فرادرس
مجموعه مقالات یادگیری ماشین
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...
کاربرد جبر خطی در علم داده‌ها و یادگیری ماشین – بخش دوم
در ادامه‌ی بخش اول و در بخش دوم مبحث کاربرد جبر خطی در علم داده‌ها، به آموزش روش حل معادلات به کمک ماتریس‌ها می پردازیم و مفاهیم پیشرفته جبر خطی و کاربرد آنها در علم داده‌ها را مورد بررسی قرار خواهیم داد. در ابتدا، دو روش حل معادلات ماتریسی را توضیح می دهیم.
کاربرد جبر خطی در علم داده‌ها و یادگیری ماشین – بخش اول
یکی از سؤالات رایج در زمینه یادگیری علم داده‌ها (Data Science) و یادگیری ماشین (Machine Learning)، این است که «برای تبدیل‌شدن به یک داده پژوه (Data Scientist)، چه میزان آشنایی با ریاضیات نیاز است؟» در این مقاله، با معرفی مفاهیم جبر خطی و ماتریس، به این سوال پاسخ خواهیم داد.
جابجایی داده‌ها – بررسی یک مشکل رایج در دنیای علم داده‌ها
در مسائل واقعی، مخصوصاً زمانی که داده‌ها در یک مدت‌زمان طولانی جمع‌آوری شده باشند، امکان چندین تغییر در متغیرها یا تغییر در محیط برداشت داده در طول زمان وجود دارد. در این صورت اگر توجه مناسبی به این مسئله نشود، مجموعه داده‌های آموزش قادر به پیش‌بینی هیچ چیز قابل‌استفاده‌ای راجع به داده‌های آزمایش نخواهند بود.
