برچسب

مبانی هوش مصنوعی

۶۱ آموزش با برچسب مبانی هوش مصنوعی.

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

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
آموزش هوش مصنوعی اتوانکودر چیست؟ خودرمزگذار، بازنمایی فشرده و VAE با مثال پایتون
متوسط

اتوانکودر چیست؟ خودرمزگذار، بازنمایی فشرده و VAE با مثال پایتون

اتوانکودر یا خودرمزگذار شبکه‌ای است که یاد می‌گیرد ورودی را فشرده کند و دوباره بسازد، بدون اینکه به داده برچسب‌خورده نیاز داشته باشد. در این قسمت رمزگذار، فضای نهفته و رمزگشا، کاربردهایی مثل حذف نویز و تشخیص ناهنجاری، و اتوانکودر واریاسیونی یا VAE را با مثال PyTorch یاد می‌گیرید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی یادگیری انتقالی چیست؟ استفاده از مدل آماده با داده محدود در PyTorch
متوسط

یادگیری انتقالی چیست؟ استفاده از مدل آماده با داده محدود در PyTorch

یادگیری انتقالی به شما اجازه می‌دهد با چند صد تصویر، مدلی بسازید که از صفر به میلیون‌ها تصویر نیاز داشت. در این قسمت استخراج ویژگی و تنظیم دقیق، مدل‌های آماده VGG، ResNet و MobileNet، منجمد کردن لایه‌ها، افزایش داده و حمله تخاصمی را با مثال نژاد حیوانات خانگی و PyTorch یاد می‌گیرید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی شبکه عصبی کانولوشنی (CNN) چیست؟ فیلتر، لایه ادغام و معماری هرمی
متوسط

شبکه عصبی کانولوشنی (CNN) چیست؟ فیلتر، لایه ادغام و معماری هرمی

شبکه عصبی کانولوشنی یا CNN چطور الگوهای تصویر را خودش یاد می‌گیرد؟ در این قسمت فیلتر کانولوشنی و تشخیص لبه، لایه کانولوشن و ادغام، معماری هرمی و VGG-16، ساخت یک CNN با PyTorch و نقش بهینه‌سازهایی مثل مومنتوم و Adam را یاد می‌گیرید و آن را روی ارقام و نژاد حیوانات خانگی به کار می‌برید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی بینایی کامپیوتر چیست؟ آماده‌سازی تصویر برای مدل با OpenCV و پایتون
مقدماتی

بینایی کامپیوتر چیست؟ آماده‌سازی تصویر برای مدل با OpenCV و پایتون

بینایی کامپیوتر چیست و تصویر چطور به ورودی قابل فهم برای شبکه عصبی تبدیل می‌شود؟ در این قسمت وظایف اصلی بینایی کامپیوتر، تصویر به‌عنوان آرایه، فضای رنگ BGR و RGB، تغییر اندازه، نرمال‌سازی، آستانه‌گذاری و جریان نوری را با OpenCV یاد می‌گیرید و یک خط پیش‌پردازش قابل اعتماد می‌سازید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی PyTorch یا TensorFlow؟ تنسور، مشتق‌گیری خودکار و حلقه آموزش در یادگیری عمیق
متوسط

PyTorch یا TensorFlow؟ تنسور، مشتق‌گیری خودکار و حلقه آموزش در یادگیری عمیق

PyTorch یا TensorFlow؛ کدام را یاد بگیریم؟ در این قسمت کار هر دو چارچوب را از پایه می‌فهمید؛ تنسور، مشتق‌گیری خودکار، ساخت مدل، حلقه آموزش دستی و رابط سطح بالا. یک حلقه آموزش کامل در PyTorch می‌نویسید، معادلش را در Keras می‌بینید و معیار انتخاب چارچوب را برای پروژه خودتان یاد می‌گیرید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی ساخت شبکه عصبی با پایتون؛ از ارقام دست‌نویس تا جلوگیری از بیش‌برازش
متوسط

ساخت شبکه عصبی با پایتون؛ از ارقام دست‌نویس تا جلوگیری از بیش‌برازش

ساخت شبکه عصبی با پایتون امروز فقط چند خط کد است، اما ساخت شبکه‌ای که روی داده تازه هم خوب کار کند، مهارت می‌خواهد. در این قسمت یک شبکه چندلایه برای تشخیص ارقام دست‌نویس MNIST می‌سازید، بیش‌برازش را از روی نمودار آموزش تشخیص می‌دهید و با Dropout، منظم‌سازی و توقف زودهنگام جلویش را می‌گیرید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی عیب‌یابی مدل یادگیری ماشین؛ تحلیل خطا، اهمیت ویژگی و منحنی یادگیری
پیشرفته

عیب‌یابی مدل یادگیری ماشین؛ تحلیل خطا، اهمیت ویژگی و منحنی یادگیری

عیب‌یابی مدل یادگیری ماشین از جایی شروع می‌شود که یک عدد دقت کلی دیگر کافی نیست. در این قسمت تحلیل خطا به تفکیک گروه، مقایسه عملکرد بین گروه‌ها، بررسی نمایندگی داده، اهمیت ویژگی با جایگشت و منحنی یادگیری را با پایتون یاد می‌گیرید و با داشبورد هوش مصنوعی مسئولانه آشنا می‌شوید.

mahdyar مطالعه در ۹ دقیقه
آموزش هوش مصنوعی یادگیری تقویتی چیست؟ حالت، عمل، پاداش و Q-Learning با مثال پیتر و گرگ
متوسط

یادگیری تقویتی چیست؟ حالت، عمل، پاداش و Q-Learning با مثال پیتر و گرگ

یادگیری تقویتی چیست و چطور یک عامل بدون داده برچسب‌خورده، فقط با آزمون و خطا یاد می‌گیرد؟ در این قسمت عامل، محیط، حالت، عمل، پاداش و سیاست را با قصه پیتر و گرگ می‌شناسید، معادله بلمن و الگوریتم Q-Learning را می‌فهمید و یک عامل کوچک را با پایتون از صفر آموزش می‌دهید.

mahdyar مطالعه در ۸ دقیقه
آموزش هوش مصنوعی رگرسیون بردار پشتیبان برای سری زمانی؛ پنجره‌سازی و ویژگی تأخیری
پیشرفته

رگرسیون بردار پشتیبان برای سری زمانی؛ پنجره‌سازی و ویژگی تأخیری

رگرسیون بردار پشتیبان یا SVR می‌تواند رابطه غیرخطی سری زمانی را یاد بگیرد، به شرطی که سری را به یک مسئله رگرسیون معمولی تبدیل کنید. در این قسمت ایده لوله اپسیلون، کرنل RBF، پنجره‌سازی داده، ویژگی تأخیری و تقویمی و مقایسه منصفانه SVR با ARIMA و خط پایه را یاد می‌گیرید.

mahdyar مطالعه در ۹ دقیقه
آموزش هوش مصنوعی پیش‌بینی با مدل ARIMA؛ روند، ایستایی و بررسی باقیمانده با پایتون
پیشرفته

پیش‌بینی با مدل ARIMA؛ روند، ایستایی و بررسی باقیمانده با پایتون

مدل ARIMA کلاسیک‌ترین روش پیش‌بینی سری زمانی است و هنوز خط پایه‌ای جدی برای مدل‌های پیچیده به حساب می‌آید. در این قسمت ایستایی و تفاضل‌گیری، سه جزء AR، I و MA، نسخه فصلی SARIMA، اعتبارسنجی گام‌به‌گام و بررسی باقیمانده را با داده مصرف برق و statsmodels یاد می‌گیرید.

mahdyar مطالعه در ۹ دقیقه
آموزش هوش مصنوعی سری زمانی چیست؟ پیش‌بینی آینده بدون نشت اطلاعات از آینده
متوسط

سری زمانی چیست؟ پیش‌بینی آینده بدون نشت اطلاعات از آینده

سری زمانی چیست و چرا پیش‌بینی آن قواعد خودش را دارد؟ در این قسمت روند، فصلی بودن، چرخه، داده پرت و تغییر ناگهانی را با داده مصرف برق می‌شناسید، یاد می‌گیرید داده را بر اساس زمان تقسیم کنید، خط پایه ساده بسازید و از رایج‌ترین خطای پیش‌بینی یعنی نشت آینده دوری کنید.

mahdyar مطالعه در ۹ دقیقه