eitaa logo
دانشکده خودمونی|طراحی سایت
932 دنبال‌کننده
283 عکس
240 ویدیو
25 فایل
از هیچ تا طراحی سایت دارای هوش مصنوعی آموزش های قدم به قدم برای طراحی سایت و برنامه نویسی پی اچ پی، جاوا اسکریپت، اچ تی ام ال، اس کیو ال و... تا استفاده از هوش مصنوعی در طراحی سایت این ایدی من هست اگر سوالی داشتید در خدمتم @HrRJ1364 تاشب پاسخ می دهم
مشاهده در ایتا
دانلود
مثلا اینجا تا ساعت ۱۲ شب داشتم حیاط خونه رو‌موزایک کاری می کردم خودم شاگرد بودم خودم بنا بودم خودم ناظر بودم خودم صاحب کار بودم فقط نمی تونم دستمزد خودم رو پرداخت کنم از این جیب باید دربیارم بذارم تو اون یکی 😃😃😂😂😉
دیدی الان من چطور حواست رو از موضوع هوش مصنوعی پرت کردم بردمت توی‌یه وادی دیگه دقیقا این بلایی هست که هوش مصنوعی به کمک یادگیری بدون نظارت در شبکه های اجتماعی سرتون میاره
یعنی کلی اطلاعات رو به اختیار خودش خوشه بندی می کنه و بر اساس این خوشه بندی برای هر خوشه تعدادی پیشنهاد اماده می کند.
یادگیری بدون نظارت : 👈در این روش‌ماشین به دنبال کشف الگوهای پنهان درون داده ها است 👈الگوریتم هایی که برای این روش استفاده می‌شوند پیچیده تر هستند 👈هرچند بعد از طراحی الگوریتم فقط اطلاعات خام رو‌به سیستم تزریق می‌کنیم یعنی کار ساده تری داریم نسبت به یادگیری با نظارت
خلاصه‌ تفاوت يادگيري‌ تحت‌ نظارت و يادگيري‌ بدون نظارت به‌ زبان ساده: • در روش يادگيري‌ بدون نظارت مدل از داده هاي‌ بدون علامت‌ و بدون نظارت ساخته‌ مي‌ شود. در مقايسه‌ با مدلهاي‌ تحت‌ نظارت، اين‌ الگوريتم‌ پيچيده تر هستند و به‌ منابع‌ بيشتري‌ نياز دارند. • در روش يادگيري‌ تحت‌ نظارت مدل به‌ وسيله‌ داده هاي‌ از پيش‌ ليبل‌ گذاري‌ شده ساخته‌ مي‌ شود. از اين‌ داده ها براي‌ پيشبيني‌ وقايع‌ نامشخص‌ استفاده مي‌ شود. در واقع‌ ميتوان اين‌ روش يادگيري‌ را به‌ روش يادگيري‌ به‌ کمک‌ معلم‌ تشبيه‌ کرد. يادگيري‌ بدون نظارت: ✓ تمام پترن هاي‌ مخفي‌ در داده ها را پيدا مي‌ کند. ✓ براي‌ يافتن‌ فيچرها استفاده مي‌ شود. ✓ استفاده از داده هاي‌ بدون ليبل‌ ساده تر است‌. يادگيري‌ با نظارت: ✓ در اين‌ روش از تجربه‌ گذشته‌ استفاده مي‌ کنيم‌. ✓ با استفاده از تجربه‌ داده ها مي‌ توان شاخص‌ بهينگي‌ را بهبود بخشيد. ✓ با اين‌ روش بسياري‌ از مسايل‌ واقعي‌ حل‌ مي‌ شوند.
Unsupervised machine learning یادگیری بدون نظارات
از انواع یادگیری‌ بدون نظارت می‌توان به‌: 👈 الگوریتمهای‌ خوشه‌بندی‌ (Clustering)، 👈تخصیص‌ پنهان دیریکله‌ (LDA) 👈و جاسازی‌ لغات (word embedding) اشاره کرد.
برای خوشه بندی اطلاعات بدون برچسب الگوریتم های مختلفی وجود دارد. اما من در اینجا تمرکز را روی یکی از پر کاربردترین و ساده ترین روشها قرار می دهم و آن را به زبانی ساده برای شما شرح می کنم کمربندها را محکم ببندید که شروع کنیم
خانم ها و آقایان این شما و این الگوریتم k-means clustering کی مینز کلاسترینگ
به این تصویر خوب دقت کنید
یه رفیق شیطون داریم که یه معما طرح کرده رفته 7 تا ماشین را متر کرده که ببینه طول ماشین چندمتره بعدش ارتفاع ماشین ها رو هم اندازه گرفته بر اساس این اندازه گیری نمودار بالا رو کشیده مثلا ماشین شماره 2 که باعلامت #2 روی نمودار مشخص شده 7 متر طول داشته 5متر ارتفاع سوالش اینه این 7 ماشین را به دو دسته ماشین سنگین و سواری تقسیم کنید