<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
    <channel>
        <title>پست‌های انتشارات یادگیری ماشین به زبان ساده برای همه</title>
        <link>https://virgool.io/simpleml/feed</link>
        <description>یادگیری ماشین عملی به زبان ساده و همراه با توضیح برای عموم افراد</description>
        <language>fa</language>
        <pubDate>2026-06-07 15:03:39</pubDate>
        <image>
            <url>https://files.virgool.io/upload/publication/xljghwmlxdmj/shdpb1.png</url>
            <title>یادگیری ماشین به زبان ساده برای همه</title>
            <link>https://virgool.io/simpleml</link>
        </image>

                    <item>
                <title>یادگیری ماشین به زبان خیلی ساده برای همه!(رگرسیون خطی)</title>
                <link>https://virgool.io/simpleml/%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D9%85%D8%A7%D8%B4%DB%8C%D9%86-%D8%A8%D9%87-%D8%B2%D8%A8%D8%A7%D9%86-%D8%B3%D8%A7%D8%AF%D9%87-%D8%A8%D8%B1%D8%A7%DB%8C-%D9%87%D9%85%D9%87%D8%B1%DA%AF%D8%B1%D8%B3%DB%8C%D9%88%D9%86-%D8%AE%D8%B7%DB%8C-i3ybzmfevszl</link>
                <description>۷۸۶سلام. علیرضا هستم. پست جدید رو شروع میکنیم. این پست هم مثل پست قبلی به زبان خیلی ساده بیان شده و به نظرم تو هر رشته ای هستید (حتی اگر فکر میکنید رشته شما هیچ ربطی به هوش مصنوعی نداره) این پست رو بخونید.رگرسیون خطی کاربرد های بسیار زیادی داره ، مثلا در بورس،املاک،فروش،و به طور کلی پیش بینی هر متغیر پیوسته از روی هر متغیر پیوسته دیگه.مثلا اگر شما مدیر فروش هستید یا نویسنده هستید یا محصولی میفروشید، میتونید با رگرسیون خطی فروش محصولات رو از روی هزینه برای تبلیغات به دست بیارید! و قطعا یاد گرفتن یادگیری ماشین توی هر رشته ای که هستید به کارتون میاد! پیشنهاد میکنم اگر نوشته قبل رو نخوندید اول اون رو بخونید بعد بیاید سراغ این نوشته: https://virgool.io/@alirezadigi/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%A8%D9%87-%D8%B2%D8%A8%D8%A7%D9%86-%D8%AE%DB%8C%D9%84%DB%8C-%D8%B3%D8%A7%D8%AF%D9%87-%D8%A8%D8%B1%D8%A7%DB%8C-%D9%87%D9%85%D9%87-oyskcbmh7nf5 خب،شروع کنیم!رگرسیون خطی!رگرسیون خطی بر خلاف اسم ترسناکی که داره! یه مفهوم خیلی سادست.بزارید این مفهوم رو با یک مثال توی دنیای واقعی به شما توضیح بدم.یک مشاور املاک رو در نظر بگیرید.این آدم روزانه اطلاعات کلی خونه رو توی محله خودشون میبینه.(توی این مطلب قیمت رو تنها وابسته به متراژ میدونیم،دلیلش رو جلوتر میفهمیم!)حالا اگر یک خریدار وارد مغازه اون بشه و ازش قیمت یک خونه ۸۰ متری(یا هر قیمت دیگه ای،حتی قیمتی که قبلا ندیده) رو بپرسه، این آدم با اطلاعات قبلیش یه تخمین خیلی خوب میزنه و قیمت رو به فرد میده.خب برای یک انسان این کار راحته،ولی برای کامپیوتر چی؟!?اینجاست که رگرسیون خطی ، زیر شاخه مهم یادگیری ماشین استفاده میشه!رگرسیون خطی چطور کار میکنه؟برای اینکه از رگرسیون خطی استفاده کنیم باید اطلاعات خودمون رو روی محور نشون بدیم(علت اینکه من قیمت فقط رو وابسته به متراژ‌ گرفتم این بود که میخواستم نمودار دو بعدی بمونه ولی رگرسیون پیشرفته با چند متغیر هم داریم.)خب نمودار متراژ و قیمت خونه هایی که این مشاور قبلا دیده رو روی نمودار میذاریم:توجه کنید که ما روی محور X ها همیشه ورودی ها رو مشخص میکنیم و روی محور Y ها همیشه خروجی ها رو! یکاها دلخواه هستن ولی من یکای متراژ رو متر و یکای قیمت رو میلیارد قرار دادم.قیمت و متراژ‌ خونه ها روی محور خب ،نقاط رو قرار دادیم!رگرسیون خطی توی این مرحله بهترین خط ، یعنی خط با کمترین هزینه (هزینه رو مفصل توی نوشته بعدی توضیح میدم) رو پیدا میکنه.بهترین خط به زبان ساده خطیه که کمترین فاصله رو از عرض نقاط داره.به این خط خط مدل کننده میگن.خط مدل کنندهپس برای رگرسیون خطی باید مراحل زیر رو انجام بدیم:اطلاعاتی که از قبل داریم رو به صورت نقطه ، روی محور قرار می دهیم.(ورودی ها (متراژ) روی محور X ها و خروجی ها (قیمت) روی محور Y ها)رگرسیون خطی ،با یک روش خاص، نزدیک ترین خط به نقاط رو پیدا میکنه!از روی معادله خط ، با قرار دادن ورودی به جای X ، خروجی (Y) رو به دست میاریم!این خط یک معادله داره و طبق این معادله میتونیم هر متراژی که داریم رو تبدیل به قیمت کنیم!به همین سادگی!معادله خط مدل کننده،معادله زیر هست:Y = 0.026*X -0.22حالا مثلا خریدار قیمت خونه ۸۹ متری رو میپرسه،متراژ رو با همون یکایی که توی داده های قبلی استفاده کردیم توی معادله قرار میدیم:Y = 0.026 * 89 + 0.22 = 2.094بنابراین قیمت این خونه تقریبا ۲ میلیارد و ۹۴ میلیون هست!شکل زیر هم کاری که ما انجام دادیم رو نشون میده:پیدا کردن قیمت خونه ۸۹ متری از روی خط!این نکته رو هم مد نظر داشته باشید که هر چقدر تعداد داده های خورانده شده به کامپیوتر،یعنی تعداد خونه هایی که مشاور املاک اطلاعاتشون رو میدونست و اون نقاط رو روی محور نشون دادیم، بیشتر باشه خط ما دقیق تر به دست میاد و پیش بینی ما دقیق تر میشه(کامپیوتر دقیقا عین یک مشاور املاک با تجربه میشه!)توی نوشته بعدی یک مثال واقعی رو بررسی میکنیم که خیلی جالبه!پیش بینی تعداد دنبال کننده های صفحه شما از روی تعداد افراد دنبال شونده در ویرگول!در ادامه پست بعد هم محاسبه هزینه رو بررسی میکنیم.امیدوارم از این مطلب لذت برده باشید.تا مطلب بعدی خدا نگهدار.راستی! به نظر شما چطور باید هزینه یک خط رو حساب کرد؟اصلا چطور میشه بهترین خط رو پیدا کرد؟</description>
                <category>یادگیری ماشین به زبان ساده برای همه</category>
                <author>alirezadigi</author>
                <pubDate>Mon, 18 May 2020 02:51:25 +0430</pubDate>
            </item>
                    <item>
                <title>هوش مصنوعی به زبان خیلی ساده برای همه!</title>
                <link>https://virgool.io/simpleml/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%A8%D9%87-%D8%B2%D8%A8%D8%A7%D9%86-%D8%AE%DB%8C%D9%84%DB%8C-%D8%B3%D8%A7%D8%AF%D9%87-%D8%A8%D8%B1%D8%A7%DB%8C-%D9%87%D9%85%D9%87-oyskcbmh7nf5</link>
                <description>۷۸۶سلام به همگی. علیرضا هستم. پست دوم رو شروع میکنم ولی قبلش دو تا نکته رو بگم: از همه کسایی که زیر پست من نظر گذاشتند ممنونم. واقعا خیلی انگیزه گرفتم. و امیدوارم ادامه مطالب هم براتون مفید باشه.به نظر من تو هر رشته ای که هستید (حتی هنر!حتی بازیگری!) حتما این مطلب رو تا آخر بخونید.چون هوش مصنوعی (و مخصوصا یادگیری ماشین) توی همه رشته ها کاربرد داره.یک مثال هوش مصنوعی هم در آخر این نوشته معرفی میکنم که واقعا جالبه!این پست اصلا مفاهیم پیچیده ای نداره.احساس کردم که حتما یک مطلب فارسی(یا یک مجموعه مطالب) برای هوش مصنوعی بنویسم که برای همه قابل فهم باشه و هر کسی که خواست وارد این حوزه بشه یا افرادی که قصد آشنایی دارند بتونن راحت تر مفاهیم رو درک کنند.این مطلب پیش نیاز توضیح الگوریتم های هوش مصنوعی میشه.خب،شروع کنیم!هوش مصنوعی چیه؟هوش مصنوعی به زبان ساده به سیستم هایی گفته میشه که بتونن عملکردی شبیه انسان داشته باشن.مثلا شناسایی،پیش بینی،یادگیری و... .اما تا یادگیری ماشین رو درک نکنیم مفهوم هوش مصنوعی رو هم نمیفهمیم.پس یادگیری ماشین چیه؟تصویر زیر رو ببینید:مقایسه هوش مصنوعی،یادگیری ماشین و یادگیری عمیق(توی این پست ما با یادگیری عمیق کاری نداریم)با توجه به این تصویر متوجه میشیم که یادگیری ماشین زیر مجموعه بزرگ(واقعا بزرگ) و بسیار مهمی از هوش مصنوعیه.قبل از اینکه با یادگیری ماشین آشنا بشیم،باید مکانیسم یادگیری انسان رو بفهمیم.خب یادگیری انسان چطوریه؟من و شما برای اینکه تشخیص بدیم این شئ زیر چیه یک فرآیند رو قبلا (از بچگی تا الان) طی کردیم:میخواهیم تشخیص بدیم این عکس چیه؟یه عالمه نمونه دیدم تا فهمیدیم این شي گل هست:این نمونه ها رو قبلا دیدیم.بعد از دیدن یه عالمه نمونه حالا میتونیم تشخیص بدیم که اون عکس ،عکس یک گل هست.دانشمندان و برنامه نویس ها برای کامپیوتر هم فرآیند مشابهی رو پیاده سازی میکنن.مثلا میخوان یک برنامه بنویسن که تشخیص بده توی یک عکس گل هست یا نه.به این برنامه یه عالمه تصویر به عنوان خوراک میدن(بهش یک عالمه نمونه میدن).بعد برنامه اینارو میبینه و یاد میگیره که اینها گل هستن.بعد وجود گل در تصویری که قبلا ندیده رو ازش میپرسن.اون برنامه هم جواب میده.این میشه یادگیری ماشین!به همین سادگی!یه نکته خیلی مهم!هرچقدر تعداد داده های ما(مثلا توی مثال قبل تعداد عکس ها)بیشتر باشه کامپیوتر بهتر یاد میگیره و طبیعتاً دقیق تر هم عمل میکنه.الان فهمیدیم که هوش مصنوعی چیه و میتونیم تعریف اون رو کامل درک کنیم!حالا یک مثال از هوش مصنوعی در دنیای واقعی بزنم:استارتاپ NotCo:یک استارت آپ در کشور شیلی هست که یک سوم مایونز شیلی رو تامین میکنه و حتی مایونزشون پرفروش ترین مایونز هم شد.ولی شاید بپرسید این استارتاپ چه ربطی به هوش مصنوعی داره؟این شرکت فرآورده هایی مثل شیر،مایونز و بستنی رو (در حال کار روی گوشت هم هستند!)بر پایه گیاه میسازن و نکته مهم دیگه اینه که این محصولات تولید شده توسط این شرکت همون مزه و بافت و حتی رنگ فرآورده اصلی رو دارن و به قول یک سرآشپز، شیرشون که بر پایه گیاهه از شیر واقعی هم شیر تره!(بافت و طعم بهتری داره!)دلیل به وجود اومدن این استارت آپ هم محافظت از محیط زیست هست.به چند دلیل، استفاده از محصولات جانوری به محیط زیست آسیب میزنه:یک سوم زمین های قابل کشاورزی کره زمین برای پرورش حیوانات استفاده میشه.حیوانات گاز های گلخانه ای تولید میکنن که باعث افزایش گرمای زمین میشه.میشه گفت آسیبی که خوردن هر همبرگر به محیط زیست میزنه، با آسیب ده مایل رانندگی برابره!این شرکت با یادگیری ماشین ، ترکیب شیمیایی گیاهان زیادی رو به برنامه یاد میده.بعد فرمول شیمیایی یک ماده جدید رو به برنامه نشون میدن و ازش میپرسن: &quot;از چه گیاه هایی و به چه مقدار استفاده کنیم تا همون بافت و طعم و رنگ رو بده؟؟&quot;و برنامه جواب میده!اولین محصولی که تولید کردند مایونز بود که طعم مایونز رو داشت ولی رنگش قرمز بود.چون هنوز به برنامه رنگ رو یاد نداده بودن.ولی رنگ هم ملاک خیلی مهمی بود.پس دوباره برنامه رو تنظیم کردند و بعد &quot;نه ماینونز&quot; (Not Mayo)ساخته شد.&quot;نه مایونز!&quot;(Not Mayo)در نوشته بعدی رگرسیون خطی(یک نوع الگوریتم یادگیری ماشین) به زبان خیلی ساده و قابل فهم برای همه رو توضیح میدم تا خودمون بتونیم یک سری پیش بینی هایی رو انجام بدیم و مکانیسم یک الگوریتم ساده اما پر کاربرد یادگیری ماشین رو بفهمیم.امیدوارم مطالب برای شما مفید بوده باشه و لذت برده باشید.تا نوشته بعدی خدانگهدار!لطفا اگر سوالی داشتید،جایی رو نفهمیدید یا نظری داشتید حتما توی قسمت نظرات بنویسید!</description>
                <category>یادگیری ماشین به زبان ساده برای همه</category>
                <author>alirezadigi</author>
                <pubDate>Tue, 05 May 2020 23:13:38 +0430</pubDate>
            </item>
            </channel>
</rss>