درواره

آموزش و راهنما

شبکه عصبی مصنوعی چیست؟ آموزش ANN، پرسپترون و MLP باPyTorch

شبکه عصبی مصنوعی چیست و چگونه یاد می‌گیرد؟ در این راهنما، نورون، لایه پنهان، تابع فعال‌سازی و پس‌انتشار را می‌شناسید و یک شبکه MLP را با PyTorch برای طبقه‌بندی داده می‌سازید و ارزیابی می‌کنید.

آموزش و راهنما

BERT فارسی چیست؟ آموزش جامع طبقه‌بندی متن با ParsBERTو پایتون

BERT فارسی چگونه متن را درک می‌کند؟ در این راهنما با ParsBERT،آماده‌سازی داده فارسی، آموزش مدل طبقه‌بندی با پایتون، ارزیابی علمی و کاربرد آن در محصول آشنا می‌شوید.

آموزش و راهنما

Autoencoder چیست؟ آموزش خودرمزگذار، تشخیص ناهنجاری و VAE با PyTorch

Autoencoder چیست و چگونه داده را فشرده، بازسازی و پاک‌سازی می‌کند؟ در این آموزش، خودرمزگذار، Denoising Autoencoder و VAE را می‌شناسید و یک مدل واقعی تشخیص ناهنجاری را با PyTorch پیاده‌سازی می‌کنید.

آموزش و راهنما

RNN و LSTM چیست؟ آموزش شبکه عصبی بازگشتی و GRU با PyTorch

RNN، LSTM و GRU چگونه داده‌های ترتیبی را پردازش می‌کنند؟ در این راهنمای جامع، معماری شبکه‌های بازگشتی، تفاوت مدل‌ها و ساخت یک طبقه‌بند متن فارسی با PyTorch را به‌صورت عملی یاد می‌گیرید.

آموزش و راهنما

GAN چیست؟ آموزش شبکه مولد تخاصمی و ساخت DCGAN با PyTorch

GAN یا شبکه مولد تخاصمی چگونه تصویر تولید می‌کند؟ در این راهنمای جامع، معماری GAN، انواع آن، مشکلات آموزش و پیاده‌سازی عملی DCGAN با PyTorch را یاد می‌گیرید و آن را با مدل‌های Diffusion مقایسه می‌کنید.

آموزش و راهنما

CNN چیست؟ آموزش شبکه عصبی کانولوشنی با پایتون و PyTorch

شبکه عصبی کانولوشنی یا CNN یکی از پایه‌های بینایی ماشین است. در این راهنما ساختار CNN، لایه Convolution، Pooling و آموزش مدل طبقه‌بندی تصویر با PyTorch را یاد می‌گیرید.

آموزش و راهنما

YOLO چیست؟ آموزش تشخیص اشیا با پایتون و Ultralytics

YOLO یکی از محبوب‌ترین مدل‌های تشخیص اشیا در تصویر و ویدیو است. در این راهنما نصب، اجرای مدل آماده، آموزش دیتاست اختصاصی، ارزیابی و استقرار YOLO را با پایتون یاد می‌گیرید.

آموزش و راهنما

Transfer Learning چیست؟ آموزش یادگیری انتقالی و Fine-tuning با PyTorch

یادگیری انتقالی امکان استفاده از دانش یک مدل ازپیش‌آموزش‌دیده برای مسئله‌ای جدید را فراهم می‌کند. در این راهنما Transfer Learning و Fine-tuning را با مثال عملی PyTorch یاد می‌گیرید.

آموزش و راهنما

داده نامتوازن چیست؟ آموزش SMOTE و متعادل‌سازی کلاس‌ها با پایتون

در داده نامتوازن، تعداد نمونه‌های یک کلاس بسیار کمتر از سایر کلاس‌ها است. در این راهنما SMOTE، Class Weight، Oversampling و معیارهای صحیح ارزیابی را با پایتون یاد می‌گیرید.

آموزش و راهنما

Feature Engineering چیست؟ آموزش مهندسی ویژگی و انتخاب ویژگی با پایتون

مهندسی ویژگی فرایند تبدیل داده خام به ورودی‌های معنادار برای مدل یادگیری ماشین است. در این راهنما ساخت، استخراج و انتخاب ویژگی را با Pipeline و مثال عملی پایتون یاد می‌گیرید.

آموزش و راهنما

Cross-validation چیست؟ آموزش کامل K-Fold و اعتبارسنجی متقابل با پایتون

Cross-validation روشی برای ارزیابی مطمئن‌تر مدل روی چند تقسیم متفاوت داده است. در این راهنما K-Fold، StratifiedKFold، GroupKFold و TimeSeriesSplit را با مثال عملی پایتون یاد می‌گیرید.

آموزش و راهنما

بیش‌برازش و کم‌برازش چیست؟ آموزش Overfitting و Underfitting با پایتون

بیش‌برازش زمانی رخ می‌دهد که مدل داده آموزشی را حفظ کند، اما روی داده جدید ضعیف باشد. در این راهنما تشخیص و رفع Overfitting و Underfitting را با مثال عملی پایتون یاد می‌گیرید.