در 1985،  ساتوشی واتناب   الکو را به صورت  نقطه مقابل اشفتگی  تعریف کرده است: یک واحد کامل، با تعریف مبهم که می تواند به یک نام داده شود: به عبارت دیکر، یک الگو  می تواند  هر  شی یا بخش مورد نظر باشد که برای تشخیص و شناسایی لازم است. لازم  به ذکر است که   افراد  خواهان  درک نام هستند. مثال هایی از الگو ها به شرح زیر هستند: یک پیکسل در یک تصویر، یک شکل دو یا سه بعدی، یک   کاراکتر تایپ شده  یا دست نویس،  با  اثر انگشت، رد پا، صورت انسان، صدای فردف سیگنال صوت،  سری های زمانی ECG،  یک ساختمان یا شکل حیوان باشد.

 یک سیستم تشخیص الگو(PRS)  یک سیستم خودکار است که هدف آن طبقه بندی الگو های ورودی به یک کلاس ویژه است. این دو کار متوالی را انجام می دهد: 1-  تحلیل یا توصیفی که ویژگی ها را از الگوی مطالعه شده استخراچ کند و 2-   طبقه بندی یا تشخیصی که ما را قادر به  تشخیص یک شی یا الگو با استفاده از ویژگی های بر گرفته  شده   از اولین کار ، می کند

 این  وب سایتی برای دوره های اموزشی تشخیص الکو می باشد که در  اولین  سال  لیسانس  تدریس می شوذ. مواد ارایه شده انقدر کامل هستند که به عنوان یک دستور العمل  اموزشی در نظر گرفته می شود.

 فنون تشخیص الگو مربوط به تئوری ها و الگوریتم های  انتزاعی می باشد. روش های تشخیص الکو در  بسیاری از  زمینه ها مفید هستند. نظیر  بازیابی اطلاعات، داده کاوی، تحلیل تصویر سند و شناخت، زبان شناسی محاسباتی، پزشکی قانونی، بیومتریک و بیوانفورماتیک. وب سایت هایی برای دوره های مربوط به داده کاوی و یادگیری ماشینی وجود دارند.

 بیشتر موضوعات مربوط به روش های طبقه بندی آماری هستند. آن ها شامل روش های  مولد  نظیر روش های مبتنی بر تئوری بیزین تصمیم گیری و روش های براورد پارامتر و براورد تراکم هستند. روش های   دیگر شامل  طبقه بندی نزدیک ترین همسایه،  ماشین های بردار پشتیبان هستند. شبکه های عصبی مصنوعی، ترکیب  دسته بند و خوشه بندی از اجزای اصلی تشخیص  الگو هستند.

 یک دوره اموزشی در زمینه احتمال می تواند پیش نیاز باشد

 برنامه های  فنون تشخیص الکو با پروژه های مربوط به تشخیص  اثر  انگشت،  تشخیص دست خط و   تایید دست خط   نشان داده می شوند.

جلسه اول
 

جلسه دوم
 

جلسه سوم
 

جلسه چهارم
 

جلسه پنجم
 

جلسه ششم
 

جلسه هفتم
 

جلسه هشتم
 

جلسه نهم
 

جلسه دهم
 

جلسه یازدهم
 

جلسه دوازدهم
 

جلسه سیزدهم
 

جلسه چهاردهم
 

جلسه پانزدهم
 

جلسه شانزدهم
 

جلسه هفدهم
 

جلسه هیجدهم
 

جلسه نوزدهم
 

جلسه بیستم
 

جلسه بیست و یکم
 

جلسه بیست و دو
 

جلسه بیست و سوم
 

نوشته آموزش فارسی شناسایی الگو اولین بار در ايران متلب. پدیدار شد.

TensorFlow در ابتدا توسط محققین و مهندسین شاغل در گوگل توسعه پیدا کرد. این مهندسین در تیم یادگیری ماشین گوگل مشغول به کار بودند و هدف آنها ارائه یک کتابخانه برای تحقیقات یادگیری ماشین و شبکه های عصبی عمیق بود اما برای آن کاربردهای مختلف دیگری هم ارائه شد.

گراف جریان داده چیست؟

گراف جریان داده محاسبات ریاضی را به صورت گراف جهت دار از لبه ها و گره بیان می کند. گره ها معمولا عملیات ریاضی را پیاده سازی می کنند اما می توانند نقطه پایانی داده یا نتایج یا محل ورود و خروج متغییرها هم باشند. لبه ها ارتباطات ورودی/خروجی بین گره ها را بیان می کنند. لبه ها آرایه های داده چند بعدی دارای اندازه متغییر را حمل می کنند که به نام tensor شناخته می شوند. جریان tensor ها در گراف ، بیان کننده همان نام TensorFlow می باشد.

ایران متلب با کمک سابقه طولانی خود در یادگیری ماشین ، آموزش TensorFlow به زبان فارسی را جهت استفاده علاقه مندان تهیه کرده است. پیش نیاز این آموزش ، آموزش زبان برنامه نویسی پایتون می باشد.

لینک دانلود

پیش نمایش :

لینک دانلود پیش نمایش (کیفیت بالا)

پیش نمایش 1 :

لینک دانلود پیش نمایش 1 (کیفیت بالا)

پیش نمایش 2 :

لینک دانلود پیش نمایش 2 (کیفیت بالا)

پیش نمایش 3 :

لینک دانلود پیش نمایش 3 (کیفیت بالا)

پیش نمایش 4 :

لینک دانلود پیش نمایش 4 (کیفیت بالا)

پیش نمایش 5 :

لینک دانلود پیش نمایش 5 (کیفیت بالا)

تصاویری از این آموزش :

نوشته فیلم آموزشی فارسی tensorflow اولین بار در ايران متلب. پدیدار شد.