هوش مصنوعی و یادگیری ماشین
دسته هوش مصنوعی و یادگیری ماشین بر استفاده از AI برای حل مسائل پیچیده، خودکارسازی وظایف و تحلیل دادههای حجیم تمرکز دارد. کاربران میتوانند مدلهای یادگیری ماشین، چارچوبهای یادگیری عمیق، پردازش زبان طبیعی و تکنیکهای بینایی ماشین را بررسی کنند. این دسته به دانشمندان داده، مهندسان AI و علاقهمندان امکان میدهد مدلهای پیشبینی بسازند، الگوریتمها را بهبود دهند و فرآیندها را بهینه کنند. با پرامپتهای هوش مصنوعی، کاربران میتوانند در انتخاب مدل، آموزش، ارزیابی و استراتژیهای پیادهسازی هدایت شوند و توانایی نوآوری و تصمیمگیری مبتنی بر دادهها را افزایش دهند.
پرامپتهای موجود
15 از 18 پرامپتایجاد چارچوب انتخاب مدل یادگیری ماشین
این پرامپت برای دادهکاوان، مهندسان یادگیری ماشین و متخصصان هوش مصنوعی طراحی شده است تا فرآیندی ساختاریافته برای انتخاب مناسبترین …
شما یک مشاور خبره در زمینه یادگیری ماشین هستید. یک چارچوب جامع برای انتخاب مدلهای …
توسعه استراتژی خط لوله پیشپردازش دادهها
این پرامپت برای کمک به دانشمندان داده، مهندسین یادگیری ماشین و تحلیلگران طراحی شده است تا یک استراتژی جامع برای …
یک استراتژی جامع برای پیشپردازش دادههای من توسعه بده. دادهها شامل \[توضیح کوتاه از مجموعه …
برنامهریزی و طراحی معماری شبکههای عصبی
این پرامپت به متخصصان هوش مصنوعی، دانشمندان داده و مهندسان یادگیری ماشین کمک میکند تا معماری شبکههای عصبی را به …
یک معماری شبکه عصبی برای وظیفهی \[تعیین وظیفه/مسئله] طراحی کنید با استفاده از دادههای \[نوع …
طراحی استراتژی آموزش مدل هوش مصنوعی
این پرامپت به کاربران کمک میکند تا یک استراتژی جامع و حرفهای برای آموزش مدلهای هوش مصنوعی طراحی کنند که …
بهعنوان یک کارشناس هوش مصنوعی عمل کن و یک استراتژی آموزش جامع برای مدل هوش …
توسعه و پیادهسازی پردازش زبان طبیعی
این پرامپت برای کمک به متخصصان هوش مصنوعی و دانشمندان داده طراحی شده است تا راهکارهای پیشرفته پردازش زبان طبیعی …
یک پیادهسازی کامل پردازش زبان طبیعی (NLP) برای \[مثال: تحلیل احساسات، طبقهبندی متن، شناسایی موجودیتها] …
طراحی سیستم بینایی ماشین
این پرامپت برای کمک به متخصصان هوش مصنوعی، دانشمندان داده و مهندسان یادگیری ماشین طراحی شده است تا بتوانند یک …
یک سیستم کامل بینایی ماشین برای \[نوع کاربرد مشخص، مثال: تشخیص نقصهای صنعتی، هدایت خودران …
طراحی خط لوله آموزش یادگیری عمیق
این پرامپت به کاربران کمک میکند تا یک خط لوله کامل و حرفهای برای آموزش مدلهای یادگیری عمیق طراحی کنند. …
یک خط لوله کامل برای آموزش مدل یادگیری عمیق برای \[توضیح پروژه یا حوزه مسئله] …
ایجاد ارزیابی اخلاق و تعصب در هوش مصنوعی
این پرامپت به کاربران امکان میدهد تا ارزیابی جامعی از جنبههای اخلاقی و تعصبات احتمالی در سیستمهای هوش مصنوعی انجام …
یک ارزیابی کامل از اخلاق و تعصب هوش مصنوعی برای سیستم \[نام سیستم یا مدل …
توسعه استراتژی یادگیری ماشینی خودکار
این پرامپت به کاربران کمک میکند تا یک استراتژی جامع برای یادگیری ماشینی خودکار (AutoML) طراحی کنند که متناسب با …
یک استراتژی دقیق برای یادگیری ماشینی خودکار (AutoML) برای \[پروژه مشخص، مسئله کسبوکار یا مجموعه …
ایجاد چارچوب استقرار مدلهای هوش مصنوعی
این پرامپت به کاربران کمک میکند تا یک چارچوب جامع برای استقرار مدلهای هوش مصنوعی یا یادگیری ماشین در محیطهای …
یک چارچوب جامع برای استقرار مدل هوش مصنوعی \[نوع مدل یا پروژه، مثلاً سیستم پیشنهاددهنده، …
طراحی استراتژی یادگیری تقویتی
این پرامپت برای کمک به متخصصان هوش مصنوعی، دانشمندان داده و مهندسان یادگیری ماشین طراحی شده است تا استراتژیهای جامع …
یک استراتژی یادگیری تقویتی برای \[مسئله یا حوزه خاص] طراحی کن. موارد زیر را در …
طراحی استراتژی جمعآوری داده برای هوش مصنوعی
این پرامپت برای کمک به متخصصان و فعالان حوزه هوش مصنوعی طراحی شده است تا یک استراتژی جامع برای جمعآوری …
بهعنوان یک مشاور استراتژی داده برای هوش مصنوعی عمل کنید. یک استراتژی جامع جمعآوری داده …
توسعه ارزیابی عملکرد مدل
این پرامپت به کاربران کمک میکند تا عملکرد مدلهای یادگیری ماشین خود را به صورت سیستماتیک و دقیق ارزیابی کنند. …
عملکرد مدل یادگیری ماشین من را ارزیابی کن. نوع مدل \[نوع مدل را وارد کنید، …
ایجاد فرآیند مهندسی ویژگیهای هوش مصنوعی
این پرامپت برای کمک به دانشمندان داده، مهندسان یادگیری ماشین و متخصصان تحلیل داده طراحی شده است تا فرآیند مهندسی …
بهعنوان یک مهندس خبره یادگیری ماشین عمل کنید و یک فرآیند مهندسی ویژگیهای دقیق برای …
طراحی استراتژی بهینهسازی ابرپارامترها
این پرامپت برای کمک به متخصصان هوش مصنوعی، دانشمندان داده و مهندسان یادگیری ماشین طراحی شده است تا یک استراتژی …
یک استراتژی بهینهسازی ابرپارامتر برای مدل \[نوع مدل، مثال: شبکه عصبی، Random Forest، XGBoost] با …