شنیدن و نگه‌داشتن این اپیزود
پخش را شروع کن؛ هنگام رفتن به صفحه‌های دیگر هم ادامه پیدا می‌کند.
برای خواندن و مرور دوباره
گفت‌وگو را به متن همراهت تبدیل کن
متن کامل و خوانای این اپیزود در Word و PDF، همراه با نقشهٔ تصویری موضوعات.
کتابخانه و بازخورد
برای شناخت بهتر پیش از شنیدن
این اپیزود هنوز بررسی عمیق نشده است
در اپیزودهای بررسی‌شده، پادگرد خلاصه، محورهای گفتگو، فصل‌های قابل پخش و پرسش‌های مهم را از متن اپیزود استخراج می‌کند.
تحلیل این اپیزودتکمیل این اپیزود
اگر مهمان یا اسپانسری جا افتاده، از فهرست موجود انتخاب کن یا نام تازه‌ای پیشنهاد بده. پیشنهادها بعد از بررسی مدیر عمومی می‌شوند.
متن منتشرشده توسط پادکستر
توضیحات اپیزود
در این قسمت از پادکست «سطر صفر»، وارد یکی از خطرناک‌ترین و درعین‌حال جذاب‌ترین بخش‌های یادگیری ماشین می‌شیم: Overfitting . از مدلی حرف می‌زنیم که به‌جای درکِ الگو، داده‌ها رو حفظ می‌کنه، از اشتباه‌هایی که باعث می‌شن ماشین‌ها در ظاهر باهوش‌تر، اما در عمل ناآگاه‌تر بشن، و از اینکه چطور می‌شه بین «کم یاد گرفتن» و «زیاد یاد گرفتن» تعادل ایجاد کرد. همچنین درباره‌ی مفاهیمی مثل Underfitting، Regularization، Dropout، Early Stopping و اهمیت سادگی در مدل‌ها صحبت می‌کنیم. این اپیزود، نگاهیه به مرز باریک بین هوش و وسواس — جایی که ماشین یاد می‌گیره، ولی شاید دیگه نفهمه چرا. 📍 همراه من باشین در «سطر صفر». داریوش اکرادی 🎧 بشنوید، و اگر براتون جالب بود، به بقیه هم معرفی کنید.
نظرها
هنوز نظری نوشته نشده.
