خواهش میکنم خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
خواهش میکنم خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
خواهش میکنم خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
خواهش میکنم. خیلی خوشحالم که از آموزشها راضی هستین امیدوارم در انجام پایان نامتون موفق باشید همچنین اگر حس کردین ممکنه دوستانتون هم به محتواهای تولید شده نیاز داشته باشن، ممنون میشم با اشتراک گزاری از کانال حمایت کنید
خواهش میکنم خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
خواهش میکنم خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
خواهش میکنم، خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
خواهش میکنم خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
با سلام و خداقوت آقای دکتر خیلی عالی بود و مفید و کاربردی فقط یه سوالی داشتم که میخواستم بدونم در خصوص رشته منابع طبیعی اگر مثالی بزنم اون مثال چی خواهد بود؟ آیا ما اول داده های خودمون رو آموزش میدیم که در چند کلاس و با چه خصوصیاتی باشند، بعد اگر داده آزمایشی وارد محیط شد با داده های پیشین مقایسه میشه؟
خواهش میکنم خوشحالم که از آموزشها راضی هستین جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین بله دقیقا
سلام دوست عزیز، بله در دو جلسه آخر دیپ لرنینگ توضیح دادم چطور میشه بهترین پارامترهای هر مدل رو پیدا کرد لینک جلسات th-cam.com/video/3aQVY3znnWU/w-d-xo.html th-cam.com/video/5PNxg3XSVgg/w-d-xo.html
خسته نباشید استاد گرامی..شما گفتید که داده ها نرمال بین صفر ویک هستند ولی تو ویدیو بعضی هاش منفی هستند دلیل خاصی داره یا منظورتون اینه کل داده ها میانگینشون صفر و انحراف از معیارشون 1 میشه؟ خود داده می تونه منفی بشه بعد از نرمال سازی؟
سلام استاد خسته نباشید یک سوال اگه من یک نمودار خطی داشته باشم (تصویری ک از یک لیزر خطی دارم)ک نسبت ب پیکسلها میخام این خط مثلا ۱۳نقطه بهم بده اگه این خط زیاد بازی و تلرانس داشته باشه آیا با این الگوریتم میشه دقیق یک خط صاف داشت؟؟؟
سوالتون رو متوجه نشدم خیلی دقیق، منتهی اگر یک خط دارین و میخواین معادلش رو بدست بیارین و بعدش ازش نمونه برداری کنین (مثلا 13 نقطه) بهتره از رگرسیون استفاده کنین
سلام در اینجا هم مثل فصل 10 الگوریتم Naïve Bayes ابتدا فکر کردم که باز confusion matrix داره اشتباه میکنه و جای cel 1 رو با جای cel 4 عوض کرده ولی یباره بفکرم رسید که نکنه confusion matrix داره درست عمل مبکنه ولی این perscision_score و recal_score هست که درست عمل نمیکنه! یعنی در حقیقت perscision_score باید 98 (TP) رو تقسیم کنه بر مجموع 98+11 که میشه 89.9 درصد و recal_score هم باید 98 رو تقسیم کنه بر مجموع 98+29 که میشه 77 درصد ولی یجورائی داره نتیجه های اشتباهی میده که راستش رو بخواهید من به این بیشتر باور دارم چه در قسمت recal_score از مجموع 127 تا مثبت 98 تاش رو درست حدس زده اونوقت چجوری نتیجه میشه 0.35 ؟!! پس یجای کار اشتباهه که تنها نتیجه ای که میشه گرفت اینه که perscision_score و recal_score احتمالا در sklearn.matrics درست فرمول بندی نشده و داره سل TP و TN رو باهم اشتباهی میگیره
با سلام و خداقوت آقای دکتر خیلی عالی بود و مفید و کاربردی فقط یه سوالی داشتم که میخواستم بدونم در خصوص رشته منابع طبیعی اگر مثالی بزنم اون مثال چی خواهد بود؟ آیا ما اول داده های خودمون رو آموزش میدیم که در چند کلاس و با چه خصوصیاتی باشند، بعد اگر داده آزمایشی وارد محیط شد با داده های پیشین مقایسه میشه؟
با سلام و خداقوت آقای دکتر خیلی عالی بود و مفید و کاربردی فقط یه سوالی داشتم که میخواستم بدونم در خصوص رشته منابع طبیعی اگر مثالی بزنم اون مثال چی خواهد بود؟ آیا ما اول داده های خودمون رو آموزش میدیم که در چند کلاس و با چه خصوصیاتی باشند، بعد اگر داده آزمایشی وارد محیط شد با داده های پیشین مقایسه میشه؟
عالی. خسته نباشید استاد بزرگ
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
روش تدریس فوق العاده است👌
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
ممنون. بیان خوبی دارین.👍
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
توضیحات تمام و کمال هستند
تا بحال انقد آموزش کاملی ندیده بودم
خسته نباشید🙏🙏
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
عالی بود
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
thank you❤❤
Thank you for your support 🌸
ممنونم بابت آموزش هاتون . برای پایان نامم دارم از ویدیو های شما استفاده می کنم و هیچ منبع دیگه که به این خوبی تدریس کنن داخل یوتیوب پیدا نکردم .
خواهش میکنم. خیلی خوشحالم که از آموزشها راضی هستین
امیدوارم در انجام پایان نامتون موفق باشید
همچنین اگر حس کردین ممکنه دوستانتون هم به محتواهای تولید شده نیاز داشته باشن، ممنون میشم با اشتراک گزاری از کانال حمایت کنید
Perfect👌👌👌
Thank you! Cheers!
ok , verygood, thanks
Welcome!
مختصر و مفید و کاربردی😊
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
خیلی خوب بود تشکر
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
👌👌👌
Thank you for your support!
awli merc
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
ممنون، فوق العاده بود
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون به اشتراک بذارین
💯💯💯
Thank you for your support!
به لطف شما هر روز دارم ماشین لرنینگ میخونم و تمرین میکنم🙏❤
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
you are the best
Your welcome, glad to help!
good
Thank you for your support!
عالی
خواهش میکنم، خیلی خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، به همین خاطر ممنون میشم اگر از آموزشها راضی هستین، با دوستانتون به اشتراک بذارین
❤
Thank you for your support
عالی 👍
Thank you for your support!
❤️❤️❤️❤️❤️
thank you for your support
thanks alot
Most welcome
🤩🤩
Thank you for your support!
خدایی خیلی خوب توضیح میدین، دمتون گرم👌
خواهش میکنم، خوشحالم که از آموزشها راضی هستین
با سلام و خداقوت
آقای دکتر خیلی عالی بود و مفید و کاربردی
فقط یه سوالی داشتم که میخواستم بدونم در خصوص رشته منابع طبیعی اگر مثالی بزنم اون مثال چی خواهد بود؟ آیا ما اول داده های خودمون رو آموزش میدیم که در چند کلاس و با چه خصوصیاتی باشند، بعد اگر داده آزمایشی وارد محیط شد با داده های پیشین مقایسه میشه؟
خواهش میکنم
خوشحالم که از آموزشها راضی هستین
جهت تهیه این آموزشها زحمت زیادی کشیده شده، ممنون میشم اگر حس میکنین مفید هستن با دوستانتون
به اشتراک بذارین
بله دقیقا
سلام و روز بخیر، ممنون بابت اموزش های خوبتون، چطور میتونیم به کدها دسترسی پیدا کنیم؟؟؟
سلام خواهش میکنم
در حال حاضر فعلا کدها در دسترس نیستن، در آینده لینک گیتهاب به اشتراک گذاشته میشه
با عرض سلام و خسته نباشید،خیلی ممنونم از آموزش های عالی و زحمتی که میکشین
.آیا روشی هست که بشه بهترین تعداد ممکن k رو تخمین زد؟
سلام دوست عزیز، بله در دو جلسه آخر دیپ لرنینگ توضیح دادم چطور میشه بهترین پارامترهای هر مدل رو پیدا کرد
لینک جلسات
th-cam.com/video/3aQVY3znnWU/w-d-xo.html
th-cam.com/video/5PNxg3XSVgg/w-d-xo.html
خیلی ممنونم از لطفتون@@TechWithHasanAbbasi
خواهش میکنم
اگر حس میکنین ویدیوها مفید هست ممنون میشم با دوستانتون هم به اشتراک بذارین@@mehrnazgolari5005
سلام استاد گرامی! استاد اموزش PYPY رو نداری ؟
سلام دوست عزیز
متاسفانه توی آینده نزدیک فکر نمیکنم براش آموزشی داشته باشم ولی حتما در برنامه قرار خواهد گرفت
ممنون بابت پیشنهادتون
@@TechWithHasanAbbasi ممنون می شوم اگر لطف کند کدام سایت اموزشی در رابطه به این موضوع معرفی کنید
خسته نباشید استاد گرامی..شما گفتید که داده ها نرمال بین صفر ویک هستند ولی تو ویدیو بعضی هاش منفی هستند دلیل خاصی داره یا منظورتون اینه کل داده ها میانگینشون صفر و انحراف از معیارشون 1 میشه؟ خود داده می تونه منفی بشه بعد از نرمال سازی؟
سلام استاد خسته نباشید
یک سوال
اگه من یک نمودار خطی داشته باشم (تصویری ک از یک لیزر خطی دارم)ک نسبت ب پیکسلها میخام این خط مثلا ۱۳نقطه بهم بده
اگه این خط زیاد بازی و تلرانس داشته باشه آیا با این الگوریتم میشه دقیق یک خط صاف داشت؟؟؟
سوالتون رو متوجه نشدم خیلی دقیق، منتهی اگر یک خط دارین و میخواین معادلش رو بدست بیارین و بعدش ازش نمونه برداری کنین (مثلا 13 نقطه) بهتره از رگرسیون استفاده کنین
@@TechWithHasanAbbasi خیلی ممنون🙏🙏🙏
سلام
در اینجا هم مثل فصل 10 الگوریتم Naïve Bayes ابتدا فکر کردم که باز confusion matrix داره اشتباه میکنه و جای cel 1 رو با جای cel 4 عوض کرده ولی یباره بفکرم رسید که نکنه confusion matrix داره درست عمل مبکنه ولی این perscision_score و recal_score هست که درست عمل نمیکنه!
یعنی در حقیقت perscision_score باید 98 (TP) رو تقسیم کنه بر مجموع 98+11 که میشه 89.9 درصد و recal_score هم باید 98 رو تقسیم کنه بر مجموع 98+29 که میشه 77 درصد ولی یجورائی داره نتیجه های اشتباهی میده که راستش رو بخواهید من به این بیشتر باور دارم چه در قسمت recal_score از مجموع 127 تا مثبت 98 تاش رو درست حدس زده اونوقت چجوری نتیجه میشه 0.35 ؟!!
پس یجای کار اشتباهه که تنها نتیجه ای که میشه گرفت اینه که perscision_score و recal_score احتمالا در sklearn.matrics درست فرمول بندی نشده و داره سل TP و TN رو باهم اشتباهی میگیره
با توجه به ورژن کتابخانه ممکنه تفاوت وجود داشته باشه و من اشتباه کرده باشم. میتونین سایت skleran رو بررسی بفرمایید
ایا با همون روشنترین پیکسلها میتونم ی خط صاف داشته باشم
فقط میخام یک خط صاف و دقیق داشته باشم
بدون پرتی و اعواج نور
میتونین پیکسلها رو با توجه به روشنایی فیلتر کنین و بزرگترین روشناییها رو نگه دارین
@@TechWithHasanAbbasi تشکرررر🙏🙏
ایاk عدد اعشارم میگیره؟؟؟
نه، حتما باید عدد صحیح باشه
با سلام و خداقوت
آقای دکتر خیلی عالی بود و مفید و کاربردی
فقط یه سوالی داشتم که میخواستم بدونم در خصوص رشته منابع طبیعی اگر مثالی بزنم اون مثال چی خواهد بود؟ آیا ما اول داده های خودمون رو آموزش میدیم که در چند کلاس و با چه خصوصیاتی باشند، بعد اگر داده آزمایشی وارد محیط شد با داده های پیشین مقایسه میشه؟
بله درست متوجه شدین
با سلام و خداقوت
آقای دکتر خیلی عالی بود و مفید و کاربردی
فقط یه سوالی داشتم که میخواستم بدونم در خصوص رشته منابع طبیعی اگر مثالی بزنم اون مثال چی خواهد بود؟ آیا ما اول داده های خودمون رو آموزش میدیم که در چند کلاس و با چه خصوصیاتی باشند، بعد اگر داده آزمایشی وارد محیط شد با داده های پیشین مقایسه میشه؟
توی کامنتهای دیگتون توضیح دادم