✅7 راه موثر برای جلوگیری از overfitting در الگوریتم‌های یادگیری ماشین👌👌

🔷وقتی یک مدل یادگیری ماشین عملکرد خیلی خوبی روی داده آموزشی داشته باشد ولی روی داده جدید عملکرد خیلی پایینی داشته باشد، در این صورت به احتمال بسیار زیاد overfitting رخ داده است. در این مقاله میخواهیم در ابتدا با مفهوم Overfitting آشنا شویم و سپس توضیح دهیم که چطور میتوان متوجه شد یک مدل overfit شده و در آخر راههای موثر برای جلوگیری از overfitting را بررسی کنیم.

⭕️جزئیات بیشتر 👇
https://onlinebme.com/7-ways-to-prevent-overfitting-in-machine-learning/

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅انواع واسط مغز و کامپیوتر
🔺غیرتهاجمی-نیمه تهاجمی-تهاجمی

🔷بسته به اینکه از چه روش برای ثبت سیگنالهای مغزی استفاده می‌شود، واسط مغز و کامپیوتر (BCI) را میتوان به سه دسته کلی تقسیم‌بندی کرد. روشهای زیادی برای ثبت سیگنالهای مغزی وجود دارد که به طور کلی میتوان BCI را به سه دسته‌ی غیرتهاجمی، نیمه‌تهاجمی و تهاجمی دسته بندی کرد!

⭕️جزئیات بیشتر 👇
https://onlinebme.com/types-of-brain-computer-interface/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅انتخاب مدل یادگیری ماشین مناسب با کمک تیغ اُکام
⚠️مدل ساده یا مدل پیچیده؟ مسئله این است!

💡 احتمالا تا الان براتون پیش اومده که در یک پروژه‌ای از دو مدل یادگیری ماشین استفاده کرده‌اید و مشاهده کردید هر دو تقریبا مثل هم عمل می‌کنند و بعد در انتخاب بین دو مدل به مشکل خورده‌اید یا براتون سوال بوده که کدوم یکی رو انتخاب کنم بهتر است؟! بهتون یه راه ساده و کاربردی رو پیشنهاد میکنیم… تیغ اُکام! یک ابزار منطقی که سعی میکنه مسیر رو براتون هموار کنه و کمک کنه مدل مناسب رو برای مسئله انتخاب کنید!

⭕️جزئیات بیشتر 👇
https://onlinebme.com/occams-razor-and-model-selection-in-machine-learning/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ پکیجهای آموزشی onlinebme
⚠️اولین گروه آموزشیِ تخصصی و پروژه محور

⭕️⭕️ اصول برنامه‌نویسی در متلب (رایگان)
مدت دوره: 11 ساعت
🌀 https://onlinebme.com/course/matlab/

⭕️⭕️ پیاده سازی گام به گام شبکه های عصبی
مدت دوره: 25 ساعت
🌀 https://onlinebme.com/course/neural-networks-in-matlab/

⭕️⭕️ دوره جامع پردازش سیگنال مغزی(EEG)
مدت دوره: 50 ساعت
🌀 https://onlinebme.com/product/eeg-signal-processing/

⭕️⭕️ واسط مغز و کامپیوتر مبتنی بر SSVEP
مدت دوره: 33 ساعت
🌀https://onlinebme.com/product/bci_ssvep/

⭕️⭕️ پردازش سیگنال مغزی(EEG) مبتنی بر تسک تصور حرکتی (BCI)
مدت دوره: 21 ساعت
🌀 https://onlinebme.com/product/brain-computer-interface-package-motorimagery/


✅ دوره شناسایی الگو و یادگیری ماشین (اولین دوره جامع و تخصصی در ایران)
⚠️ 140 ساعت ویدیوی آموزشی
🔹آموزش تئوری و مباحث ریاضیاتی طبق مراجع معتبر
🔹پیاده‌سازی مرحله به مرحله الگوریتمها
🔹انجام پروژه های عملی و تخصصی
🔹پیاده سازی گام به گام مقالات تخصصی

🟣▪️پترن و یادگیری ماشین (فصل یک تا 4): از بیزین تا SVM
مدت دوره: 75 ساعت
🌀 https://onlinebme.com/product/season-1-4-packages-pattern-recognition/

🔵▪️پترن و یادگیری ماشین (فصل 5): یادگیری جمعی (Ensemble learning)
مدت دوره: 18 ساعت
🌀 https://onlinebme.com/product/ensemble-learning/

🟢▪️پترن و یادگیری ماشین (فصل 6): کاهش بعد (dimensionality reduction)
مدت دوره: 11 ساعت
🌀 https://onlinebme.com/product/dimension-reduction-using-lda-pca/

🔴▪️پترن و یادگیری ماشین (فصل 7): انتخاب ویژگی (feature selection)
مدت دوره: 16 ساعت
🌀https://onlinebme.com/product/season07-featrue-selection/


🟠▪️فصل هشتم: خوشه بندی ( clustering)
مدت دوره: 13 ساعت
🌀https://onlinebme.com/product/pattern-season08-clustering/



✅ دوره جامع پردازش تصویر
🟠فصل اول: مباحث مقدماتی، آستانه گذاری تصویر، تبدیلات شدت روشنایی و هندسی
مدت دوره: 30 ساعت
🌀https://onlinebme.com/product/image-processing-chapter1
🔵فصل دوم: پردازش هیستوگرام تصویر
مدت دوره : 6 ساعت و 30 دقیقه
🌀https://onlinebme.com/product/image-prcessing-chapter2

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

‌✅ رباتی که  میتواند  Jenga بازی کند!

‌⭕ آلبرتو رودریگز ، استادیار مهندسی مکانیک و اعضای آزمایشگاه MCube MIT توانسته رباتی بسازد که بتواند با کمک یادگیری ماشین نحوه بازی کردن جنگا(Jenga)  را یاد بگیرد.
🔷️ برخلاف الگوریتمهای یادگیری ماشین رایج، این ربات برای تخمین بهترین حرکت بعدی، از داده زیادی استفاده نمی‌کند!
🔶️ این ربات از یک مدل سلسله مراتبی استفاده میکند و همین باعث میشود که به خوبی قطعات را به نرمی جدا کند.
🔷️این فناوری می تواند در ربات‌ها برای اهداف مختلف مورد استفاده قرار گیرد، عمده این موارد در ساخت خطوط مونتاژ خواهد بود!
 
#هوش_مصنوعی #یادگیری_ماشین

@onlinebme

✅ تکنیک یکی در مقابل همه یا تکنیک یکی در مقابل یکی

🔷برخی از طبقه‌بندهای یادگیری ماشین، مثل SVM برای مسائل دو کلاسه طراحی شده‌اند و اگر یکی بخواهد از این الگوریتمها در مسائل چند کلاسه استفاده کند، مجبور است که با کمک تـکنیکهایی طبقه‌بند را برای مسائل چندکلاسه تعمیم دهد. تکنیک یکی در مقابل همه و تکنیک یکی در مقابل یکی از جمله روشهایی هستند که از آنها برای تعمیم طبقه‌بند دوکلاسه برای چند کلاسه استفاده می‌کنند. ولی سوال مهمی که هست اینه که از کدام یکی از این تکنیکها استفاده کنیم بهتر هست؟

🔷در این بخش میخواهیم مزایا و معایب این دو تکنیک را با یک مثال ساده توضیح دهیم تا متوجه شوید از کدام یکی استفاده کنید بهتر است

⭕️جزئیات بیشتر 👇
https://onlinebme.com/multi-classification-with-one-vs-rest-or-one-vs-one/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme