دستورالعمل های بنیادی که حاکم بر عملکرد و تعامل کاربر/مدل مدل های زبانی (همچنین به عنوان سیستم های سیستم نیز شناخته می شود) می توانند بینش هایی را در مورد چگونگی ما-به عنوان کاربران ، پزشکان هوش مصنوعی و توسعه دهندگان-ارائه دهند ، می توانند تعامل ما را بهینه کنند ، به پیشرفت های مدل … ادامه
مهندسی ویژگی یکی از مهمترین مراحل هنگام ایجاد مدل های مؤثر در یادگیری ماشین است و این در هنگام برخورد با داده های سری زمانی از اهمیت کمتری برخوردار نیست. منبع: machinelearningmastery.com
در تجزیه و تحلیل سری زمانی و پیش بینی ، تبدیل داده ها اغلب برای کشف الگوهای اساسی ، تثبیت خواص مانند واریانس و بهبود عملکرد مدلهای پیش بینی ضروری است. منبع: machinelearningmastery.com
یادگیری تقویت کننده یک منطقه نسبتاً کمتر شناخته شده از هوش مصنوعی (AI) در مقایسه با زیرزمین های بسیار محبوب امروزه مانند یادگیری ماشین ، یادگیری عمیق و پردازش زبان طبیعی است. منبع: machinelearningmastery.com
این پست به پنج قسمت تقسیم می شود. آنها عبارتند از: • از یک ترانسفورماتور کامل به یک مدل فقط رمزگشایی • ساختن یک مدل فقط رمزگشایی • تهیه داده برای یادگیری خودآنوشت • آموزش مدل • الحاقات مدل ترانسفورماتور به عنوان یک مدل دنباله به توالی (SEQ2SEQ) سرچشمه می گیرد که یک توالی ورودی … ادامه
این پست به شش قسمت تقسیم می شود. آنها عبارتند از: • چرا ترانسفورماتور بهتر از SEQ2SEQ است • تهیه داده ها و توکن سازی • طراحی یک مدل ترانسفورماتور • ساخت مدل ترانسفورماتور • ماسک علی و ماسک پزی کردن • آموزش و ارزیابی مدل های سنتی SEQ2SEQ با دو شبکه عصبی مکرر دارای … ادامه
در مدل های رگرسیون ، عدم موفقیت هنگامی اتفاق می افتد که مدل پیش بینی های نادرست ایجاد کند – یعنی وقتی معیارهای خطا مانند MAE یا RMSE زیاد هستند – یا هنگامی که این مدل ، پس از استقرار ، نتواند به خوبی در داده های جدیدی که با نمونه هایی که آموزش دیده … ادامه
در این مقاله ، شما خواهید آموخت: • چرا روشهای مقیاس بندی استاندارد گاهی اوقات کافی نیستند و چه زمانی از تکنیک های پیشرفته استفاده می کنند. منبع: machinelearningmastery.com
استفاده از مدل های یادگیری ماشین می تواند پیچیده به نظر برسد ، اما ابزارهای مدرن می توانند روند کار را ساده تر کنند. منبع: machinelearningmastery.com
این پست به چهار قسمت تقسیم می شود. آنها عبارتند از: • چرا مهم است: محدودیت های مدل های اساسی SEQ2SEQ • اجرای مدل SEQ2SEQ با توجه • آموزش و ارزیابی مدل • استفاده از مدل های سنتی SEQ2SEQ از یک معماری رمزگذار-دکتری استفاده می کند که رمزگذار دنباله ورودی را به یک بردار متن … ادامه
