ضرب داخلی و cosine similarity
هندسه برداری، similarity و کاربرد آن در search و AI.
درس ریاضی برای پیوند جبر خطی با representation و relevance.
آموزش ریاضی و محاسبات
درسهایی که ریاضیات مورد استفاده در پروژههای واقعی را از مفهوم و فرمول تا مثال و پیادهسازی توضیح میدهند.
از جبر خطی و مشتق تا احتمال، آمار و بهینهسازی؛ با تمرکز بر اینکه ریاضیات در مدلهای AI کجا به کار میآید.
6 مورد
مدلسازی مسئله، تابع هدف، قیود، روشهای تکاملی و متاهیوریستیک برای مسائل تصمیمگیری و جستوجو.
3 مورد
پیوند میان کدنویسی، مدل ریاضی، آزمایش عددی، داده و پیادهسازی قابل تکرار.
4 مورد
ریاضیات کاربردی پشت رفتار سیستمها، نرخها، صفها، امتیازدهی و الگوریتمهای مهندسی.
1 مورد
عنوان یا مفهوم موردنظر را جستوجو کنید و با دسته و سطح، نتیجه را سریعتر محدود کنید.
6 مورد
حذف فیلترهاهندسه برداری، similarity و کاربرد آن در search و AI.
درس ریاضی برای پیوند جبر خطی با representation و relevance.
از نمایش داده و تبدیل خطی تا نقش ماتریسها در لایههای مدل.
درسی از ریاضیات که بردارها و ماتریسها را به نمایش داده و لایههای مدلهای AI مرتبط میکند.
از مشتق یکمتغیره تا گرادیان چندمتغیره و gradient descent.
درسی درباره پیوند مشتق و گرادیان با تابع هزینه و یادگیری مبتنی بر گرادیان.
از ضرب ماتریسی و score تا softmax و ترکیب وزندار Valueها.
آموزش ریاضی سازوکار attention با تمرکز بر Q، K، V و معادلات اصلی.
پایه احتمال و استنباط برای مدلهای آماری و یادگیری ماشین.
درس ریاضی برای درک uncertainty، likelihood و Bayes در AI.
شرح هدایتشده مقاله Transformer در سال ۲۰۱۷؛ از مسئله پردازش دنباله تا attention، معماری encoder-decoder و پیامدهای مهندسی آن.
یک توضیح آموزشی که منبع اصلی را مرجع نگه میدارد و ایدههای اصلی، معادلات و نتایج معماری را باز میکند.
این بخش برای آموزش مفهومی، ریاضی و فنی طراحی شده است و هر درس میتواند به یک پروژه، پژوهش یا راهکار مرتبط شود.