Bind#

[[meta bind study]]

Tasks#

Booklet#

• مورد استفاده
  • محیط ما پرنوسان باشه یا روش هایی که راه حلااا دیگه ای نداره که دستی نوشت از هوش مصنوعی استفاده میکنیم، یا بدست اوردن بینس برای مسائل پیچچیده یا حجم بالایی از داده داریم
  • کاهش ابعاد داده
  • دسته بندی مشتریان
• انواع سیستم های یادگیری
  • نظارت شده یعنی لیبل رو داریم راه حل دلخواه رو داریم ، تارگت رو داریم
  • بدون ناظر بدون برچسب هست داده ها unsupervised - کلاسترینگ دیتا - کاهش دیتا - بدون این که بدونیم چی به چی هست میایم دسته بندی میکنیم
  • تقویت شده Reinforvement بر اثاث حرکتی که انجام میشه یه بازخورد بهش میدیم تعداد دفعات بسیار زیادی میاد این هارو انجام میده نتیجشو میدیم بهش و بهبود میده خودشو
  • 2 حالت داریم حالا
    • instance based به نقطه جدید و نقطه های که داریم درجا میگیم این نقطه چیه
    • model based بر اثاث اون داده ها مدل میسازیم هر نقططه جدید میار میگیم هرجا بالای اون نقطه هست فلان و..
  • 
• چالش های یادگیری ماشین؟
  • کمیود داده (کیفی و کمی)
    • تعداد داده کم هست
    • یا داده nonrepresentative یا همون بایس داره مثلا فقط خونه های گرون رو تحلیل کردی
    • داده بی کیفیت
    • ویژگی های بیربط Feature مثالا سن فروشنده اثر زیادی رو قیمت خونه نداره
  • مدل سازی
    • مدل خیلی ساده
    • مدل خیلی پیچیده
• مفهوم ارزیابی و تست مدل
  • با استفاده از validation و تست میایم پارامتر های Hyperparameters رو داخل مدل وجود داره مثل دکمه تنظیم میمونه
• داده برای یادگیری ماشین
  • رگرسیون قیمت پیوسته - اندازه قد پیوسته هست
  • گسسته هست مثلا تصویر گربه هست یا نه
  • برای داده ها
    • جمع اوری
    • تحلیل داده نیازه
    • آماده سازی برای الگریتم های یادگیری ماشین
      • تمیز کردن
      • داده هارو متنی و رده ای
      • مقیاس گذاری

Certificate#