سلام
امیدوارم صبح جمعه خوبی رو سپری کرده باشید.

بریم سراغ اولین محتوای آموزشی #هوش_مصنوعی.
امروز قراره درباره یکی از بخش‌های مهم و پایه‌ای هوش مصنوعی صحبت کنیم: یادگیری ماشین.

یادگیری ماشین چیه؟
یادگیری ماشین، یکی از روش‌های اصلی هوش مصنوعیه و به کامپیوترها امکان می‌ده تا بدون اینکه نیاز به برنامه‌ریزی مستقیم داشته باشن یاد بگیرن.

به زبان ساده‌تر، یادگیری ماشین روشی هست که به کامپیوترها اجازه می‌ده از تجربیات گذشته یاد بگیرند و بر اساس اون‌ها تصمیم بگیرن.

اما ماشین چطوری می‌تونه یاد بگیره؟
یادگیری ماشین از طریق مدل‌های ریاضیاتی انجام می‌شه که از داده‌ها یاد می‌گیرن. ما داده‌ها رو به مدل می‌دیم و مدل سعی می‌کنه الگوها و رابطه‌ها رو در این داده‌ها پیدا کنه. با استفاده از این الگوها، مدل می‌تونه پیش‌بینی‌ها یا تصمیماتی رو بگیره.

خیلی جالبه، نه؟ فردا بیشتر در مورد اینکه چطور مدل‌های یادگیری ماشین کار می‌کنن و چه نوع مشکلاتی رو می‌تونن حل کنن، صحبت می‌کنیم. پس حتماً با من همراه باشید!

درود به همه دوستان، روزتون بخیر.
امیداورم روز اول هفته رو پر انرژی شروع کرده باشید.

چند نفر از من پرسیده بودن هوش مصنوعی چیه؟
اگه بخوام یک تعریف ساده خلاصه بگم:
هوش مصنوعی یا AI، به مجموعه ای از الگوریتم ها و سیستم های کامپیوتری اشاره داره که وظایفی رو میتونن انجام بدن که معمولاً نیاز به هوش انسانی دارند.
این وظایف می تونند شامل یادگیری، تشخیص گفتار، تصمیم گیری، تشخیص تصویر و … باشند.

حالا دوباره مطلب یادگیری ماشین رو بخونید تا بریم سراغ مطلب آموزشی امروز.

خوب امروز قراره در مورد چگونگی کارکرد مدل‌های یادگیری ماشین صحبت کنیم.

یادگیری ماشین بر اساس یک سری داده‌ها “داده‌های آموزش” کار می‌کنه. این داده‌ها شامل مثال‌هایی با ورودی و خروجی مشخص هستند.
مثلاً برای یک مدل که قراره عکس‌های گربه رو تشخیص بده، داده‌های آموزش عکس‌هایی از گربه (ورودی) و برچسب “گربه” (خروجی) هستند.

مدل یادگیری ماشین سعی می‌کنه تا الگوهایی رو در این داده‌های آموزش کشف کنه. به این ترتیب که وقتی مدل با یک عکس جدید روبرو می‌شه، می‌تونه بر اساس الگوهایی که یاد گرفته، تشخیص بده که آیا این عکس متعلق به یک گربه است یا نه.

یادگیری ماشین خیلی جذاب و پیچیده است! با استفاده از یادگیری ماشین، می‌تونیم به کامپیوترها یاد بدیم تا کارهای بسیار پیچیده رو انجام بدن، از تشخیص چهره گرفته تا ترجمه زبان‌های مختلف.

یک ویدیو ۵۰ ثانیه ای آموزشی که ۳ سال پیش آماده کردم رو هم میفرستم تا ببینید و به سادگی با مفهوم یادگیری ماشین آشنا بشید.
امشب می‌خوام درباره چند نوع مختلف از یادگیری ماشین، از جمله یادگیری نظارتی و یادگیری تقویتی صحبت کنم. پس حتماً با من همراه باشید!
🦾 @techwich

سلام دوستان، خوشحالم که باز هم با هم هستیم. امروز در مورد سه نوع #یادگیری_ماشین صحبت می‌کنم.

۱-یادگیری نظارتی
۲-یادگیری تقویتی
۳-یادگیری بدون نظارت

یادگیری نظارتی: این نوع یادگیری ماشین بر اساس داده‌های آموزش با برچسب کار می‌کنه. به عنوان مثال، اگه ما بخوایم یک مدل رو آموزش بدیم تا بتونه تشخیص بده یک تصویر شامل یک سگ هست یا نه، ما به مدل تصاویری از سگ‌ها (برچسب “سگ”) و تصاویری که سگ در اونها نیست (برچسب “سگ نیست”) می‌دیم.

یادگیری تقویتی: این نوع یادگیری ماشین یکم متفاوته. در اینجا، مدل (یا “عامل”) از تعامل با محیط یاد می‌گیره. در واقع عامل اقداماتی انجام می‌ده، محیط بهش پاسخ می‌ده، و عامل با دریافت “پاداش” یا “تنبیه”، رفتار خودش رو تغییر می‌ده. این روش در بازی‌های کامپیوتری و رباتیک زیاد استفاده می‌شه.

یادگیری بدون نظارت: ما داده‌هایی داریم که برچسب خاصی ندارن و از مدل می‌خواییم که بدون داشتن برچسب‌ها، الگوها و ساختارهای مخفی در داده‌ها رو کشف کنه.
مثلا فرض کنید یک دسته عکس از حیوانات داریم، ولی نمی‌دونیم هر عکس متعلق به چه حیوانی هست. در اینجا، ما از یک مدل یادگیری بدون نظارت می‌تونیم بخواییم که عکس‌ها رو بر اساس شباهت‌ها دسته‌بندی کنه. ممکنه مدل بدون اینکه ما بهش بگیم کدوم عکس مربوط به کدوم حیوان هست، عکس‌های گربه‌ها رو در یک دسته، و عکس‌های سگ‌ها رو در دسته دیگه قرار بده.

بعدا در مورد چگونگی کارکرد این ۳ نوع یادگیری بیشتر صحبت میکنم. تا اون موقع این مطلب یادتون بمونه که: ماشین لازم نیست همیشه همه چیز رو بدونه، گاهی اوقات اجازه می‌دیم خودش چیزهایی رو کشف کنه، مثل یه بچه! 🕵️‍♂️

🦾 @techwich

درود دوستان، امروز میخواییم با هم خیلی مختصر مفهوم داده رو مرور کنیم:

داده، مجموعه ای از واقعیت های خام و پردازش نشده است که بر اساس اون‌ها می‌شه تصمیم‌گیری کرد یا به فهم و درک بهتری از یک موضوع یا زمینه خاص رسید. داده‌ها می‌تونند به صورت اعداد، کلمات، تصاویر، صدا و … باشن.

برای مثال، تمام نمرات یک دانش آموز در دروس مختلف در یک ترم داده هستند. یعنی مثلاً نمره ۱۸ در ریاضی، نمره ۱۶ در فیزیک، نمره ۲۰ در شیمی و…

این اعداد تنها داده هستند، اطلاعات خام و بدون هیچ تفسیر یا پردازش خاصی. حالا اگه ما از این داده ها استفاده کنیم و میانگین نمرات دانش آموز رو محاسبه کنیم، می تونیم بگیم که داده پردازش شده و تبدیل به اطلاعات شده. حالا میتونیم از اون برای تصمیم‌گیری و فهم بهتر استفاده کنیم، مثلاً برای ارزیابی عملکرد کلی دانش آموز در ترم.

🦾 @techwich

🧠درود به همگی، تو این ویدیو خیلی ساده از هوش مصنوعی گفتیم😉

https://www.instagram.com/reel/CtmnlfEIB_U/?igshid=MmJiY2I4NDBkZg==


🦾 @techwich

درود به همگی، امیدوارم حالتون خوب باشه.

در ادامه مطالب آموزشی #هوش_مصنوعی ، امروز قراره به یادگیری نیمه‌نظارتی بپردازیم. این نوع یادگیری ماشینی ترکیبی از یادگیری نظارتی و یادگیری بدون نظارت هست. در یادگیری نیمه‌نظارتی، ما از ترکیبی از داده‌های برچسب‌دار و بدون برچسب استفاده می‌کنیم. یعنی برخی از داده‌ها برچسب دارند و برخی دیگه ندارند.
هدف اینه که مدل با استفاده از این ترکیب، بهتر بتونه داده‌ها رو درک کنه و الگوهای پنهان رو پیدا کنه. این روش در مواقعی که دسترسی به داده‌های برچسب‌دار محدوده خیلی مفیده.

و‌ اما یک مثال از کاربردش:

فرض کنید شما یک فروشگاه آنلاین دارید و با ایمیل مارکتینگ میخوایید برای مشتریانتون تبلیغ ارسال کنید.
شما یک لیست بزرگ از مشتریانتون دارید، اما بر اساس تبلیغ های قبلی و رفتار مشتریان فقط از رفتار بعضی‌ از مشتریانتون خبر دارید میدونید آیا واقعاً از تبلیغاتتون خوششون میاد یا نه. به این دسته از مشتریان، که رفتارشون رو می‌دونید، “برچسب‌دار” می‌گیم.
اما برای بقیه مشتریان، یعنی اونهایی که نمی‌دونید از تبلیغات شما خوششون میاد یا نه، نمی‌دونید چه برچسبی بزنید. به این دسته از مشتریان “بدون برچسب” می‌گیم.

یادگیری نیمه‌نظارتی اینجا کاربرد داره. با استفاده از این روش، شما می‌تونید یک الگو یا “قاعده” از رفتار مشتریان “برچسب‌دار” خودتون بسازید. بعد با استفاده از این الگو، می‌تونید حدس بزنید که کدوم مشتریان “بدون برچسب” واقعاً از تبلیغات شما خوششون میاد. در نتیجه، شما می‌تونید تبلیغاتتون رو هدفمندتر کنید.

امیدوارم توضیحاتم کافی باشه و متوجه شده باشید.
البته اگه متوجه نشدید نگران نباشید. تو محتوای تصویری بیشتر دربارش توضیح میدم😉

🦾 @techwich

Threads
اپلیکیشن جدید متا پنجشنبه لانچ میشه. این اپ مثل توییتر متن محور هست.

@techwich

نمایش پیکر منسوب به دو موجود بیگانه

اینم پادکست مهترین اخبار تکنولوژی برای دوستانی که هفته گذشته موفق به دیدن برنامه تکویچ نشدند 🎧

🦾 @techwich

از دوشنبه منتظر گزارش روزانه تیم تکویچ از کنگره جهانی موبایل بارسلون باشید🦾

این هم خودرو برقی شیائومی که در کنگره جهانی موبایل ۲۰۲۴ رونمایی شد🤩

🔥تجربه حس لامسه در واقعیت گسترده!!!

ویژگی های جدید اندرویید 🤩