موجود در داده های شما را شناسایی کرده و پس از آموزش خواهند توانست با شناسایی الگوهای مشابه در آینده نتایج را پیش بینی کنند. شبکه عصبی مجموعه ای از الگوریتم ها است که تلاش می کند از طریق آموزش از ساختار و عملکرد مغز انسان تقلید کنند. آنها می توانند با تغییر ورودی سازگار شوند و بنابراین این شبکه ها بدون نیاز به طراحی مجدد میتوانند بهترین نتیجه ممکن را پیش بینی کنند.

مثال کاربردی از کاهش ابعاد با تحلیل مولفه اساسی (PCA)

کاهش ابعاد یکی از مباحث زمینه ای پرکاربرد در حوزه علم داده است.
در این مقاله قصد داریم به صورت کاربدی مساله کاهش ابعاد یا (PCA) را بررسی کنیم

آموزش نصب پایتون در مک، لینوکس، ویندوز ، اندروید و ios موبایل

در این آموزش یاد می گیرید که :
Python را در ویندوز ، macOS و Linux نصب یا به روز کنید
از پایتون در دستگاه های تلفن همراه و تبلت استفاده کنید
یررسی کنید کدام نسخه از Python ، در صورت وجود ، روی دستگاه شما نصب شده است
از پایتون در وب با مفسران آنلاین استفاده کنید

به بالای صفحه بردن