سلام. در این پست راجع به بایاس، واریانس و مصالحه(سبک سنگین کردن یا trade off) بین آنها میپردازم.
نگاه کردن از دریچه بایاس، واریانس و مصالحه میان آنها، به درک بهتر الگوریتمهای یادگیری ماشین کمک میکند.
سلام. در این پست راجع به بایاس، واریانس و مصالحه(سبک سنگین کردن یا trade off) بین آنها میپردازم.
نگاه کردن از دریچه بایاس، واریانس و مصالحه میان آنها، به درک بهتر الگوریتمهای یادگیری ماشین کمک میکند.
سلام. اگر در حوزههای علم داده و یادگیری ماشین فعالیت میکنید. حتما متوجه شدید که مفهومها و ابزارهای مختلفی در این زمینهها وجود دارن. هر کدوم از اونها قابلیتهای زیاد و مختلفی دارن که ممکنه با خیلی از اونها کار نکرده و یا به کل از وجودشون بیاطلاع باشید. حتی روشها و تکنیکهایی که در موردشون میدونیم هم ممکنه هر چندوفت یکبار از یادتون برن. اینجاست که برگههای تقلب(Cheat Sheets) وارد صحنه میشن و میتونن حسابی بهدردبخور باشن.
سلام. با این که خیلی سرم شلوغ بوده این مدت و کلی پست نیمه تمام دارم، ولی حس میکنم که الان نیاز دارم بنویسم. برای پستی که امروز مینویسم خیلی خیالپردازی کردم پس امیدوارم اگر کسی این رو میخونه قدرت تخیل خوبی داشته باشه تا بهتر فضایی که من تصور کردم رو ببینه درکش کنه.
خب قبل از این که شروع کنم، یبار دیگه باید بگم که من یک توسعهدهنده نرم افزار هستم و دارم تلاش میکنم که یک دانشمند داده بشم. در ضمن از رفتن به کافههای مختلف، مطالعه کردن و گل و گیاه هم خیلی خوشم میاد. (خیلی دوست دارم که یه گلخونه داشته باشم.)