فرادرسآموزش یادگیری ماشین با مثال های کاربردی — مجموعه مقالات جامع وبلاگ فرادرس
یادگیری ماشین یکی از مباحث داغ روز است. با وجود مطرح شدن این مبحث برای سال‌های مدید، به دلیل قابلیت‌های خارق‌العاده آن که هر روز بیش از پیش کشف می‌شود، همچنان در مرکز توجهات قرار دارد. با وجود حجم بالای علاقمندان به این علم، ولیکن آموزش‌هایی که در آن مفاهیم به صورت ساده ولی همراه با مثال‌های کاربردی تشریح شده باشند کمتر است.
«آدام گایتگی» (Adam Geitgey)، از فعالان حوزه هوش مصنوعی و یادگیری ماشین، اقدام به انتشار یک مجموعه مطلب هشت قسمتی پیرامون آموزش یادگیری ماشین در وب‌سایت مدیوم کرده و در آن‌ها به زبانی ساده و همراه با مثال‌های متعدد و کاربردی به مباحث مختلف این حوزه می‌پردازد. در حال حاضر، نسخه فارسی دوره «آموزش یادگیری ماشین با مثال‌های کاربردی» در وبلاگ فرادرس برای مخاطبان گرامی در دسترس است.
موضوعات مطرح در این مجموعه مطلب:
- مبانی و مفاهیم هوش مصنوعی و یادگیری ماشین (بخش اول)
- شبکه‌های عصبی، یادگیری عمیق (بخش دوم)
- شبکه‌های عصبی پیچشی (بخش سوم)
- بینایی ماشین و تشخیص چهره (بخش چهارم)
- ترجمه ماشینی (بخش پنجم)
- تشخیص صوت و بازشناسی گفتار (بخش ششم)
- مدل‌های زایشی و الگوریتم DCGAN (بخش هفتم)
- ترفندهایی در شبکه‌های عصبی و شیوه دور زدن آن‌ها (بخش هشتم)
در بخش اول از این مجموعه مطلب، ابتدا مفاهیم و اصطلاحات مطرح در حوزه یادگیری ماشین مورد بررسی قرار می‌گیرد. سپس مفاهیم انواع یادگیری شامل یادگیری نظارت شده، نظارت نشده و یادگیری تقویتی شرح داده می‌شود. در ادامه از مثال تخمین قیمت یک خانه بر اساس چند ویژگی (متراژ، تعداد اتاق خواب، محله و دیگر موارد) برای آموزش تفصیلی یادگیری نظارت شده استفاده و کلیه کدهای مربوط به مدل پیشنهادی ارائه شده است.
در بخش دوم، ابتدا مبحث پیش‌بینی - بر اساس داده‌های موجود - بیشتر بسط داده شده و سپس مفاهیم شبکه‌های عصبی و یادگیری عمیق مورد بررسی قرار گرفته است. پیش‌بینی لغت بعدی، ساخت کتاب جعلی بر اساس کتاب «خورشید همچنان می‌دمد» اثر ارنست همینگوی و ساخت یک مرحله از بازی سوپر ماریو بر اساس مراحل واقعی این بازی، مثال‌هایی هستند که در این بخش برای آموزش مفاهیم شبکه عصبی و یادگیری عمیق مطرح شده است.
در بخش سوم، به مبحث پردازش تصویر و شناسایی اشیا در عکس با استفاده از شبکه‌های عصبی پیچشی پرداخته شده. تشخیص دست‌خط و شناسایی تصاویر پرندگان در میان حجم انبوه داده‌ها با استفاده از شبکه‌های عصبی پیچشی از مثال‌های مطرح شده در این بخش هست. همچنین، مفاهیم پنجره کشویی، دید تونلی، Downsampling و شبکه‌های کاملا متصل تشریح شده است.
در بخش چهارم، مباحث بینایی ماشین و تشخیص چهره مورد بررسی قرار گرفت و با ارائه مثال‌های جهان واقعی جزئیات آن شرح داده شد. در بخش پنجم، شبکه‌های عصبی بازگشتی و کاربرد آن‌ها در ترجمه آماری، ترجمه ماشینی و مدل‌های دنباله به دنباله تشریح و مثال‌هایی برای درک آن‌ها ارائه شد.
در بخش ششم، مبحث جذاب بازشناسی گفتار و تشخیص صدا بررسی شد. در بخش هفتم، مدل‌های زایشی و الگوریتم «Deep Convolutional Generative Adversarial Networks» تشریح و از آن‌ها برای ساخت مدلی که اسکناس تقلبی را تشخیص دهد و همچنین یک اثر هنری (گرافیکی) ۸-بیتی بر پایه سیستم بازی نینتندو استفاده شد. در نهایت، در قسمت هشتم روش دور زدن شبکه عصبی و حقه زدن به آن‌ها بیان و پیشنهاداتی برای جلوگیری از این مساله ارائه شد.
علاقمندانی که تمایل به فراگیری مباحث یادگیری ماشین، هوش مصنوعی و داده‌کاوی به بیان ساده، همراه با مثال‌های کاربردی و پیاده‌سازی دارند می‌توانند از مجموعه آموزش‌های ویدئویی فرادرس که توسط اساتید برتر این حوزه تهیه شده استفاده کنند.
اگر نوشته بالا برای شما مفید بود، آموزش‌های زیر نیز به شما پیشنهاد می‌شوند:
