کانال آموزش الکترونیک معلم خوب

Forwarded from mBedLab Learning (Majid Derhambakhsh)

1:32

Media is too big

VIEW IN TELEGRAM

#یادگیری_ماشین چیست؟

یادگیری ماشین (ML) به برخی از مهم‌ترین فناوری‌هایی که ما استفاده می‌کنیم، از برنامه‌های ترجمه گرفته تا وسایل نقلیه خودران، قدرت می‌دهد. آموزش‌های ما در این کانال مفاهیم اصلی ML را توضیح و #آموزش می دهد.

‏ML راه جدیدی برای حل مشکلات، پاسخ به سوالات پیچیده و ایجاد محتوای جدید ارائه می دهد. ML می‌تواند آب و هوا را پیش‌بینی کند، زمان سفر را تخمین بزند، آهنگ‌ها را توصیه کند، جملات را به‌طور خودکار تکمیل کند، مقالات را خلاصه کند و تصاویری که قبلاً دیده نشده‌اند تولید کند.

در اصطلاح اولیه، ML فرآیند آموزش یک نرم‌افزار است که مدل نامیده می‌شود تا پیش‌بینی‌های مفید یا تولید محتوا از داده‌ها را انجام دهد.

به عنوان مثال، فرض کنید می‌خواهیم اپلیکیشنی برای پیش‌بینی بارندگی ایجاد کنیم، در اینصورت ما می توانیم از یک رویکرد سنتی یا یک رویکرد ML استفاده کنیم:

1. با استفاده از یک رویکرد سنتی، ما یک نمایش مبتنی بر فیزیک از جو و سطح زمین ایجاد می‌کنیم و مقادیر زیادی معادلات دینامیک سیالات را محاسبه می‌کنیم که کار بسیار دشواری است.

2. با استفاده از رویکرد ML، ما به مدل ML مقادیر زیادی داده آب و هوا می دهیم تا زمانی که مدل ML در نهایت رابطه ریاضی بین الگوهای آب و هوایی را که مقادیر متفاوتی از باران تولید می کنند را یاد بگیرد . سپس داده های آب و هوای فعلی را به مدل می دهیم و مقدار باران را پیش بینی می کند.

انواع سیستم های ML
سیستم های ML بر اساس نحوه یادگیری پیش بینی یا تولید محتوا در یک یا چند دسته از دسته های زیر قرار می گیرند:
○ یادگیری تحت نظارت
○ یادگیری بدون نظارت
○ یادگیری تقویتی
○ هوش مصنوعی مولد

#برنامه_نویسی #یادگیری_ماشین

📍امبدلب به فارسی:
@mBedLabLearning

📍mBedLab in English:
@mBedLabLearningEN

📍mBedLab Türkçe'de
@mBedLabLearningTR

www.tgoop.com/Moallemekhoob/2499

258 viewsMajid Derhambakhsh, Jan 12 at 19:00

#یادگیری_ماشین چیست؟

یادگیری ماشین (ML) به برخی از مهم‌ترین فناوری‌هایی که ما استفاده می‌کنیم، از برنامه‌های ترجمه گرفته تا وسایل نقلیه خودران، قدرت می‌دهد. آموزش‌های ما در این کانال مفاهیم اصلی ML را توضیح و #آموزش می دهد.

‏ML راه جدیدی برای حل مشکلات، پاسخ به سوالات پیچیده و ایجاد محتوای جدید ارائه می دهد. ML می‌تواند آب و هوا را پیش‌بینی کند، زمان سفر را تخمین بزند، آهنگ‌ها را توصیه کند، جملات را به‌طور خودکار تکمیل کند، مقالات را خلاصه کند و تصاویری که قبلاً دیده نشده‌اند تولید کند.

در اصطلاح اولیه، ML فرآیند آموزش یک نرم‌افزار است که مدل نامیده می‌شود تا پیش‌بینی‌های مفید یا تولید محتوا از داده‌ها را انجام دهد.

به عنوان مثال، فرض کنید می‌خواهیم اپلیکیشنی برای پیش‌بینی بارندگی ایجاد کنیم، در اینصورت ما می توانیم از یک رویکرد سنتی یا یک رویکرد ML استفاده کنیم:

1. با استفاده از یک رویکرد سنتی، ما یک نمایش مبتنی بر فیزیک از جو و سطح زمین ایجاد می‌کنیم و مقادیر زیادی معادلات دینامیک سیالات را محاسبه می‌کنیم که کار بسیار دشواری است.

2. با استفاده از رویکرد ML، ما به مدل ML مقادیر زیادی داده آب و هوا می دهیم تا زمانی که مدل ML در نهایت رابطه ریاضی بین الگوهای آب و هوایی را که مقادیر متفاوتی از باران تولید می کنند را یاد بگیرد . سپس داده های آب و هوای فعلی را به مدل می دهیم و مقدار باران را پیش بینی می کند.

انواع سیستم های ML
سیستم های ML بر اساس نحوه یادگیری پیش بینی یا تولید محتوا در یک یا چند دسته از دسته های زیر قرار می گیرند:
○ یادگیری تحت نظارت
○ یادگیری بدون نظارت
○ یادگیری تقویتی
○ هوش مصنوعی مولد

#برنامه_نویسی #یادگیری_ماشین

📍امبدلب به فارسی:
@mBedLabLearning

📍mBedLab in English:
@mBedLabLearningEN

📍mBedLab Türkçe'de
@mBedLabLearningTR

BY کانال آموزش الکترونیک معلم خوب