8 دقیقه زمان مطالعه
مانند انبارهای داده دیروز، دریاچه های داده امروزی ما را در قالب ها و سیستم های اختصاصی که نوآوری را محدود می کند و هزینه ها را افزایش می دهد تهدید می کند.
یادگیری عمیق
5 دقیقه زمان مطالعه
پروژه های محاسباتی با کارایی بالا به مقادیر زیادی از منابع محاسباتی نیاز دارند. جفت کردن شبیه سازی و سخت افزار تخصصی با ابر، پیشرفت های آینده را تقویت می کند.
6 دقیقه زمان مطالعه
امروزه، شرکت‌ها در هر صنعتی میلیون‌ها مدل یادگیری ماشینی را در چندین خط کسب‌وکار به کار می‌گیرند. به زودی هر شرکتی شرکت خواهد کرد.
7 دقیقه زمان مطالعه
محیط توسعه هوش مصنوعی مبتنی بر ابر مایکروسافت که اکنون در پیش نمایش عمومی قرار دارد، رویکرد ساده تری را برای ساخت برنامه های کاربردی مبتنی بر هوش مصنوعی اتخاذ می کند.
5 دقیقه زمان مطالعه
PyTorch 1.10 آماده تولید است، با اکوسیستمی غنی از ابزارها و کتابخانه ها برای یادگیری عمیق، بینایی کامپیوتر، پردازش زبان طبیعی و موارد دیگر. در اینجا نحوه شروع با PyTorch آورده شده است.
2 دقیقه زمان مطالعه
بازنویسی کامل API شبکه عصبی عمیق از گردش‌های کاری Keras در بالای سه چارچوب یادگیری ماشین پیشرو پشتیبانی می‌کند.
7 دقیقه زمان مطالعه
پشته نرم افزار هوش مصنوعی بهینه سازی شده با VMware انویدیا یک جایگزین قوی برای انجام یادگیری ماشینی در ابرهای AWS، Azure و Google ارائه می دهد. Nvidia LaunchPad به شما امکان می دهد آن را به صورت رایگان امتحان کنید.
10 دقیقه زمان مطالعه
مدل‌های زبان بزرگ چرخه اخبار را به خود اختصاص داده‌اند، اما انواع دیگری از یادگیری ماشینی و یادگیری عمیق با موارد استفاده متفاوت وجود دارد.
5 دقیقه زمان مطالعه
جستجوی شباهت برداری از یادگیری ماشینی برای ترجمه شباهت متن، تصویر یا صدا به فضای برداری استفاده می‌کند و جستجو را سریعتر، دقیق‌تر و مقیاس‌پذیرتر می‌کند.
6 دقیقه زمان مطالعه
دریابید که چرا پس انتشار و نزول گرادیان کلید پیش بینی در یادگیری ماشین هستند، سپس با آموزش یک شبکه عصبی ساده با استفاده از گرادیان نزول و کد جاوا شروع کنید.
2 دقیقه زمان مطالعه
به‌روزرسانی پلتفرم یادگیری ماشین منبع باز Google، بهبود Keras، بهبود عملکرد و TensorFlow Decision Forests 1.0 را به همراه دارد.
2 دقیقه زمان مطالعه
API طبقه‌بندی متن جدید برای چارچوب یادگیری ماشین منبع باز مایکروسافت، آموزش مدل را با استفاده از داده‌های شما برای تنظیم دقیق مدل موجود ساده می‌کند.
10 دقیقه زمان مطالعه
یادگیری ماشینی از الگوریتم‌هایی برای تبدیل یک مجموعه داده به مدلی استفاده می‌کند که می‌تواند الگوها را شناسایی کند یا از داده‌های جدید پیش‌بینی کند. اینکه کدام الگوریتم بهتر عمل می کند به مشکل بستگی دارد.
9 دقیقه زمان مطالعه
در حالی که رویکردها و قابلیت‌ها متفاوت است، همه این پایگاه‌های داده به شما امکان می‌دهند مدل‌های یادگیری ماشینی را دقیقاً در جایی که داده‌های شما قرار دارند بسازید.
7 دقیقه زمان مطالعه
امروزه سه چارچوب پرکاربرد در تحقیقات و تولید یادگیری عمیق پیشرو هستند. یکی برای سهولت استفاده، یکی برای ویژگی‌ها و بلوغ، و دیگری برای مقیاس‌پذیری فوق‌العاده شناخته می‌شود. کدام یک را باید استفاده کنید؟
5 دقیقه زمان مطالعه
GenAI قطعه کوچکی از پای هوش مصنوعی است، نه کل پای خود. به یادگیری عمیق و یادگیری ماشینی توجه کنید.
6 دقیقه زمان مطالعه
شبکه های عصبی که از مغز انسان الگوبرداری شده اند، یکی از رایج ترین سبک های یادگیری ماشینی هستند. با طراحی اولیه و مفاهیم شبکه های عصبی مصنوعی شروع کنید.
2 دقیقه زمان مطالعه
به‌روزرسانی چارچوب یادگیری ماشین برای توسعه‌دهندگان دات‌نت، قابلیت‌های جدیدی در تشخیص اشیا، شناسایی موجودیت نام‌گذاری شده و پاسخ‌گویی به سؤالات به ارمغان می‌آورد.
6 دقیقه زمان مطالعه
LangChain یک SDK است که ادغام مدل‌ها و برنامه‌های زبان بزرگ را با زنجیر کردن مؤلفه‌ها و نمایش یک API ساده و یکپارچه ساده می‌کند. در اینجا یک پرایمر سریع است.
5 دقیقه زمان مطالعه
جستجوی معماری عصبی وعده می دهد که روند یافتن معماری شبکه های عصبی را تسریع می بخشد که مدل های خوبی برای یک مجموعه داده مشخص به دست می دهد.
