مطالب

اصطلاحات علم داده و یادگیری ماشین (Data Science + Machine Learning)

بیش برازش (Overfitting) :
اگر یک مدل خود را با داده‌های آموزشی کاملاً تطبیق دهد و خطای خود را به حداقل برساند، در مواجهه با داده‌های واقعی با خطای زیادی مواجه خواهد شد و نتیجه مطلوب را تولید نخواهد کرد. تطبیق بیش از حد با مجموعه داده آموزشی را بیش برازش (Overfitting) می‌نامیم. مدلی که بیش از حد، تطبیق و برازش شده باشد، برای داده‌های واقعی کاربست پذیر نخواهد بود.


کم برازش (Underfitting) :
اگر داده‌های کمی داشته باشیم و یا تطبیق کمی با داده‌های آموزشی ایجاد کنیم و فرآیند آموزش مدل را با وجود خطاهای زیاد، متوقف کنیم، با پدیده کم برازش (Underfitting) مواجه خواهیم شد و مدلی خواهیم داشت که حتی برای داده‌های آزمایش ما، نتایج مطلوب را تولید نخواهد نمود.


ادامه دارد ...

آموزش پایتون در یک پست!

پایتون چیست و چرا پایتون؟

پایتون یک زبان برنامه نویسی است. زبان‌های برنامه نویسی به ما اجازه می‌دهند که دستوراتی را بنویسیم که کامپیوتر آن دستورات را متوجه می‌شود و اجرا می‌کند. زبانی که کامپیوتر متوجه می‌شود زبان ماشین یا صفر و یک است. از آنجایی که نوشتن دستورات به زبان ماشین بسیار سخت و طاقت فرسا است زبان‌های برنامه نویسی سطح بالا به وجود آمدند که به زبان انسان نزدیکتر هستند. تبدیل کدها (دستورات) زبان برنامه نویسی سطح بالا به زبان ماشین کمی زمان می‌برد اما ارزشش را دارد چون نوشتن دستورات به این زبانها بسیار ساده‌تر از زبان ماشین است.

وظیفه تبدیل کدهای (دستورات) زبان سطح بالا به زبان ماشین توسط برنامه انجام می‌شود که به آنها مترجم گفته می‌شود. مترجم‌ها و انواع آنها را در پستی جداگانه شرح خواهم داد.

اما در بین این همه زبان سطح بالا مثل جاوا، سی، سی ++، روبی، جاوا اسکریپت و … چرا پایتون؟

پایتون بهترین زبان برای کسانی می‌باشد که می‌خواهند وارد دنیایی برنامه نویسی شوند. به خاطر نحو (syntax) ساده ای که این زبانآم برنامه نویسی دارد. در پایتون خبری از علایم پیچیده و ترسناک مثل $ و ; نیست که این باعث می‌شود مبتدی‌ها به برنامه نویسی ترغیب بشوند. نحو ساده پایتون باعث شده که برنامه نویسان حرفه ای بر روی الگوریتم و ساختار برنامه متمرکز بشوند و به نحو زبان برنامه نویسی درگیر نشوند،

علاوه بر نحوه ساده پایتون یک زبان برنامه نویسی مدرن می‌باشد که شامل تمام ویژگی‌های یک زبان قدرتمند و همه منظوره می‌باشد. رایگان بودن و همچین منبع باز بودن پایتون نیز جزو مزایای اون محسوب می‌شود.

نظرکاوی

آنالیز احساس و نظرکاوی، حوزه‌ای از مطالعات  است که نظرات، احساسات، نگرش‌ها و عواطف را از زبان نوشتاری، تجزیه و تحلیل می‌نماید. اهمیت رو به افزایش آنالیز احساسات،‌با رشد رسانه‌های اجتماعی مانند نشریات، reviewها، فروم‌های بحث، بلاگ‌ها،‌تویترها و شبکه‌های اجتماعی همراه شده است. سیستم‌های آنالیز احساس و نظر کاوی تقریبا در تمام دامنه‌های اجتماعی و تجاری کاربرد دارند.

عقاید و درک ما از هستی و واقعیت (reality) و انتخاب‌هایی که انجام می‌دهیم، از چگونگی دید دیگران و ارزیابی آنان از جهان، تاثیر می‌پذیرد. بنابراین در زمان تصمیم‌گیری، اغلب، عقاید دیگران را پویش می‌کنیم.

اصطلاح Sentiment Analysis بیشتر در حوزه‌ی صنعت به‌کار می‌رود و رایج‌تر است. اما در فعالیت‌های علمی و آکادمیک هر دو اصطلاح Sentiment Analysis و Opinion Mining به تناوب مورد استفاده قرار می‌گیرند.

اصطلاح Sentiment Analysis برای اولین بار در (Nasukawa and Yi, 2003) بیان شد و اصظلاح Opinion Mining  در (Daive et al. ,2003)، اگرچه پیش از این نیز تحقیقات در این حوزه‌ها آغاز شده بود.

فعالیت‌های تحقیقاتی در این حوزه‌ها از سال 2000 با سرعت زیادی آغاز به رشد نمود و تبدیل به یکی از فعال‌ترین حوزه‌های تحقیقاتی در حوزه‌های پردازش زبان‌های طبیعی، داده‌کاوی، وب‌کاوی و بازیابی اطلاعات گردید و از حوزه علوم کامپیوتر به حوزه علوم مدیریتی گسترش یافت.

تحلیل احساسات و نظرکاوی به طور عمده بر نظراتی که بیانگر احساسات مثبت و منفی هستند، تمرکز دارند.

نظرکاوی در حال حاضر در مرکز تحقیقات در حوزه رسانه‌های اجتماعی قرار دارد. تحقیقات در این زمینه نه تنها اثرات مهمی بر NLP‌می‌گذارد بلکه می‌تواند تاثیر عمیقی در مدیریت دانش و علوم، علوم سیاسی، اقتصادی و اجتماعی بگذارد، زیرا تمام این زمینه‌ها از نظرات مردم تاثیر می‌پذیرند.

علوم شناختی محاسباتی - Computational Cognitive Science

در علوم  شناختی محاسباتی[1] یکی پایه‌ای‌ترین و بارزترین جنبه‌های شناخت در انسان یعنی توانایی یادگیری سریع و انعطاف پذیر از موضوعات عالم هستی مورد مطالعه قرار می‌گیرد.

هر کودک خردسالی با تجربه کمی که در زندگی دارد می‌تواند معانی کلمات جدید ، جنبه‌های پنهان اشیاء و مواد، روابط علّی و یا قوانین اجتماعی را با دقت بالایی استنتاج نماید. این حدس و یا استنتاج بسیار فراتر از داده‌های داده‌شده به او می‌باشد. مثلا چنانچه به کودکی دو ساله، چهار تصویر نمونه از اسب را نشان دهیم، با اطمینان بالایی استنتاج درباره این که آیا تصویر جدید اسب است یا خیر انجام می‌دهدکه در اغلب موارد غیر از حالت‌هایی خاص، پیش‌بینی‌اش صحیح می‌باشد.

آشنایی با ساختار IIS : پردازش درخواست‌های HTTP در IIS

1. موقعی که کلاینت درخواست خود را مبنی بر یکی از منابع سرور ارسال می‌کند، Http.sys این درخواست را می‌گیرد.
2. http.sys با WAS تماس گرفته و درخواست می‌کند تا اطلاعات پیکربندی یا تنظیمات IIS را برای نحوه‌ی برخورد با درخواست، برایش بفرستد.
3. WAS هم اطلاعات پیکربندی شده را از محل ذخیره داده‌ها که applicationHost.config هست، می‌خواند.
4. WWW Service که یک آداپتور برای Http.sys هست، اطلاعات را از WAS دریافت می‌کند. این اطلاعات شامل پیکربندی application pool و سایت می‌باشد.
5. WWW Service اطلاعات را برای Http.sys میفرستد.
6. WAS یک پروسه کارگر را در application pool ایجاد می‌کند تا درخواست رسیده مورد پردازش قرار بگیرد.
7. پروسه‌های کارگر درخواست را پردازش کرده و خروجی یا response مورد نظر را تولید می‌کنند.
8. Http.sys نتیجه را دریافت و برای کلاینت می‌فرستد.

اطلاعات بیشتر در dotnettips