AI News
473 subscribers
161 photos
53 videos
165 files
455 links
Welcome to "AI News: Navigating the Next Wave of Artificial Intelligence"

Admin: @seyedhasan_mirhosseini
Download Telegram
data.csv
122.3 KB
#تمرین
پیش بینی خوش خیم یا بدخیم بودن سرطان سینه
رگرسیون لاجستیک


Breast Cancer Wisconsin (Diagnostic) Data Set
Predict whether the cancer is benign or malignant

https://www.kaggle.com/uciml/breast-cancer-wisconsin-data/data

Attribute Information:

1) ID number
2) Diagnosis (M = malignant, B = benign)
3-32)

Ten real-valued features are computed for each cell nucleus:

a) radius (mean of distances from center to points on the perimeter)
b) texture (standard deviation of gray-scale values)
c) perimeter
d) area
e) smoothness (local variation in radius lengths)
f) compactness (perimeter^2 / area - 1.0)
g) concavity (severity of concave portions of the contour)
h) concave points (number of concave portions of the contour)
i) symmetry
j) fractal dimension ("coastline approximation" - 1)

Missing attribute values: none

Class distribution: 357 benign, 212 malignant

#Machine_Learning #logistic_regression #logistic #regression #breast #cancer
تشخیص افراد مبتلا به ویروس کرونا به کمک پردازش تصاویر X_Ray

ویروس کوید ۱۹، بر سیستم تنفسی افراد سالم تاثیر می‌گذارد و عکس X-Ray از قفسه سینه یکی از روش‌های مهم برای تشخیص ابتلای فرد به ویروس کرونا می‌باشد.

با استفاده از دیتاست حاضر، می‌توانید مدل یادگیری ماشینی را جهت تشخیص فرد سالم از مبتلا به ویروس کرونا توسعه دهید. (به دلیل حجم بالای دیتاست لینک kaggle قرار داده شده است)

Context

Corona - COVID19 virus affects the respiratory system of healthy individual & Chest X -Ray is one of the important imaging methods to identify the corona virus.

With the Chest X - Ray dataset, Develop a Machine Learning Model to classify the X Rays of Healthy vs Pneumonia (Corona) affected patients & this model powers the AI application to test the Corona Virus in Faster Phase.


Inspiration

Automated methods to detect and classify human diseases from medical images.Novel Machine Learning Algorithms and neural networks helps to reduce the Corona Virus detection time and aids the doctor to drive the consultation in better way


https://www.kaggle.com/praveengovi/coronahack-chest-xraydataset


#covid19 #X_Ray #AI #image_processing #classification #diseases #medical_images #Machine_Learning #neural_networks #Corona_Virus #Corona
6S191_MIT_DeepLearning_L10.pdf
3.5 MB
دوره مقدمه ای بر یادگیری عمیق دانشگاه MIT
اسلاید 10
فرمت: pdf
Slide 10_Machine Learning for Scent MIT 6.S191.136

#Deep_Learning #MIT #DeepLearning #MachineLearning #Machine_Learning #Scent
Practical_Guide_to_Cluster_Analysis_in_R_Unsupervised_Machine_Learning.pdf
4.9 MB
کتاب راهنمای عملی برای تحلیل خوشه ای در R

Practical Guide to Cluster Analysis in R. Unsupervised Machine Learning by Alboukadel Kassambara

#Clustering #R #Unsupervised #MachineLearning #Machine_Learning
Hands_on_Ensemble_Learning_with_R_by_Prabhanjan_Narayanachar_Tattar.pdf
7.2 MB
عنوان کتاب:
Hands-on Ensemble Learning with R by Prabhanjan Narayanachar Tattar

فرمت: PDF

#EnsembleLearning #Ensemble_Learning #R #MachineLearning #Machine_Learning
Parameters and Hyperparameters in Machine Learning and Deep Learning

What exactly are they and how do they interact?

Hyperparameters

Hyperparameters are parameters that determine or control the values of other parameters. The prefix ‘hyper_’ suggests that they are ‘top-level’ parameters that control some ‘lower-level’ parameters. As a machine learning engineer designing a model, you choose and set hyperparameter values for your model before the training of the model even begins. In this light, hyperparameters are said to be external to the model because the model cannot change their values by learning.

Parameters

Parameters on the other hand are internal to the model. That is, they are learned or estimated purely from the data during training as the algorithm used tries to learn the mapping between the input features and the labels or targets.


https://towardsdatascience.com/parameters-and-hyperparameters-aa609601a9ac


#towardsdatascience #Parameter #Hyperparameter #Machine_Learning #Deep_Learning #MachineLearning #DeepLearnin
mml-book.pdf
16.6 MB
This book is written in an academic mathematical style, which enables us to be precise about the concepts behind machine learning

مفاهیم ریاضی مربوط به یادگیری ماشین

#یادگیری #یادگیری_ماشین #ریاضی #هوش_مصنوعی
#machine_learning #AI #Mathematics
machinelearning.pdf
15.4 MB
یادگیری ماشین و علم داده: مبانی، مفاهیم، الگوریتمها و ابزارها

فرمت: pdf
زبان: فارسی
Format: pdf
Language: Persian


نسخه PDF کتاب توسط مولف به صورت رایگان به اشتراک گذاشته شده
است و هرگونه استفاده تجاری از آن پیگرد قانونی دارد.


#book #machinelearning #datascience #machine_learning #data_science
۱۰ منبع برای یافتن دیتاست

۱. Kaggle

۲. Amazon datasets

۳. UCI Machine Learning repository

۴. Google’s Datasets Search Engine

۵. Microsoft’s datasets

۶. Government datasets

۷. Awesome public dataset collection

۸. Computer vision datasets

۹. Lionbridge AI

۱۰. Scikit-learn dataset

#dataset #kaggle #AI #Scikitlearn #Scikit_learn #machinelearning #machine_learning


https://www.analyticsinsight.net/top-10-resources-to-find-machine-learning-datasets-in-2022/
کشف بینش‌های جدیدی در مورد خواص مواد با آموزش فیزیک به هوش مصنوعی


محققان دانشگاه دوک نشان داده‌اند که با قراردادن علم فیزیک در الگوریتم‌های یادگیری ماشینی می‌توانند به جعبه‌های سیاه غیرقابل درک کمک کنند تا سطوح جدیدی از شفافیت و بینش نسبت به خواص مواد را به دست آورند.

محققان در یکی از اولین پروژه‌ها از این نوع، یک الگوریتم یادگیری ماشینی مدرنی ساختند تا خواص کلاسی از مواد مهندسی شده به نام فرامواد را شناسایی و نحوه تعامل آنها با میدان‌های الکترومغناطیسی را پیش‌بینی کنند.


این رویکرد نه تنها به الگوریتم اجازه می‌دهد تا ویژگی‌های فراماده را به‌طور دقیق پیش‌بینی کند، بلکه این کار را با کارایی بیشتری نسبت به روش‌های قبلی انجام داد و در عین حال بینش‌های جدیدی را ارائه داد.

ویلی پادیلا، استاد مهندسی برق و کامپیوتر در دوک، می گوید: «با ترکیب فیزیک شناخته شده در یادگیری ماشین، این الگوریتم می تواند راه حل هایی را با داده های آموزشی کمتر و در زمان کمتر پیدا کند.


#physics #machinelearning #machine_learning

https://techxplore.com/news/2022-05-physics-ai-insights-material-properties.html
The_Kaggle_Book_Konrad_Banachewicz,_Luca_Massaron_z_lib_org.pdf
21.1 MB
The Kaggle Book: Data analysis and machine learning for competitive data science

Format: pdf

#kaggle #Data_analysis #machine_learning
✔️ ارائه کوتاه‌ترین مسیر برای خوشبختی انسان‌ها توسط هوش مصنوعی دانشگاه هاروارد

شرکت Deep Longevity با همکاری دانشکده پزشکی هاروارد، دو مدل یادگیری ماشینی را در روانشناسی در زمینه شادی و زیبایی، بکار بردند.

اولین مدل عملکرد کلی شبکه های عصبی عمیق است که با استفاده از اطلاعات یک نظرسنجی روانشناختی، سن تقویمی و سلامت روانشناختی پاسخ دهندگان را در 10 سال پیش بینی می کند. این مدل مسیرهای ذهن انسان را با افزایش سن به تصویر می کشد. همچنین نشان می دهد که ظرفیت ایجاد ارتباطات معنادار و همچنین استقلال ذهنی و تسلط بر محیط با افزایش سن رشد می کند. همچنین نشان می دهد که تاکید بر پیشرفت شخصی به طور مداوم در حال کاهش است، اما حس داشتن هدف در زندگی تنها پس از 40-50 سال از بین می رود.

مدل دوم یک نقشه خودسازمانده (self-organizing) است که میتواند مبنایی برای موتور توصیه به اپلیکیشن های سلامت روان باشد. این الگوریتم یادگیری بدون نظارت، همه پاسخ‌دهندگان را با توجه به احتمال ابتلا به افسردگی به خوشه‌هایی تقسیم می‌کند و کوتاه‌ترین مسیر را برای رسیدن به پایداری روانی برای هر فرد نشان می دهد. الکس ژاورونکوف، مدیر ارشد Deep Longevity، توضیح می‌دهد: «اپلیکیشن های موجود در زمینه سلامت روان توصیه‌های عمومی را ارائه می‌دهند که برای همه کاربرد دارد، اما برای هیچ‌کس مناسب نیست. ما سیستمی ساخته‌ایم که از نظر علمی معتبر است و شخصی‌سازی برتر را ارائه می‌دهد.»

#happiness #machine_learning #ML

https://scitechdaily.com/harvard-developed-ai-identifies-the-shortest-path-to-human-happiness/amp/
This media is not supported in your browser
VIEW IN TELEGRAM
هماهنگی
مینی ربات‌ها به کمک ماشین لرنینگ


The machine-learning method developed at Caltech aims to solve problems related to multi-robot coordination.

#machine_learning #robot
✍🏽 کشف داروهای غیر آنتی بیوتیکی برای از بین بردن باکتری ها با استفاده از یادگیری ماشینی

تحقیقات اخیر پتانسیل ضد باکتریایی داروهای غیر آنتی بیوتیکی را کشف کرده است که یک راهکار امیدوارکننده برای مقابله با مقاومت آنتی بیوتیکی فراهم می کند. از لحاظ تاریخی، آنتی بیوتیک ها انقلابی در پزشکی ایجاد کردند، اما استفاده بیش از حد از آنها منجر به ظهور باکتری های مقاوم به دارو شده است که تهدیدی قابل توجه برای سلامت جهانی است. دانشمندان کشف کرده اند که تقریباً یک چهارم داروهای غیر آنتی بیوتیکی در دوزهای تجویز شده معمولی اثرات ضد باکتریایی نشان می دهند که نشان دهنده پتانسیل آنها در مبارزه با عفونت های باکتریایی است.


اما چگونه داروها باکتری ها را می کشند؟
برای پاسخ به این سوال، از یک تکنیک غربالگری ژنتیکی استفاده شد که اخیرا برای مطالعه اینکه چگونه داروهای ضد سرطان باکتری ها را هدف قرار می دهند، توسعه داده شده است. این روش مشخص می کند که کدام ژن های خاص و فرآیندهای سلولی با جهش باکتری ها تغییر می کنند. نظارت بر چگونگی تأثیر این تغییرات بر بقای باکتری ها به محققان اجازه می دهد مکانیسم هایی را که این داروها برای کشتن باکتری ها استفاده می کنند، استنباط کنند.

برای این اینکار، تقریبا 2 میلیون مورد سمیت بین 200 دارو و هزاران باکتری جهش یافته جمع آوری و تجزیه و تحلیل شد. سپس یک الگوریتم یادگیری ماشینی برای استنباط شباهت‌های بین داروهای مختلف ایجاد و داروها را بر اساس نحوه تأثیر آنها بر باکتری‌های جهش یافته در یک شبکه گروه‌بندی شدند.

نتایج به وضوح نشان می‌دهد که آنتی‌بیوتیک‌های شناخته‌شده به‌دلیل کلاس‌های شناخته‌شده مکانیسم‌های کشتن، به‌شدت با هم گروه‌بندی شده‌اند. به عنوان مثال، تمام آنتی بیوتیک هایی که دیواره سلولی را هدف قرار می دهند - لایه محافظ ضخیم اطراف سلول های باکتریایی - در کنار هم قرار گرفتند و به خوبی از آنتی بیوتیک هایی که با تکثیر DNA باکتری ها تداخل دارند، جدا شدند.

جالب اینجاست که وقتی داروهای غیر آنتی بیوتیکی به تجزیه و تحلیل اضافه شد، آنها قطب های جداگانه ای از آنتی بیوتیک ها تشکیل دادند. این نشان می دهد که داروهای غیر آنتی بیوتیکی و آنتی بیوتیکی راه های مختلفی برای از بین بردن سلول های باکتریایی دارند. در حالی که این گروه‌بندی‌ها نشان نمی‌دهند که چگونه هر دارو به طور خاص آنتی‌بیوتیک‌ها را می‌کشد، اما نشان می‌دهد که آن دسته از داروها احتمالاً به روش‌های مشابهی کار می‌کنند.

#machinelearning #machine_learning #bacteria #antibiotic #drugs

https://www.sciencealert.com/machine-learning-uncovers-new-ways-to-kill-bacteria-with-non-antibiotic-drugs