TGViewer
دیتایاد | هوش مصنوعی و علم داده دیتایاد | هوش مصنوعی و علم داده @datayad · 5.62K subscribers
Post #877 812
🧠 یک نگاه جمع‌وجور به دنیای شبکه‌های عصبی

این تصویر یه چیز رو خیلی خوب نشون می‌ده: شبکه‌های عصبی فقط یه مدل نیستن؛ یک خانواده‌ بزرگن که هرکدوم برای یک نوع مسئله ساخته شدن.
بعضیا ساده‌ان و فقط ورودی رو به خروجی وصل می‌کنن، بعضیا حافظه دارن و دنباله‌ها رو می‌فهمن، بعضیا متخصص تصویرن و بعضیا هم بلد‌ن ساختار داده رو از دل نویز دربیارن. ✅
در واقع تفاوت اصلی بین این مدل‌ها برمی‌گرده به سه چیز:

نوع گره‌ها که استفاده می‌کنن (مثل گره‌های حافظه‌دار یا گره‌های کانولوشن)

شیوه‌ی جریان اطلاعات بین لایه‌ها

کاری که براش طراحی شدن؛ طبقه‌بندی، تولید، بازسازی یا مدل‌سازی توالی

یه نقشه‌ راه خوب برای اینکه بفهمیم چرا جهان مدل‌ها اینقدر متنوعه و هرکدوم کجای بازی می‌درخشن.✨
📌 مرجع تخصصی هوش مصنوعی و علم داده
🤖 دیتایاد / datayad@
  • 🔥 3
  • ❤ 2
More from @datayad
  1. Oct 15, 2026🚀 متا با مدل جدید Muse Wonder رسماً وارد لیگ Frontier شد بعد از ماه‌ها فاصله، متا دوباره…
  2. Oct 14, 2026🤖 پنجره کانتکست یا مموری؟ راز فراموشی ایجنت‌ها مدل ۱ میلیون توکنی دارید، اما ایجنت هنوز ب…
  3. Oct 13, 2026🧠 قانون چینچیلا؛ چرا غول‌های هوش مصنوعی «Undertrained» بودند؟ ⚖️ تو پست قبلی بررسی کردیم…
  4. Oct 11, 2026🤖 پارامتر بیشتر ≠ هوش بیشتر؛ چرا مدل ۷ میلیاردی گاهی ۱۳ میلیاردی رو شکست می‌ده؟ یه باور ق…
  5. Oct 10, 2026🧠 امبدینگ (Embedding)؛ چطور هوش مصنوعی «معنا» رو به عدد تبدیل می‌کنه؟ 🤖 تا حالا فکر کردی…
  6. Oct 9, 2026🚀 میسترال غول ۱ تریلیون پارامتری‌اش را معرفی کرد: Large 4 شرکت فرانسوی Mistral از مدل Lar…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →