مقاله های منتشر شده گروه هوش مصنوعی

مقاله های منتشر شده گروه هوش مصنوعی

دسته بندی مقاله ها برای دسترسی سریع تر
صفحه قبلی
پیمایش رکوردها - صفحه 7 از 8
12345678
صفحه بعدی
1 فصل ۸: کاهش ابعاد؛ نفرین ابعاد، Projection، Manifold و PCA
2 Gradient Boosting، HGB، Stacking و جمع‌بندی یادگیری گروهی
3 جنگل تصادفی، Extra-Trees، اهمیت ویژگی‌ها و AdaBoost
4 فصل ۷: یادگیری گروهی؛ رأی‌گیری، Bagging، Pasting و OOB
5 رگرسیون با درخت تصمیم، حساسیت به محور و واریانس مدل
6 فصل ۶: درخت‌های تصمیم؛ آموزش، پیش‌بینی، CART و منظم‌سازی
7 SVM در رگرسیون، ترفند هسته و مبانی ریاضی ماشین بردار پشتیبان
8 فصل ۵: ماشین‌های بردار پشتیبان؛ طبقه‌بندی خطی و غیرخطی
9 منظم‌سازی مدل‌ها، توقف زودهنگام، Logistic و Softmax Regression
10 گرادیان کاهشی تصادفی، رگرسیون چندجمله‌ای و منحنی‌های یادگیری
11 فصل ۴: آموزش مدل‌ها؛ رگرسیون خطی و گرادیان کاهشی
12 طبقه‌بندی چندکلاسه، تحلیل خطا و سامانه‌های چندبرچسبی
13 فصل ۳: طبقه‌بندی؛ MNIST، طبقه‌بندی دودویی و معیارهای ارزیابی
14 ارزیابی نهایی، استقرار، پایش و نگهداری سامانهٔ یادگیری ماشین
15 انتخاب و آموزش مدل، اعتبارسنجی متقابل و تنظیم فراپارامترها
16 تبدیل ویژگی‌ها، Transformerهای سفارشی و Pipelineهای پیش‌پردازش
17 آماده‌سازی داده: پاک‌سازی، ویژگی‌های دسته‌ای و مقیاس‌بندی
18 کاوش و مصورسازی داده، همبستگی‌ها و ترکیب ویژگی‌ها
19 ساخت مجموعهٔ آزمون و نمونه‌گیری طبقه‌بندی‌شده
20 کار با Google Colab و شناخت ساختار داده‌های مسکن کالیفرنیا
21 فصل ۲: پروژهٔ یادگیری ماشین از ابتدا تا انتها؛ صورت‌بندی مسئله و معیارهای ارزیابی
22 آزمون و اعتبارسنجی، انتخاب مدل، ناهماهنگی داده و تمرین‌های فصل ۱
23 چالش‌های اصلی یادگیری ماشین: کیفیت داده، بیش‌برازش و کم‌برازش
24 یادگیری دسته‌ای و برخط؛ یادگیری نمونه‌محور و مدل‌محور
25 کاربردها و انواع سامانه‌های یادگیری ماشین: از نظارت آموزشی تا یادگیری تقویتی
26 سپاسگزاری و فصل ۱: تعریف یادگیری ماشین و چرایی استفاده از آن
27 پیشگفتار: سونامی یادگیری ماشین، هدف کتاب و مسیر مطالعه
28 یادگیری ماشین کاربردی با Scikit-Learn، Keras و TensorFlow - معرفی و فهرست مطالب
29 منابع و نمایهٔ کتاب Foundations of Large Language Models — بخش دوم
30 منابع کتاب Foundations of Large Language Models — بخش اول
31 بهبود هم‌ترازی ترجیحات: مدل پاداش، DPO، دادهٔ خودکار و هم‌ترازی زمان استنتاج
32 هم‌ترازی ترجیحات انسانی با RLHF، مدل پاداش و PPO
33 گردآوری دادهٔ ریزتنظیم، تعمیم دستور و بهبود مدل‌های قوی با مدل‌های ضعیف
34 هم‌ترازی مدل‌های زبانی بزرگ و ریزتنظیم نظارت‌شده
35 یادگیری برای پرامپت‌دادن: بهینه‌سازی، پرامپت نرم و کاهش طول پرامپت
36 خودبهسازی، تجمیع پاسخ‌ها، RAG و استفاده از ابزار
37 روش‌های پیشرفتهٔ پرامپت: زنجیرهٔ فکر و تجزیهٔ مسئله
38 نمونه‌های بیشتر در طراحی و مهندسی پرامپت
39 طراحی عمومی پرامپت: مبانی، یادگیری درون‌متنی و راهبردهای مهندسی پرامپت
40 برون‌یابی و درون‌یابی موقعیت و جمع‌بندی مدل‌سازی دنباله‌های بلند
صفحه قبلی
پیمایش رکوردها - صفحه 7 از 8
12345678
صفحه بعدی

اطلاعات تماس

  • آدرس:اصفهان-خیابان ام کلثوم غربی - بعد خیابان تخم چی - بیست متر بعد از پیتزا ننه شب - کوچه تعمیر گاه سمار زغالی - پلاک 354 - درب مشکی - طبقه هفتم
  • آدرس ایمیل:najafzade@gmail.com
  • وب سایت:http://www.a00b.com/
  • تلفن ثابت:(+98)9131253620
  • تلفن همراه:09131253620