#دیپ_لرنینگ
#ماشین_لرنینگ

▫️آقای دکتر براک در این پست یه پکیج برای پیاده سازی مدلهای دیپ لرنینگ در تایم سری معرفی کردند و در انتها اشاره کردند به اینکه: "البته بیان این نکته واجبه که مدل های پیچیده تضمینی برای رسیدن به بهترین دقت نیست. من خیلی پیش میاد از RF بهتر از Deep Network نتیجه گرفتم"

▫️ما در این پست جایگاه ماشین لرنینگ و دیپ لرنینگ رو نشون دادیم و در این پست هم اشاره کردیم که دوستان تازه کار فعلا ماشین لرنیگ یاد بگیرن و دنبال دیپ لرنینگ نباشن. چرا گفتیم دنبال دیپ لرنینگ نباشن؟ به همین دلیلی که آقای دکتر براک هم در پست شون اشاره کردن که خیلی براشون پیش اومده که از Random Forest جواب بهتری نسبت به دیپ لرنینگ گرفتن. جواب این سوال رو آقای Andrew Ng در کورس دیپ لرنینگ شون دادن: "کارآیی مدل هایی دیپ لرنینگ موقعی بهتر از مدل های ماشین لرنینگ مثل Random Forest هست که شما حجم دیتای زیادی داشته باشید" رابطه بین کارآمدی مدل و حجم دیتا در این شکل نشون داده شده. همون طور که میبیند برای حجم دیتای کم مدل های ماشین لرنینگ عملکرد بهتری دارن.

@FinPy