‌✅ 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

✅ چطور با داده‌ نامتعادل در آموزش مدلهای یادگیری ماشین مقابله کنیم؟

⚠️ احتمالا تا حالا براتون پیش اومده که یه پروژه‌ای انجام داده باشین و دقت مدل 90 درصد بدست بیاد و بعد کلی خوشحال شدین که به به چه پروژه ای شد! بعد که یه مقدار بیشتر بررسی کردید متوجه شدین که 90 درصد داده‌ها مربوط به یک کلاس هست! این یک مثال از داده نامتعادل هست.

🔷 در این بخش میخواهیم چندین تـکنیک ساده برای مقابله با داده نامتعادل در آموزش الگوریتم‌های یادگیری ماشین را توضیح دهیم.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/how-to-to-combat-imbalanced-classes-in-your-machine-learning-dataset/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ چرا SVM در بین طبقه‌بندها جزء بهترینا هست؟

🔷ماشین بردار پشتیبان(svm) یکی از معروفترین الگوریتمها در مسائل طبقه‌بندی هست که برای اولین بار توسط آقای Vladimir Vapnik در سال 1995 با عنوان support vectors networks مطرح شد. SVM در ابتدا برای مسائل طبقه‌بندی دو کلاسه خطی مطرح شده بود که بعدا برای مسائل چندکلاسه، مسائل غیرخطی ، مسائل رگرسیون و حتی مسائل خوشه‌بندی تعمیم داده شد. از این رویکرد استقبال بی نظیری شده و جز مقالاتی هست citation خیلی بالایی دارد.

⭕️جزئیات بیشتر 👇
https://onlinebme.com/why-svm-is-popular/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

Data vs information vs knowledge vs wisdom

#machinelearing

@onlinebme

#تخفیف
https://onlinebme.com/coupon/

✅چطور یک مقاله تخصصی را در سریع‌ترین زمان ممکن پیاده‌سازی کنیم!

💡پیاده سازی مقاله یکی از چالشهای اساسی برای دانشجویان است. معمولا اکثر دانشجویان در پیاده‌سازی مقالات تخصصی مشکل دارند و شروع کار براشون سخت هست. در این بخش میخواهیم توضیح میدهیم که چطور میتوان یک مقاله تخصصی را در کوتاه ترین زمان ممکن پیاده سازی کرد. فعلا هدفمان پیاده‌سازی مقالاتی هست که متیوان با کمک ابزار آماده در محیط‌های برنامه نویسی مثل متلب یا پایتون انجام داد.
#پیاده‌سازی_مقاله

جزئیات بیشتر 👇
https://onlinebme.com/code-article-2/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

سال نو مبارک ❤️
امیدواریم سال جدید برای هممون سالی پر از خیر و برکت باشه
بهترینهارو براتون آرزومندیم❤️🌹🙏

❤️ @onlinebme

⭕️ مراحل انجام پروژه 👌
@onlinebme

✅ خلق تصاویر جذاب توسط هوش مصنوعی از روی سیگنال‌های مغزی افراد

سیستم هوش مصنوعی با بررسی واکنش مغز به یک تصویر از روی سیگنال EEG افراد میزان جذابیت عمومی آنرا متوجه می‌شود.

و سپس براساس سیگنال مغزی تصویر جذاب مطابق با معیارهای فرد تولید میکند.

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

اخیرا دوستان ازم میپرسن که کدام یک از دوره ها مهمتر هست تا ابتدا اونو تهیه کنند. برای همین خواستم یه توضیحی کوتاهی در این زمینه بدم.
اولا اینکه همه دوره ها بر اساس اهمیتی که دارند آماده شده اند. و همه به نوبه ی خود مهم و کاربردی هستند.
اما اگه بخوام یک دوره ای معرفی کنم که به درد همه دوستان بخوره، دوره جامع شناسایی الگو-یادگیری ماشین هست.
مخصوصا دوستانی که اول راه هستند و میخوان وارد حوزه یادگیری ماشین یا پردازش سیگنال یا تصویر شوند.
🔺این دوره پایه و اساس همه پروژه های مهندسی هست. چه دوستانی که پردازش سیگنال کار می‌کنند و چه دوستانی که پردازش تصویر کار می‌کنند، باید دیر یا زود این مباحث تخصصی رو یاد بگیرند و بتونند پروژه هاشون رو پیش ببرند.


سعی کردم در ۸ فصل(۱۴۰ ساعت) یک دوره جامع و تخصصی آماده کنم . در این دوره ابزار بسیار زیادی جهت انجام پروژه‌های تخصصی آموزش داده شده، و به جرات میتونم بگم که چنین دوره‌ای چه در مراجع فارسی و چه مراجع خارجی وجود ندارد.
پیشنهاد بنده اینه که قبل اینکه وارد حوزه ای شوید حتما مباحث شناسایی الگو-یادگیری ماشین رو یاد بگیرید.
یادگیری ماشین مهمترین مبحثی هست که لازمه در ابتدای کار یاد بگیریم.

موفق باشید 🙏🌹
محمد نوری زاده چرلو

✅ 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

✅ دوره به صورت فصل به فصل در سایت قرار گرفته است و میتونید ۸ فصل رو به ترتیب به سبد خرید اضافه کنید و یکجا تهیه کنید.


⭕️به خاطر درخواستی که دوستان داشتند چهار فصل اول رو یکجا هم قرار داده ایم که قیمت آن نسبت به حالت جدا جدا پایینتر هست.
ولی بقیه فصل ها فقط به صورت جدا در سایت موجود هست.

➖➖➖➖➖➖➖➖➖➖➖➖➖➖
⭕️چهار فصل اول در یک بسته👇👇

🟣▪️ فصل یک تا 4: از بیزین تا SVM
🌀 https://onlinebme.com/product/season-1-4-packages-pattern-recognition/

➖➖➖➖➖➖➖➖➖➖➖➖➖➖

🔵▪️ فصل 5: یادگیری جمعی (Ensemble learning)
🌀 https://onlinebme.com/product/ensemble-learning/

➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🟢▪️فصل 6: کاهش بعد (dimensionality reduction)
🌀 https://onlinebme.com/product/dimension-reduction-using-lda-pca/

➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🔴▪️ فصل 7: انتخاب ویژگی (feature selection)
🌀https://onlinebme.com/product/season07-featrue-selection/

➖➖➖➖➖➖➖➖➖➖➖➖➖➖

🟠▪️فصل 8: خوشه بندی ( clustering)
🌀https://onlinebme.com/product/pattern-season08-clustering/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ نقشه بردای مغز با اولتراسوند: Caltech واسط جدید مغز و کامپیوتر
⚠️یک روش کم تهاجم، برای رمزگشایی اهداف مغز

نویسنده: امیررضا جهانی

💡یک محدودیت عمده در ایجاد واسط مغز-کامپیوتر این است که، دستگاه‌ها برای خواندن فعالیت‌های عصبی به جراحی مغزی، از نوع تهاجمی، نیاز دارند. اما اکنون در Caltech یک گروهی توانسته‌اند تا نوع جدیدی از واسط مغز و ماشین را با حداقل تهاجم ایجاد کنند، تا فعالیت های مغزی‌ای که مربوط به برنامه حرکتی است را تحلیل کند. با استفاده از فناوری اولتراسوند عملکردی (fUS)، می‌توان فعالیت مغز را از مناطق دقیق در اعماق مغز، با وضوح 100 میکرومتر ترسیم کرد. لازم به ذکر است که اندازه یک نورون منفرد تقریبا 10 میکرومتر می‌باشد.

⭕️جزئیات بیشتر 👇
https://onlinebme.com/reading-minds-with-ultrasound-new-bci/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme