وبلاگ
چرا یادگیری زبان R و Python برای بیولوژیست‌ها در عصر هوش مصنوعی همچنان ضروری است؟
امروزه با پیشرفت چشمگیر هوش مصنوعی (AI) در حوزه‌های گوناگون به خصوص برنامه نویسی، بسیاری از دانشجویان و پژوهشگران حوزه زیست‌شناسی ممکن است تصور کنند که دوران یادگیری برنامه‌نویسی گذشته است. چرا باید وقت ارزشمند خود را صرف یادگیری …
شبکه‌های عصبی مصنوعی: بنیان یادگیری عمیق
شبکه‌های عصبی مصنوعی (Artificial Neural Networks - ANN) از مهم‌ترین فناوری‌های مورد استفاده در یادگیری ماشین (Machine Learning) و به‌ویژه یادگیری عمیق (Deep Learning) محسوب می‌شوند. این شبکه‌ها با الهام از ساختار مغز انسان، تلاش م …
پیش‌پردازش داده‌های پزشکی و زیستی - چرا و چگونه؟
در مقاله قبلی از سری مقالات آشنایی با هوش مصنوعی برای بیولوژیست‌ها و پزشکان، در مورد مفهوم مدیریت داده‌های زیستی و پزشکی صحبت شد. اما صرفا مدیریت و نگهداری داده‌ها به تنهایی کافی نیست. زمانی که قصد داریم از یک دیتاست زیستی و یا پز …
مدیریت داده‌ها در علوم زیستی برای هوش مصنوعی و یادگیری ماشین
رشته‌های علوم زیستی و پزشکی، از جمله حوزه‌هایی هستند که بیشترین حجم داده را تولید می‌کنند. داده‌های ژنومیکس، ترانسکریپتومیکس، پروتئومیکس، متابولومیکس، تصویربرداری پزشکی و سوابق سلامت الکترونیک تنها بخشی از انبوه داده‌هایی است که ه …
تفاوت هوش مصنوعی، یادگیری ماشین و یادگیری عمیق چیست؟
هوش مصنوعی (Artificial Intelligence)، یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning) سه اصطلاحی هستند که اغلب در مکالمات روزمره و محافل علمی شنیده می‌شوند و گاه به اشتباه به جای یکدیگر به‌کار می‌روند. در حالی که ا …
انواع یادگیری ماشین: Supervised ،Unsupervised و Reinforcement
یادگیری ماشین (Machine Learning) یکی از مهم‌ترین حوزه‌های هوش مصنوعی (Artificial Intelligence) محسوب می‌شود که به سیستم‌ها اجازه می‌دهد از داده‌ها بیاموزند و بدون نیاز به برنامه‌نویسی صریح، عملکرد خود را بهبود بخشند. در مقاله‌های …