داده کاوی

هنگامی که یک مدل «شبکه عصبی یادگیری عمیق» (Deep Learning Neural Network) برازش می‌شود، باید کارایی آن روی مجموعه داده‌های تست ارزیابی شود. این کار…

انتخاب الگوریتم «یادگیری ماشین» (Machine Learning) و «داده‌کاوی» (Data Mining) مناسب برای یک مساله خاص، کاری مهم و نیازمند دانش، دقت، تجربه و گاه اندکی…

مسائل «داده‌کاوی» (Data Mining) و «یادگیری ماشین» (Machine Learning)، دارای انواع گوناگونی، شامل «یادگیری نظارت شده» (Supervised Learning) و «یادگیری نظارت نشده» (َUnsupervised Learning) هستند. در…

یکی از مهم‌ترین گام‌ها طی فرایند «داده‌کاوی» (Data Mining) و «یادگیری ماشین» (Machine Learning)، گردآوری داده‌ها و ساختاردهی به مجموعه داده است. این مبحث در…

تصادفی بودن، بخش مهمی از «پیکربندی» (Configuration) و «ارزیابی» (Evaluation) الگوریتم‌های «یادگیری ماشین» (Machine Learning) را تشکیل می‌دهد. از مقداردهی اولیه تصادفی وزن‌ها در «شبکه…

«داده‌کاوی» (Data Mining)، یکی از موضوعات داغ این روزها است که به دلیل کاربردهای متعددی که در زمینه‌های گوناگون دارد، توانسته توجه پژوهشگران، سازمان‌های دولتی…

در دیگر نوشتارهای فرادرس با عنوان معیار ارزیابی AIC در مدل‌های احتمالی — از صفر تا صد مفهوم ارزیابی مدل و شیوه اندازه‌گیری آن توسط…

انتشار «تنسورفلو 2.۰» (TensorFlow 2.0) برای فعالان حوزه «یادگیری ماشین» (Machine Learning) بسیار جالب توجه بود. برای آشنایی با این کتابخانه قدرتمند و آگاهی از…

معمولا در بین آماردانان دو سبک یا رویکرد برای «استنباط آماری» (Statistical Inference) وجود دارد که البته هر دو روش نیز امکان تجزیه و تحلیل…

اغلب به منظور ارزیابی مدلی که برای «پدیده‌های تصادفی» (Random Phenomena) ایجاد شده است از شاخص‌هایی استفاده می‌کنیم که براساس داده‌ها و توزیع مقدارهای آن…