المپیاد هوش مصنوعی طلایی‌ها

اسامی پذیرفته‌شدگان مرحله۲ المپیاد هوش مصنوعی 🏆 المپیاد هوش‌مصنوعی طلایی‌ها 🏆

به نقل از سیدرضا حسینی: ان‌شاءالله نتیجه المپیادهای «نجوم و اخترفیزیک»، «هوش‌مصنوعی» و «مدیریت، اقتصاد و حکمرانی» تا انتهای فردا شب اعلام خواهدشد. 🏆باشگاه المپیاد طلایی‌ها🏆

بزودی آزمون های تابستانه هوش مصنوعی برای دانش آموزان دهم و یازدهم! 🏆 المپیاد هوش‌مصنوعی طلایی‌ها 🏆

بزودی آزمون های تابستانه هوش مصنوعی برای دانش آموزان دهم و یازدهم! 🏆 المپیاد هوش‌مصنوعی طلایی‌ها 🏆

اگر در لایوهای امروز همچنان سوال بدون جوابی داشتید حتما از من بپرسید! @Ari_and نکته مجدد: سلام وقت بخیر عزیزانی که در کلاس‌های تابستانه طلایی‌ها(ترم۱ جونیور، ترم۱، ترم ۳) ثبت نام کردن و هنوز داخل گروه بله مربوط به دوره‌شون ادد نشدن. نام + نام خانوادگی + کدملی+رشته المپیاد + ترم رو برای آیدی @talayihatech ارسال کنن تا ادد بشن!! فوری و انقلابی! -🔤🔤

🔴یک‌سری لایوهای آشنایی با المپیاد داریم! 🔴 برای هر کدوم از المپیادها یک لایو داریم با بهترین‌های اون وادی که ببینیم دقیقا چی میگذره توی هر المپیاد و چی میطلبه هر کدومشون 🧬 لایو آشنایی با المپیاد زیست شناسی - 🥇 استاد سینا رسولی 🤖 لایو آشنایی با المپیاد هوش مصنوعی -🥈 استاد پارسا اکبری 🥰 لایو آشنایی با المپیاد ریاضی - 🥇 استاد مهدی‌یار عمیدسرداری 📉 لایو آشنایی با المپیاد مدیریت، اقتصاد و... -🥇 استاد سیدعلی نوربخش 🖥 لایو آشنایی با المپیاد کامپیوتر -🥉 استاد عرفان سلیمی 🧪 لایو آشنایی با المپیاد شیمی - 🥇 استاد فریار کولی‌نیا 🌟 لایو آشنایی با المپیاد ادبی - 🥇 دکتر حنیف افخمی 🔮 لایو آشنایی با المپیاد نجوم و اخترفیزیک -🥇 استاد امیرحسین علیزاده 🪙 لایو آشنایی با المپیاد فیزیک - 🥈 استاد سپهر المدنی افتتاحیه دوره‌های تابستانی المپیادهای طلایی‌ها - 🥇استاد پوریا قجری شرکت در جلسات برای عموم آزاد است. از اولیا و دانش پژوهان جوان دعوت می شود جهت ارتقا اشراف به وادی المپیاد در لایوهای مذکور شرکت کنند. 🔗 لینک برگزاری جلسات 🔗 🌎 وبسایت: www.talayiha.ir 🌎 وبسایت: www.talayiha.org 🔵 کانال: @talayiha 🔵 مشاوره: @talayiha1 📞 تلفن: 02182802490 📱 اینستاگرام: کلیک کنید! 📱 یوتیوب: کلیک کنید! ✅ کانال بله: کلیک کن! 💖 آپارات: کلیک کن! 🏆 باشگاه المپیاد طلایی‌ها 🏆

🔆 پیش‌نیاز‌های ترم3️⃣ المپیاد هوش‌مصنوعی 🧠 ‏ℹ️ اطلاعات بیشتر و ثبت‌نام (+) ✔️ جبر خطی ‎➕ linear independence, spanning basis, dimension, Orthogonality ,Gram schmidt, Inverse, Determinant, determinant theorems & formulas, cramers rule, rank, Gradient, Loss Function, Derivatives, Linear Regression, Covariance, Covariance matrix, Principle Component Analysis ✔️ آمار و احتمال و ترکیبیات ➕ اصول شمارش، جایگشت ها و انتخاب، معادله سیاله، احتمال کلاسیک، احتمال شرطی، استقلال متغیرهای تصادفی، امید ریاضی، واریانس، متغیرهای تصادفی هندسی برنولی فوق هندسی پوآسون، متغیر های تصادفی چند متغیره، توزیع گاوسی چند متغیره، ماتریس کوواریانس ✔️ یادگیری ماشین ‏➕ KNN، رگرسیون خطی، رگرسیون لجستیک، مفهوم overfitting، مفهوم generalization 💡 منبع پیشنهادی ⬅️ ترم ۱ و ۲ المپیاد هوش‌مصنوعی سال قبل طلایی‌ها دیگه! 🏆 کلاس‌های باشگاه المپیاد طلایی‌ها🏆

📖 پاسخنامه کلیدی آزمون تستی مرحله دوم دوره دوم المپیاد هوش مصنوعی«کد ۱» 🏆 المپیاد هوش‌مصنوعی طلایی‌ها 🏆

سوالات ۶-۹-۱۰-۱۱-۱۲-۱۴ رو فردا تا شب براتون بصورت تشریحی میذارم. بنظرم قشنگترین سوال ازمون سوال ۱۱ بوده. حتما سعی کنید حلش کنید.

بچه ها سوالاتی که رد میکنم رو فردا حل میکنم بصورت تشریحی.

سوال ۱۳ بچه ها دقت کنید که تبدیلی که داره زده میشه خود سوال گفته هم روی نمونه ها و ویژگی هاست. خیلی راحت میتونید چک کنید که اگر ویژگی های جدید در نمونه ها ضرب داخلی بشن بخاطر تعامدی که Q ایجاد کرده خروجی عوض نمیشه. اما قطعا فضامون یه تغییری میکنه و دوران میخوره. گزینه سه میشه خلاصه

من یک سری سوالات رو فردا مینویسم. الان سوال ۱۵ رو بریم :) ببینید برداشتی که من از سوال دارم اینه که بخاطر اینکه یه محور بزرگتر هست اگر مثلا خط عمودی رو انتخاب کنید خیلی راحت میتونید بفهمید که تو نواحی که از خط دور میشن خیلی خطا زیاد میشه ولی اگر رو خط افقی اینکارو بکنید این اتفاق نمیافته شبیه این استدلال برای مثلا قطر و … هم هست. گزینه یک میشه. سوال جالبی بود ولی.

بچه ها سوال هشت یه ایده معروف هست برای مدل ها. سوال از ایده های چند سال اخیر اومده. بصورت کلی شما وقتی بخواید مدلتون خیلی تغییر نکنه و مثلا یه تسک خاص رو یاد بگیره یا بهتر بشه بهتره که تو همه زیرفضاها تغییر نکنه. بنظرم ایده این سوال همینه. معمولا برای اینکار از ماتریس های رنک یک استفاده میکنن که دو گزینه تول حذف میشن. بین دو تا گزینه بعدی هم دو راه دارید یا میشینید ریاضیشو مینویسید یا میبینید کدومشون ضرب داخلیشون تو بردار عمود بر x* صفر میشه:) راه حل جایگزین ناشی از خستگیم واقعا راه حل غیر اموزنده ایه

و اما سوال ۷. بچه ها اگر هسین رو حساب کنید برای شکل دوم خیلی واضحه که بخاطر ویژگی خطیش وقتی نسبت به یه مولفه مشتق یا گرادیان میگیرید، مولفه های دیگش حذف میشن و فقط شکل قطری داره. پس این از دومیش. اما اولیش که همون کلاسیکه میشه تو هسینش یه ترم wwT داره که دوباره یه ماتریس رنک یکه میشه گزینه دو. گزینه سه و چهار شاهکار هستند😁.

سوال ۶ رو فردا شب مینویسم و براتون قرار میدم. فعلا در نظر بگیرید که بنظرم میشه گزینه ۴ (ادبیات سوال ولی اذیت کنندس بیشتر با حذف گزینه ادم مطمئن میشه)

بچه ها سوال پنج نیاز به نوشتن داره. ولی در عین حال تمرین خوبیه. برید ببینید واریانس تحت یک پروجکشن چطوری ایجاد میشه. :) ولی جدای از اینها اگر تحت اون جهت داده هارو پروجکت کنید بخاطر خواص ابتدایی مقدار ویژه ها، واریانسش همون مقدار متناظر مقدار ویژش میشه. خلاصه میشه گزینه چهار😂😂.

بچه ها سوال چهار بنظرم یکم چالشیه. اگر منظور سوال این باشه که ما میتونیم فیچر هارو عوض کنیم یعنی X1,X2 رو بصورت خام ندیم. میشه گزینه دوم. من راه حل رو کامل نمیگم که خودتون هم فکر کنید ولی به این فکر کنید که چطوری میتونید فیچر جدید بسازید که با یک لایه هم درست بشه. برای درخت هم کافیه دو تا کات رو محور بزنیم که بنظرم میشه گزینه دو باز هم بشرطی که فرض اولمون درست باشه.

خوب برای سوال سوم. اول ببینید هر وجه بصورت wTx + b >= 0 میشه نوشته بشع. حالا خود سوال کفته دو تا لایه داریم. کلا تولید چند ضلعی های محدب با شبکه های عصبی دو لایه( دقیقا همین مثال) خیلی مثال معروفیه و در جریانید که صرفا کافیه هر نیم صفحه رو با یه نورون بسازید و تهش and بگیرید. میشه گزینه اول.

برای سوال دوم ببینید وقتی یه محور در ۱۰ ضرب میشه چه اتفاقی میافته؟ ببینید فرض کنید تغییرات محور دلتا ایکس (اصلا حال میکنید با دقت) باشه. اگر ده برابر شده باشه. قبول دارید وقتی به توان دو میرسه انگاری تاثیرشون ۱۰۰ برابر میشه؟ خوب یعنی اثر محور افقی یا اختلاف افقی خیلی بیشتر میشه و خوب میشه گزینه دوم. (اگر براتون بدیهی نیست چرا تمرین خوبیه بشینید بنویسید بگید چرا:))))) )