اگر به دنبال فیلمهای ضبطشده و اسلایدهای درس Data Structure and Algorithm تدریس شده توسط استاد گنجی تابش هستید، میتونید به این منابع دسترسی پیدا کنید. 🎓📚
برای ارتباط با ایشون و دریافت اطلاعات بیشتر، میتونید به آیدی زیر پیام بدید. ✉️👇🏻
📩 @mgtabesh
برای ارتباط با ایشون و دریافت اطلاعات بیشتر، میتونید به آیدی زیر پیام بدید. ✉️👇🏻
📩 @mgtabesh
This media is not supported in your browser
VIEW IN TELEGRAM
اگر همیشه دوست داشتی یک آواتار متحرک از خودت بسازی اما فکر میکردی نیاز به تجهیزات پیچیدهای داره، حالا با ابزار Webcam Motion Capture میتونی این کار رو به راحتی و بدون دردسر انجام بدی! 😎
فقط کافیه وبکم سادهت رو آماده کنی و تمام! 🎥 بدون نیاز به تجهیزات گرون قیمت، از خودت یک آواتار متحرک کاملاً واقعی و جذاب بساز. ✨
برای شروع این تجربه فوقالعاده و نصب ابزار، کافیه به لینک زیر سر بزنی. 🌐👇🏻
https://webcammotioncapture.info/beta.php
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructuer
فقط کافیه وبکم سادهت رو آماده کنی و تمام! 🎥 بدون نیاز به تجهیزات گرون قیمت، از خودت یک آواتار متحرک کاملاً واقعی و جذاب بساز. ✨
برای شروع این تجربه فوقالعاده و نصب ابزار، کافیه به لینک زیر سر بزنی. 🌐👇🏻
https://webcammotioncapture.info/beta.php
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructuer
🔍 انواع وظایف شبکههای عصبی گراف (GNN)
1. دستهبندی گراف 🧩: طبقهبندی گرافها به دستههای مختلف. (کاربرد: تحلیل شبکههای اجتماعی، دستهبندی متن)
2. دستهبندی نود 🏷: پیشبینی برچسبهای گمشده نودها با استفاده از برچسبهای همسایهها.
3. پیشبینی لینک 🔗: پیشبینی لینک بین نودها در یک گراف ناقص. (کاربرد: شبکههای اجتماعی)
4. تشخیص جامعه 🕸: تقسیم نودها به خوشههای مختلف بر اساس ساختار لبهها.
5. تعبیه گراف 📊: نگاشت گرافها به بردارهایی که اطلاعات نودها و لبهها را حفظ میکند.
6. تولید گراف 🌱: تولید ساختار گراف جدید با یادگیری از توزیع نمونههای گراف.
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructuer
1. دستهبندی گراف 🧩: طبقهبندی گرافها به دستههای مختلف. (کاربرد: تحلیل شبکههای اجتماعی، دستهبندی متن)
2. دستهبندی نود 🏷: پیشبینی برچسبهای گمشده نودها با استفاده از برچسبهای همسایهها.
3. پیشبینی لینک 🔗: پیشبینی لینک بین نودها در یک گراف ناقص. (کاربرد: شبکههای اجتماعی)
4. تشخیص جامعه 🕸: تقسیم نودها به خوشههای مختلف بر اساس ساختار لبهها.
5. تعبیه گراف 📊: نگاشت گرافها به بردارهایی که اطلاعات نودها و لبهها را حفظ میکند.
6. تولید گراف 🌱: تولید ساختار گراف جدید با یادگیری از توزیع نمونههای گراف.
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructuer