big data and machine learning workshop - day 6 @ utacm
TRANSCRIPT
![Page 1: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/1.jpg)
1
تابستانن ۱۳۹۵
اامیر صدیقی
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین
@amirsedighi تو4تر: [email protected]اایمیل:
ررووزز ششم - یاددگیریی ژژررفف - قست ددوومم
![Page 2: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/2.jpg)
اامیر صدیقی
موسس:
2
معرفی
http://recommender.ir http://helio.ir http://commentum.ir
@amirsedighi تو4تر: [email protected]اایمیل:
![Page 3: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/3.jpg)
3
مروورریی بر جلساتت قبل - تکامل کامپیوترها
![Page 4: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/4.jpg)
4
مروورریی بر جلساتت قبل - دداانش اانسانن
![Page 5: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/5.jpg)
5
مروورریی بر جلساتت قبل - دداانش اانسانن
![Page 6: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/6.jpg)
6
مروورریی بر جلساتت قبل - دداانش اانسانن
بصریی وو ذذهنی
subjective and intuitive
فرمولل نداارردد
![Page 7: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/7.jpg)
7
مروورریی بر جلساتت قبل - دداانش اانسانن
بصریی وو ذذهنی
subjective and intuitive
فرمولل نداارردد
مثل ما
![Page 8: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/8.jpg)
8
مروورریی بر جلساتت قبل - دداانش اانساننگذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
![Page 9: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/9.jpg)
9
مروورریی بر جلساتت قبل - دداانش اانساننگذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
شناسایی وویژگیها ددرر موااررددیی که یاددگیریی چنداانن فرمولل پذیر نیست، بسیارر ددشواارر ااست.
![Page 10: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/10.jpg)
10
مروورریی بر جلساتت قبل - دداانش اانساننگذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
ماشین: چرخخ دداارردد، پالکک دداارردد، فلزیی ااست، شیشه دداارردد…
اانسانن: ددست وو پا دداارردد، سر دداارردد، تنه دداارردد، قدمم بر میداارردد …
![Page 11: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/11.jpg)
11
مروورریی بر جلساتت قبل - دداانش اانساننگذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
تصویر هندسی چرخخ ساددهه ااست
![Page 12: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/12.jpg)
12
مروورریی بر جلساتت قبل - دداانش اانساننگذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
وولی ددرر ددنیایی ووااقعی… ززااوویه نورر، ززااوویه نگاهه ما، سایهها، جنس مواادد،
گلگیرها، نقش وو نگارر، باززتابب نورر خوررشید…
![Page 13: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/13.jpg)
13
مروورریی بر جلساتت قبل - دداانش اانساننگذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
توصیف چرخخ ددرر قالب مقاددیر پیکسلهایی تصویر، ساددهه نیست
![Page 14: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/14.jpg)
14
یاددگیریی باززنماییگذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
The solution is to use machine learning to discover not only the mapping from representation to output, but also the representation itself.
![Page 15: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/15.jpg)
15
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
The solution is to use machine learning to discover not only the mapping from representation to output, but also the representation itself. Representation Learning
یاددگیریی باززنمایی
![Page 16: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/16.jpg)
16
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
The solution is to use machine learning to discover not only the mapping from representation to output, but also the representation itself. Representation Learning Higher Performance than hand-designed
یاددگیریی باززنمایی
Accelerate adaption with minimal human interaction
![Page 17: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/17.jpg)
17
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننFactors of Variation
When designing features or algorithms for learning features, our goal is usually to separate the factors of variation that explain the observed data.
![Page 18: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/18.jpg)
18
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننFactors of Variation
Factors are separated sources of influence:
They are not directly observable.
When designing features or algorithms for learning features, our goal is usually to separate the factors of variation that explain the observed data.
![Page 19: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/19.jpg)
19
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننFactors of Variation
Factors are separated sources of influence:
Such factors are often not quantities.They are not directly observable.
When designing features or algorithms for learning features, our goal is usually to separate the factors of variation that explain the observed data.
![Page 20: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/20.jpg)
20
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننFactors of Variation
They may exist either as unobserved objects or unobserved forces in the physical world that affect observable quantities.
Factors are separated sources of influence:
Such factors are often not quantities.They are not directly observable.
When designing features or algorithms for learning features, our goal is usually to separate the factors of variation that explain the observed data.
![Page 21: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/21.jpg)
21
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننFactors of Variation
They may exist either as unobserved objects or unobserved forces in the physical world that affect observable quantities.
They may also exist as constructs in the human mind that provide useful simplifying explanations or inferred causes of the observed data.
Factors are separated sources of influence:
Such factors are often not quantities.They are not directly observable.
When designing features or algorithms for learning features, our goal is usually to separate the factors of variation that explain the observed data.
![Page 22: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/22.jpg)
22
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننFactors of Variation
Factors of Variation:Position
![Page 23: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/23.jpg)
23
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننFactors of Variation
Factors of Variation:PositionColor/texture
![Page 24: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/24.jpg)
24
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننFactors of Variation
Factors of Variation:PositionColor/textureThe angle/brightness of the sun
![Page 25: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/25.jpg)
25
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننFactors of Variation
Factors of Variation:PositionColor/textureThe angle/brightness of the sunThe weather (Snow/Rain/Fog/Dust)
![Page 26: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/26.jpg)
26
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننFactors of Variation
Factors of Variation:PositionColor/textureThe angle/brightness of the sunThe weather (Snow/Rain/Fog/Dust)The amount of load
![Page 27: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/27.jpg)
27
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننFactors of Variation
Factors of Variation:PositionColor/textureThe angle/brightness of the sunThe weather (Snow/Rain/Fog/Dust)The amount of loadExterior Accessories
![Page 28: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/28.jpg)
28
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننFactors of Variation
Factors of Variation:PositionColor/textureThe angle/brightness of the sunThe weather (Snow/Rain/Fog/Dust)The amount of loadExterior Accessories
The individual pixels in an image of a red car might be very close to black at night…
![Page 29: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/29.jpg)
29
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
Factors of Variation:PositionColor/textureThe angle/brightness of the sunThe weather (Snow/Rain/Fog/Dust)The amount of loadExterior Accessories
The individual pixels in an image of a red car might be very close to black at night…
چه باید کردد؟
![Page 30: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/30.jpg)
30
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
ددرر ااغلب کارربرددها باید اازز پیچیدگی ددااددهههایی ووررووددیی (ددنیایی ووااقعی) بکاهیم. ررووششهایی متنوعی براایی ااین منظورر ووجودد دداارردد. یکی اازز تکنیکهایی عمومی براایی
کاستن اازز پیچیدگی، “کاهش اابعادد” ااست. به کمک کاهش اابعادد، سطح اانتزااعع رراا اافزاایش میددهیم.
باززنمایی ساددهه شدهه اازز پدیدههاایی پیچیدهه
#شوخی
![Page 31: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/31.jpg)
31
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
باید اازز ددااددهههایی ووررووددیی ددنیایی ووااقعی یک باززنمایی فشرددهه وو کوچک تولید کنیم. سپس میتواانیم با طی مسیر عکس، اازز باززمنایی فشرددهه به ددااددهههایی شبیه به
ددااددهه ووررووددیی (وولی ساددهه تر) برسیم.
باززنمایی ساددهه شدهه اازز پدیدههاایی پیچیدهه
#شوخی
![Page 32: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/32.jpg)
32
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیک تکنیک براایی ساددههساززیی + باززنمایی
Deep learning introduces representations that are expressed in terms of other, simpler representations.
![Page 33: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/33.jpg)
33
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیک تکنیک براایی ساددههساززیی + باززنمایی
![Page 34: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/34.jpg)
34
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیک تکنیک براایی ساددههساززیی + باززنمایی
Car
Person
Animal
![Page 35: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/35.jpg)
35
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیک تکنیک براایی ساددههساززیی + باززنمایی
Raw Sensory Input Data
Car
Person
Animal
![Page 36: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/36.jpg)
36
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیک تکنیک براایی ساددههساززیی + باززنمایی
Raw Sensory Input Data The function mapping from a set of pixels to an object identity is very complicated.
Car
Person
Animal
تبدیل مستقیم ممکن نیست!
![Page 37: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/37.jpg)
37
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیک تکنیک براایی ساددههساززیی + باززنمایی
![Page 38: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/38.jpg)
38
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
Edges
Contours/Corners
Object Parts
یک تکنیک براایی ساددههساززیی + باززنمایی
![Page 39: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/39.jpg)
39
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
الیه هایی مخفی
یک تکنیک براایی ساددههساززیی + باززنمایی
![Page 40: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/40.jpg)
40
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
نگاشتهایی ساددهه که به
صوررتت اافزاایشی
فیچرهایی تصویر رراا شناسایی میکنند
یک تکنیک براایی ساددههساززیی + باززنمایی
![Page 41: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/41.jpg)
41
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
الیه ااوولل تنها به شناسایی لبههایی ااشیا
میپرددااززدد. ااین کارر با
مقایسه ررووشنایی
پیکسلهایی مجاوورر اانجامم
میشودد
یک تکنیک براایی ساددههساززیی + باززنمایی
![Page 42: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/42.jpg)
42
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
خرووجی الیه ااوولل به الیه ددوومم میرسد وو الیه ددوومم
بساددگی گوشه ها وو
حد فاصلها رراا پیداا
میکند. آآنها مجموعه
هایی اازز لبه ها هستند.
یک تکنیک براایی ساددههساززیی + باززنمایی
![Page 43: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/43.jpg)
43
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
الیه سومم به کمک
گوشهها وو فاصلههایی
که اازز الیه ددوومم ددرر
یافت کرددهه، ااشیا رراا
شناسایی میکند.
یک تکنیک براایی ساددههساززیی + باززنمایی
![Page 44: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/44.jpg)
44
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیک تکنیک براایی ساددههساززیی + باززنمایی
xیک تابع ااست
y
![Page 45: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/45.jpg)
45
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننAutoencoder
جوهر یک االگورریتم یاددگیریی باززنمایی (Presentation Learning)، خوددررمزنگارر (Autoencoder) ااست.
![Page 46: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/46.jpg)
46
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننAutoencoder - خوددررمزنگارر
جوهر یک االگورریتم یاددگیریی باززنمایی (Presentation Learning)، خوددررمزنگارر (Autoencoder) ااست.
باززنمایی جدید، دداارراایی وویژگیهایی قابل توجهی ااست
![Page 47: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/47.jpg)
47
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
جوهر یک االگورریتم یاددگیریی باززنمایی، Autoencoder ااست.
Autoencoder
Input = decoder(encoder(input))
![Page 48: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/48.jpg)
48
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
جوهر یک االگورریتم یاددگیریی باززنمایی، Autoencoder ااست.
Autoencoder
Input = decoder(encoder(input))
An autoencoder is the combination of an encoder function that converts the input data into a different representation, and a decoder function that converts the new representation back into the original format.
![Page 49: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/49.jpg)
49
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
جوهر یک االگورریتم یاددگیریی باززنمایی، Autoencoder ااست.
Autoencoder
Input = decoder(encoder(input))
Reconstructed Original
An autoencoder is the combination of an encoder function that converts the input data into a different representation, and a decoder function that converts the new representation back into the original format.
![Page 50: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/50.jpg)
50
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننAutoencoder
![Page 51: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/51.jpg)
51
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیک نمونه کد ددرر جاوواا
![Page 52: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/52.jpg)
52
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیک نمونه کد ددرر جاوواا
![Page 53: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/53.jpg)
53
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیک نمونه کد ددرر جاوواا
Encoder
Decoder
![Page 54: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/54.jpg)
54
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
براایی محک ززددنن تکنیکهایی یاددگیریی ماشین، االزاامی به آآگاهی وو تسلط بر فنونن برنامه نویسی نیست. ددرر ااینجا با اابزاارریی آآشنا میشویم که بدوونن نیازز به برنامهنویسی توااناییهایی تکنیکهایی یاددگیریی
ماشین رراا ددرر ااختیارر ما قراارر میددهد. نصب، ررااههااندااززیی وو بکاررگیریی ااین اابزاارر بسیارر ساددهه ااست.
![Page 55: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/55.jpg)
55
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
http://www.skytree.net/
![Page 56: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/56.jpg)
56
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
What is Skytree Express?
• Skytree Express is an express way to use Skytree’s machine learning software. It is available for use via a Virtual Machine (VM) for Windows, MAC OS X, and through an easy install script on RHEL/CentOS systems.
• Currently, Skytree Express comes in two versions (i) Skytree GUI & Python SDK and (ii) Skytree Command Line Interface (CLI).
• Skytree Express can be downloaded free of cost. It comes with a preconfigured license that is valid for one year.
![Page 57: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/57.jpg)
57
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
![Page 58: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/58.jpg)
58
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
![Page 59: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/59.jpg)
59
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن
Standard Data Sources:• Relational Databases (RDBMS) • Hadoop Systems (HDFS) • Flat File Databases (e.g. CSV)
Machine Learning Methods: • Random Decision Forests • Kernel Density Estimation • K-means • Singular Value Decomposition • Gradient Boosting • Decision Tree • 2-point Correlation • Range Searching • K-nearest Neighbours Algorithm • Linear Regression • Support Vector Machine • Logistic Regression
یاددگیریی ماشین - آآشنایی با یک اابزاارر
![Page 60: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/60.jpg)
60
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
![Page 61: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/61.jpg)
61
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
![Page 62: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/62.jpg)
62
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
![Page 63: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/63.jpg)
63
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
http://pages.skytree.net/free-download-GUI.html?utm_medium=website&utm_source=skytree
http://pages.skytree.net/free-downloadCLI-web.html
GUI
CLI
Download:
![Page 64: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/64.jpg)
64
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
Skytree Express is available for personal, educational, and even commercial usage! The free version restricts usage up to 100 million elements on a single machine/node.
License:
![Page 65: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/65.jpg)
65
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
![Page 66: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/66.jpg)
66
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
1. Download Skytree Express edition. 2. Unzip 3. Run it Using Virtual Box 4. Login: ssh -p 2222 skytree@localohst password: skytree
![Page 67: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/67.jpg)
67
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
> skytree-server --help=========================================================================== SKYTREE (R) - THE MACHINE LEARNING COMPANY (R) - http://www.skytree.net/ (C) 2010-2016 Skytree Inc. All rights reserved.=========================================================================== Release: Skytree Infinity 15.5.0--------------------------------------------------------------------------- Local time: 2016-Sep-06 08:25:10 Username: skytree Hostname: localhost.localdomain System: CentOS release 6.5 (Final) Processor: Intel(R) Core(TM) i7 CPU M 620 @ 2.67GHz # CPU Cores: 2Total Memory: 3.74 GB Free Memory: 3.61 GB System Load: 0.00 %---------------------------------------------------------------------------Working directory: /home/skytreeCommand-line arguments:skytree-server --help ---------------------------------------------------------------------------
![Page 68: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/68.jpg)
68
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
08:25:10 [INFO] usage: skytree-server <module> <arguments>08:25:10 [INFO] Available modules:08:25:10 [INFO] Discovery Features Enabled08:25:10 [INFO] nnplus08:25:10 [INFO] nn08:25:10 [INFO] whatif08:25:10 [INFO] svd08:25:10 [INFO] two_pt08:25:10 [INFO] kmeans08:25:10 [INFO] Distributed Features Enabled08:25:10 [INFO] status08:25:10 [INFO] Prediction Features Enabled08:25:10 [INFO] rdf08:25:10 [INFO] rdfr08:25:10 [INFO] gbt08:25:10 [INFO] gbtr08:25:10 [INFO] automodel08:25:10 [INFO] glmc08:25:10 [INFO] glmr08:25:10 [INFO] logistic08:25:10 [INFO] nnc08:25:10 [INFO] wnnc08:25:10 [INFO] score08:25:10 [INFO] score-recommendation08:25:10 [INFO] svm08:25:10 [INFO] svm1408:25:10 [INFO] Recommendation Features Enabled08:25:10 [INFO] cf
08:25:10 [INFO] General options:08:25:10 [INFO] --help Print this information.08:25:10 [INFO] --watchdog [=arg(=on)] (=1) If set, monitor system resources and 08:25:10 [INFO] warn if they are running low.08:25:10 [INFO] --watchdog_low_memory_threshold arg (=0.05)08:25:10 [INFO] The watchdog warns if the amount of 08:25:10 [INFO] available system memory is less than 08:25:10 [INFO] the specified fraction.08:25:10 [INFO] --watchdog_high_load_threshold arg (=1.5)08:25:10 [INFO] The watchdog warns if the (normalized) 08:25:10 [INFO] system load is higher than the 08:25:10 [INFO] specified value.08:25:10 [INFO] --log arg If given, write log to this file 08:25:10 [INFO] instead of stdout.08:25:10 [INFO] --loglevel arg (=default) Level of log detail. One of:08:25:10 [INFO] verbose: log everything08:25:10 [INFO] default: log messages and warnings08:25:10 [INFO] warning: log only warnings08:25:10 [INFO] silent : no logging08:25:10 [INFO] --input_file arg If given, load input options from this 08:25:10 [INFO] file.08:25:10 [INFO] --hosts arg Comma-separated list of hosts to run 08:25:10 [INFO] the distributed version of Skytree 08:25:10 [INFO] Infinity on.08:25:10 [INFO] --procs_per_host arg Number of processes per host.08:25:10 [INFO] --fast_read [=arg(=on)] (=0) This option is deprecated.
![Page 69: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/69.jpg)
69
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
$ skytree-server gbt --help$ ./sample_script.sh
![Page 70: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/70.jpg)
70
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
![Page 71: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/71.jpg)
71
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
$ skytree-server gbt --training_in income.data.st --training_labels_in income.data.labels --num_trees 100 --model_out gbt.simple.model | tee gbt.simple.train.log
$ less gbt.simple.lables
$ skytree-server gbt --testing_in income.test.st --model_in gbt.simple.model --lables_out gbt.simple.lables
$ paste gbt.simple.lables income.test.labels
![Page 72: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/72.jpg)
72
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
$ skytree-server gbt --testing_in income.test.st --model_in gbt.simple.model --labels_out gbt.simple.lables --probabilities_out gbt.simple.pobs
$ less gbt.simple.pobs
![Page 73: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/73.jpg)
73
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
$ skytree-server gbt --testing_in income.test.st --model_in gbt.simple.model --probabilities_out gbt.simple.probs --probability_threshold 0.8 --labels_out gbt.simple.thresh.0.8.labels
$ paste gbt.simple.thresh.0.8.labels gbt.simple.probs
![Page 74: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/74.jpg)
74
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
http://www.skytree.net/2016/02/05/skytree-express-machine-learning-at-the-command-line/
Homework:
![Page 75: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/75.jpg)
75
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننیاددگیریی ماشین - آآشنایی با یک اابزاارر
What machine learning algorithms are available through Skytree CLI? • AutoModel automodel • Gradient-boosted decision trees gbt • Random decision forests rdf • The above for regression gbtr, rdfr • Support vector machines (linear and nonlinear) svm • Nearest neighbors binary classification nnc, with weights wnnc • K-means clustering kmeans • Logistic regression logistic • Singular value decomposition svd (includes principal components analysis) • Generalized linear model for classification or regression glmc, glmr • Collaborative Filtering cf • Kernel density estimation kde • What-if analysis whatif • Two-point correlation function two_pt • Model scoring score
![Page 76: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/76.jpg)
76
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 77: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/77.jpg)
77
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 78: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/78.jpg)
78
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
18x18
![Page 79: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/79.jpg)
79
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 80: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/80.jpg)
80
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 81: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/81.jpg)
81
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 82: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/82.jpg)
82
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 83: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/83.jpg)
83
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 84: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/84.jpg)
84
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 85: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/85.jpg)
85
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 86: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/86.jpg)
86
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
18x18
![Page 87: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/87.jpg)
87
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
To feed an image into our neural network, we simply treat the 18x18 pixel image as an array of 324 numbers:
![Page 88: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/88.jpg)
88
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
The handle 324 inputs, we’ll just enlarge our neural network to have 324 input nodes:
![Page 89: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/89.jpg)
89
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
All that’s left is to train the neural network with images of “8”s and not-“8"s so it learns to tell them apart. When we feed in an “8”, we’ll tell it the probability the image is an “8” is 100% and the probability it’s not an “8” is 0%.
Some training data:
![Page 90: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/90.jpg)
90
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
ظاهراا کارر تمومم شدهه وو میتونیم حرووفف رروو شناسایی کنیم!
![Page 91: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/91.jpg)
91
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 92: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/92.jpg)
92
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
وولی به ااین ساددگیها نیست… ررووشش ما به جابجایی موقعیت حرووفف حساسس ااست :(
![Page 93: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/93.jpg)
93
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
ااگر 8 ما ددررست ووسط صفحه باشه … کارر میکنه :)
![Page 94: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/94.jpg)
94
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 95: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/95.jpg)
95
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
ددنیایی ووااقعی خط کشی شدهه نیست… چه کنیم تا 8 رراا حتی ووقتی ووسط تصویر نیست شناسایی کنیم؟
![Page 96: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/96.jpg)
96
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
اازز پنجرهه متحرکک ااستفاددهه میکنیم…
![Page 97: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/97.jpg)
97
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 98: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/98.jpg)
98
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 99: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/99.jpg)
99
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 100: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/100.jpg)
100
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 101: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/101.jpg)
101
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 102: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/102.jpg)
102
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 103: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/103.jpg)
103
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 104: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/104.jpg)
104
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 105: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/105.jpg)
105
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
This approach called a Sliding Window
![Page 106: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/106.jpg)
106
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننررووشش خوبی بودد؟
آآیا پنجرهه متحرکک ررووشش کارراامدیی بودد؟ چه ررووشش ددیگریی پیشنهادد میکنید؟
![Page 107: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/107.jpg)
107
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 108: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/108.jpg)
108
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 109: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/109.jpg)
109
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
![Page 110: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/110.jpg)
110
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
As a human, you intuitively know that pictures have a hierarchy or conceptual structure.
![Page 111: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/111.jpg)
111
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
As a human, you intuitively know that pictures have a hierarchy or conceptual structure.
As a human, you instantly recognize the hierarchy in this picture:
• The ground is covered in grass and concrete • There is a child • The child is sitting on a bouncy horse • The bouncy horse is on top of the grass
![Page 112: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/112.jpg)
112
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
As a human, you intuitively know that pictures have a hierarchy or conceptual structure.
Mad scientists literally poking cat brains with weird probesto figure out how cats process images
![Page 113: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/113.jpg)
113
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننبه ماشین خوااندنن یادد بدهیم
How Convolution Works?
![Page 114: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/114.jpg)
114
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن۱. شکستن تصویر به قطعاتی همپوشانن
![Page 115: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/115.jpg)
115
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن۲. تغذیه شبکهاایی کوچک با قطعاتت تصویر
![Page 116: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/116.jpg)
116
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن۳. ذذخیرهه نتایج هر قطعه ددرر آٰآرراایه اایی جدید
![Page 117: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/117.jpg)
117
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن۳. ذذخیرهه نتایج هر قطعه ددرر آٰآرراایه اایی جدید
![Page 118: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/118.jpg)
118
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن۴. کاهش ااندااززهه ماتریس مرحله نتایج
Max Pooling
![Page 119: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/119.jpg)
119
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن۴. کاهش ااندااززهه ماتریس مرحله نتایج
![Page 120: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/120.jpg)
120
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانن۵.شبکه تمامم متصل آآخرین مرحله
![Page 121: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/121.jpg)
121
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانناافزووددنن الیههایی بیشتر
Our image processing pipeline is a series of steps: • convolution, • max-pooling, • a fully-connected network.
![Page 122: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/122.jpg)
122
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانناافزووددنن الیههایی بیشتر
The first convolution step might learn to recognize sharp edges, the second convolution step might recognize beaks using it’s knowledge of sharp edges, the third step might recognize entire birds using it’s knowledge of beaks, etc.
The more convolution steps you have, the more complicated features your network will be able to learn to recognize.
![Page 123: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/123.jpg)
123
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانناافزووددنن الیههایی بیشتر
In this case, they start a 224 x 224 pixel image, apply convolution and max pooling twice, apply convolution 3 more times, apply max pooling and then have two fully-connected layers. The end result is that the image is classified into one of 1000 categories!
![Page 124: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/124.jpg)
124
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانناازز کجا شرووعع کنیم؟
So how do you know which steps you need to combine to make your image classifier work?
Honestly, you have to answer this by doing a lot of experimentation and testing. You might have to train 100 networks before you find the optimal structure and parameters for the problem you are solving. Machine learning involves a lot of trial and error!
![Page 125: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/125.jpg)
125
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننپرندهه وو غیرپرندهه
![Page 126: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/126.jpg)
126
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهراانناافزووددنن الیههایی بیشتر
![Page 127: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/127.jpg)
127
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننکارربرددهایی ددرر یک نمونه آآسیایی
![Page 128: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/128.jpg)
128
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننکارربرددهایی ددرر یک نمونه آآسیایی
![Page 129: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/129.jpg)
129
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننکارربرددهایی ددرر یک نمونه آآسیایی
![Page 130: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/130.jpg)
130
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننکارربرددهایی ددرر یک نمونه آآسیایی
![Page 131: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/131.jpg)
131
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننکارربرددهایی ددرر یک نمونه آآسیایی
![Page 132: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/132.jpg)
132
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننکارربرددهایی ددرر یک نمونه آآسیایی
![Page 133: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/133.jpg)
133
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننکارربرددهایی ددرر یک نمونه آآسیایی
![Page 134: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/134.jpg)
134
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننکارربرددهایی ددرر یک نمونه آآسیایی
![Page 135: Big Data and Machine Learning Workshop - Day 6 @ UTACM](https://reader031.vdocument.in/reader031/viewer/2022022201/588a268b1a28abb21f8b6573/html5/thumbnails/135.jpg)
135
گذرریی بر کارربرددهایی ددااددهههایی بزررگگ وو یاددگیرییماشین - تابستانن ACM - ۱۳۹۵ دداانشگاهه تهرااننمرجع
http://www.slideshare.net/billlangjun/simple-introduction-to-autoencoderhttp://deeplearningbook.orghttp://www.skytree.net/2016/02/05/skytree-express-machine-learning-at-the-command-line/http://www.datasciencecentral.com/profiles/blogs/must-know-tips-tricks-in-deep-neural-networks-1https://www.ibm.com/developerworks/linux/library/l-machine-learning-deep-learning-trs/index.html?ca=drs-&ce=ism0070&ct=is&cmp=ibmsocial&cm=h&cr=crossbrand&ccy=ushttps://xkcd.com/1425/http://yann.lecun.com/exdb/mnist/https://medium.com/@ageitgey/machine-learning-is-fun-part-3-deep-learning-and-convolutional-neural-networks-f40359318721#.njwdy7ch4https://en.wikipedia.org/wiki/Convolutional_neural_network#Pooling_layerSpark Summit 2016 - The Baidu Presentation