بلاگ علمی
نقشه راه یادگیری پایتون و هوش مصنوعی
همیشه وارد شدن به حوزه جدید چالشهای خودش رو داره، از نداشتن نقشه راه گرفته تا زمانبندی! یک نقشه راه برای یادگیری پایتون و هوش مصنوعی آماده کرده ایم و یک چالش 10 هفته ای براش در نظر گرفتیم. هدف…
نحوه ساخت environment در VsCode
بعد از نصب vscode لازم هست که یک محیط مجازی (virtual environment) ایجاد کنیم و کتابخانه های لازم رو در اون نصب کرده و استفاده کنیم. در این پست کوتاه، نحوه ایجاد virtual environment رو توضیح داده و سپس چندتا…
هوش مصنوعی در آموزش، رقیب جدی برای دانشگاهها
جفری هینتون، که به «پدرخوانده هوش مصنوعی» شهرت داره، اخیرأ در مصاحبهای به تحولات عمیق آموزشی که توسط مدلهای هوش مصنوعی در راهه اشاره کرده و معتقده که در 10 سال آینده، مدرسهای خصوصی مبتنی بر هوش مصنوعی به سطحی…
نقشه راه برای یادگیری ماشین، یادگیری عمیق و پردازش سیگنال مغزی
همه ما وقتی وارد حوزه ای میخواهیم بشویم اولین سوالی که میپرسیم اینه که از کجا شروع کنم، و چیا یاد بگیرم تا بتونم در حوزه مورد علاقه و حرفه ام پیشرفت کنم. در این پست سعی کرده ام نقشه…
هوش مصنوعی، از Deep Blue تا AlphaGo
هوش مصنوعی که این روزها به موضوعی داغ در اخبار تبدیل شده، برای محققین این حوزه عبارت هوش مصنوعی اصلا تازگی نداره و سالهاست که در این حوزه فعالیت انجام میشه. در این پست میخواهیم یک گذری به گذشته بکنیم…
معرفی دوره ی Generative AI و دوره ی پیشرفته پردازش سیگنال EEG
هوش مصنوعی مولد یا Generative AI از جدیدترین و جذابترین مباحث هوش مصنوعی است که با مدلسازی تفکیکی یا Discriminative تفاوت دارد. اکثر مدلهای موفق اخیر هوش مصنوعی که تحولی در این حوزه پدید آورده اند مربوط به حوزه ی…
ساخت مدلهای یادگیری عمیق بهتر با Batch Normalization و Layer Normalization
دو رویکرد Batch Normalization و Layer Normalization دو استراتژی برای آموزش سریعتر شبکههای عصبی هستند بدون اینکه نیاز باشد برای مقدار دهی اولیهی وزنها و سایر تکنیکهای منظمسازی یا Regularization، احتیاط بیش از حد به خرج داد. در این آموزش،…
نحوهی کار Vision Transformer (ViT)
مدل ViT (Vision transformer) یک مدل شبیه به transformer است که برای انجام تسکهای پردازش بینایی طراحی شده است. در این مقاله می آموزیم که این مدل چگونه کار میکند.
مفهوم Regularization در یادگیری عمیق
در یادگیری ماشین، تابع هزینه (Loss function) یک معیار برای اندازهگیری دقت مدل، و توانایی آن در به حداقل رساندن گپ میان خروجی واقعی و پیشبینی مدل محسوب میگردد. برای جلوگیری از بیشبرازش (overfitting) و بهبود تعمیمپذیری مدل، ما میتوانیم از…
مفهوم Early Stopping در یادگیری عمیق
بیش برازش (Overfitting) یکی از بزرگترین چالشها در یادگیری ماشین است مخصوصا زمانی که مدل آموزش دیده، به جای یادگیری الگوهای عمومی از دادهها، فقط به جزئیات و نویزهای موجود در دادههای آموزشی وابسته میشود. این امر سبب میگردد که…
مدلهای مختلف Generative AI
اثر Generative AI بر مشاغل مختلف بسیار زیاد بوده و همچنان در حال رشد است. به همین جهت، توجه به این حوزهی پژوهشی بسیار مهم است. در این مقاله مدلهای مختلف Generative AI، نحوهی عملکرد آنها و کاربردهای عملی آنها…
درک ROC و AUC
ROC و AUC استانداردهای طلایی برای ارزیابی اثربخشی کلاسبندی هستند. در این مقاله میخواهیم به طور شهودی این مفاهیم را درک کنیم.