Discoverایستگاه هوش مصنوعی
ایستگاه هوش مصنوعی

ایستگاه هوش مصنوعی

Author: Amir Pourmand

Subscribed: 827Played: 11,804
Share

Description

سلام. من امیر پورمند هستم و اینجا می‌خوام راجع به ایده‌ها و مفاهیم یادگیری ماشین به زبان ساده صحبت کنم.

بعد از فارغ‌التحصیلی از ارشد هوش مصنوعی شریف و شروع فعالیت تو بازار کار کم‌کم به نظرم رسید که شاید میشد خیلی از مفاهیم رو ساده‌تر هم بیان کرد و درگیر کلمات قلمبه سلمبه نشد.

و این پادکست تلاشی برای اثبات گزاره قبلی است!

در ضمن سعیم این بوده که اپیزودها تا حد امکان از هم مستقل باشند. برای همین احتمالاً می‌تونید بدون گوش‌دادن به قسمت‌های اول، از هر جا دوست داشتید شروع کنید.
19 Episodes
Reverse
Comments (58)

Ali Ahmadi

سلام امیر جان عالی بود کارتون امیر جان چطوری میتونم با مهدی آخی ارتباط بگیرم؟

Mar 26th
Reply (2)

mohammad alipour

مفید بود

Mar 23rd
Reply

رضا فضلعلی

ممنون از شما استاد

Mar 23rd
Reply

رضا فضلعلی

عالی

Mar 23rd
Reply

Hamed Pasbani

درود بر شما سپاس فراوان بابت توضیحات جذابتون براتون آرزوی موفقیت دارم مشتاقانه منتظر قسمت بعد هستم

Mar 7th
Reply

s.zare

با این که موضوع کتاب دغدغه‌ام نبود اما واقعا از شنیدنش لذت بردم. هم محتوا جذاب بود هم لحن و تن صدا دلنشین و گیرا. مشتاقانه منتظر اپیزود بعدی هستم.

Mar 1st
Reply

reza jabarouti

جناب پورمند.. سلام. راه تماس با حنابعالی چیه؟ ایمیلتون یا تلفن میتونم داشته باشم ؟

Feb 27th
Reply (1)

Javid Mansouri

با سلام و عرض ادب، بسیار خوش حال شدیم از اپیزود جدید و اینکه ایستگاه هوش مصنوعی هنوز فعاله

Jan 26th
Reply

Parvin Bastani

ممنون از پادکست خوب تون

Jan 6th
Reply

MohammadSadegh Rostami

تفاوت سوم: در جنس پیچیدگی مساله است. در آکادمیک، معمولا مساله از قبل مشخص است و باید کیفیت مدل‌ها را افزایش دهیم. در صنعت به چند دلیل، مساله مشخص نیست و پیچیدگی در موارد زیر است: ۱. تعریف مساله با چالش روبرو است. ۲. به دلیل تغییر دائم دیتا، آموزش و یادگیری مدل‌ها، دائمی است. ۳. محدودیت‌های عملی در پروژه‌های واقعی، مثل دیتابیس بزرگ و حجیم، پردازنده، اسکیل‌آپ و ... ۴. تغییرات دیتا مثل data drift, concept drift, covariate drift

Dec 25th
Reply (7)

MohammadSadegh Rostami

تفاوت دوم: در آکادمیک، معمولا از دیتاست‌های استاندارد و آماده و تقریبا ثابت استفاده می‌شود، چون باید با روش‌های موجود و مقالات مرتبط، مقایسه شود. در صنعت، داده‌ها مدام در حال تغییر هستند. همچنین هر مساله یا هر حوزه، داده اختصاصی خودش را دارد.

Dec 25th
Reply

MohammadSadegh Rostami

تفاوت نخست: در صنعت، از ایده‌ها و مدل‌های از پیش توسعه یافته استفاده می‌شود و نوآوری مد نظر نیست؛ فقط کافیست شما یک/چند مدل مناسب را برای مساله خودتان انتخاب کنید و آن را "بهینه" کنید. در آکادمیک، باید یک ایده، کانتریبیوشن، معماری و ... جدید ارائه کنید؛ شاید بتوان اینگونه گفت: بهینه حل کردن مساله با روش‌های موجود (صنعت) در برابر ارائه ایده‌ی جدید برای حل مساله (آکادمیک)

Dec 25th
Reply

MohammadSadegh Rostami

سپاس امیر عزیز. نکاتی که گفتی رو یادداشت می‌کنم اینجا: تفاوت آکادمیک و صنعت در بخش فردی که به دلیل دو رویکرد کاملا متفاوت، به دلیل دو نیاز و هدف متفاوت ایجاد می‌شود: ۱. آکادمیک پول نمی‌دهد، صنعت پول می‌دهد. ۲. آکادمیک فردی است، صنعت معمولا تیمی.

Dec 25th
Reply

MohammadSadegh Rostami

با یک آنالوژی قشنگ، بیانش کردی امیر. دمت گرم 🙏

Dec 24th
Reply

MohammadSadegh Rostami

سپاس فراوان از امیر عزیز 🙏 سه استراتژی مهم برای پراممت نویسی ۱. واضح بخواهیم . جزییات کافی بدهیم . پرسونا مشخص کنیم . مثال بدهیم . مرحله به مرحله پیش برویم . متن مرجع بدهیم ۲. به مدل زمان بدهیم برای فکر کردن ۳. یک تسک را بشکنیم و برای هر کدام از تسک‌ها یک پرامپت جدا بدهیم.

Dec 24th
Reply (3)

MohammadSadegh Rostami

با روش و دید جدیدی، با دیپ لرنینگ آشنا شدم 😉 دمت گرم امیر 🙏

Dec 22nd
Reply (2)

MohammadSadegh Rostami

خیلی خوب توضیح دادی امیر 🙏 به عنوان کسی که صفر تا صد (از جمع‌آوری دیتا تا توسعه مدل و ارزیابی روش‌های مختلف) یک پروژه آکادمیک رو انجام داده، همه حرف‌ها رو لمس کردم، مخصوصا: ارزش ذاتی داده‌ی خوب، هزینه مالی و زمانی جمع‌آوری داده.

Dec 22nd
Reply

محمد

سلام جناب پورمند بزرگوار عالی بود منتظر ادامه مباحث هستیم

Dec 17th
Reply

alireza Barati

عالیه ممنونم

Dec 12th
Reply

Mahdi

عالی بود

Dec 10th
Reply
loading
We and our partners use cookies to personalize your experience, to show you ads based on your interests, and for measurement and analytics purposes. By using our website and our services, you agree to our use of cookies as described in our Cookie Policy.