GPT-4 چیست؟ GPT-4 مدل زبان چندوجهی بزرگ OpenAI است که متن را از ورودی متنی و تصویری تولید می کند. Open AI یک شرکت تحقیقاتی هوش مصنوعی آمریکایی است که پشت سر Dall-E ، ChatGPT و GPT-3 سلف GPT -4 قرار دارد . GPT-4 می تواند وظایف پیچیده تری را نسبت به مدل های قبلی GPT انجام دهد. این مدل عملکرد در سطح […]
GPT-4 تمام اطالعاتی که نیاز دارید بدانید ادامه مطلب »
در این مقاله، معماری و مکانیسم‌های پشت مدل ترانسفورماتور T5 گوگل، از چارچوب یکپارچه متن به متن تا مقایسه نتایج T5 را بررسی خواهیم کرد. حوزه پردازش زبان طبیعی (NLP) به طور مداوم در حال تغییر و رشد است. مدل‌های جدید هر سه ماه یکبار منتشر می‌شوند و به نتایج پیشرفته‌ای (SOTA) دست می‌یابند. همه این مدل‌ها
بررسی مدل تبدیل متن به متن Google T5 ادامه مطلب »
علم داده واژه نامه متنوعی دارد. این برگه 75 اصطلاح رایج و مهمی را که دانشمندان داده تقریباً هر روز استفاده می کنند، فهرست می کند. بنابراین، آگاهی از آنها بسیار مهم است. A: دقت (Accuracy): اندازه گیری پیش بینی های صحیح تقسیم بر کل پیش بینی ها. ناحیه زیر منحنی(Area Under Curve) : متریک نشان
75 اصطلاح کلیدی که همه دانشمندان داده یادگیری عمیق باید بدانند ادامه مطلب »
درباره LearnOpenCV در سال 2007، درست پس از اتمام دکترایم، با مشاورم دکتر دیوید کریگمن و کوین بارنز، شرکت TAAZ را تأسیس کردم. مقیاس‌پذیری و استحکام الگوریتم‌های بینایی کامپیوتر و یادگیری ماشین ما توسط بیش از 100 میلیون کاربر که محصولات ما را امتحان کرده‌اند مورد آزمایش جدی قرار گرفته‌اند.
مدل های مولد و افتراقی | LearnOpenCV # ادامه مطلب »
شبکه های عصبی مکرر چیست؟ شبکه عصبی بازگشتی نوعی شبکه عصبی مصنوعی است که معمولاً در تشخیص گفتار و پردازش زبان طبیعی استفاده می‌شود. شبکه های عصبی مکرر ویژگی های متوالی داده ها را تشخیص می دهند و از الگوها برای پیش بینی سناریوی احتمالی بعدی استفاده می کنند. RNN ها در یادگیری عمیق و
شبکه های عصبی مکرر چیست و چگونه کار می کنند؟ ادامه مطلب »
در سال‌های اخیر، تقاضا برای سخت‌افزار تخصصی برای تسریع محاسبات شبکه‌های عصبی به شدت افزایش یافته است. دو مورد از محبوب‌ترین انتخاب‌ها برای این کارها واحدهای پردازش گرافیکی (GPU) و واحدهای پردازش تانسور (TPUs) هستند. در این مقاله، تفاوت‌های کلیدی بین GPU و TPU و همچنین مزایا و معایب مربوط به آنها را بررسی می‌کنیم تا به
GPU ها در مقابل TPU: مقایسه ای جامع برای شبکه های عصبی ادامه مطلب »
در دنیای امروز، یادگیری ماشینی به یکی از رشته های تحصیلی محبوب و هیجان انگیز تبدیل شده است. مدل‌های یادگیری ماشینی اکنون می‌توانند نتایج را حتی برای داده‌های دیده نشده، یاد بگیرند و با دقت بیشتری پیش‌بینی کنند. ایده‌های یادگیری ماشینی با هم همپوشانی دارند و از هوش مصنوعی و بسیاری از فناوری‌های مرتبط دیگر دریافت
مقایسه مدل‌های یادگیری ماشینی متمایز(discriminative models) و مولد(generative models) ادامه مطلب »
شبکه عصبی کانولوشنال (CNN یا convnet) چیست؟ شبکه عصبی کانولوشنال (CNN یا convnet) زیر مجموعه ای از یادگیری ماشینی است. یکی از انواع مختلف شبکه های عصبی مصنوعی است که برای کاربردها و انواع داده های مختلف استفاده می شود. CNN نوعی معماری شبکه برای الگوریتم های یادگیری عمیق است و به طور خاص برای
شبکه های عصبی کانولوشن چیست؟ ادامه مطلب »
مدل های خطی و غیرخطی دو نوع تابع ریاضی هستند که می توانند برای توصیف روابط بین متغیرها استفاده شوند. در این مقاله، خواهید آموخت که آنها چه هستند، چگونه متفاوت هستند و چگونه در سناریوهای دنیای واقعی با استفاده از شبکه های عصبی اعمال می شوند. مدل های خطی مدل خطی تابعی است که نرخ
چند نمونه از مدل های خطی و غیرخطی شبکه عصبی در کاربردهای دنیای واقعی چیست؟ ادامه مطلب »
برای اندازه‌گیری موفقیت پروژه‌های هوش مصنوعی، سازمان‌ها باید KPI را به درستی ایجاد کنند تا هم کارایی پروژه‌ها را بهبود بخشند و هم بتوانند جامعه را بهتر کنند. پیاده سازی کلاسیک هوش مصنوعی، برای شروع، شامل یادگیری ماشینی برای ایجاد مدل ها و الگوریتم های پایه و سپس معمار روش های آموزش است. پس
چگونه کسب‌وکارها می‌توانند موفقیت هوش مصنوعی را با KPI اندازه‌گیری کنند ادامه مطلب »
