پرسش و پاسخ های تلگرامی در حوزه علم داده 12

پرسش و پاسخ های تلگرامی در حوزه علم داده 12


  • 163 بازدید

در این بخش پرسش و پاسخ های که در گروه های تلگرامی در حوزه علم داده رد و بدل می شود ارائه خواهد شد. بد نیست این مقدمه خوانده شود.
جامعه‌مان به شدت دارد کوتاه‌مدت می‌شود. چیزی شبیه مفهوم «جامعه کلنگی» کاتوزیان. کاتوزیان در مقاله‌ای که بعدها به‌صورت کتاب در آمد، جامعه ایران را کلنگی می‌نامد؛ بدین معنا که هر حکومت و هر مسئولی که آمد، هر آنچه حکومت و مسئولین پیش از وی ساخته‌ بودند را از بیخ و بن ویران، و خود از نو شروع به ساختن می‌کند. قاجارها یادگارهای صفوی را ویران کردند؛ پهلوی‌ها دستاوردهای قاجاریان را و جمهوری اسلامی، دستاوردهای پهلوی را. به همین ترتیب، هر رئیس‌جمهورمان در جمهوری اسلامی نیز، دستاوردهای رؤسای جمهور‌ پیشین ‌را از بیخ و بن ریشه‌کن کرد تا خود طرحی نو در اندازد؛ بی‌آنکه بداند رئیس‌جمهور بعدی، همین‌ بلا را سر خود او خواهد آورد.
به همین شیوه، همین که فیس‌بوک با استقبال ایرانیان روبرو می‌شود، فیلتر می‌گردد؛ تلگرام هم همین طور. در بسیاری از این شبکه‌ها، سرمایه‌ی اجتماعی‌ای شکل می‌گیرد که این روزها ایران به شدت به آن نیاز دارد. صدها استاد دانشگاه، روزنامه‌نگار، روحانی، شبکه‌ی خبری داخلی و… در تلگرام توانسته‌اند اعتماد مردم را جلب کرده و سرمایه‌ی اجتماعی ایرانیان را از دل همین کانالها شکل یا افزایش بدهند. با فیلتر شدن تلگرام، نه تنها ده‌ها هزار کسب و کار تلگرامی از بین خواهد رفت، بلکه این سرمایه‌ی اجتماعی که اهمیتش از آن کسب و کارها به مراتب بیشتر است نیز ویران خواهد شد. تا شبکه اجتماعی دیگری بین مردم جا بیفتد و سرمایه‌ی اجتماعی دوباره‌ای جان بگیرد، بخش زیادی از این سرمایه‌ها برای همیشه از ایران رخت بر خواهد بست. جامعه‌شناس فرانسوی، بوردیو، از امکان تبدیل سرمایه‌ها به یکدیگر سخن می‌گوید. یعنی شما می‌توانی از سرمایه اقتصادی‌ات برای توسعه سرمایه اجتماعی سود ببری یا بالعکس. از میان برداشتن سرمایه‌های اجتماعی در تلگرام، زیانی برابر یا حتی بیشتر از نابودی سرمایه‌های اقتصادی دارد. مانند این است که مسئولین بگویند همه دارندگان حساب در فلان‌ بانک،‌ حساب‌شان که‌ طی این‌ چند سال و‌ با تلاش و کوشش پس‌انداز کرده‌اند، مسدود و نابود شده و ‌می‌توانند از ابتدا در بهمان ‌بانک ‌حساب باز کرده ‌و دوباره از اول شروع به پس‌انداز کنند.
 بی‌گمان سرمایه‌ی اجتماعی‌ای که در آینده و شبکه اجتماعی دیگری شکل بگیرد نیز، همچون همین فیس‌بوک و تلگرام، هیچ تضمینی بر ماندگاری‌اش نیست. بدین شیوه، صدها سال است در چرخه‌ای از ساختن و ویران کردن دچار شده‌ایم و پیشرفت بر پایه داشته‌ها و انباشته‌های پیشین‌ را، تنها در کشورهای همسایه‌ای می‌بینیم که روز به روز از ما بیشتر فاصله می‌گیرند.
منبع : https://t.me/moghaddames
با توجه به فیلتر تلگرام و عدم دسترسی افراد علاقه مند به حوزه علم داده در مدت های آتی، آکادمی داده تصمیم گرفت سوال ها و جواب های مفید که ممکن است مورد سوال دهها تن باشد را در مقالاتی ارائه دهد. البته باید در نظر داشت که تضمینی بر درستی پاسخ ها وجود ندارد ولی قطعا می تواند در راه رسیدن به پاسخ صحیح تر راهگشا باشد. با توجه به ازدیاد این سوالات و پاسخ ها امکان منبع نویسی برای آن ها و اینکه سوال کننده و پاسخ دهنده چه کسانی بودند میسر نیست به همین دلیل به گروههای که این مباحث در آن ها مطرح شده است بسنده خواهد شد. با امید به این که برای علاقه مندان علم داده، داده کاوی، متن کاوی و علوم مرتبط مفید باشد.

افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است. 

دوستان من برای یادگیری عمیق برای اندروید باید تو eclips کد بزنم بعد بدم تو اندروید ؟
میشه مراحل رو راهنمایی کنید ؟ یک مجموعه تصویر دارم و باید توی اندروید با یادگیری عمیق کار کنم

برای تست برنامه از گوگل گولب و پایتون استفاده کنید. برای اجرای واقعی هم که پایتون در اندروید باید بزنید. اندروید چون لینوکس بیس هست پایتون رو هم ساپورت میتونه بکنه. شبکه هایی مثل Mobilenet یا NasnetMobile هم برای همین نوع سیستم های طراحی شدن.


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است. 

سلام فرق cnn با  R_cnn  چیه؟
عنوان rcnn به همون معماری cnn گفته میشه وقتی که بجای کلسیفیکیشن برای رگرسیون استفاده بشه. این عنوان الان قدیمی شده و دیگه همون cnn برای هردوش جا افتاده. یکی دوتا تحقیق هم فکر کنم هست که نصفه معماری بازگشتی و نصف دیگش کانولوشناله خواستن تحقیقشون جذاب شه اسمشو rcnn گذاشتن. اگر هم منظورتون R-CNN هست اون یه مدلیه به اسم Region Based CNN که میتونید پیورشو سرچ کنید


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است. 

سلام دوستان یه سوال  یادگیری عمیق که میگن یعنی چی اصلا؟  فرقش با آموزشی که در شبکه های عصبی معمولی داده میشه چیه؟ عمیق یعنی مثلا تعداد لایه های بیشتری داره یا تعداد داده ها بیشتره.. یا یه بحث دیگست؟  میشه به زبان ساده یه توضیح بدین؟
بخش لایه های آخر مثل mlp 
ولی یه سری لایه داره مثل pooling  و convolution که در mlp نیست
تعریف شبکه های عصبی کانولوشن: شبکه های عصبی کانولوشن عمیق یک نوعی از شبکه های عصبی هستند که از عملکرد بیولوژیک مغز الهام گرفته شده اند. در ساده ترین شکل و فرم آن، مغز یک شبکه گسترده ای از نورون های مستقل است که باهم توسط جابجایی ایمپالسهای الکتریکی کار می کنند. شبکه عصبی کانولوشن از سه بخش اساسی تشکیل شده است: #نورون مصنوعی، اتصالات ورودی و خروجی آن.

افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است. 

.سلام. کسی میدونه overgeneralization  در روش های طبقه بندی چیه؟؟ و تفاوتش با overfitting چی هست؟؟
اورفیتینگ زمانی اتفاق میافته که ما بیش از حد مدل رو اموزش بدیم
و مدل رو داده ترین فیت میشه و تا جایی که دقت کلاسبندی به در داده های آموزش به صدردصد میرسه
ولی رو داده تست خوب کار نمیکنه
درود. آقای نوریزاده خوب توضیح دادن ولی اگه بخوایم بیشتر توضیح بدم، به این مفهومه که برای مثال:
وقتی به یه بچه که گربه و سگ ندیده
اولین‌بار گربه نشون میدید بهش میگید "مامان/بابا جون این گربه(پیشی) هست."
دفعه بعدی یه سگ نشون میدید و میگید  "مامان/بابا جون این سگ(هاپو) هست."
دفعه بعدی یه سگ شبیه گربه نشون میدید و میگید  "مامان/بابا جون این چیه؟"
احتمال اینکه به اشتباه بیافته بسیار هست به چند دلیل:
اولا فقط یدونه گربه و یدونه سگ دیده و هنوز کامل نمیدونه گربه یا سگ چه ویژگی هایی دارن. ثانیا اون سگی که برای تست بهش نشون دادید بسیار شبیه گربه هست و برخی از ویژگی های گربه رو هم داره. البته مغز بچه چون به اندازه مغز بزرگسال عمیق(دارای لایه های پردازشی عصبی بسیار) نیست، فقط ویژگی های متفاوت رو میتونه به خاطر بسپاره و چون فقط این ویژگی ها مهم هست بهتر میتونه تشخیص بده. حالا همه این سه دلیل بد رو برای شبکه عصبی مصنوعی عمیق در نظر بگیرید (1- تعداد داده های آموزشی کم 2- ویژگی های مشابه بسیار در دو کلاس 3- اندازه شبکه بسیار بزرگ) و همچنین این مسئله رو بهش اضافه کنید که وقتی برای اولین بار یه گربه نشون میدید و میگید این پیشی هست، با انگشتتون گربه رو دنبال میکنید و در تمام اون مدت اون بچه فریم های تصویر رو در خاطرش ذخیره میکنه که حتی ممکنه به هزاران فریم هم برسه و همین هم میتونه مجموعه داده خوبی برای شبکه عصبی باشه.


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است. 

سلام دوستان
دنبال یه پروژه کاربردی هستم که از الگوریتمهای هوش مصنوعی در حیطه جی ای اس یا ژئوماتیک استفاده شده باشه
ممنون میشم راهنمایی کنید
سلام پروژه که ندارم فعلا، منتها تو یکسری موضوعات میتونید کار کنید، برای مثال:
مسیر یابی بهینه با الگوریتم های فرابتکاری
تحلیل مسائل مکانیابی- تخصیص
Location-Allocation
جانمایی بهینه
و خیلی موضوعات دیگه... 
ژئوماتیک هم خیلی کلی گفتین، و زیرشاخه های اون که متنوع هم هست، تو هر کدوم میشه مسایلی طرح و پیش گرفت... 
مثلا تو حیطه سنجش از دور، تو تمامی بخش های اون میشه از بهینه سازی با مدل های هوش استفاده کرد. از ترمال گرفته تا رادار و....  فقط کافیه مسئله رو طرح کنید، منابع برای پیش بردنش فراوون هست. نشریات دانشگاه هایی مثل خواجه نصیر و تهران رو پیگیری کنید،متوجه خواهید شد که چه موضوعاتی در حال حاضر داره کار میشه. موفق باشید
 

افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است. 

وقت بخیر 
وضعیت فرصت‌های تحصیلی تو زمینه هوش مصنوعی تو مقطع دکتری آمریکا چطوره!؟  سایتی هست که بشه اطلاعات کسب کرد!
بستگی داره با چه هدفی بخونید و کار کنید. اگه با هدف اپلای کردن و رفتن باشه بعید میدونم موقعیت خوب گیرتون بیاد اما اگه واقعا به این زمینه علمی علاقه مند باشید و با عشق کار کنید قطعا موقعیت های خوب بسیار گیرتون خواهد اومد.


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است. 

سلام خدمت دوستان ... من دنبال یه دیتاست هستم که مکان ها و مسیر های رانندگان رو با شماره پلاک آن ها ثبت کرده باشه .. کسی هست بتونه کمک کنه !
سلام، خودم این دیتاست رو ندیدم. نمیدونم اونی هست که شما میخواید یا نه.
اما اگر خواستید، یه سر به این لینک بزنید.
https://www.microsoft.com/en-us/research/publication/t-drive-trajectory-data-sample/?from=http%3A%2F%2Fresearch.microsoft.com%2Fapps%2Fpubs%2F%3Fid%3D152883
متاسفانه این طبق GPS   و شماره اختصاصی به هر تاکسی اطلاعات رو جمع آوری کرده .... من شماره پلاک که در تقاطع ها توسط دوربین ثبت شده باشه رو لازم دارم

افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است. 

سلام یه دیتا ست برای حالات چهره خواستم ؟ میشه راهنمایی بکنید کدوم دیتاست خوبه؟
اگر منظور emotion هست دیتاست FER2013 که کم حجم و بیشینه صحت گزارش شده اش 71 درصد (از kaggle میتونید دانلود کنید یکی از چلنج هاش بوده) دیتاست CK , CK+ هم هستند که بسیار کامل تر هستند و به صحت بالای ۹۰ هم میتونید باهاشون برسید دیگه به emotiw و Japanese female هم برای کار در همین زمینه هستند


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است. 

سلام 
بچه ها من دانشجوی برقم و میخوام هوش مصنوعی ادامه بدم و علاقه زیادیم دارم بهش، و هدفم اپلای PhD،  به نظر شما
1_ اینکه تغییر رشته میدم تو روند اپلای مشکلی پیش میاد!؟ 
2_واسه موفق شدن تو هوش مصنوعی از الان چه کتابهایی بخونم یا کارایی انجام بدم!؟
درود. یا تغییر رشته بدید و هوش بخونید و هوش کار کنید. یا برق مخابرات سیستم ادامه بدید و در زمینه هوش کار کنید. به خصوص یادگیری عمیق. از الان هم نیازی نیست چیزی بخونید چون بهتره همزمان با دوره های آکادمیک شروع کنید اما اگه میخواین شروع کنید برنامه نویسی یادگیری عمیق در پایتون رو کار کنید (به خصوص روی فریم ورک کراس)

افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.