از داده خام تا فهم عمیق در این شکل، Data با مجموعه‌ای از نقاط تصادفی نشان داده می‌شوند که می‌توانند پتانسیل داشتن معنا را داشته باشند. در ادامه information، جایی که معنا یا رابطه به داده‌های خام تبدیل می‌شود. این موضوع با اعمال رنگ‌های مختلف بر روی نقاط نشان داده می‌شود. knowledge زمانی به‌دست می‌آید که بتوانیم اطلاعات (information) را به خاطر بسپاریم، برای مثال جدول‌های ضرب استاندارد یا زمان طلوع و غروب خورشید در یک ماه معین یک حالت استاندار دارند. همان‌طور که دانش (Knowledge) به دست می‌آوریم، شروع به درک چیزهای جدید می‌کنیم و بین قطعات مختلف اطلاعات ارتباط برقرار می‌کنیم. با این حال، در سطح Insight است که داده‌ها به طور جدی مفید می‌شوند. این قسمت توانایی ترکیب دانش به‌منظور دستیابی به درک عمیق از یک مسئله است. با بینش (insight)، چشم‌انداز wisdom (خرد) به وجود می‌آید که توانایی استفاده از بینش برای تسهیل تصمیم‌گیری آگاهانه است. 🔗 https://t.me/silicon_brain/878 #information #data #knowledge #wisdom 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

NN-SVG - Draw Neural Network and Deep Learning Architecture Schematics with Ease NN-SVG is a tool for creating Neural Network (NN) architecture drawings parametrically rather than manually. It also provides the ability to export those drawings to Scalable Vector Graphics (SVG) files, suitable for inclusion in academic papers or web pages. The tool provides the ability to generate figures of three kinds: classic Fully-Connected Neural Network (FCNN) figures, Convolutional Neural Network (CNN) figures of the sort introduced in the LeNet paper, and Deep Neural Network figures following the style introduced in the AlexNet paper. Github - https://lnkd.in/gZF3dQhh 👉 Follow Bhavishek Malik for more interesting updates. https://www.linkedin.com/feed/update/urn:li:activity:7105058598929498112?utm_source=share&utm_medium=member_desktop #neuralnetworks #deeplearning #architecture #nn #ai #artificialintelligence #svg #datasciene #deeplearning #data 🌐 https://dlrl.ut.ac.ir 🆔 @ut_deep