رگرسیون چیست؟

رگرسیون یکی از زیرشاخه‌های یادگیری باناظر (Supervised Learning) است.

رگرسیون، تخمین رابطه بین یک متغیر وابسته و یک یا چند متغیر مستقل است. درحالت ساده و یک متغیر مستقل، می‌خواهیم تابعی مانند f به‌دست آوریم که از روی x ما را به y برساند.

به انيميشن بالا نگاه کنید؛ یک مجموعه نقطه دوبعدی (x,y) داریم. حالا یادگیری ماشین به ما کمک می‌کند که رابطه بین ورودی و خروجی (f) را پیدا کنیم.

اطلاعات بیشتر: رگرسیون خطی در یادگیری ماشین

@howsam_org

اهمیت NumPy در هوش مصنوعی

کتابخانه numpy، یک کتابخانه بسیار پرکاربرد در حوزه علوم کامپیوتر است. این کتابخانه امکانات زیادی برای کار با آرایه‌ها دارد. از این رو یادگیری آن برای همه محققانی که می‌خواهند در حوزه کامپیوترساینس فعالیت داشته باشند ضروری است.

اگر می‌خواهید با نامپای و دستورهای مهم آن آشنا شوید، آموزش مصور نامپای هوسم را از دست ندهید…

🌐 آموزش نامپای هوسم: کلیک کنید


📱اینستاگرام هوسم:
www.instagram.com/howsam_org

🌐 وبسایت هوسم:
www.howsam.org

@howsam_org

شناسایی و تشخیص اشیا در بینایی کامپیوتر

✅ شناسایی معادل عبارت Recognition است. هدف از شناسایی، پیش‌بینی محتوای موجود در تصویر هست.
معمولا، یک شی در تصویر وجود دارد و هدف ما شناسایی این شی است.
به‌عنوان نمونه ردیف بالا در تصویر که شامل تصاویر سگ/گربه/خرگوش است.

✅ تشخیص اشیا معادل عبارت Object Detection است. هدف از تشخیص اشیا، شناسایی و موقعیت‌یابی اشیای موجود در تصویر است.
دراین‌حالت، ممکن است در تصاویر بیش از یک شی وجود داشته باشد. بنابراین، باید هم نام و هم موقعیت اشیا در تصویر مشخص شود.
به‌عنوان نمونه، ردیف پایین در تصویر، تصاویری با تعداد اشیای مختلف است که سیستم تشخیص اشیا موقعیت و نام آنها را به تفکیک پیش‌بینی کرده است.

🌐 منبع: دوره بینایی کامپیوتر هوسم
https://howsam.org/downloads/computer-vision-course/

@howsam_org

🌙 عید فطر مبارک 🌙

🎁 40 درصد تخفیف برای تمامی دوره‌های آموزشی هوسم

کد تخفیف: fetr1400
🌐 howsam.org

@pytorch_howsam

آقای هانتر در حال کار روی داده‌های EEG بود که مجبور شد به پایتون مهاجرت کند.

بعد از این مهاجرت، او برای رسم نمودارهایش در پایتون به مشکل خورد و نتوانست پکیجی پیدا کند که نیازهایش را برطرف سازد.

به همین دلیل آستین‌هایش را بالا زد و شروع کرد به نوشتن کتابخانه‌ای که نیازهایش را برطرف کند!

هدف او این بود که قابلیت‌های متلب در رسم نمودار را به کتابخانه پایتونی‌اش منتقل کند.

او موفق شد در سال 2003 اولین نسخه از کتابخانه matplotlib را منتشر کند.

آموزش matplotlib رایگان در هوسم:
https://howsam.org/matplotlib-tutorial/

@howsam_org

🔴 با IoU در تشخیص اشیا آشنا هستید؟

✅ در تشخیص اشیا، برای مقایسه چارچوب (Bounding Box) پیش‌بینی و هدف، از معیار Intersection Over Union یا به اختصار IoU استفاده می‌شود.

✅ به شکل بالا نگاه کنید. برای محاسبه میزان انطباق چارچوب پیش‌بینی و هدف، اشتراک دو چارچوب را بر اجتماع آنها تقسیم می‌کنیم. به‌همین سادگی...

🌐 منبع:
1- آشنایی با تشخیص اشیا
2- دوره بینایی کامپیوتر هوسم

@howsam_org

✅ وبلاگ آموزش شبکه عصبی کانولوشن هوسم یکی از پرطرف‌دارترین آموزش‌های هوسم است. دانشجویان ساعت‌ها زمان صرف مطالعه آن می‌کنند و 100 کامنت داشته است. لینک آموزش

✅ تعدادی از کامنت‌های دانشجویان برای آموزش شبکه عصبی کانولوشن را در ادامه بخوانید:

1⃣ با سلام …من در حال آموزش طی یک دوره حضوری در یکی از مراکز تاپ اموزشی توی زمینه دیپ لرنینگم …ولی واقعا بعد از حدود ۴۵ ساعت آموزشی ک تا الان دیدم به جرات میتونم بگم درکی که توی این چن ساعت مطالعه مطالب رایگان شما داشتم واقعا خیلی خیلی مفیدتر بوده…انشالله بعد اتمام این دوره در جریانم حتما دانشجوی دوره های تصویری شما هم خواهم بود…خیلی خیلی ممنون بابت زحماتتون

2⃣ از شدت خفن بودنتون همینجور موندم عالیییی بود عالییییییییییییییی

3⃣ دوستان گرامی ، براتون قلبا آرزوی موفقیت می کنم
بسیار بیان شیوا و عالی دارید . خدا قوت .
هیات علمی دانشگاه آزاد اسلامی

4⃣ سلام خدا قوت
جامع و کامل بود
کلی سوال بی جواب منو جواب داد
ممنون

5⃣ با سلام خدمت تیم هوسم
من کلی سایت خارجی و فارسی رو در مورد شبکه عصبی کانولوشن مطالعه کردم و کلی سوال، بی جواب برام موند.
ولی شما در این سایت بسیار ساده و روان تمام مفاهیم مهم و اصلی رو توضیح دادید.
ممنون از شما
باز هم به هوسم سر میزنم
به امید آموزش های بیشتر

6⃣ چرا انقد خوبه آخه سایتتون؟! :((
هیچ منبعی رو سراغ ندارم که انقدر ساده و شیوا تشریح کرده باشه مفاهیم رو، حتی منابعی که هزینه دریافت میکنند!
مارو گرفتار آموزشاتون کردید رفت …
بهترین هارو برای تیم باانگیزه و پرقدرتتون آرزو دارم
دستمریزاد!

7⃣ سلام
موافق نظر بقیه دوستان مبنی بر اینکه فوق العاده ساده و شفاف و فوقالعاده توضیح داده شده و اصلاً قابل مقایسه با آموزش در سایتهای دیگه نیست کاملاً موافقم. بعنوان یک مدرس، اصلاً اهل نظر دادن در سایتها نیستم ولی اینقدر مطلب از همه نظر جذاب و عالی بود که حیفم اومد نظر ندم.
دست مریزاد و خدا قوت.

8⃣ سلام،
نحوه توضیح و مثال ها به اندازه ای خوانا بود که باعث شد چند ساعتی بشینم و کامل تمام آموزش رو از اول مطالعه کنم. خسته نباشید و خدا قوت به خاطر وقتی که میذارید و این مطالب رو آماده می کنید. این نوع توضیح دادن نشان دهنده درک بالا و عمقی شما در این زمینه می باشد. امیدورام که این آموزش ها با ویدیو هم همراه باشه. و به عنوان پیشنهاد هم میتونید یک بخش به سایت اضافه کنید که در مورد مقالات هات و روز دنیا صحبت کنید و توضیح بدید. مقالاتی مثل BERT , MT_DNN, GPT3 و … این بخش باعث میشه افراد مختلف وب سایت شما رو همیشه چک کنند و به روز باشند.
تشکر از زحماتتون

✅ سپاس از تمام عزیزانی که نظر و پیشنهادهای خود را با ما به اشتراک گذاشتند. از خواندن تک‌تک پیام‌های شما لذت میبریم و انگیزه‌مان بیشتر می‌شود. 🌹

@howsam_org

رگرسیون لاجستیک

رگرسیون لاجستیک یا logistic regression یک مدل معروف دسته بندی دو کلاسه است.

ممکن است نام رگرسیون لاجستیک باعث تعجب شما شود. کلمه رگرسیون دارد، اما دسته بندی است؟ بله، این مدل بسیار شبیه رگرسیون خطی است. تفاوت‌های ریزی دارد که یکی از آنها در تابع اتلاف است.

اگر یادتان باشد، در رگرسیون خطی از تابع اتلاف MSE استفاده شده بود. اما اینجا تابع اتلاف دیگری وجود دارد که مناسب کار دسته بندی است.

تابع اتلافی بنام cross entropy که به موقع درباره آن در این آموزش توضیح داده‌ایم.

جلسه پنجم آموزش یادگیری ماشین رایگان: رگرسیون لاجستیک

@howsam_org