برچسب

مبانی هوش مصنوعی

۴۸ آموزش با برچسب مبانی هوش مصنوعی.

آموزش هوش مصنوعی تحلیل احساسات و ترجمه ماشینی؛ دو وظیفه متفاوت روی متن یکسان
متوسط تازه

تحلیل احساسات و ترجمه ماشینی؛ دو وظیفه متفاوت روی متن یکسان

تحلیل احساسات می‌گوید نظر کاربر مثبت است یا منفی و ترجمه ماشینی معنای جمله را به زبان دیگر می‌برد. در این قسمت سیر ترجمه از قاعده تا شبکه عصبی، دام ترجمه لفظی، تحلیل احساسات با واژه‌نامه و یادگیری ماشین، مشکل طعنه و نفی و یک مدل تحلیل احساسات فارسی آماده را یاد می‌گیرید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی استخراج موجودیت نامدار (NER)؛ تبدیل متن آزاد به نام، تاریخ و داده ساختاریافته
متوسط تازه

استخراج موجودیت نامدار (NER)؛ تبدیل متن آزاد به نام، تاریخ و داده ساختاریافته

استخراج موجودیت نامدار یا NER متن آزاد کاربر را به اطلاعات ساختاریافته مثل نام دوره، تاریخ و شهر تبدیل می‌کند. در این قسمت نیت و اسلات در دستیار، NER به‌عنوان طبقه‌بندی توکن، برچسب‌گذاری BIO، مدل‌های BERT برای NER، مشکل زیرکلمه‌ها، ارزیابی در سطح موجودیت و ترکیب مدل با قاعده را یاد می‌گیرید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی ترنسفورمر چیست؟ سازوکار توجه، کدگذاری موقعیتی و BERT به زبان ساده
متوسط تازه

ترنسفورمر چیست؟ سازوکار توجه، کدگذاری موقعیتی و BERT به زبان ساده

ترنسفورمر چیست و چطور همه مدل‌های زبانی بزرگ امروز بر آن ساخته شده‌اند؟ در این قسمت مشکل گلوگاه در مدل‌های دنباله‌به‌دنباله، سازوکار توجه، توجه به خود با پرسش، کلید و مقدار، توجه چندسری، کدگذاری موقعیتی و سه خانواده رمزگذار، رمزگشا و BERT را با کد PyTorch و مدل فارسی یاد می‌گیرید.

mahdyar مطالعه در ۹ دقیقه
آموزش هوش مصنوعی دما در مدل زبانی چیست؟ تولید متن توکن به توکن از RNN تا LLM
متوسط تازه

دما در مدل زبانی چیست؟ تولید متن توکن به توکن از RNN تا LLM

دما در مدل زبانی تعیین می‌کند متن تولیدشده قابل پیش‌بینی باشد یا خلاق. در این قسمت تولید متن توکن به توکن با RNN، انتخاب حریصانه و تکرار بی‌پایان، نمونه‌برداری با دما، top-k و top-p، معماری‌های یک‌به‌چند و دنباله‌به‌دنباله و انتخاب پارامترهای درست برای هر کاربرد دستیار را یاد می‌گیرید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی شبکه عصبی بازگشتی (RNN) و LSTM؛ مدل کردن ترتیب و وابستگی در متن
متوسط تازه

شبکه عصبی بازگشتی (RNN) و LSTM؛ مدل کردن ترتیب و وابستگی در متن

شبکه عصبی بازگشتی یا RNN اولین معماری‌ای بود که ترتیب کلمات را واقعاً در نظر گرفت. در این قسمت سلول RNN و حالت پنهان، مشکل محو شدن گرادیان، دروازه‌های LSTM و GRU، شبکه دوطرفه و چندلایه و ساخت یک طبقه‌بند متن با LSTM در PyTorch را یاد می‌گیرید و می‌فهمید چرا ترنسفورمر جای آن را گرفت.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی امبدینگ کلمه چیست؟ از Word2Vec تا بردار جمله برای مقایسه معنا
متوسط تازه

امبدینگ کلمه چیست؟ از Word2Vec تا بردار جمله برای مقایسه معنا

امبدینگ کلمه یا بردار متنی راهی است که معنای کلمه را به عدد تبدیل می‌کند، طوری که کلمات هم‌معنا بردارهای نزدیک داشته باشند. در این قسمت لایه امبدینگ، Word2Vec با دو روش CBoW و Skip-gram، قیاس معروف پادشاه و ملکه، شباهت کسینوسی، امبدینگ بافتی و بردار جمله را با پایتون یاد می‌گیرید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی پیش‌پردازش متن؛ توکن‌سازی، ریشه‌یابی و TF-IDF بدون حذف اطلاعات مهم
متوسط تازه

پیش‌پردازش متن؛ توکن‌سازی، ریشه‌یابی و TF-IDF بدون حذف اطلاعات مهم

پیش‌پردازش متن تعیین می‌کند مدل شما چه چیزی را ببیند و چه چیزی را هرگز نبیند. در این قسمت توکن‌سازی، یکدست‌سازی متن فارسی، ریشه‌یابی و بن‌واژه‌یابی، کلمات توقف، N-gram، کیسه کلمات و TF-IDF را با پایتون یاد می‌گیرید و می‌بینید کدام پاک‌سازی اطلاعات مهمی مثل منفی بودن جمله را پاک می‌کند.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی پردازش زبان طبیعی چیست؟ نقشه راه NLP از داده متنی تا پاسخ دستیار
مقدماتی تازه

پردازش زبان طبیعی چیست؟ نقشه راه NLP از داده متنی تا پاسخ دستیار

پردازش زبان طبیعی یا NLP چیست و چرا فهم زبان برای کامپیوتر این‌قدر سخت است؟ در این قسمت وظایف اصلی NLP، سیر تحول از قاعده و آمار تا شبکه عصبی، چالش‌های ویژه زبان فارسی، یک ربات گفت‌وگوی ساده به سبک ELIZA و نقشه راه مسیر متن تا پاسخ در یک دستیار هوشمند را می‌بینید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی هوش مصنوعی چندوجهی چیست؟ ترکیب تصویر و متن با CLIP و مدل‌های بینایی-زبانی
متوسط تازه

هوش مصنوعی چندوجهی چیست؟ ترکیب تصویر و متن با CLIP و مدل‌های بینایی-زبانی

هوش مصنوعی چندوجهی تصویر و متن را در یک فضای مشترک می‌فهمد. در این قسمت ایده CLIP و طبقه‌بندی بدون نمونه، ترکیب CLIP و VQGAN برای تولید تصویر، مدل‌های بینایی-زبانی امروزی و طراحی یک دستیار دومرحله‌ای را یاد می‌گیرید که اول توصیف تصویر را ثبت می‌کند و بعد بر اساس همان شواهد پاسخ می‌دهد.

mahdyar مطالعه در ۹ دقیقه
آموزش هوش مصنوعی بخش‌بندی تصویر چیست؟ از تشخیص شیء تا برچسب‌گذاری پیکسل با U-Net
متوسط تازه

بخش‌بندی تصویر چیست؟ از تشخیص شیء تا برچسب‌گذاری پیکسل با U-Net

بخش‌بندی تصویر یعنی برای هر پیکسل تصمیم بگیریم متعلق به کدام شیء است. در این قسمت بخش‌بندی معنایی و نمونه‌ای، معماری رمزگذار-رمزگشا و U-Net، تابع خطای Dice، معیارهای IoU و Dice، کاربرد در تصویربرداری پزشکی و جدا کردن پس‌زمینه را با مثال PyTorch یاد می‌گیرید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی تشخیص اشیا در تصویر؛ کادر محدودکننده، IoU، mAP و الگوریتم YOLO
متوسط تازه

تشخیص اشیا در تصویر؛ کادر محدودکننده، IoU، mAP و الگوریتم YOLO

تشخیص اشیا یک قدم فراتر از طبقه‌بندی تصویر است؛ باید بگوید چه چیزی در تصویر هست و دقیقاً کجاست. در این قسمت کادر محدودکننده، معیارهای IoU، AP و mAP، خانواده R-CNN و روش‌های یک‌مرحله‌ای مثل YOLO، حذف غیربیشینه و اجرای یک مدل آماده با PyTorch را یاد می‌گیرید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی GAN چیست؟ از شبکه مولد تخاصمی تا ساخت برنامه تولید تصویر با هوش مصنوعی
متوسط تازه

GAN چیست؟ از شبکه مولد تخاصمی تا ساخت برنامه تولید تصویر با هوش مصنوعی

GAN چیست و چطور دو شبکه عصبی با رقابت، تصویرهایی می‌سازند که در دنیا وجود ندارد؟ در این قسمت مولد و تمییزدهنده، مشکلات آموزش GAN، انتقال سبک، مدل‌های امروزی تولید تصویر از متن و طراحی یک برنامه تولید تصویر مسئولانه را با مثال پایتون یاد می‌گیرید.

mahdyar مطالعه در ۹ دقیقه