مقالاتی برای کلاس اولی‌ها
بسیاری از کسب و کارها و سازمان‌ها دارای اطلاعات خام فراوانی هستند که به کمک داده کاوی می‌توانند به اطلاعات نهان، الگوها و روابط مختلف نهفته در داده‌ها پی ببرند و به کمک آن‌ها، استراتژی‌های مختلفی اتخاذ و تصمیمات سنجیده‌تری بگیرند. هوش مصنوعی با استفاده از سرویس‌های داده کاوی علاوه
یادگیری ماشینی عبارت است از مطالعۀ تصمیم‌گیری تحت شرایط نامعلوم. به عبارت دیگر، فرد باید بداند که با در دست داشتن یک مجموعه‌داده آموزشی، باید چه اقدامی در مقابل مشاهده چیزهای جدید انجام دهد. تا سال 2018، تعداد کارمندان حوزه مهندسی نرم افزار در آمریکا به بیش از یک میلیون
فناوری هوش مصنوعی سبز و کلان‌داده‌ها نقش پررنگی در کربن‌زدایی ایفا می‌کنند. این فناوری‌ها طیف وسیعی از حوزه‌های گوناگون را تحت تأثیر قرار می‌دهند که از جمله‌ی آن‌ها می‌توان به بهینه‌سازی شبکه‌های تولید برق و حتی پیش‌بینی تغییرات آب و هوا اشاره کرد. با این حال، بدون چارچوب‌ها و قوانین
در این مطلب به راهکارهایی برای مشکلات جعبه سیاه هوش مصنوعی اشاره خواهیم کرد. مسائل مربوط به جعبه سیاه هوش مصنوعی اعتماد کاربران به تصمیمات الگوریتم‌ها را به خطر انداخته است. همزمان با پیشرفت‌های روزافزون در عرصه هوش مصنوعی، متخصصان در تلاش‌اند رویکرد جعبه شیشه‌ای را در میان توسعه‌گرها ترویج
رشد همه‌جانبه هوش مصنوعی به معنی راه‌حل‌های جدیدی برای رویارویی با مشکلات پیچیده بشری است. اما به این دلیل باید توجه ویژه به بحث اخلاق در هوش مصنوعی داشت که قدرت ماشین‌های هوشمند که از هوش مصنوعی می‌آید ممکن است بعضی از حقوق ما انسان‌ها را تضعیف کند.
اینکه جنگ بر سرِ آینده فناوری از دید کارشناسان هوش مصنوعی چیست و به کجا خواهد رسید سال‌هاست که از چالش‌های همیشگی کارشناسان هوش مصنوعی بوده است. هوش مصنوعی از دهه 1950 میلادی با فراز و نشیب‌های فراوانی روبه‌رو بوده است.
می‌توان گفت کووید ۱۹ یک شبه زندگی انسان‌ها را متحول کرد و به سمت دیجیتالی شدن برد و این باعث به وجود آمدن مسائل جدیدی شد. موردی که در این شرایط باید بیش از پیش به آن پرداخته شود، مجرمان اینترنتی هستند. در یک معامله آنلاین چگونه می‌توانید به شخصی
برای مدتی شبکه های عصبی بازگشتی Recurrent Neural Networks و حافظه کوتاه‌مدت طولانی Long Short-Term Memory از جذابیت زیادی برخوردار بودند و اکنون زمان آن رسیده که آن‌ها را کنار بگذاریم.
میدانید وقتی به یک ابزار طراحی یک سیستم عصبی دیجیتال می‌دهید، چه چیزی نصیبتان می‌شود؟ دنیای آینده و عصر تکامل یافته؛ یعنی کامپیوترهایی که توانایی تفکر و تصور ما را بهبود میبخشند، سیستمهای رباتیک که برای پل‌ها، اتومبیل‌ها، هواپیماهای بدون سرنشین و غیره طرح‌های کاملا بنیادی ارائه می‌دهند و می‌سازند.
در مقاله حاضر، می‌خواهیم چگونگی کارکرد استراتژی‌های تکاملی evolution strategies (ES) را به کمک چند نمونه بصری توضیح دهیم. در این مقاله چگونگی به‌کارگیری الگوریتم‌ها برای انجام کارهای مختلف را شرح خواهیم داد.
به زیرمجموعه‌ای از سیستمهای پالایندۀ اطلاعات، سیستم های توصیه گر Recommendation System گفته می‌شود. گاهی دقت توصیه‌های خرید در آمازون، تماشا در سرویس چندرسانه‌ای نت‌فلیکس یا گوش دادن به موسیقی در اسپاتیفای، ما را شگفت‌زده می‌کند. گویی این شرکت‌ها می‌دانند در ذهن‌مان چه می‌گذرد و از تصمیم‌هایمان آگاهی دارند. آن‌ها علوم
هوش مصنوعی قوی‌تر از همیشه به رشد خود ادامه داده و جای خود را در زندگی روزمره‌ی افراد پیدا می‌کند؛ اما آنچه درون این سیستم‌ها می‌گذرد همچنان برای ما ناشناخته است. این عدم شفافیت می‌تواند سرمنشأ مشکلاتی اساسی همچون نژادپرستی باشد؛ به همین خاطر پژوهشگران قصد دارند این جعبه سیاه
برخی از روانشناسان بالینی ممکن است رابطه‌ای بین هوش مصنوعی و روانشناسی متصور نشوند و بر این مساله پافشاری کنند که هوش مصنوعی نباید هیچ گونه نقشی در مراقبت‌های بهداشت روان داشته باشد. آن‌ها معتقدند رابطه روان درمانی مقدس است و هوش مصنوعی حتی نباید در اتاق درمان نیز حضور
کاربرد کلان داده در صنعت بانکداری به تقسیم‌بندی مشتریان کمک می‌کند تا یک راه حل جامع ارائه دهد که برای کسب و کارها و مشتریانشان بهتر کار کند. تقسیم‌بندی قبلی مشتریان، خواسته‌ها و نیازهای مشتری را بدون پرداختن به هیچ یک از نقاط درد آن‌ها، تعمیم می‌دهد. نقاط درد به
در نظرسنجی Forbes Insights که 700 مدیر اجرایی سطح C در آن شرکت کردند، مشخص شد سواد دادهای مهم‌ترین مانع برای موفقیت در پروژه‌های هوش مصنوعی است. مشکل سواد دادهای در نتیجه عدم وجود متخصص هوش مصنوعی و علوم داده به وجود می‌آید. در نتیجه برای استفاده موفق از هوش
اگر اسکای‌نت Skynet تصمیم می‌گرفت پایان متفاوتی برای فیلم ترمیناتور در نظر بگیرد، به نظرتان آن پایان چطور بود؟ شاید دانشمندان با ساخت نوعی از شبکه‌های عصبی که قابلیت تشخیص غیر قابل اعتماد بودن خودش را داشت، مردم را از آخرالزمانی که هوش مصنوعی ساخته بود، نجات می‌دادند. در واقع
وقتی اسم هوش مصنوعی می‌آید، اولین تصویری که در ذهن خلق می‌شود، چیست؟ به نظر برای بیشتر افراد این تصور ایجاد می‌شود که ربات‌ها به زودی جای انسان را می‌گیرند. این اولین موردی است که در آموزش‌های آکادمیک در زمینه هوش مصنوعی مطرح می‌شود. اما وقتی کمی در روند کار
رایانش ابری در ساده‌ترین حالت، ارائه خدمات محاسباتی مانند سرور، ذخیره‌سازی، دیتابیس، شبکه، نرم‌افزار، تجزیه‌و تحلیل، از طریق اینترنت (یا ابر) است که بسیار سریع‌تر، امن‌تر و ارزان‌تر از روش‌های سنتی است. در این روش کاربران تنها برای سرویس‌های ابری که استفاده می‌کنند هزینه می‌پردازند و همین هم باعث پایین
تصور کنید شما یک فضانورد هستید که برای ماموریت اعزام به مریخ انتخاب شده‌اید. در این میان، علاوه بر مسئولیت‌‌‌های پژوهشی، بعضی وظایف فنی را نیز بر عهده دارید و برخی دیگر از عملکردهای اصلی سفینه فضایی شما مثل تنظیم دما، اکسیژن‌رسانی و غیره توسط یک سیستم هوش مصنوعی مدیریت
برای آموزش هوش مصنوعی با استفاده از یادگیری ماشین، باید هدفی تعیین کنید، مثل رسیدن به بالاترین امتیاز در یک بازی ویدئویی یا انتخاب کردن عکس‌های موجود در یک مجموعه که در آن‌ها گربه وجود دارد. اما شما به هوش مصنوعی نمی‌گویید که چطور به هدف برسد. بلکه به آن
آیا می‌توانیم به ربات‌ها آموزش دهیم که آموخته‌هایشان را عمومی کنند؟ چطور الگوریتم‌ها می‌توانند منطقی‌تر باشند؟ آیا سبک یادگیری یک بچه می‌تواند روی هوش مصنوعی تاثیر بگذارد؟ آموزش هوش مصنوعی به چه صورت انجام می شود؟
هوش مصنوعی یکی از امیدهای بزرگ آینده بشریت است. ما همین حالا هم بدون این که بدانیم، در حال استفاده از آن هستیم. بنا بر ادعای برخی دانشمندان، هوش مصنوعی می‌تواند یک خطر بزرگ هم باشد و شاید در آینده جایگزین انسان شود، مثلا زمانی که بتوانیم به دستاورد صحبت
پروتئین‌ها عنصری ضروری برای حیات و زیربنای تمامی کارکردهای آن هستند. پروتئین‌ها مولکول‌های بزرگ و پیچیده‌ای هستند که از زنجیره‌های آمینواسید ساخته شده‌اند. کار این مولکول‌ها عمدتاً توسط ساختار سه‌بُعدی خاص آن‌ها تعیین می‌شود. شناخت شکل تاخوردگی مولکول پروتئین به عنوان «مسئله‌ی تاخوردگی پروتئین Protein folding problem» شناخته می‌شود؛ نزدیک
زبان پایتون ، زبان فوق‌العاده‌ای است. این زبان تفسیری و استفاده از آن آسان است. اما آیا شما از تمامی ویژگی‌ها و قابلیت‌های این زبان برنامه نویسی استفاده می‌کنید؟ معمولاً ویژگی‌های پیشرفته تمامی زبان‌های برنامه‌نویسی را با تکرار و تمرین مداوم می‌توان کشف کرد. فرض کنید در حال کدنویسی پروژه
چگونه یک مقاله هوش مصنوعی را شروع کنیم؟ هنگام نوشتن یک مقاله هوش مصنوعی، انتخاب موضوع اولین کاری است که باید انجام دهید. موضوع باید برای نویسنده آشنا باشد و از سوی دیگر، باید به همان اندازه برای خواننده جالب و گیرا باشد. برای رسیدن به این سطح، ابتدا اطمینان
یادگیری علم داده و هوش مصنوعی دشواری‌های خاص خودش را دارد. یافتن انجمنی از متخصصان این حوزه که کدها، داده‌ها و ایده‌هایشان را به اشتراک می‌گذارند در نگاه اول بسیار سخت به نظر می‌رسد. اما کگل kaggle دقیقاً چنین جایی است. در کگل می‌توانید همه این امکانات را به‌صورت یک‌جا
دانش آموزان دبیرستانی از علاقه‌مندان جدید و رو به رشد هوش مصنوعی هستند. علاقه به فناوری هوش مصنوعی به سنین پیش از دانشگاه نیز رسیده است و تعداد زیادی از دانش آموزان دبیرستانی دوست دارند در آینده در حوزه کامپیوتر و هوش مصنوعی فعالیت کنند. اما متاسفانه این گروه، به‌خاطر
بیایید به موضوع تکینگی فناوری بپردازیم و بررسی کنیم که چرا برخی معتقدند هوش مصنوعی تهدیدی برای بشریت است و برای غلبه بر تهدیدات این فناوری چه باید بکنیم. برای اینکه هوش مصنوعی در آینده تهدیدی برای ما نباشد، باید در حال حاضر و در شرایطی که هنوز این فناوری
مباحث یادگیری عمیق Deep learning و شبکه‌های عصبی Neural networks می‌توانند گیج‌کننده باشند. اما باید توجه داشته باشید که برای استخدام یادگیری عمیق در مصاحبه‌های کاری علوم داده، عمده‌ی سؤالات از چند مبحث خاص مطرح می‌شوند. بعد از بررسی صدها نمونه از این مصاحبه‌ها، به 10 مفهوم از یادگیری عمیق رسیدم
ایده یادگیری ماشین مدت‌ها پیش معرفی شده است. سیل عظیم داده‌ها و منابع محاسباتی گسترده به ظهور یادگیری ماشین کمک اساسی کرده‌اند. امروزه، یادگیری ماشین به موضوع داغ روز تبدیل شده است. حتی مهندسان نرم‌افزار به یک دلیل عمده در صدد مطالعه یادگیری ماشین هستند: یادگیری ماشین تماماً با برنامه‌نویسی
اگر می‌خواهید شرکتتان را به هوش مصنوعی مجهز کنید، فقط درباره‌اش حرف نزنید. بلکه درباره این حرف بزنید که چطور، چه زمانی، چرا و چرا حالا باید این کار را بکنید. درباره شکوفایی شرکت در محیط مجهز به هوش مصنوعی حرف بزنید؛ درباره استراتژی مناسب هوش مصنوعی حرف بزنید.
تست تورینگ از مشهورترین آزمون‌ها برای سنجش هوشمندی ماشین‌ها در هوش مصنوعی است. تستی که با نام پدر علم کامپیوتر، آلن تورینگ، گره خورده است.
هوش مصنوعی برای موفقیت کسبوکارها یک تضمین است؛ به نوعی که پیشرفت این فناوری وقتی در کنار پیشرفت سایر فناوری‌های اساسی مانند اینترنت اشیاء و داده‌های بزرگ باشد، می‌تواند شرایط کار و زندگی ما را تغییر دهد. البته که شایعات مربوط به هوش مصنوعی باعث ایجاد فاصله بین انسان و
یکی از مهارت‌های اساسی و ضروری برای هر دانشمند داده، آشنایی با نحوه‌ی اجرای آزمون فرضیه است. در ابتدا شاید درک آلفا alpha، بتا beta، توان آزمون Power (statistical power) و خطاهای نوع اول Type I error و دوم Type II error کار دشواری باشد. در این نوشتار قصد داریم
آیا می‌خواهید در دوره آموزش هوش مصنوعی یکی از برجسته‌ترین دانشمندان این حوزه یعنی اندرو ان‌جی شرکت کنید؟ مطمئنا برای هر دانشجو و علاقه‌مند به هوش مصنوعی بهره‌گیری از دانش اندرو ان‌جی یک مزیت بسیار بزرگ است. سایت کورسرا این امکان را فراهم کرده است. کورسرا یکی از بزرگ‌ترین مراکز
افراد معمولا دو الگوریتم KNN و K-means را با هم اشتباه می‌گیرند و تصورشان بر این است که هر جایی می‌توانند از آن‌ها استفاده کنند.
برای معرفی علوم داده همان‌طور که در منابع مختلف بیان شده باید گفت علم داده شامل استخراج دانش از داده‌هایی است که با استفاده از روش‌های مختلف جمع‌آوری می‌کنید. شما به عنوان یک دانشمند داده، یک مشکل تجاری پیچیده را در نظر می‌گیرید، درباره ان تحقیق می‌کنید، داده‌های مربوط را
یکی از مهم‌ترین بخش‌ها در هر یادگیری ماشین عملیاتی، هوش مصنوعی به کار رفته در آن است. معمولاً این کار را موتورهای مکمل هوش مصنوعی AI serving engine انجام می‌دهند.
در این قسمت از سری ویدیوهای آموزش علوم داده به مبحث پیش بینی سری زمانی در زبان برنامه‌نویسی R می‌پردازیم. پیش‌بینی تاکتیکی است که در زمینه یادگیری ماشین برای تحلیل تجارت از آن استفاده می‌شود. شرکت‌ها از پیش‌بینی‌های سری زمانی گذشته استفاده می‌کنند و برای آینده تصمیمات تجاری می‌گیرند.
ماشین بردار پشتیبانی (SVM) یکی از مباحث مهم علوم داده است و به همین جهت یادگیری آن برای افراد علاقه‌مند به علوم داده، خصوصا زبان R، خالی از لطف نیست.
هوشیو رسانه‌ای تخصصی در حوزه هوش مصنوعی است که با هدف ایجاد محیطی فراگیر و پویا به ترویج و ارتقای این دانش می‌پردازد. ما تلاش می‌کنیم تا علاقه‌مندان به این حوزه درک عمیق‌تری از هوش مصنوعی پیدا کنند، از جدیدترین تحولات آن در ایران و جهان مطلع شوند و فعالان و پیشروان این صنعت را بشناسند. هوشیو با تمرکز بر تولید محتوای چندرسانه‌ای شامل ویدئوکست، پادکست، موشن‌گرافیک و … تجربه‌ای جذاب و آموزنده برای مخاطبان فراهم می‌کند. همچنین، هوشیو با پوشش رسانه‌ای گسترده رویدادهای هوش مصنوعی در ایران و جهان، بستری را برای اطلاع‌رسانی و تعامل میان فعالان و علاقه‌مندان این حوزه ایجاد کرده است.
تمام حقوق این وبسایت متعلق به هوشیو است. کپی‌برداری از محتوای هوشیو با ذکر منبع بلامانع است.
