![هوش مصنوعی چیست؟ ــ بخش دوم: مسائل](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/05/هوش-مصنوعی-چیست؟-ــ-قسمت-دوم-مسائل.jpg.webp)
مجموعه مقالات با موضوع هوش مصنوعی
![هوش مصنوعی چیست؟ ــ بخش دوم: مسائل](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/05/هوش-مصنوعی-چیست؟-ــ-قسمت-دوم-مسائل.jpg.webp)
![کاربرد جبر خطی در یادگیری عمیق](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/05/linear-algebra-for-deep-learning.png.webp)
![معرفی منابع آموزش ویدئویی هوش مصنوعی به زبان فارسی و انگلیسی](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/05/معرفی-دورههای-آموزش-هوش-مصنوعی.png.webp)
![هوش مصنوعی چیست؟ — بخش اول: مقدمه، تاریخچه و مبانی](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/05/what-is-ai-history-and-basics.jpg.webp)
![منابع آموزشی نرم افزار متلب و برنامه نویسی کاربردی با آن](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/04/free-matlab-courses-tutorials-resources-1.jpg.webp)
![ساخت شبکه های عصبی در نرم افزار R](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/04/شبکه-های-عصبی-در-نرم-افزار-r.jpg.webp)
![مقدمهای بر الگوریتم ژنتیک](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/04/مقدمهای-بر-الگوریتم-ژنتیک.jpg.webp)
۳۰ پرسش و پاسخ دربارهی الگوریتم نزدیکترین K همسایه
الگوریتمهای زیادی برای «یادگیری ماشین» (Machine Learning) ارائه شدهاند، ولی میشود گفت که بهترین آنها الگوریتمهای «نزدیکترین K همسایه» (K-Nearest Neighbors) و الگوریتمهای درختی هستند. درک و توضیح هردوی آنها ساده است، همچنین هردو کاملا مناسب استفادهی عمومی هستند...![۳۰ پرسش و پاسخ دربارهی الگوریتم نزدیکترین K همسایه](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/03/30-questions-about-k-nn-768x512.jpg.webp)
![۳۰ پرسش و پاسخ دربارهی مدلهای درختی](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/03/30-questions-about-data-trees-768x512.png.webp)
![۳۰ پرسش و پاسخ دربارهی پردازش زبانهای طبیعی](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/03/30-questions-about-NLP.jpg.webp)
شبکههای عصبی در پایتون و R – درک و کد نویسی از صفر تا صد
الگوریتمهای شبکه عصبی چند ورودی میگیرد، با استفاده از نورونها در چند لایه پنهان آنها را پردازش میکند و با استفاده از یک لایه خروجی نتیجه را بازمیگرداند. این فرآیند تخمین نتیجه از نظر فنی به نام «پیش-انتشار» (Forward Propagation) نامیده میشود.![شبکههای عصبی در پایتون و R – درک و کد نویسی از صفر تا صد](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/03/main-qimg-23342740fc9ca60546f72e46164ae287-c-768x433.jpg.webp)
![اصطلاحات یادگیری عمیق — راهنمای کاربردی](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/03/neural_network-terms.jpg.webp)
![۱۰ معماری پیشرفته یادگیری عمیق](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/03/Deep-learning-architectures-768x511.jpg.webp)
آشنایی با شبکههای عصبی پیچشی (CNN)
شبکههای عصبی پیچشی (convolutional neural network) ردهای از شبکههای عصبی عمیق هستند که معمولاً برای انجام تحلیلهای تصویری یا گفتاری در یادگیری ماشین استفاده میشوند. برای توضیح CNN کار خود را با اساسیترین عنصر این شبکه عصبی یعنی پرسپترون (perceptron) آغاز میکنیم.![آشنایی با شبکههای عصبی پیچشی (CNN)](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/03/deep_neural_network-768x512.jpg.webp)
![پایتون و استخراج اطلاعات از گزارشها با RegEx Library](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/03/extracting-information-from-reports-using-regular-expressons-library-in-python.jpg.webp)
تأثیر هوش مصنوعی بر روشهای تصمیمگیری
با توسعه هوش مصنوعی هزینههای پیش بینی موارد مختلف کاهش مییابد. هنگامیکه از پیشبینی صحبت می کنیم، منظور ما صرفاً پیشبینی آینده نیست. بلکه در هوش مصنوعی پیش بینی به معنی استفاده از دادههای موجود برای به دست آوردن دادههای جدید است. گاهی این کار با تبدیل حجم زیادی داده به دادههای اندک و قابل مدیریت انجام میشود.![تأثیر هوش مصنوعی بر روشهای تصمیمگیری](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/03/the-effect-of-artificial-intelligence-on-decision-making.jpg.webp)
![بررسی شبکه عصبی کانولوشن (CNN) — بخش دوم](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/03/02-1.jpg.webp)
![بررسی شبکه عصبی کانولوشن (CNN) — بخش اول](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/03/01-3.jpg.webp)
![اتومبیل های خودران — قابلیت تشخیص علائم راهنمایی و رانندگی](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/03/classifying-traffic-signs-768x576.jpg.webp)
![همه چیز درباره ماشینهای خودران و هوش مصنوعی](https://blog.faradars.org/wp-content/webp-express/webp-images/doc-root/wp-content/uploads/2018/02/01-21.jpg.webp)