Onlinebme

🔵دوستانی که قصد دارند در این دوره شرکت کنند، برای اطلاع از شرایط و زمان برگزاری و نحوه ی ثبت نام به آیدی زیر پیام دهند: @Onlinebmeadmin 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme #AE #VAE #GAN #Transformer #Vision_Transformer #Generative_Modeling #Deep_Learning

✅ساخت مدل‌های یادگیری عمیق بهتر با Batch Normalization و Layer Normalization 👩‍💻هما کاشفی امیری 🗓20 دی 1403 ✍️رویکردهای Batch Normalization و Layer Normalization دو استراتژی برای آموزش سریعتر شبکه‌های عصبی هستند بدون اینکه نیاز باشد برای مقدار دهی اولیه‌ی وزن‌ها و سایر تکنیک‌های منظم‌سازی یا Regularization، احتیاط بیش از حد به خرج داد. در این آموزش، ابتدا بررسی می‌کنیم که چرا نیاز است ورودی‌های یک شبکه‌ی عصبی را منظم سازی کنیم و سپس به تکنیک‌های Batch Normalization و Layer Normalization می‌پردازیم. ⭕️ جزئیات بیشتر 👇 https://onlinebme.com/batch-normalization-vs-layer-normalization/ 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme

✅مدل Vision Transformer (ViT) چیست؟ 👩‍💻هما کاشفی امیری 🗓13 دی 1403 ✍️مدل ViT (Vision transformer) یک مدل شبیه به transformer است که برای انجام تسک‌های پردازش بینایی طراحی شده است. در این مقاله می آموزیم که این مدل چگونه کار می‌کند. ⭕️ جزئیات بیشتر 👇 https://onlinebme.com/vision-transformer-vit/ 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme

ViT 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme

✅مدل Vision Transformer (ViT) چیست؟ 👩‍💻هما کاشفی امیری 🗓13 دی 1403 ✍️مدل ViT (Vision transformer) یک مدل شبیه به transformer است که برای انجام تسک‌های پردازش بینایی طراحی شده است. در این مقاله می آموزیم که این مدل چگونه کار می‌کند. ⭕️ جزئیات بیشتر 👇 https://onlinebme.com/vision-transformer-vit/ 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme

✅مفهوم Regularization در یادگیری عمیق  👩‍💻نويسنده: فاطمه بذري شرفشادهي در یادگیری ماشین، تابع هزینه (Loss function) یک معیار برای اندازه‌گیری دقت مدل، و توانایی آن در به حداقل رساندن گپ میان خروجی واقعی و پیش‌بینی مدل محسوب می‌گردد. برای جلوگیری از بیش‌برازش (overfitting) و بهبود تعمیم‌پذیری مدل، ما می‌توانیم از دانش خود در قالب یک penalty term به تابع هزینه اضافه کنیم و اینگونه با ایجاد توازنی بین دقت مدل بر روی داده‌های آموزشی، و توانایی آن در تعمیم به داده‌های جدید، سبب گردیم مدل به بلوغ بیشتری در تعمیم دست یابد. ⭕️جزییات بیشتر 👇 https://onlinebme.com/regularization-in-deep-learning/ 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme

✅مفهوم Regularization در یادگیری عمیق  👩‍💻نويسنده: فاطمه بذري شرفشادهي در یادگیری ماشین، تابع هزینه (Loss function) یک معیار برای اندازه‌گیری دقت مدل، و توانایی آن در به حداقل رساندن گپ میان خروجی واقعی و پیش‌بینی مدل محسوب می‌گردد. برای جلوگیری از بیش‌برازش (overfitting) و بهبود تعمیم‌پذیری مدل، ما می‌توانیم از دانش خود در قالب یک penalty term به تابع هزینه اضافه کنیم و اینگونه با ایجاد توازنی بین دقت مدل بر روی داده‌های آموزشی، و توانایی آن در تعمیم به داده‌های جدید، سبب گردیم مدل به بلوغ بیشتری در تعمیم دست یابد. ⭕️جزییات بیشتر 👇 https://onlinebme.com/regularization-in-deep-learning/ 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme

My ML model makes me happy... @Onlinebme

✨ سال نو میلادی بر هم‌وطنان عزیز مسیحی مبارک باشه❤️ @Onlinebme

پاهای بیونیک مجهز به سنسورهای پیشرفته و هوش مصنوعی است که باعث میشه تا در مکانهای مختلف منعطف عمل کند و به افراد قابلیت حرکت طبیعی و پایدار بدهد. این پاها به افراد این توانایی رو میدهند که بدون استفاده از عصا حرکت کنند.  @Onlinebme

همراهان عزیز ❤️یلدا مبارک🎆 با آرزوی لحظاتی خوش برای تک تک شما ❤️🌹 @Onlinebme

🔸SORA is here🎬🎭🎶 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme

✅نحوه‌ی ساخت ویدیو با 🎬🎭SORA https://sora.com/library 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme

✅مفهوم Early Stopping در یادگیری عمیق 👩‍💻نويسنده: فاطمه بذري شرفشادهي

با افزایش تعداد پارامترها و پیچیدگی مدل‌ها، احتمال Overfitting نیز بیشتر می‌شود و تکنیک‌های کلاسیک ممکن است به تنهایی کافی نباشند و باید در ترکیب با استراتژی‌های دیگری مانند Early Stopping مورد استفاده قرار گیرند تا به نتایج بهتری منجر شوند. در این پست در مورد سومین تکنیک generalization یعنی Early Stopping صحبت میکنیم که سعی دارد برای مدل‌هایی که احتمالاً به سمت Overfitting می‌روند، آموزش را متوقف کند.

⭕️جزییات بیشتر 👇 https://onlinebme.com/early-stopping-in-deep-learning/ 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme

مفهوم Early Stopping در یادگیری عمیق  دسته:اخبار علمی فاطمه بذری 23 آذر 1403 بیش برازش (Overfitting) یکی از بزرگ‌ترین چالش‌ها در یادگیری ماشین است مخصوصا زمانی که مدل آموزش دیده، به جای یادگیری الگوهای عمومی از داده‌ها، فقط به جزئیات و نویزهای موجود در داده‌های آموزشی وابسته می‌شود. این امر سبب می‌گردد که مدل در داده‌های جدید یا تست عملکرد خوبی نداشته باشد. با افزایش تعداد پارامترها و پیچیدگی مدل‌ها، احتمال Overfitting نیز بیشتر می‌شود و تکنیک‌های کلاسیک ممکن است به تنهایی کافی نباشند و باید در ترکیب با استراتژی‌های دیگری مانند Early Stopping مورد استفاده قرار گیرند تا به نتایج بهتری منجر شوند. در این پست در مورد سومین تکنیک generalization یعنی Early Stopping صحبت میکنیم که سعی دارد برای مدل‌هایی که احتمالاً به سمت Overfitting می‌روند، آموزش را متوقف کند.

✅ مدل‌های مختلف Generative AI نویسنده: هما کاشفی امیری ✍️اثر Generative AI بر مشاغل مختلف بسیار زیاد بوده و همچنان در حال رشد است. به همین جهت، توجه به این حوزه‌ی پژوهشی بسیار مهم است. در این مقاله مدل‌های مختلف Generative AI، نحوه‌ی عملکرد آنها و کاربردهای عملی آنها در زمینه‌های مختلف را مورد بررسی قرار می‌دهیم. جزییات بیشتر: https://onlinebme.com/generative-ai-models/ 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی @Onlinebme

#Dropout @Onlinebme

3 ساعت تا پایان تخفیف بلک فرایدی

9 ساعت تا پایان تخفیف بلک فرایدی