چگونه دیتاست های نامتوازن را در یادگیری عمیق مدیریت کنیم؟
همیشه همه داده‌‍‌ها کامل و خالی از عیب و نقص نیستند. اگر دیتاست کاملاً متوازنی در اختیار داشته باشید، آدم بسیار خوش‌شانسی هستید ...
چرا قضیه حد مرکزی برای متخصصین علوم داده اهمیت دارد؟
قضیه حد مرکزی Central Limit Theorem در کانون استنباط آماری Statistical inference قرار دارد که متخصصین علوم ...
معیارهایی برای ارزیابی مسائل طبقه بندی
نرخ دقت (Accuracy) معیار مهمی برای ارزیابی عملکرد مدل است، اما کافی نیست. از این روی، معیارهای ...
مبانی پردازش گفتار در پایتون؛ کارکرد تشخیص گفتار در پایتون چگونه است؟
فیلم‌های سینمایی و برنامه‌های تلویزیونی دوست دارند روبات‌هایی را به تصویر بکشند که توانایی تشخیص گفتار و ...
کنترل نسخه ابزاری قدرتمند در داده کاوی برای کنترل تغییرات دیتاست ها و مدل های یادگیری ماشین
بی‌تردید، GIT هدف غاییِ سیستم‌های کنترل نسخه است. GIT عملکرد بسیار خوبی در تهیه نسخه‌های مختلف از ...
مسئله تشخیص شیء و بررسی آن به منظور یادگیری پایتورچ
از آنجایی که بهترین راه برای یادگیری هر تکنولوژی جدید استفاده از آن در حل یک مسئله ساده است، برای یادگیری PyTorch از ...
چالش داده های مناسب در یادگیری ماشینی
چالش داده های مناسب در یادگیری ماشینی، از مهم‌ترین چالش‌های ارائه دهندگان این خدمات است. راه‌حل‌های یادگیری ...
داده افزایی تصویری و چگونگی انجام آن در کتابخانه‌ی OpenCV
چند روز پیش در حال نوشتن مقاله‌ای بودم که به استفاده از فضای رنگی Color spaces متفاوت ...
محیط‌های توسعه یکپارچه IDE برای یادگیری ماشین و داده‌کاوی
IDE یا محیط توسعه یکپارچه Integrated Development Environment ابزاری است که امکانات اساسی لازم برای برنامه‌نویسی را ...
استفاده از هوش مصنوعی برای گسترش کیفیت و عدالت داده های شهری
در حال حاضر دسترسی پراکنده و متناقض به داده های شهری، باعث شده است تا تلاش‌ها برای ...
