💻 معرفی کتابخانه Prince در پایتون برای کاهش ابعاد مقادیر عددی (Numerical) و طبقه ایی (Categorical):

کاهش ابعاد داده به تکنیک هایی گفته می شوند که برای کاستن تعداد متغیرهای ورودی در مجموعه داده به کار گرفته می شوند. یکی از این تکنیک ها، تحلیل عامل ( factor analysis) است و کتابخانه prince دارای متدهای مختلفی برای این نوع تحلیل می باشد.
این کتابخانه دارای متدهای زیر برای کاهش ابعاد متغیرهای عددی و طبقه ایی می باشد:

🔸PCA:
زمانی که دیتاست شامل متغیرهای پیوسته عددی باشد، از این متد استفاده می شود.
🔸CA:
از این متد در بررسی وابستگی بین دو متغیر طبقه ایی استفاده می شود.
🔸MCA:
توسعه یافته متد CA است و هنگامی مورد استفاده قرار می گیرد که بیش از دو مقدار طبقه ایی در دیتاست وجود داشته باشد.
🔸MFMD:
اگر دیتاست دارای هر دوی متغیرهای عددی و طبقه ایی باشد، این متد به کار گرفته می شود.

🔺این کتابخانه فقط با پایتون 3 سازگار است.

مطالعه بیشتر:
https://github.com/MaxHalford/prince

متغیر عددی و طبقه ایی چیست؟
https://news.1rj.ru/str/meteorjournal/92

#کاهش_ابعاد #متغیر_عددی #متغیر_طبقه_ایی
#pca #prince

🙋🏻‍♀@meteorjournal

🔭 آشکارسازی مولکول ها در فضا توسط گسیل امواج رادیویی و میزر(maser)ها

مولکول ها توانایی خاصی در تولید امواج رادیویی دارن. وقتی اتم ها با هم پیوند شیمیایی برقرار میکنن و مولکول ها رو به وجود میارن؛ اتم های موجود در این مولکول ها مدام در حال ارتعاش و چرخش هستن. هرگونه تغییر در این حرکات موجب تغییر در سطح انرژی مولکول ها میشه.
زمانیکه سطح انرژی مولکول ها کاهش پیدا میکنه نوعی آشفتگی الکترومغناطیسی گسیل میشه (نوعا رادیویی) که برای هر مولکولی منحصر به فرده (مثل طیف نشری اتم ها).

برخی از مولکول های میان ستاره ای مثل maser (تقویت میکروموج به وسیله ی گسیل اشعه ی تحریک شده) عمل میکنن. به این صورت که این مولکول ها ابتدا توسط یک اشعه ی کیهانی برانگیخته میشن و سپس با برگشتن به سطح انرژی قبلی خودشون؛ این اختلاف سطح انرژی رو به صورت یک (یا دو) طول موج معین گسیل میکنن (هر نوع مولکول قادره فقط مقدار معینی انرژی جذب کنه).

با استفاده از میزرها، مولکول های آلی پیچیده ای که اساس پیدایش حیات روی زمین بودن در فضا هم مشاهده شدن. این امر میتونه بیانگر وجود حیات فرازمینی در خارج از منظومه ی شمسی باشه.

منبع: کتاب نجوم دینامیکی
#نجوم #میزر #maser

🧑🏼‍🚀@meteorjournal

💻 شبکه های عصبی بازگشتی (Recurrent Neural Networks)

شبکه عصبی بازگشتی (RNN) نوعی از شبکه عصبی مصنوعی است که در تشخیص گفتار و پردازش زبان طبیعی استفاده می شود. بسیاری از شبکه های عمیق شبکه های پیش خور (Feed Forward) هستند یعنی سیگنال در این شبکه ها فقط در یک جهت از لایه ورودی، به لایه های مخفی و سپس به لایه خروجی حرکت می کند و داده های قبلی به حافظه سپرده نمی شوند. اما شبکه های عصبی بازگشتی یک لایه بازخورد دارند که در آن خروجی شبکه به همراه ورودی بعدی، به شبکه بازگرداننده می شود. RNN می تواند به علت داشتن حافظه داخلی، ورودی قبلی خود را به خاطر بسپارد و از این حافظه برای پردازش دنباله ایی از ورودی ها استفاده کند.
همانطور که در شکل می بینید، (X(0 را از دنباله ورودی می گیرد، خروجی (h(0 به همراه (X(1، ورودی مرحله بعدی است . در مرحله بعد، خروجی (h(1 و (X(2 ورودی مرحله بعد است. به این ترتیب، شبکه در هنگام آموزش قادر به یادآوری ورودی های قبلی خواهد بود.

کاربردها:
🔸شرح نویسی تصاویر
🔸پیش بینی سری های زمانی
🔸پردازش زبان طبیعی
🔸ترجمه ماشینی

🔺بیشتر بخوانید:
https://vrgl.ir/bHqv5
#هوش_مصنوعی
🙋🏻‍♀@meteorjournal

💥 سیر تکاملی کیهان پس از بیگ بنگ

❗️ویدیو حاوی متن انگلیسی است

#نجوم #فیزیک #بیگ_بنگ #bigbang
🧑🏼‍🚀@meteorjournal

🗂 دیتاست های پرکاربرد در سه سطح مبتدی، متوسط و پیشرفته:

🔶 Beginner Level
Iris Data
Loan Prediction Data
Bigmart Sales Data
Boston Housing Data
Time Series Analysis Data
Wine Quality Data
Turkiye Student Evaluation Data
Heights and Weights Data

🔶🔶 Intermediate Level
Black Friday Data
Human Activity Recognition Data
Siam Competition Data
Trip History Data
Million Song Data
Census Income Data
Movie Lens Data
Twitter Classification Data

🔶🔶🔶 Advanced Level
Identify your Digits
Urban Sound Classification
Vox Celebrity Data
ImageNet Data
Chicago Crime Data
Age Detection of Indian Actors Data
Recommendation Engine Data
VisualQA Data

#دیتاست #علم_داده #یادگیری_ماشین #کلان_داده

🙋🏻‍♀@meteorjournal

🌌 هیچ چیست؟

توضحیات نیل دگریس تایسون درباره ی مفهوم "هیچ"

👈🏼 برای ویدیوهای بیشتر میتونید به صفحه ی تیک تاک neildegrassetyson مراجعه کنید 👉🏼

❗️ویدیو با زیرنویس فارسی

#نجوم #فیزیک #کوانتوم #هیچ
🧑🏼‍🚀@meteorjournal

🌌 طبقه بندی کهکشان ها (قسمت اول)

1⃣ کهکشان های مارپیچی
رایج ترین نوع کهکشان در کیهان که کهکشان راه شیری و آندرومدا هم از این نوع هستن. این نوع کهکشان ها به صورت یک دیسک با برامدگی ای در مرکز دیده میشن و از دو بخش هسته و بازوهای مارپیچی تشکیل شدن.

انواع کهکشان مارپیچی 👇🏼
نوع Sa: هسته ی روشن بسیار بزرگ و بازوهای متراکم و پیچ خورده.
نوع Sb: روشنایی بین هسته و بازوها به صورت یکنواخت تر تقسیم شده. همچنین بازوها نسبت به Sa از تراکم کمتری برخوردارن.
نوع Sc: هسته ی بسیار کوچک و بازوهای گشوده.

❗️اگر کهکشانی بین دوگروه قرار داشته باشه، از ترکیب دو نماد استفاده میشه. مثلا کهکشان راه شیری که بین نوع Sb و Sc قرار داره؛ به عنوان نوع Sbc طبقه بندی میشه.
❗️توجه داشته باشید که بزرگ و کوچک بودن حروف حائز اهمیته.

🔷 در زیر گروه کهکشان های مارپیچی، کهکشان های میله ای قرار دارن. در این گروه، به نظر میرسه که توزیع روشنایی در هسته به صورت میله ای وجود داره.

انواع کهکشان میله ای 👇🏼
نوع SBa: روشنایی زیاد متمرکز در میله و بازوهای پیچ خورده ی متراکم.
نوع SBb: توزیع یکنواخت تر روشنایی در میله و بازوها. به علاوه بازوهای بازتر نسبت به SBa.
نوع SBc: دارای هسته ای با روشنایی کمتر، ساختار شبه میله ای روشن و بازوهایی با تراکم پایین.

❗️اگر کهکشانی بین SBa و SBb باشه، SBab نامیده میشه.

تصویر کهکشان مارپیچی

تصویر کهکشان میله ای


قسمت دوم: کهکشان های بیضوی

قسمت سوم: کهکشان های نامنظم

#part1 #قسمت1
#نجوم #کهکشان #کهکشان_مارپیچی #کهکشان_میله_ای

🧑🏻‍🚀@meteorjournal

💻 7 مرحله فرآیند یادگیری ماشین به طور خلاصه:

🔴 جمع آوری داده (Data Collection): به فرآیند استخراج داده خام برای وظایف یادگیری ماشین، جمع آوری داده می گویند. این داده از روش های مختلفی مانند منابع آنلاین منبع باز یا منابع غیر رایگان، به دست می آید. شاید این مرحله را بتوان مهمترین مرحله یادگیری ماشین نامید. اگر داده جمع آوري شده کیفیت پایینی داشته یا غیر مرتبط باشد، مدل آموزش دیده نیز کیفیت پایینی دارد.

🟠 پیش پردازش داده (Data Preparation): بعد از گردآوری داده های مرتبط، نیاز به پیش پردازش آنها داریم تا اطمینان حاصل شود داده در فرمت قابل استفاده برای آموزش مدل های یادگیری ماشین است. این مرحله شامل مدیریت داده های گمشده یا داده های پرت می باشد.

🟡 مهندسی ویژگی (Feature Engineering): زمانی که دیتاست جمع آوری و پیش پردازش شد، ممکن است نیاز به تبدیل یا حذف بعضی از ویژگی های دیتاست باشد تا مدل آموزشی بهینه تری به دست آید.

🟢 انتخاب مدل (Model Selection): براساس دیتاست، یک مدل یادگیری ماشین انتخاب می کنیم. این کار یکی از وظایف مهم مهندسان صنعت است. به جای به کارگیری مدل های کاملا جدید، بیشتر وظایف یادگیری ماشین با روش های موجود یا ترکیب روش های کنونی، قابل انجام است.

🔵 آموزش مدل و پایپ لاین داده (Model Training and Data Pipeline): بعد از انتخاب مدل، یک پایپ لاین داده (خط لوله داده) برای آموزش مدل ایجاد می شود. یعنی جریان پیوسته ایی از داده های دسته ایی ایجاد می شود تا مدل را به صورت مناسبی آموزش ببیند. از آنجا که آموزش می تواند طولانی شود، بهتر است پایپ لاین داده تا حد ممکن کارآمد باشد.

🟣 اعتبار سنجی مدل (Model Validation): بعد از آموزش، اعتبارسنجی کارایی مدل بر روی بخشی از دیتاست انجام می شود. این داده ها باید توزیع اصولی مشابه مجموعه داده آموزشی داشته باشند، اما باید داده های متفاوتی باشند که مدل قبلاً آنها را ندیده است.

⚪️ پایداری مدل (Model Persistance): در نهایت، پس از آموزش و اعتبارسنجی عملکرد مدل، باید وزن های مدل به درستی ذخیره شوند و مدل به سمت تولید سوق داده شود. این بدان معنی است که فرایندی تنظیم شوند که کاربران جدید بتوانند به راحتی از مدل از پیش آموزش دیده، برای پیش بینی استفاده کنند و نیاز به آموزش مجدد مدل نباشد.

#یادگیری_ماشین #هوش_مصنوعی #پیش_پردازش_داده #مهندسی_ویژگی

🙋🏻‍♀@meteorjournal

✅ پاسخ سوال بحث در گروه 👇🏼
این یک پرسش 4 گزینه ایه. پس احتمال پاسخ درست 25% هستش. اما چون دوتا گزینه ی 25% وجود داره؛ احتمالش میشه 50%.
حالا اگر گزینه ی 50% درست باشه؛ چون یدونه 50% داریم پس میشه 25%. پس گزینه ی 50% هم غلط میشه.
اما اگر گزینه ی 0% رو هم درست در نظر بگیریم؛ چون یدونه 0% توی گزینه ها هست جواب میشه 25% و باز هم توی یک دور باطل میافتیم.

❗️بنابر این این سوال هیچ پاسخ درستی در گزینه ها نداره.

#پاسخ #بحث_گروهی
🙋🏻‍♂@meteorjournal

🌌 طبقه بندی کهکشان ها (قسمت دوم)

2⃣ کهکشان بیضوی
این نوع کهکشان ها بر اساس خروج از مرکزشون طبقه بندی میشن (E0، E1، E2، ...، E7)؛ به طوریکه یک کهکشان نوع E0 کرویست.

🔷 دسته ی فرعی منظومه ی کوتوله جزو این گروه از کهکشان هاست. منظومه های کوتوله کم نور و از مجموعه ی ستارگان متفرق هستن؛ اما با این حال بسیار متداول محسوب میشن.

🔶 کهکشان نوع SO: اگر از بالا به این نوع کهکشان ها نگاه کنیم، شبیه کهکشان کروی به نظر میرسن. اما اگر از پهلو به اونها نگاه کنیم، به صورت یک دیسک پهن شده اما بدون بازو هستن.
❗️با اینکه این نوع کهکشان ها بین دسته ی کروی و مارپیچی قرار دارن؛ اما ما نمیتونیم اون ها رو از لحاظ تکاملی مرحله ی واسطی بین این دو نوع کهکشان قرار بدیم.

قسمت اول: کهکشان های مارپیچی

قسمت سوم: کهکشان های نامنظم

#قسمت2 #part2
#نجوم #کهکشان #کهکشان_بیضوی #منظومه_کوتوله #کهکشان_SO
🧑🏻‍🚀@meteorjournal

⁉️ 10 دوره برتر علم داده و یادگیری ماشین سایت کورسرا سال 2020

1⃣ Machine Learning - Stanford University

2⃣ IBM Data Science by IBM

3⃣ Deep Learning - deeplearning .ai

4⃣ Data Science - john Hopkins University

5⃣ Applied Data Science with Python - University of Michigan

6⃣ Data Engineering, Big Data, and Machine Learning on GCP - Google

7⃣ Business Analytics - University of Pennsylvania

8⃣ SQL for Data Science - University of California, David

9⃣ Mathematics for Machine Learning - Imperial College London

🔟 Statistics with R - Duke University

#هوش_مصنوعی #یادگیری_ماشین #علم_داده #کورسرا #آموزش #کورس

🙋🏻‍♀@meteorjournal

🎞 هولوگرام (Hologram)

این واژه از دو بخش «Holo» به معنی همه؛ و «Gram» به معنای نگاشت تشکیل شده. چرا که تصویر هولوگرافی حاوی اطلاعات هر سه بعد مربوط به تصویره.
برای تصویر برداری هولوگرافی، از یک پرتوی لیزر استفاده میشه. چراکه پرتوی لیزر یک تک موجه و برای ایجاد الگوی تداخلی بسیار مناسبه.

ابتدا نور لیزر به دو پرتوی مجزا تقسیم میشه. اولین پرتو بعد از برخود به سطحی که قراره از اون عکس بگیریم، به سمت صفحه ی عکاسی بازتاب میشه؛ اما قبل از بر خورد به صفحه ی عکاسی، با پرتوی دوم برخورد میکنه. این برخورد باعث به وجود اومدن تداخل در دو پرتوی نور میشه.

نهایتا تصویری که روی هولوگرام ایجاد میشه به دلیل الگوی تداخلی به صورت دایره های هم مرکزه، و هیچ شباهتی به تصویر واقعی نداره. اما به محض اینکه نور لیزری رو به فیلم بتابونیم، یک تصویر سه بعدی از جسم دقیقا جاییکه قبلا خود جسم نسبت به فیلم وجود داشته به دست میاد.

یکی از ویژگی های مهم هولوگرام اینه که هر جزء اون حاوی تصویر اصلیه. یعنی اگر هولوگرام رو قطعه قطعه کنیم؛ نهایتا به تعداد قطعه ها تصویر کاملی از جسم خواهیم داشت.

تصویر مکانیزم عکس برداری هولوگرافی

منبع: کتاب جهان هولوگرافیک
اثر مایکل تالبوت

#فیزیک #هولوگرام #جهان_هولوگرافیک

🙋🏻‍♂@meteorjournal

مکانیزم ثبت تصویر در عکاسی هولوگرافی
#هولوگرام
🙋🏻‍♂@meteorjournal

💻 ۵۰ سوال و جواب مصاحبه یادگیری ماشین
زبان: انگلیسی
تعداد صفحات: ۸ صفحه

#یادگیری_ماشین #علم_داده #سوالات_مصاحبه

🙋🏻‍♀@meteorjournal

🌌 طبقه بندی کهکشان ها (قسمت سوم)

3⃣ کهکشان نامنظم
این نوع کهکشان ها تقارن یا ساختار مشخصی ندارن و به دو گروه تقسیم میشن.

🔸کهکشان نامنظم I: ابرهای ماژلانی از این گروه هستن. این نوع از کهکشان هامعمولا با ستاره های نوع O و B و نواحی هیدروژن یونیده شده مشخص میشن و معمولا نشانه هایی از بازوهای مارپیچی شکل نگرفته دارن.

🔸کهکشان نامنظم II: انواع گوناگونی دارن و نشانه هایی از جمله گسیل های غیر عادی، محتوای غبار غیر عادی، بر هم کنش های کشندی یا خصلت انفجاری و فوران ماده با شدت زیاد رو نشون میدن.

❗️در این سه قسمت کهکشان ها از نظر شکل و توضیع روشنایی تقسیم بندی شدن؛ اما به ویژگی های دیگه ای هم توجه میشه.
به طور مثال در انتهای نام کهکشان ها، میزان درخشندگیشون با اعداد رومی از I تا V (1 تا 5) مشخص میشه (درخشندگی بیشتر عدد کمتری رو یدک میکشه).
برای نمونه کهکشان E0I، درخشان ترین کهکشان کرویه.

قسمت اول: کهکشان های مارپیچی

قسمت دوم: کهکشان های بیضوی

#قسمت2 #part2
#نجوم #کهکشان #کهکشان_نامنظم
🧑🏻‍🚀@meteorjournal

🆓 نسخه ی آنلاک شده و کامل برنامه ی آموزش زبان دولینگو پلاس به صورت رایگان

🔻دولینگو یک برنامه ی آموزشی برای اکثر زبان های دنیاست که نسخه ی پلاس اون غیر رایگانه.

📱سیستم مورد نیاز: اندروید 5.0 و بالاتر

#آموزش #زبان #دولینگو #دولینگوپلاس #دولینگو_پلاس

🙋🏻‍♂@meteorjournal