دوستانی که تازه به جمع AI Lessons پیوستید،
سلام،

✅ 🎯 یکی از اهداف اصلی تیم ما، آموزش گام به گام و اصولی هوش مصنوعی به زبان فارسی است. از مباحث اولیه تا مباحث پیشرفته را پوشش خواهیم داد و برنامه‌های ویژه‌ای داریم. از "نقطه شروع یادگیری" یادگیری هوش مصنوعی را آغاز کنین و به ترتیبِ ویدیوها جلو بیاین.

📍نقطه شروع یادگیری:
https://t.iss.one/AI_Lessons/3

📚 کتابخونه اختصاصی دوره آموزشی AI Lesssons (همگام با درس به‌روزرسانی می‌شود):
https://t.iss.one/AI_Lessons_lib

🌎 آشنایی بیشتر با تیم AI Lessons:
https://ailessons.ir/about-us/

#️⃣ هشتگ‌ها:
🌟 آموزش‌های گام به گام تولید شده توسط AI Lessons به زبان فارسی:
#educational_video
❓پاسخگویی ویدیویی به سوالات پرتکرار اعضای AI Lessons:
#question_video
📬 اخبار هوش مصنوعی:
#news
📋 توضیحات بیشتر خبری در قالب مفاهیم هوش مصنوعی:
#explanation
💬 تعامل بیشتر در مورد موضوعات مرتبط به هوش مصنوعی:
#interaction

❓❇️ در صورتی که در هر یک از ویدیوها سوالی داشتید می‌توانید به صفحه مربوطه در سایت مراجعه کنید و پیام بذارید.


💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir

🐬Topic: First Step in Machine Learning with Python (The Concept of Main Tasks in Machine Learning)
📺 AiLessons Link: https://ailessons.ir/?p=1602
👨‍🏫 By: Iman Khani Jazani
🌐 Language: فارسی
📁 Resources: -
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/14, t.iss.one/AI_Lessons_lib/20

📃 About:
وظایف مختلفی در یادگیری ماشین وجود دارد که می‌توان به طبقه‌بندی، رگرسیون، خوشه‌بندی و کاهش بعد اشاره کرد. در این ویدیو یک تقسیم‌بندی خوب به همراه مثال‌ها و مفاهیم آن ارائه شده و مارو آماده می‌کنه که بریم به سمت اولین مدل (یا الگوریتم هوشمند) در سایکیت لرن!
🎯Exercise:
1️⃣ کاربردهایی از هوش مصنوعی در کانال با هشتگ #news معرفی شده است، سعی کنید تشخیص دهید از کدام وظیفه در یادگیری ماشین استفاده شده است.

🤝Collaboration:
❌❌❌ سوالات خود را در صفحه زیر بپرسید تا هم پاسخ خود را دریافت کنید و هم دوستان دیگر از سوالو جواب‌ها استفاده کنن🌷:
https://ailessons.ir/?p=1602

🌟🌟🌟ما را به علاقه‌مندان هوش مصنوعی معرفی کنید🌷:
💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir


🆓 #educational_video #38

🐬📜 یک مقاله آموزشی در زمینه سطح‌بندی هوش مصنوعی در سایت قرار گرفت:
https://ailessons.ir/?p=1605

📌 از دیدگاه موجود در کتاب پروفسور راسل شروع کردیم و به سطح‌بندی هوش مصنوعی به هوش مصنوعی محدود، هوش مصنوعی عمومی (انسانی یا طبیعی) و فراهوش رسیدیم و هریک را مختصرا تعریف کردیم.

💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir

#AiLessons_site

🎥 🧠 برای ایجاد هوش مصنوعی عمومی، با استفاده از شناخت مغز انسان، باید محاسبات مغزی را مدلسازی کرد که به این رویکرد مدل‌سازی ملهم از مغز هم میگن (چیزی فراتر از شبکه‌های عصبی مرسوم، حتی فراتر از نوع عمیقش!). بی‌شک جناب آقای دکتر محمد گنج‌تابش (دانشیار و عضو هیئت علمی دانشگاه تهران) از بهترین متخصصین در این زمینه هستند، با بیانی بسیار شیوا و عمیق! پیشنهاد می‌کنم که برای مشاهده ویدیوهای آموزشی رایگان و استفاده از دانش بی‌بدیل ایشان در کانال زیر عضو شوید و وب‌سایت آزمایشگاه ایشان را دنبال کنین تا در جریان پیشرفت این عرصه قرار بگیرید:

✅ https://t.iss.one/CNRLab

✅ https://cnrl.ut.ac.ir


🔵 مقدمه:
در طی سال‌های اخیر، مدل‌های محاسباتی مختلفی برای انجام برخی از وظایف شناختی ما انسان‌ها ارایه شده‌اند که کارایی آنها در برخی از موارد از انسانها نیز بهتر بوده است. این اتفاق با ظهور تکنیک‌های جدید در هوش مصنوعی، به عنوان مثال یادگیری عمیق، سرعت بیشتری به خود گرفته است. اما نکته اصلی این است که چگونه هوش مصنوعی می‌تواند نهایتا از هوش ما انسانها پیشی بگیرد؟ آیا ماشین‌ها نیز می‌توانند مانند ما انسان‌ها دارای خلاقیت، نوآوری و یا حتی خودآگاهی شوند؟ به نظر می‌رسد مشکل اصلی در پیاده سازی این قابلیت‌ها، عدم وجود یک تعریف فرمال برای آنها بوده و تا زمانی که چنین تعریفی ارائه نشده باشد نمی‌توان انتظار داشت که هوشمندی ماشین‌ها (که به صورت فرمال عمل می‌کنند) از ما انسان‌ها پیشی بگیرد (هر چند که قدرت محاسباتی آنها بسیار بیشتر از ما باشد). از طرف دیگر، مصداق‌های زیادی از موجودات هوشمند در اختیار است که با مطالعه آنها می‌توان به ماهیت هوشمندی در این موجودات پی برد. اینگونه مطالعات در حوزه علوم اعصاب و علوم شناختی در حال انجام بوده و یافته‌های ارزشمندی در خصوص عملکرد مغز موجودات بدست آمده و روز به روز بر دانش ما از مغز اضافه می‌شود. تکنیک‌های مختلف برای نقشه‌برداری از مغز (مانند EEG، MEG، fMRI و غیره) ابداع و عملکرد مغز به صورت دقیق و علمی در حال مطالعه است. تلاش برای مدل‌سازی محاسباتی اینگونه یافته‌ها و پیاده‌سازی مدل‌های ارائه شده می‌تواند درجاتی از هوشمندی را در کامپیوتر‌ها به ارمغان بیاورد. با این روند، هر چه دانش ما از عملکرد نواحی مختلف مغز بیشتر شود، هوش مصنوعی نیز به هوش طبیعی نزدیکتر خواهد شد.

✅ https://t.iss.one/CNRLab

🔵 اهداف اصلی درس:
با توجه به مقدمه‌ ذکر شده، درس «علوم اعصاب محاسباتی» با هدف آشنایی هر چه بیشتر علاقمندان به این حوزه ارائه شده است. نبود یک درس منسجم که در آن جنبه‌های مختلف هوش مصنوعی از دیدگاه علوم اعصاب به صورت منطقی در کنار هم قرار گرفته باشند از انگیزه‌های اصلی در ارائه این درس بوده است. در تمامی مطالب این درس، سعی شده است که ابتدا یافته‌های زیستی از عمکرد نواحی مختلف مغز و همچنین واحد‌های سازنده آن (نورون‌ها و سیناپس‌ها) ارائه شده و سپس نظریه‌های مطرح در خصوص مدل‌های ریاضی و محاسباتی (بر پایه یافته‌های زیستی) آورده شوند. در قسمت دوم این درس، سیستم بینایی انسان، به طور خاص، به همراه برخی از مدل‌های محاسباتی آن ارائه شده است.

✅ https://t.iss.one/CNRLab

🔵 مخاطبین:
این درس برای تمامی علاقمندان به حوزه‌های علوم اعصاب، علوم شناختی و همچنین هوش مصنوعی می‌تواند مفید باشد. پیشنیاز خاصی برای دنبال کردن مطالب این درس وجود نداشته، هر چند آشنایی با ریاضیات، برنامه‌نویسی، و هوش مصنوعی کلاسیک می‌تواند در درک بهتر مفاهیم این درس کمک کننده باشد.

✅ https://t.iss.one/CNRLab

🔵 ارايه درس:
این درس، در نیمسال دوم سال تحصیلی ۱۳۹۸-۹۹ در گروه علوم کامپیوتر دانشگاه تهران ارائه شده است. با وجودی که این درس برای دانشجویان مقاطع تحصیلات تکمیلی ارائه شده است، اما دانشجویان دوره‌های کارشناسی نیز می‌توانند از آن استفاده نمایند.


❇️ پ.ن: با تشکر از جناب آقای دکتر گنج‌تابش برای لطفشان به AI Lessons

💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir

#introduction

🐬Topic: First Step in Machine Learning with Python (Linear Models in Scikit-Learn)
📺 AiLessons Link: https://ailessons.ir/?p=1622
👨‍🏫 By: Iman Khani Jazani
🌐 Language: فارسی
📁 Resources: scikit-learn.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/14, t.iss.one/AI_Lessons_lib/20

📃 About:
همه چیز از نقطه شروع میشه! در این ویدیو مفهوم مدل‌های خطی با توجه به وظایف مختلف رگرسیون و طبقه‌بندی توضیح داده شده و در کنار این، سایت سایکیت‌لرن هم بررسی شد تا برای ویدیوی بعدی اولین مدل خطی برای رگرسیون رو پیاده‌سازی کنیم و جزئیاتشو بیشتر ببینیم.
🎯Exercise:
1️⃣ در اینترنت و سایر منابع جستجو کنید که به چه صورت میتونیم با استفاده از خط‌ها، طبقه‌بندی چندکلاسه (multi-class classification) انجام دهیم؟ مثلا در کاربرد تحلیل احساس دسته‌های شاد، غمگین، خنثی و عصبانی را داشته باشیم.

🤝Collaboration:
❌❌❌ سوالات خود را در صفحه زیر بپرسید تا همه دوستان از سوالو جواب‌ها استفاده کنن🌷:
https://ailessons.ir/?p=1622

🌟🌟🌟ما را به علاقه‌مندان هوش مصنوعی معرفی کنید🌷:
💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir


🆓 #educational_video #39

🐬Topic: First Step in Machine Learning with Python (Linear Regression in Scikit-Learn)
📺 AiLessons Link: https://ailessons.ir/?p=1627
👨‍🏫 By: Iman Khani Jazani
🌐 Language: فارسی
📁 Resources: scikit-learn.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/14, t.iss.one/AI_Lessons_lib/20

📃 About:
در این قسمت در مورد مفهوم رگرسیون خطی صحبت کردیم و با استفاده از یکی از مجموعه داده‌های سایکیت‌لرن یک مدل رگرسیون خطی رو به این مجموعه داده برازش (فیت) کردیم و از این مدل برازش شده در مرحله پیش‌بینی استفاده کردیم.

🎯Exercise:
1️⃣ با استفاده از سایکیت مجموعه داده مصنوعی با ابعاد مختلف تولید کنید و مدل رگرسیون خطی را به آن‌ها اعمال کنید. به نظرتان چه راهی برای فهمیدن میزان خوب بودن این مدل وجود داره؟ ابعاد داده چه تاثیری در نتیجه میذاره؟

🤝Collaboration:
❌❌❌ سوالات خود را در صفحه زیر بپرسید تا همه دوستان از سوالو جواب‌ها استفاده کنن🌷:
https://ailessons.ir/?p=1627

🌟🌟🌟ما را به علاقه‌مندان هوش مصنوعی معرفی کنید🌷:
💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir


🆓 #educational_video #40

🎉 برای اولین بار در ایران...

✅ انجمن علمی علوم کامپیوتر دانشگاه تهران با همکاری AI Lessons در نظر دارد یک طرح نوآورانه در زمینه هوش مصنوعی را راه‌اندازی کند. برای این طرح نیازمند دوستانی برای برنامه‌نویسی و طراحی سایت این طرح نوآورانه هستیم. در صورتیکه علاقه‌مند هستید به ایمیل زیر رزومه خود را ارسال کنید:
[email protected]

🤝 اولویت با دانشجویان دانشکده ریاضی، آمار و علوم کامپیوتر دانشگاه تهران است.

@UTCS_SA
@Ai_Lessons

https://ailessons.ir/?p=1635

📣🎨کاربرد هوش مصنوعی در تجربه کاربری

✅ میتوان گفت تجربه کاربری و بخشی از هوش مصنوعی به دنبال شناخت هر چه بیشتر کاربر انسانی هستند. هر چه بتوان کاربر را بهتر شناخت می‌توان سرویس بهتر و محصول بهتری را برای او تولید و ارائه کرد. در سایت زیر به طور مفصل در مورد کاربرد هوش مصنوعی در تجربه کاربری صحبت شده و به 5 مورد از کاربردهای موثر هوش مصنوعی در تجربه کاربری اشاره شده است:
https://www.springboard.com/blog/improve-ux-with-ai-machine-learning/


🌟🌟🌟ما را به علاقه‌مندان هوش مصنوعی معرفی کنید🌷:
💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir



#news

سلام،

شناخت کاربر در خیلی از جاها کاربردیه، مثلا فرض کنین در فروشگاه‌های اینترنتی یا جاهایی مثل netflix هستید، اگه وبسایتشون هوشمندی داشته باشه بر اساس خرید یا مشاهده فیلم توسط شما، محصولات و موارد دیگری رو هم به شما نشون میده که در راستای علاقه‌مندی شماست. خب! میشه گفت که درک کاربر اتفاق افتاده و به طور کاملا "شخصی‌سازی شده" برای شما محصولات دیگر رو نشون میده. یکی از سامانه‌های کاربردی که با استفاده از روش‌های اخیر در هوش مصنوعی خیلی پیشرفته داشته "سامانه‌های پیشنهاددهنده یا توصیه‌گر" است. هدف این سامانه‌، نمایش محصولات مورد علاقه کاربر است. اینگونه سامانه‌ها در زیرشاخه‌ای از هوش مصنوعی به نام پردازش زبان طبیعی مورد بحث قرار می‌گیرد.

[در مباحث درسی آینده خواهیم داشت]

🌟🌟🌟ما را به علاقه‌مندان هوش مصنوعی معرفی کنید🌷:
💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir



#explanation

🐬Topic: First Step in Machine Learning with Python (The Concept of SGD Regressor in Scikit-Learn)
📺 AiLessons Link: https://ailessons.ir/?p=1642
👨‍🏫 By: Iman Khani Jazani
🌐 Language: فارسی
📁 Resources: scikit-learn.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/14, t.iss.one/AI_Lessons_lib/20

📃 About:
در این ویدیو مفهوم اس جی دی بیان شد و از دشتو دمن به مفاهیم کلی این الگوریتم رسیدیم! و بعدش رفتیم سراغ سایکیت‌لرن و تابعی که SGD رو انجام میده رو دقیقتر بررسی کردیم. برای جلسه بعدی به استفاده این الگوریتم در یک مسئله میرسیم.

🎯Exercise:
1️⃣ پارامترهای ورودی و خروجی تابع SGD Regressor رو دقیقتر بررسی کنید و تلاش کنین که فعلا مفهوم هریک را درک کنید! سرچ هم یادتون نره!

🤝Collaboration:
❌❌❌ سوالات خود را در صفحه زیر بپرسید تا همه دوستان از سوالو جواب‌ها استفاده کنن🌷:
https://ailessons.ir/?p=1642

🌟🌟🌟ما را به علاقه‌مندان هوش مصنوعی معرفی کنید🌷:
💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir


🆓 #educational_video #41

📣🎲کاربرد هوش مصنوعی در صنعت بازی‌سازی

✅ 139 میلیارد دلار بازار صنعت بازی‌سازی در اواخر سال 2018 بوده که حتما تا الان رشد بیشتری داشته! هوش مصنوعی در ابعاد مختلفی مثل شبیه‌سازی طرف مقابل در بازی و ساخت پویای محیط‌های خاص! هوش مصنوعی میتونه از نظر بصری هم رنگو جلای بهتری به بازی‌ها بده. اطلاعات بیشتر رو از سایت زیر مطالعه کنید:
https://www.logikk.com/articles/machine-learning-in-game-development/

🌟🌟🌟ما را به علاقه‌مندان هوش مصنوعی معرفی کنید🌷:
💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir



#news

سلام،

در این ویدیو در مورد رویکردهای مختلف یادگیری در یادگیری ماشین صحبت کردیم، اگه یادتون باشه یکی از اون‌ها یادگیری تقویتی بود. در این رویکرد مدل هوشمند با استفاده از بازخوردهایی که از محیط میگیره میتونه خودشو بهتر کنه و با محیط تطبیق‌ پیدا کنه. با استفاده از یادگیری تقویتی تا الان بازی‌های مختلفی توسط هوش مصنوعی (به عنوان بازیکن) انجام شده که در لینک‌های زیر میتونین اطلاعاتی از این بازی‌ها را مشاهده کنید:

1️⃣ https://www.nature.com/articles/d41586-019-03298-6
2️⃣ https://deepmind.com/research/case-studies/alphago-the-story-so-far
3️⃣ https://deepmind.com/blog/article/alphastar-mastering-real-time-strategy-game-starcraft-ii
4️⃣ https://www.technologyreview.com/2020/04/01/974997/deepminds-ai-57-atari-games-but-its-still-not-versatile-enough/
5️⃣ ...

مکانیزم یادگیری تقویتی بر اساس تشویق و تنبیهه! مدل هوشمند از یک بازیکن آماتور شروع به بازی میکنه و انقد شکست میخوره تا یاد بگیره چه شکلی بازی رو ببره و حرفه‌ای بشه. حتی دیده شده بعد از کلی شکست راه‌حل‌هایی رو پیدا میکنه که انسان هم به ذهنش نمیرسه!

[در مباحث درسی دقیقتر در مورد یادگیری تقویتی صحبت خواهیم کرد]


🌟🌟🌟ما را به علاقه‌مندان هوش مصنوعی معرفی کنید🌷:
💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir



#explanation

🐬Topic: First Step in Machine Learning with Python (Problem Solving SGD Regressor in Scikit-Learn)
📺 AiLessons Link: https://ailessons.ir/?p=1647
👨‍🏫 By: Iman Khani Jazani
🌐 Language: فارسی
📁 Resources: scikit-learn.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/14, t.iss.one/AI_Lessons_lib/20

📃 About:
با استفاده از گرادیان کاهشی تصادفی یک مسئله رگرسیون رو حل کردیم. دیتاست بصورت مصنوعی با استفاده از کتابخونه سایکیت‌لرن ایجاد شد و تونستیم به یک نتیجه خوب البته فعلا بر روی یکی از نمونه‌ها در مجموعه داده آموزشی برسیم (هنوز ارزیابی مدل مطرح نشده).

🎯Exercise:
1️⃣ در ویدیو تابعی به نام make_pipline معرفی شد، در مورد این تابع بررسی دقیقتری انجام دهید.
2️⃣ ابعاد و تعداد نمونه‌های مصنوعی را تغییر دهید و بررسی کنید که در کدام شرایط گرادیان کاهشی تصادفی بهتر عمل می‌کند.

🤝Collaboration:
❌❌❌ سوالات خود را در صفحه زیر بپرسید تا همه دوستان از سوالو جواب‌ها استفاده کنن🌷:
ailessons.ir/?p=1647

🌟🌟🌟ما را به علاقه‌مندان هوش مصنوعی معرفی کنید🌷:
💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir


🆓 #educational_video #42

🐬Topic: First Step in Machine Learning with Python (The Concept of LASSO Regressor in Scikit-Learn)
📺 Video Link: ailessons.ir/?p=1653
👨‍🏫 By: Iman Khani Jazani
🌐 Language: فارسی
📁 Resources: scikit-learn.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/14, t.iss.one/AI_Lessons_lib/20

📃 About:
در ادامه روش‌های رگرسیون در این ویدیو مفهوم یکی از روش‌های مهم یعنی LASSO مطرح شدش که برای توضیح این مفهوم به مفاهیمی مانند تُنُکی، منظم‌سازی، پنالتی L1 و L2 اشاره شد و گذری به کاربردهای روش لسو در دو حوزه استخراج اطلاعات مهم از تصاویر و انتقال اطلاعات مخابراتی داشتیم.

🎯Exercise:
1️⃣ چگونه می‌تونیم همزمان پنالتی L1 و L2 را در فرایند بهینه‌سازی داشته باشیم؟ بررسی کنین فرم تابع هزینه به چه صورت باید باشه.

🤝Collaboration:
❌❌❌ سوالات خود را در صفحه زیر بپرسید تا همه دوستان از سوالو جواب‌ها استفاده کنن🌷:
ailessons.ir/?p=1653

🌟🌟🌟ما را به علاقه‌مندان هوش مصنوعی معرفی کنید🌷:
💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir


🆓 #educational_video #43

📣🚙کاربرد هوش مصنوعی در صنعت خودروسازی

✅ در این متن خبری به سه کاربرد هوش مصنوعی در صنعت خودروسازی اشاره شده است: ماشین‌های خودران، ارتقای سطح امنیتی در خودرو، ترکیب با اینترنت اشیا. برای مطالعه بیشتر به لینک زیر مراجعه کنید:
https://cyfuture.com/blog/how-is-ai-putting-automobile-industry-in-the-drivers-seat/

[دقت کنید که در هریک از متون خبری کلیدواژه‌های مختلفی وجود داره که میتونین در گوگل اونارو جستجو کنید و بیشتر باهاشون آشنا بشید، این اخبار هم جنبه آموزشی داره!]

🔴 مقاله زیر هم در حوزه ماشین‌های خودران است که بر اساس شبکه عمیق و مکانیزم یادگیری تقلیدی پیشنهاد شده، این مقاله در کنفرانس مطرح CVPR به چاپ رسیده است:
https://openaccess.thecvf.com/content_CVPR_2019/html/Kim_Grounding_Human-To-Vehicle_Advice_for_Self-Driving_Vehicles_CVPR_2019_paper.html


🌟🌟🌟ما را به علاقه‌مندان هوش مصنوعی معرفی کنید🌷:
💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir



#news

🐬 دوستان عزیز Ai Lessons سلام،

☺️ امیدواریم که تا اینجای کار از محتوای کانال راضی باشید.

✅ از اونجایی که ما خیلی دوستتون داریم و به دنبال پیشرفت حداکثری شما هستیم، آموزش‌ها با بهترین کیفیت و به صورت کاملا رایگان ضبط میشن.

❎ متاسفانه شاهدیم که در بسیاری از کانال‌ها و سایت‌ها این محتوای آموزشی به صورت پولی و نه با کیفیت بالا تبلیغ و برگزار میشه. و خب خیلی از دوستان توان مالی و غیره برای شرکت دراین آموزش‌ها رو ندارند، و چه بسا استعداد‌هایی نهفته در آنها باقی می‌مونه.

✅ با توجه به اینکه Ai Lessons در آینده‌ای نچندان دور مباحث تخصصی‌تر هوش مصنوعی رو قراره پوشش بده و اون هم به صورت فارسی و کاملا رایگان، از شما خواهش می‌کنیم که در این پویش #هوش_مصنوعی_برای_همه شرکت کنید و ما را به دوستان جدید و علاقه‌مند معرفی کنید (در هر رشته و مقطعی).

✅ مدرسین ما که از افراد متخصص در سراسر دنیا هستن (در آینده بیشتر باهاشون آشنا میشین) به صورت رایگان این آموزش‌ها رو ضبط می‌کنن و در اختیارتون قرار میدن. شما هم با انتشار و معرفی ما به دوستانتون در این امر خداپسندانه سهیم باشید‌.

✳️ ما معتقدیم کیفیت بالای محتوا، ارزش همکاری همراهان در نشر آن را دارد.

🔆🇮🇷🔆 آینده روشن است.

💠 t.iss.one/AI_Lessons

🌐 www.AiLessons.ir

🐬Topic: First Step in Machine Learning with Python (Problem Solving with LASSO Regressor in Scikit-Learn)
📺 Video Link: ailessons.ir/?p=167
👨‍🏫 By: Iman Khani Jazani
🌐 Language: فارسی
📁 Resources: scikit-learn.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/14, t.iss.one/AI_Lessons_lib/20

📃 About:
در این ویدیو با تابعی که مربوط به الگوریتم لسو در سایکیت‌لرن هست یک مثالی رو حل کردیم و پارامتر ورودی این تابع که میزان ارزش ترم پنالتی L1 هست مورد بررسی قرار دادیم و ابعاد ویژگی [ادامه]

🎯Exercise:
1️⃣ تحقیق کنید که الگوریتم لسو در چه شرایطی بهتر از گرادیان کاهشی تصادفی عمل می‌کند.
2️⃣ الگوریتم لسو را بر روی دیتاهای آماده سایکیت‌لرن که برای رگرسیون مناسب هستند، اعمال کنید و تحلیل کنید در چه شرایطی لسو گزینه مناسبی برای عملیات رگرسیون است.

🤝Collaboration:
❌❌❌ سوالات خود را در صفحه زیر بپرسید تا همه دوستان از سوالو جواب‌ها استفاده کنن🌷:
ailessons.ir/?p=1673

🌟🌟🌟ما را به علاقه‌مندان هوش مصنوعی معرفی کنید🌷:
💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir


🆓 #educational_video #44

📣💬 هوش مصنوعی نزدیک‌تر از همیشه...

✅ ابزارهای پوشیدنی هوشمند چندسالی هست که همراه انسان هستن و تونستن سبک جدیدی از ارتباط رو ایجاد کنن. در این ویدیو یکی از این ابزارها به نام AlterEgo معرفی شده، با این ابزار میتونین بدون استفاده از زبان و حرکت خاصی با دنیای اطرافتون ارتباط برقرار کنین!

به نظر شما این ابزارهای این مدلی چطوری کار میکنن؟ میتونین در پست زیر نظرتون رو بذارین:
https://www.linkedin.com/posts/iman-khani-jazani-a75a5369_alterego-interfacing-with-devices-through-activity-6675386490056437760-s9bt

🌟🌟🌟ما را به علاقه‌مندان هوش مصنوعی معرفی کنید🌷:
💎Join Us: @Ai_Lessons

🏆🐬 www.AiLessons.ir


#news
#interaction