https://virgool.io/feed/@maskhalili93 fa 2026-04-15 10:10:25 https://files.virgool.io/upload/users/2548175/avatar/avatar.png?height=120&width=120 https://virgool.io/@maskhalili93 https://virgool.io/@maskhalili93/%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D9%85%D8%A7%D8%B4%DB%8C%D9%86-%DA%86%DB%8C%D8%B3%D8%AA-wbs3rfmwryuk یادگیری ماشین در واقع تقلید وقایعی است که انسان‌ها رقم می‌زنند. به عبارت دیگر در یادگیری ماشین می‌کوشیم تا با ترکیبی از محاسبات عددی، ورودی‌ها را به شکل دیگری تغییر دهیم. برای مثال ورودی ما یک تصویر است و می‌خواهیم عناصر موجود در این تصویر را بازیابی کنیم(دقیقاً کاری که انسان به طور روزانه از طریق چشم انجام می‌دهد). در ادامه به تعریف یادگیری ماشین و انواع آن می‌پردازیم. تعریف یادگیری ماشیندر سال 1950، دانشمندی به نام آلن تورینگ مدل محاسباتی‌ای ارائه کرد که هر تابعی که توسط انسان قابل محاسبه است توسط آن مدل نیز قابل محاسبه است. پس از آن مدل محاسباتی تورینگ به شکل فیزیکی پیاده‌سازی شد و آن را کامپیوتر نامیدند. این موضوع مقدمه‌ای شد برای توسعه این مدل برای شبیه‌تر کردن آن به محاسبات انسان، به عبارت دیگر دسته روش‌هایی ارائه شد که کارهای مشابه با انسان انجام می‌دادند. این روش‌ها با دریافت مجموعه‌ای از اطلاعات به دنبال یافتن الگوهای مشابه در آنها بودند. یادگیری‌ ماشین بخش از هوش‌مصنوعی است که به یک نرم‌افزار کاربردی این قابلیت را می‌دهد که خروجی‌هایی تولید کند که از قبل به صورت مستقیم برنامه نویسی نشده باشند.انواع یادگیری ماشینمی‌توان روش‌های یادگیری ماشین را در سه دسته مستقل مورد بررسی قرار داد:۱- یادگیری تحت نظارتدر این نوع یادگیری همانند یک معلم برای مدل یادگیری مثال هایی از ورودی و خروجی ارائه می‌گردد. به عبارت دیگر داده‌ها برچسب‌گذاری شده اند و مدل سعی می‌کند پارامترهای خود را به گونه‌ای تغییر دهد که منطبق بر مثال‌های داده شده باشد. به عنوان مثال مجموعه ای از تصاویر اعداد 0 تا 9 داریم و برچسب هر کدام از آن تصاویر دقیقا برابر با عدد موجود در تصویر می‌باشد. مدل پس از آموزش با این تصاویر برچسب زده شده، بایستی خروجی یک تصویر جدید از یک عدد خاص را به درستی تشخیص دهد. به عنوان یک مثال ملموس می توان به تشخیص ایمیل اسپم و غیر اسپم اشاره کرد.۲- یادگیری بدون نظارتدر این یادگیری برخلاف روش اول هیچ گونه معلمی وجود ندارد. داده‌ها برچسب‌گذاری نشده اند و مدل برای یادگیری صرفاً بر اساس شباهت‌ها و تفاوت‌هایی که در داده‌های آموزشی خود می‌بیند به دسته بندی و تفکیک داده‌ها در گروه‌های مختلف می‌پردازد. به عنوان مثال جدا کردن تصاویر انسان و خودرو که بر اساس شباهت‎‌ها و تفاوت‌های آن‌ها قابل دسته‌بندی هستند.۳- یادگیری تقویتینزدیک‌ترین نوع یادگیری به یادگیری انسان، یادگیری تقویتی می‌باشد. این نوع یادگیری بر پایه عملکرد هوش مصنوعی از محیط بازخورد دریافت کرده و بر اساس بازخورد مثبت یا منفی رفتار خود را بهبود می‌دهد. رباتی را تصور کنید که میخواهد راه برود، نحوه‌ی تعامل آن با جاذبه زمین و اجسام اطرافش به آن بازخوردی می دهد که چطور بهتر راه رود.یادگیری عمیق چیست؟حال سوالی که پیش می‌آید این است که یادگیری عمیق چیست و چه ارتباطی با یادگیری ماشین دارد؟یادگیری عمیق نوعی از یادگیری ماشین است که در آن به مدل یادگیر اجازه داده می‌شود به صورت خودکار در محیط جستجو کند و عوامل مرتبط با وظیفه‌ محول شده را بدست آورد. این درحالی است که در یادگیری ماشین این عوامل توسط انسان تعیین می‌شود. به عنوان مثال رشته‌ی DNA از انسان‌های مختلف به مدل یادگیر داده می‌شود و از مدل می‌خواهیم تا افرادی که در آینده با احتمال بالا دچار سرطان می‌شوند را مشخص کند. اکنون وظیفه‌‎ی مدل این است که در رشته‌ی DNA جستجو کند و ارتباط میان کدهای DNA و بیماری سرطان را پیدا کند.رابطه بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیقکاربردهای یادگیری ماشینیادگیری ماشین دارای کاربردهای بسیار زیاد و متنوعی می‌باشد که قسمتی از آن در تصویر زیر نشان داده شده است.کاربردهای یادگیری ماشینجمع‌بندییادگیری ماشین از جمله دانش‌هایی است که زندگی و دنیای ما را تا حد بسیار زیادی دگرگون کرده است. در این مقاله یادگیری ماشین و روش‌های آن به صورت خلاصه مطرح شده است و سپس به بیان کاربردهای آن در بخش مختلف پرداخته شده است. این دانش همواره در حال پیشرفت می‌باشد و در آینده نقش آن در زندگی ما به مراتب پر رنگ‌تر از حال حاضر خواهد شد.منبعکتاب Machine Learning Masoomeh Khalili Masoomeh Khalili Fri, 26 May 2023 23:20:26 +0330 https://virgool.io/@maskhalili93/%D8%A7%D9%87%D9%85%DB%8C%D8%AA-%D8%AF%D8%A7%D8%AF%D9%87-cuo5xsncxxdl امروز می خواهم درباره ی یکی از چالش هایی که در هنگام نوشتن پایان نامه ام با آن مواجه شدم توضیح دهم. موضوع پایان نامه ام "ارزیابی ریسک در محیط پیرامون کاربر از طریق طبقه‌بندی داده‌های حسگرهای صوتی و تلفن همراه هوشمند" بود. لازم بود که من برای ارائه ایده خودم الگوریتم های مختلفی از یادگیری ماشین را اجرا کنم و با مقایسه عملکرد و دقتشان بهترین را انتخاب کنم و نتایج آن را به عنوان نتایج تحقیقاتم ارائه دهم.ولی من تنها دانشجویی نبودم که با این چالش رو به رو بودم بلکه بسیاری دیگر از دانشجویان نیز حتی از دانشکده‌های دیگر با این مشکل مواجه بودند.این موضوع چیزی نبود جز داده، بله درسته داده! جمع آوری داده یکی از مسائل اساسی و مهم در کار با ابزارهای هوش مصنوعی است. من برای پایان نامه ام نیاز به صوت خودروهایی با سرعت ها و کلاس‌های مختلف داشتم که داده‌ی مد نظر من وجود نداشت. به همین دلیل من مجبور بودم خیلی از وقت ها کنار خیابان و اتوبان صدای انواع ماشین‌ها را ضبط کنم، از ماشین سبک گرفته تا سنگین، از کم سرعت گرفته تا پرسرعت. همچنین این داده ها خام بودند و من نیاز داشتم که برچسب داشته باشند و بعد از ضبط صداها و آماده کردنشان در فرمت مد نظرم تازه نوبت می‌رسید به برچسب گذاشتن روی صوت‌ها و بعد از آن می توانستم از الگوریتم های هوش مصنوعی روی داده‌ها استفاده کنم.جمع کردن داده چالش های خاص خودش را برایم داشت. درست است که آن زمان جمع‌آوری داده برایم کمی سخت بود ولی الان که به آن فکر میکنم، این موضوع تبدیل به خاطرات جالبی شده که همیشه در ذهنم خواهد ماند.این موضوع را گفتم تا شما را از اهمیت داده آگاه کنم، بحث داده و جمع آوری یک مجموعه داده خوب همواره از مهم‌ترین موضوعات در هوش مصنوعی است. موضوع جمع‌آوری داده در شرکت‌های بزرگ یک چالش اساسی می‌باشد. به همین دلیل مفهومی به نام حاکمیت داده (data governance) به وجود آمد که سعی می‌کند با اعمال قوانینی، چالش‌های این مسئله را کاهش دهد. Masoomeh Khalili Masoomeh Khalili Fri, 26 May 2023 11:00:39 +0330 https://virgool.io/@maskhalili93/%D9%86%D9%82%D8%B4-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%AF%D8%B1-%D8%B2%D9%86%D8%AF%DA%AF%DB%8C-%D9%85%D8%A7-piq9zyopxe3x هوش مصنوعی در حال حاضر به یک ترند در میان تمام اقشار جامعه تبدیل شده است. این روزها مردم در مورد کوچکترین مسائل هم به دنبال یافتن پاسخ هوش مصنوعی هستند و حتی بسیاری از صاحبان کار نیز به منظور تبلیغ و توسعه محصولات خود از هوش مصنوعی استفاده می‌کنند.از هوش مصنوعی علاوه بر زندگی روزمره می توان در صنایع مختلفی همچون دارو سازی، پزشکی، خودروسازی، مدیریت کسب وکار، امنیتی و نظامی، کشاورزی، شهرسازی و کمک به افراد آسیب‌پذیر و ... استفاده کرد. درواقع به قدری این حوزه و کاربردهایش گسترده است که نمی‌توانیم فقط در یک پست به تمامی آن‌ها اشاره کنیم.در زندگی روزمره همواره شاهد حضور هوش‌مصنوعی در مسائل مختلفی همچون کار با تلفن‌های همراه و رایانه‌ها و اپلیکیشن‌های موجود درآن‌ها هستیم. امروزه بسیاری از بازی‌های کامپیوتری از تکنولوژی هوش مصنوعی به منظور افزایش کیفیت بازی‌های خود و جذب مخاطبانشان استفاده می‌کنند. همچنین در موضوع خانه‌های هوشمند پیشرفت بسیاری صورت گرفته که همین باعث افزایش راحتی و کیفیت زندگی می باشد.در حوزه داروسازی و پزشکی، می توان به پیش بینی بیماری‌ها، فرآیند ساخت دارو، پیش بینی اثر پذیری آن در درمان بیماری‌ها و حتی ساخت تجهیزات مربوط به این حوزه اشاره کرد. تشخیص نسخه (به دلیل دست‌خط بد پزشکان) و همچنین استفاده از بینایی ماشین به منظور انجام عمل‌های بسیار حساس از دیگر موارد مطرح در این حوزه می‌باشد.در صنعت خودروسازی می‌توان به منظور افزایش ایمنی سرنشینان خودرو و عابران پیاده از تکنولوژی های هوش مصنوعی استفاده کرد. در این حوزه می‌توان به خودروهای خودران نیز اشاره کرد.جایگاه هوش مصنوعی را در مدیرت کسب و کار نمی‌توان نادیده گرفت. به عنوان مثال در اداره یک فروشگاه اینترنتی از هوش مصنوعی می‌توان در تحلیل رفتاری کاربران، ارائه خدمات بهتر، پیگری خدمات پس از فروش، ارائه‌ی تبلیغات تاثیرگذار، تعیین قیمت‌ها و توجه به نیازهای مشتری استفاده کرد و به این طریق به توسعه کسب و کار کمک کرد.استفاده از تکنولوژی‌های روز هوش مصنوعی نظیر پردازش تصویر، بینایی ماشین کمک شایانی در حوزه امنیت و نظامی کرده است. در این حوزه می‌توان به تشخیص چهره افراد، تشخیص سلاح های گرم و سرد و صنایع موشکی و جنگی اشاره کرد.در حوزه کشاورزی نیز نظیر سایر حوزه‌ها حضور هوش مصنوعی سبب بهبود عملکر کشاورزان خواهد بود در این حوزه می توان به تحلیل تقاضا بازار، انتخاب بذر مناسب، میزان سلامت خاک و تغذیه آن، حفظ محیط زیست و سود بیشتر برای کشاورزان اشاره کرد.امروزه در موضوع شهرسازی و افرد آسیب‌پذیر با کمک هوش‌مصنوعی مقالات علمی معتبر زیادی ارائه شده است. حمل و نقل هوشمند از جمله عناوین آشنا در این حوزه می‌باشد. جایی که با هوشمند شدن شهر می‌توان محیطی امن برای تمامی افراد (اعم از سرنشن خودرو یا عابر پیاده) و همچنین افراد آسیب‌پذیر فراهم کرد. در این راستا پردازش تصویر، بینایی ماشین، ارتباطات خوردرویی از موضوعات مطرح در این حوزه می‌باشد.و اما در موضوع chat GPT، نامی که این روزها بر سر زبان‌ها افتاده، این تکنولوژی در واقع یک چت بات است اما نه یک چت بات معمولی، بلکه با استفاده از این تکنولوژی به راحتی میتوان پاسخ سوالات مختلف از ساده ترین سوالات نظیر طرز تهیه نیمرو تا پیچیده ترین سوالات نظیر پاسخ مسائل ریاضی، فیزیک و کد نویسی را به راحتی بدست آورد. همانطور که در جامعه شاهد آن هستیم با این وجود که تحریم‌ها دسترسی به امکانات chat GPT را کمی دشوار کرده است اما این موضوع نتوانسته از تاًثیری که این محصول هوش مصنوعی بر زندگی گذاشته است بکاهد.جمع‌بندیهمانطور که در بالا گفته شد امروزه هوش مصنوعی توانسته جای خود را به خوبی در زندگی افراد پیدا کند. به طوری که استفاده از آن به طرز چشمگیری سبب بهبود کیفت در اکثر جوانب زندگی می‌باشد. به همین دلیل آشنایی با این حوزه می‌تواند عملکرد ما را در هر موضوعی بهبود دهد. پیشرف هوش مصنوعی به همین جا محدود نشده و در آینده شاهد موفقیت‌های هر چه بیشتر هوش مصنوعی در موضوعات مختلف خواهیم بود. Masoomeh Khalili Masoomeh Khalili Fri, 26 May 2023 10:42:19 +0330