یادگیری تقویتی (Reinforcement Learning): آموزش از طریق آزمون و خطا نویسنده: فاطمه جعفری نوبخت اگر هوش مصنوعی را به یک کودک تشبیه کنیم، “یادگیری نظارت شده” مانند یادگیری در کلاس درس با معلم است، اما یادگیری تقویتی (RL) مانند...
یادگیری انتقالی (Transfer Learning): ایستادن بر شانه غولها نویسنده: فاطمه جعفری نوبخت 1- مقدمه در یادگیری ماشین سنتی، فرآیند یادگیری معمولاً به صورت “لوح سفید” (Tabula Rasa) آغاز میشود؛ یعنی مدل برای هر مسئله جدید، همه چیز را از...
تقویت گرادیان (Gradient Boosting): کیمیاگری در یادگیری ماشین نویسنده: فاطمه جعفری نوبخت تقویت گرادیان (Gradient Boosting) یکی از قدرتمندترین و محبوبترین تکنیکهای یادگیری ماشین (Machine Learning) است که امروزه در بسیاری از مسابقات علم داده (مانند Kaggle) و کاربردهای...
تحلیل رگرسیون (Regression Analysis): قلب تپنده پیشبینی در آمار و یادگیری ماشین نویسنده: فاطمه جعفری نوبخت 1- مقدمه رگرسیون (Regression) یکی از قدرتمندترین و پرکاربردترین ابزارهای آماری است که امروزه در علوم داده، اقتصاد، پزشکی، مهندسی و علوم اجتماعی...
درخت تصمیم (Decision Tree): شفافیت در قلب هوش مصنوعی نویسنده: فاطمه جعفری نوبخت در دنیای الگوریتمهای پیچیده هوش مصنوعی که اغلب مانند یک “جعبه سیاه” (Black Box) عمل میکنند و کسی نمیداند دقیقاً در داخلشان چه میگذرد، درخت تصمیم...
خوشهبندی K-Means: هنرِ یافتن نظم در آشوب نویسنده: فاطمه جعفری نوبخت فرض کنید یک جعبه بزرگ پر از سنگهای معدنی مختلف دارید که هیچ برچسبی ندارند. شما نمیدانید نام هر سنگ چیست، اما میخواهید آنها را دستهبندی کنید. راه...
ماشین بردار پشتیبان (SVM): مرزبان دقیق دنیای دادهها نویسنده: فاطمه جعفری نوبخت در بین الگوریتمهای یادگیری ماشین، Support Vector Machine یا به اختصار SVM، جایگاه ویژهای دارد. این الگوریتم که در دهه ۱۹۹۰ توسط ولادیمیر وپنیک (Vladimir Vapnik) توسعه...