✅ تست آماری ttest و مفهوم p-value
🔺تست آماری ttest یک روش انتخاب ویژگی است که برپایه یک فرضیه آماری به ویژگی‌ها براساس تفکیکپذیری آنها یک pvalue اختصاص می‌دهد و سپس براساس مقدار pvalueها،ویژگی‌های مناسب را انتخاب می‌کند. میخواهیم در این بخش روش آماری ttest و همچنین مفهوم pvalue را بررسی کنیم.
⭕️ جزئیات بیشتر 👇
https://onlinebme.com/ttest-and-pvalue/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
🔺تست آماری ttest یک روش انتخاب ویژگی است که برپایه یک فرضیه آماری به ویژگی‌ها براساس تفکیکپذیری آنها یک pvalue اختصاص می‌دهد و سپس براساس مقدار pvalueها،ویژگی‌های مناسب را انتخاب می‌کند. میخواهیم در این بخش روش آماری ttest و همچنین مفهوم pvalue را بررسی کنیم.
⭕️ جزئیات بیشتر 👇
https://onlinebme.com/ttest-and-pvalue/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
✅فرق بین standard deviation و standard error
🔺انحراف معیار و خطای استاندارد هر دو معیاری از پراکندگی هستند. انحراف معیار پراکندگی نمونه‌ها حول میانگین را مشخص می‌کند. در حالی خطای استاندارد میزان انحراف میانگین‌های تخمین زده شده از زیرمجموعه‌های یک جمعیت را مشخص می‌کند. در این بخش میخواهیم با یک مثال ساده تفاوت این دو معیار را توضیح بدهیم تا درک بهتری از آنها داشته باشیم.
⭕️جزئیات بیشتر 👇
https://onlinebme.com/difference-between-standard-error-and-standard-deviation/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
🔺انحراف معیار و خطای استاندارد هر دو معیاری از پراکندگی هستند. انحراف معیار پراکندگی نمونه‌ها حول میانگین را مشخص می‌کند. در حالی خطای استاندارد میزان انحراف میانگین‌های تخمین زده شده از زیرمجموعه‌های یک جمعیت را مشخص می‌کند. در این بخش میخواهیم با یک مثال ساده تفاوت این دو معیار را توضیح بدهیم تا درک بهتری از آنها داشته باشیم.
⭕️جزئیات بیشتر 👇
https://onlinebme.com/difference-between-standard-error-and-standard-deviation/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
This media is not supported in your browser
VIEW IN TELEGRAM
🌐 مریخ نورد ناسا تونست با موفقیت رو سطح مریخ فرود بیاد و در عرض ۳ دقیقه دوتا عکس از سیاره‌ی مریخ فرستاد به زمین.
@onlinebme
@onlinebme
✅ مزایا و معایب 8 معیار فاصله در داده کاوی و یادگیری ماشین
🔷 بسیاری از الگوریتمهای نظارت شده و غیرنظارتی، از معیارهای فاصله در پروسه یادگیری استفاده میکنند. معیارهایی از قبیل فاصله اقلیدسی، تشابه کسینوسی و غیره در الگوریتمهایی مثل knn, kmeans زیاد استفاده می شوند. در این مقاله میخواهیم فاصله های مختلف رو بررسی کنیم و ببینیم چه زمانی میتوانیم از این فاصله ها استفاده کنیم. میخواهیم بیشتر در مورد عیب این معیارها صحبت کنیم تا متوجه شوید در چه زمانی نباید از آنها استفاده کنید.
⭕️جزئیات بیشتر 👇
https://onlinebme.com/8-distance-measures-in-data-science/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
🔷 بسیاری از الگوریتمهای نظارت شده و غیرنظارتی، از معیارهای فاصله در پروسه یادگیری استفاده میکنند. معیارهایی از قبیل فاصله اقلیدسی، تشابه کسینوسی و غیره در الگوریتمهایی مثل knn, kmeans زیاد استفاده می شوند. در این مقاله میخواهیم فاصله های مختلف رو بررسی کنیم و ببینیم چه زمانی میتوانیم از این فاصله ها استفاده کنیم. میخواهیم بیشتر در مورد عیب این معیارها صحبت کنیم تا متوجه شوید در چه زمانی نباید از آنها استفاده کنید.
⭕️جزئیات بیشتر 👇
https://onlinebme.com/8-distance-measures-in-data-science/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
onlinebme
سریعترین مسیر همیشه یک خط راست نیست. مسیر موفقیت مسیر پر پیچ و تابی هست و کلی پستی بلندی دارد. نگران این پستی بلندیها نباشیم... @onlinebme
زندگي مثل دوچرخه سواري مي مونه ...
واسه حفظ تعادلت هميشه بايد در حركت باشي ...
آلبرت انيشتين
@onlinebme
واسه حفظ تعادلت هميشه بايد در حركت باشي ...
آلبرت انيشتين
@onlinebme
onlinebme
✅دوره ها رو باید اینطوری پیش برد👌😊 #جزوه دوره متلب @onlinebme
دوره شناسایی الگو و یادگیری ماشین 👌
onlinebme
حالا دیگه با کمک هوش مصنوعی خیلی راحت میتونید از روی تصویر تعداد object هارو بشمرید 👌 این چالش خیلی از مصالح فروشها و راننده ها (موقع بارگیری و تحویل بار) ست. #بینایی_ماشین @onlinebme
This media is not supported in your browser
VIEW IN TELEGRAM
✅ هر چیزی رو که میخوای با گوشی اندازه گیری کن!
🔷 تنها چند تا از ویژگی های جالب اپلیکیشن AR ruler 👌👌
🔺خط کش AR: اندازه‌گیری خطوط در واحدهای in cm, m, mm, inches, feet, yard
🔺فاصله سنج: محاسبه فاصله دوربین با صفحه سه بعدی (ثابت) شناسایی شده
🔺زاویه سنج: محاسبه زاویه گوشه‌های صفحات 3D
🔺محاسبه مساحت و محیط اتاق
🔺محاسبه حجم اشیاء سه بعدی
🔺محاسبه طول مسیر (مخصوص افرادی که در کار عمرانی هستند!)
🔺محاسبه ارتفاع
#technology #AR #artificialintelligence
⭕️ لینک برنامه👇
https://play.google.com/store/apps/details?id=com.grymala.aruler
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
🔷 تنها چند تا از ویژگی های جالب اپلیکیشن AR ruler 👌👌
🔺خط کش AR: اندازه‌گیری خطوط در واحدهای in cm, m, mm, inches, feet, yard
🔺فاصله سنج: محاسبه فاصله دوربین با صفحه سه بعدی (ثابت) شناسایی شده
🔺زاویه سنج: محاسبه زاویه گوشه‌های صفحات 3D
🔺محاسبه مساحت و محیط اتاق
🔺محاسبه حجم اشیاء سه بعدی
🔺محاسبه طول مسیر (مخصوص افرادی که در کار عمرانی هستند!)
🔺محاسبه ارتفاع
#technology #AR #artificialintelligence
⭕️ لینک برنامه👇
https://play.google.com/store/apps/details?id=com.grymala.aruler
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
در دوره پردازش سیگنال مغزی یک اشتباه سهوی رخ داده بود که اینجا اشاره شده است.
دوستانی که دوره پردازش سیگنال eeg رو تهیه کرده اند به این نکته توجه کنند و این رو لحاظ بکنند.
باید به جای fs در تابع butter فرکانس نموداری جدید یا همان fd رو بنویسیم.
مرسی از آقای سلیمی عزیز که به این نکته اشاره کردند🙏🌹
گاها طول جلسات یه سری اشتباهات سهوی رخ می‌دهد که معمولا متوجه میشوم و درستش میکنم. این یکی حواسم نبوده
@onlinebme
دوستانی که دوره پردازش سیگنال eeg رو تهیه کرده اند به این نکته توجه کنند و این رو لحاظ بکنند.
باید به جای fs در تابع butter فرکانس نموداری جدید یا همان fd رو بنویسیم.
مرسی از آقای سلیمی عزیز که به این نکته اشاره کردند🙏🌹
گاها طول جلسات یه سری اشتباهات سهوی رخ می‌دهد که معمولا متوجه میشوم و درستش میکنم. این یکی حواسم نبوده
@onlinebme
✅7 راه موثر برای جلوگیری از overfitting در الگوریتمهای یادگیری ماشین👌👌
🔷وقتی یک مدل یادگیری ماشین عملکرد خیلی خوبی روی داده آموزشی داشته باشد ولی روی داده جدید عملکرد خیلی پایینی داشته باشد، در این صورت به احتمال بسیار زیاد overfitting رخ داده است. در این مقاله میخواهیم در ابتدا با مفهوم Overfitting آشنا شویم و سپس توضیح دهیم که چطور میتوان متوجه شد یک مدل overfit شده و در آخر راههای موثر برای جلوگیری از overfitting را بررسی کنیم.
⭕️جزئیات بیشتر 👇
https://onlinebme.com/7-ways-to-prevent-overfitting-in-machine-learning/
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
🔷وقتی یک مدل یادگیری ماشین عملکرد خیلی خوبی روی داده آموزشی داشته باشد ولی روی داده جدید عملکرد خیلی پایینی داشته باشد، در این صورت به احتمال بسیار زیاد overfitting رخ داده است. در این مقاله میخواهیم در ابتدا با مفهوم Overfitting آشنا شویم و سپس توضیح دهیم که چطور میتوان متوجه شد یک مدل overfit شده و در آخر راههای موثر برای جلوگیری از overfitting را بررسی کنیم.
⭕️جزئیات بیشتر 👇
https://onlinebme.com/7-ways-to-prevent-overfitting-in-machine-learning/
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme