‌ دست بابامو میبوسم که توی این شرایط سخت تلاش کرد تا نون حلال سر سفره خونه بیاره و هیچ وقت خانوادش کمبودی رو حس نکنه...🥺❤️ حین کار کردن به جایگاه الآنم نگاه میکردم و به آرزوهای بچگیم که بهشون رسیدم. آره من تونستم، خدایا شکرت که هرچی دارم از لطف توعه😍❤️ ‌

‌ برای تک تکتون آرزو میکنم همچین لحظه ای رو، توی این مسیر هرچقدر بتونم کمکتون میکنم. ‌

‌ به این مورد هم به نظرم باید ایمان داشته باشیم که اگر پادشاه هم شدیم هیچ زمان اول کارمون رو یادمون نره. همیشه به اون لحظه پر از سختی فکر کنیم و بگیم که خدایا هرچی دارم از تو دارم❤️ ‌

‌ راستی بچه ها داستان زندگیمو اینجا براتون میذارم اگر دوست داشتین بخونین🥲👇 https://eitaa.com/codena/397 ‌

‌ نظر یکی از بچه های دوره راجع به حرفام گفتم براتون بذارم😁❤️ ‌

الو الو بذار برا رفقای کانال صحبت های امشبم رو بگم بهت زنگ میزنم. _بی مزه😒😂 ‌

‌ سلام علیکم خدمت عزیزای دلممم چطورین خوبین؟ آقا من امروز باغ بودم اصلا اینترنت نداشتم برای همین یکم دیر شد ببخشید🙄❤️ ‌ بریم سراغ ادامه #هوش_مصنوعی😍👇

💢مورد چهارم: شبکه های عصبی الگوریتم‌های یادگیری عمیق از ساختارهای لایه‌ای با نام #شبکه‌های_عصبی استفاده می‌کنن تا بر اساس تجزیه و تحلیل داده‌ها، برای گرفتن تصمیم خاصی، رفتار انسان رو تقلید کنن. طرح این ساختار لایه‌ای، برگرفته از ساختار مغز انسانه و همونطور که مغز انسان به شناسایی الگوهای مختلف داده‌ها و دسته‌بندی انواع اطلاعات می‌پردازه، می‌تونیم #شبکه‌های_عصبی رو به شیوه‌ای مشابه با رفتار مغز انسان آموزش بدیم تا به تشخیص الگوها بپردازن و دسته‌بندی داده‌ها رو انجام بدن! ‌

‌ برای تعریف شبکه عصبی و کاربردهاش، نیازه که همین اول بهتون مفهوم یادگیری عمیق و تفاوت اصلی اون با حوزه «یادگیری ماشین» (Machine Learning) توضیح بدم. ‌ خوب به حرفام گوش بدین ❤️👇

در مرحله بعد باید بدونین که یادگیری ماشین و یادگیری عمیق چه تفاوت هایی دارن! ‌از روی عکس چه چیزی رو متوجه شدین؟🤔

روش‌های یادگیری ماشین قدیمی مثل: ✅ «درخت تصمیم» (Decision Tree) ✅ «ماشین بردار پشتیبان» (Support Vector Machine | SVM) ✅ «دسته‌بند بیز ساده» (Naïve Bayes Classifier) ✅«رگرسیون لجستیک» (Logistic Regression) رو نمیتونیم به‌طور مستقیم بر روی داده‌های خام نظیر فایل‌های CSV، تصاویر و متن ها برای یادگیری داده‌ها اعمال کنیم. یا اینکه، باید با استفاده از مرحله: «پیش‌پردازش» (Preprocessing) از داده‌های خام، ویژگی‌هایی رو به عنوان بازنمایی داده‌های خام استخراج کنیم تا از این ویژگی‌ها به عنوان ورودی الگوریتم‌های یادگیری ماشین استفاده بشه. ‌