با این مقالات در دنیای هوش مصنوعی قدم بگذارید
Pandas یکی از انعطافپذیرترین و قدرتمندترین کتابخانههای مورد استفاده در حوزه تحلیل و دستکاری دادههاست. این کتابخانه حاوی شمار کثیری تابع و متد است که به شما در بهینهسازی مراحل مختلف فرایند تحلیل کمک میکنند. متدهای loc و iloc دو مورد از مهمترین متدهای موجود در کتابخانه Pandas هستند که
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
تا قبل از روز سیزدهم اکتبر سال 2017، روزی که اجرای فوری Eager execution به Tensorflow اضافه شد، Tensorflow سریع بود. بله! TF سریعتر بود. تا قبل از این تاریخ TF فقط به حالت اجرای کُند Lazy execution مجهز بود. در اجرای کند یک گراف محاسباتی ایجاد میشود که گرهها
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
برنامه شطرنجی که از خطاهای انسانها میآموزد، میتواند عملکرد بهتری در کار و گفت و گو با آنها داشته باشد. نزدیک به 50 سال طول کشید تا کامپیوترها بالاخره بتوانند در بازی حساس شطرنج، انسانها را شکست دهند. در حال حاضر، حتی یک گوشی همراه هوشمند میتواند هر حرکتی که
گروهی از پژوهشگران دانشگاه کالیفرنیا، برکلی، موفق به ساخت یک ربات دو پا شدهاند که میتواند به کمک یادگیری تقویتی راه رفتن را به خود آموزش دهد. این پژوهشگران در مقالهای فرایند کاریشان را توضیح داده و آن را در سرور پیش انتشار arXiv بارگذاری کردند. طی این فرایند یک
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.
پختوپز همان اندازه که هنر است، یک علم هم هست و به همین دلیل کاربرد هوش مصنوعی در شیرینی پزی میتواند برای علاقهمندان به پختوپز مفید باشد. شاید بد نباشد بدانید «هوش مصنوعی ابر گوگل» در یک مسابقه بزرگ پختوپز انگلیسی شرکت کرده است. سارا رابینسون یک نانوای آماتور و
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
دانشمندان با استفاده از سلولهای بنیادی قورباغه موفق به ساخت روبات های زنده و خوددرمان گر شدهاند که میتوانند خاطرات را ثبت کنند.
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.
این نوشته به بررسی راههای تشخیص بیماری کووید 19 با هوش مصنوعی میپردازد. بیماری کووید 19 یک بیماری همهگیر است که در اثر سندروم حاد تنفسی به وجود میآید. این بیماری نخستین بار در ماه دسامبر 2019 در شهر ووهان چین شناسایی شد و از آن زمان به بعد در
بخش هوش مصنوعی فیس بوک نرمافزار جدیدی ساخته و شاید بهتر باشد شرکتها هم برای انجام برخی مسائل بینایی کامپیوتر، از جمله تشخیص چهره و توابع مورد استفاده در وسایل نقلیه خودران، چنین نرمافزاری را آموزش دهند.
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.
یادگیری ماشین یکی از کلمات سنگینی است که این روزها زیاد آن را میشنوید. بیشتر مدیران دوست دارند از کاربردهای یادگیری ماشین استفاده کنند، اما نمیدانند معنای دقیق آن چیست و از کجا باید شروع کنند. شاید در نگاه اول رازآلود، بیش از اندازه فنی و حتی ترسناک به نظر
هوش مصنوعی در حال تغییر جهان در بسیاری از زمینهها است. یک شرکت تازه تاسیس در تلاش است تا از فناوری هوش مصنوعی در اتاق عمل که به دقت و ظرافت متخصص نیاز دارند استفاده کند.
سالها میگذرند و فناوری هوش مصنوعی با پیشرفتهای فراوانش همه دنیا را شگفتزده میکند. این روند ادامهدار است و در سال 2021 و در شرایطی که دنیا درگیر همهگیری کرونا است، این پیشرفتها متوقف نشدند. شاید کلمه هوش مصنوعی در نگاه اول موضوع بحث همیشگی که ممکن است این فناوری
حتما شما هم شنیدهاید که میگویند علم داده علم دنیای فرداست و افرادی که بتوانند آن را بیاموزند در هر کشوری که باشند، خیلی زود جذب بازار کار میشوند. همین توضیحات مختصر کافیست تا بسیاری از افراد به یادگیری علوم داده علاقهمند شوند. اما خیلی زود با مشکلی بزرگ مواجه
تنسورفلو سه بعدی شامل مجموعهای از عملیاتها، توابع زیان، ابزارهای پردازش داده، متریکها و مدلها است که در توسعه، آموزش و استقرار مدلهای درک فضای سهبعدی به کار گرفته میشوند.
یکی از داغترین مباحث این روزها در دنیا علوم داده و یکی از زبانهای مکمل آن، یعنی R است. در این ویدئو رگرسیون لجستیک را آموزش خواهیم داد؛ اما پیش از آن لازم است توضیح دهیم که چرا علوم داده برای دنیا مهم است.
نیاز به آشنایی با زبان برنامهنویسی R و الگوریتم درخت تصمیم که از مفاهیم پایهای برای شناخت علوم داده هستند، زمانی بیشتر احساس میشود که علاقهمندان به این رشته بدانند دنیا با کمبود متخصص در این زمینه مواجه است و متخصصان هم با تکیه بر تحصیلات آکادمیک و تجربی از
سال 2020 با همه تنشها و اتفاقات خاص گذشت. اما نکته جالب این بود که با وجود تمام مشکلات، استفاده از فناوری هوش مصنوعی و مدل های یادگیری ماشین در این سال رشدی فزاینده داشت و کارشناسان انتظار دارند که این رشد در سال 2021 هم ادامه داشته باشد.
از مفاهیم اصلی برای آشنایی با علوم داده، زبان برنامهنویسی R و رگرسیون خطی ساده هستند. بشر هرروزه نیاز به آشنایی با علوم داده و بکارگیری آن را بیشازپیش احساس میکند. نام علوم داده به صورت فزایندهای در حال شنیده شدن است و طبیعتا نیاز به متخصصان این حوزه و
با تلاش محققان استنفورد، مشاهده روند تصمیم گیری در مغز میسر شده است. تیمی از دانشمندان و مهندسان مغز و اعصاب سیستمی را ایجاد کردهاند که میتواند روند عصبی تصمیمگیری را در زمان واقعی نشان دهد، این فرایند همچنین شامل روند ذهنی بررسی بین گزینهها قبل از بیان گزینه نهایی
جوش و خروشی که در سالهای اخیر در حوزه دادهها و اطلاعات شاهد آن بودیم، به این زودی فروکش نخواهد کرد و به همین دلیل یادگیری زبان R اهمیت بیشتری پیدا کرده است. به گزارش شرکت بینالمللی داده (IDC)، در سال 2025، حجم دادههایی که سالانه تولید میشوند، به 175
هر روزه شاهد تولید حجم عظیمی از دادهها هستیم و به همین دلیل آموزش علوم داده میتواند برای علاقهمندان به هوش مصنوعی و این زمینه مناسب باشد. علوم داده علم استفاده از دادههاست و به همین دلیل امروزه به بخشی ضروری و جداییناپذیر از دنیای صنعت تبدیل شده و یکی
Google Maps روزانه به مردم بیش از 200 کشور کمک میکند تا بیش از یک میلیارد کیلومتر راه را پیمایش کنند و Google مدعی شده سیستم تخمین زمان رسیدن آنها دقت بالای 97% دارد. البته که برای شرکتی به بزرگی Google این آمار قابل قبول نیست و به همین دلیل
در کنگره MIT درباره هوش مصنوعی و بازار کار در آینده – 2020 که چندی پیش برگزار شد، ساتیا نادلا مدیرعامل مایکروسافت در یک مصاحبه حضور داشت. او در پاسخ به این پرسش که در صفآرایی انواع فناوریها، وی بیشتر تحت تأثیر کدام تکنولوژی قرار گرفته است، گفت که از
شکی نیست که هوش مصنوعی و یادگیری ماشین درحال تبدیل شدن به یک موضوع داغ در صنعت فینتکاند. تقریباً در هر سمینار و کنفرانسی خبرهای جدیدی درباره تازههای این فناوریهای نوظهور و پتانسیلهایی که برای برهمزدن معادلههای کسبوکار دارند، میشنویم. واضح است که هوش مصنوعی و یادگیری ماشین برای صنعت
همانند همه عرصههای فناوری، فناوری هوش مصنوعی و یادگیری ماشین نیز محدودیتهای مشخصی دارند. کسبوکارها و سازمانها برای پیادهسازی هوش مصنوعی باید بدانند که این مرزها کجا ترسیم شده است و تا چه اندازه میتوان از قابلیتهای این دو حوزه استفاده کرد.
توابع زیان Loss function یکی از مهمترین مؤلفهها در روشهای قطعهبندی تصویر image segmentation مبتنی بر یادگیری عمیق Deep Learning در حوزه پزشکی هستند. طی 4 سال گذشته، بیش از 20 تابع زیان برای مسائل مختلفی که در حوزه قطعهبندی با آنها مواجهیم، ارائه شده است. اغلب آنها را میتوان
یادگیری تقویتی Reinforcement Learning یک تکنیک یادگیری ماشینی Machine learning است که به کمک آن میتوانیم عامل تصمیمگیرندهای Agent طراحی کنیم که از طریق تعامل با محیط تجربه کسب میکند. این عامل از اشتباهاتی که در حین کسب تجربیات مرتکب شده، نکاتی میآموزد و براساس این آموزهها رفتارش را به
اصطلاحات یادگیری ماشین و هوش مصنوعی اولین بار به ترتیب در سالهای 1952 و 1956 ظاهر شدند. سرعت نوآوری در فناوری طی قرن گذشته به طرز چشمگیری افزایش یافته است. علاوه بر این، طی دهه گذشته، پیشرفت در دنیای فناوری اطلاعات به ویژه در دنیای هوش مصنوعی و یادگیری ماشین
محققان هوش مصنوعی دیپ مایند به آلفازیرو اجازه میدهند تا با قوانین مختلف شطرنج بازی کند و با این کار، راههای بهبودبخشی بازی را بیابند.
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.
