یادگیری ماشینی لبه از مباحث داغ و هیجان‌برانگیز این روزها به شمار می‌رود. پیاده‌سازی الگوریتم‌ها و تحلیل داده‌ها در خود گیت‌ها (یا حتی حسگرها) به جای ارسال‌شان به فضای ابری، منجر به صرفه‌جویی در زمان، پهنای باند و انرژی و همچنین تضمین حریم خصوصی کاربران شده است. تاکنون، یادگیری ماشینی

اگر به علوم داده علاقه دارید اما حجم انبوه اطلاعات درباره دوره‌های آموزشی علوم داده شما را خسته کرده، با هوشیو همراه باشید تا 7 مهارت کاربردی  که برای یک متخصص علوم داده مورد نیاز است را مرور کنیم. این مهارت‌ها بعد از ساعت‌ها بحث و بررسی با آدم‌های سرشناسی

تردد خودروها در خیابان‌های شلوغ پیتزبورگ ایالت پنسیلوانیا: محققان دانشگاه کارنگی ملون به دنبال راهی هستند تا خودروهای بی‌سرنشین نیز بتوانند در شلوغی راننگی کنند. الگوریتم عبور اتومبیل خودران، روشی برای عبور سالم خودرو بدون سرنشین در شرایط سخت. تمام افرادی که در خیابان‌های باریک و شلوغ رانندگی کرده‌اند با

پژوهشگرانی از دانشگاه دوک و دانشگاه پیتزبورگ پلتفرمی به نام LEARNER توسعه داده‌اند که امکان به ‌اشتراک گذاشتن امن داده‌های خصوصی بیماران را برای چند بیمارستان و پژوهشکده فراهم می‌‌کند. بیمارستان‌ها و مراکز پژوهشی با استفاده از  این داده‌ها بهتر می‌توانند مدل‌های یادگیری ماشین خود را آموزش دهند. این فناوری

در این مطلب قصد داریم به مصورسازی داده های ورزشی با استفاده از پایتون بپردازیم. رسانه‌های خبری مشتاقانه فرا رسیدن عصر تحلیل ورزشی را نوید می‌دهند، تبلیغات بازرگانی ابزارهای کلان داده از جمله ماشین حساب‌های جیبی را معرفی می‌کنند، صاحب‌نظران به منظور جمع‌آوری داده‌ در مورد تک تک حرکات بازیکنان از

اِن‌ویدیا (رهبر فناوری مراقبت‌های بهداشتی) به همراه بیمارستان آدن‌بروک کمبریج و 20 بیمارستان دیگر از سراسر جهان از هوش مصنوعی (AI) برای پیش‌بینیِ نیازهای بیماران کرونایی به اکسیژن در مقیاس وسیع استفاده کرده‌اند. در این پژوهش‌ها که در پی شیوع بیماری همه‌گیر کووید-19 مورد توجه قرار گرفت، ساخت ابزار AI

در این مقاله قصد داریم روشی برای یادگیری مهم‌ترین موارد از مهارت های اساسی علوم داده را توضیح دهیم. در بازی‌های کامپیوتری جدید، قهرمان‌ها همیشه قدرت یا توان خاصی دارند. برای مثال، در بازی Dota، قهرمان‌ها بر اساس چابکی، هوش و قدرتشان امتیاز دریافت می‌کنند. برای برتری در این بازی،

نوآوری الگوریتم های پیشرفته هوش مصنوعی اهمیت بیشتری از سخت‌افزارها دارد. به ویژه اگر مسائل دربردارنده‌ی میلیاردها تا تریلیون‌ها نقاط داده باشند. تیمی از دانشمندان در آزمایشگاه هوش مصنوعی و علوم کامپیوتر دانشگاه ام‌آی‌تی به نتیجه فوق دست یافتند.

آمار شاخه‌ای از ریاضیات است که با جمع‌آوری، تجزیه و تحلیل، تفسیر و نمایش توده‌های بزرگ از داده‌های عددی سروکار دارد. با ادغام برنامه‌نویسی و یادگیری ماشین با آمار، مهارت‌های اصلی لازم برای علوم داده را به دست خواهید آورد.

از قدیم گفته‌اند که پرسیدن عیب نیست. اما اکنون این فرصت برای انسان فراهم آمده تا پرسش‌های خود را با استفاده از هوش مصنوعی از کامپیوتر بپرسد. آیا کامپیوتر می‌تواند توصیه‌های درمانی بهتری نسبت به کادر پزشکی ارائه کند و تصمیم های بالینی بهتری بگیرد؟

وقتی صحبت از مدل‌سازی داده‌ها می‌شود، اکثر افراد به مدل‌های رگرسیون فکر می‌کنند که می‌توانند بر اساس داده‌های جمع‌آوری شده، متغیر هدف را پیش‌بینی کنند. با این حال، ارزیابی عملکرد مدل رده بندی نشان داده که آن‌ها نیز (با این‌که روش متفاوتی را در پیش‌ می‌گیرند) در پیش‌بینی خوب بوده‌اند.

کتابخانه Pandas در پایتون یکی از ارکان حیاتی علوم داده به شمار می‌آید. یکی از انتقاداتی که به این کتابخانه وارد می‌شود این است که نمی‌تواند دیتاست‌های بزرگ‌تر از حافظه را تحلیل کند و به همین دلیل در هنگام تحلیل و کار کردن با کلان‌ داد‌ه به مشکل می‌خورد.  تصور

آشنایی با تکنیک‌های تشخیص داده های پرت برای همه‌ی متخصصین علوم داده ضروری است. به کمک این تکنیک‌ها، می‌توان نمونه‌های ناهنجار یا داده‌هایی که از الگوی درست پیروی نمی‌کنند را تشخیص داد. تعریف داده های پرت طبق تعریف ویکی‌پدیا، داده پرت outlier نمونه‌ای است که از سایر مشاهدات تفاوتی معنادار دارد.

شهروندان استرالیایی به طور معمول در طول زندگی حرفه‌ای خود پنج تا هفت بار تغییر شغل را تجربه می‌کنند. همزمان با جایگزین شدن نیروی کار با فناوری‌های جدید، انتقال تولید به خارج از کشور، و بروز بحران‌های اقتصادی، احتمال می‌رود این آمار به روند صعودی خود ادامه دهد.

طبق تحقیقات جدید مرکز درمان‌های شخصی‌سازی شده Center for Individualized Medicine از کلینیک مایو، یکی از شاخص‌های مهم در پیش‌بینی روند درمان بیماران مبتلا به آرتروز مفصلی، سرنخی در میکروارگانیزم‌های روده دارد.

در مقاله آموزشی پیش‌رو، شیوه نرمال سازی داده‌ها در کتابخانه پایتون scikit-learn  را با یکدیگر بررسی می‌کنیم. همان‌گونه که پیش از این نیز گفتیم، نرمال سازی داده به فرایندی گفته می‌شود که طی آن مقیاس داده‌ها یکسان‌سازی می‌شود.

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

شبیه‌سازی سیستم‌های فیزیکی هم در عرصه تحقیقات و هم در دنیای واقعی، کاربردهای فراوان و ارزشمندی دارد. بیشتر ابزارهایی که در حال حاضر برای شبیه‌سازی سیستم‌های فیزیکی به کار می‌روند مبتنی بر نظریات فیزیک و محاسبات عددی هستند. با این حال، در سال‌های اخیر، متخصصان علوم کامپیوتر سعی داشته‌اند برای

پیش از توضیح در این باره که هوش مصنوعی چطور می‌تواند سرعت تشخیص سکته را افزایش دهد، باید کمی درباره اهمیت مواردی خاص بدانید. شناسایی دقیق و به‌موقعِ ضایعه‌های سکته انسدادی حاد (AIS) در تصاویر ام‌آرآی اهمیت خارق‌العاده‌ای برای بیماران دارد و می‌تواند مراحل درمانی قلبی را ارتقاء بخشد. تفکیک

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

یک تیم تحقیقاتی راهی برای تشخیص و نشانه‌گذاری «منطقه‌ی ایمن» شبکه‌های عصبی با استفاده از حملات تخاصمی معرفی کرده‌اند.

تیمی پژوهشی متشکل از محققان دپارتمان ریاضی دانشگاه UAB به سرپرستی رزاریو دلگادو ، با همکاری بیمارستان دوماتارو ، موفق به ساخت مدل یادگیری ماشین جدیدی شدند که می‌تواند احتمال فوت بیماران بستری در بخش ICU را بر اساس مشخصات‌شان پیش‌بینی کند. پژوهش مذکور به عنوان مقاله‌ای «راهبردی »، در

تیم‌های حاضر در مسابقات پهپادهای خودران گاهی سرافراز بیرون می‌آیند و گاهی در پی حوادث پیش‌بینی نشده از گردونه مسابقات کنار می‌روند. در این مسابقات، پهپادی که مسیر مسابقه را با بالاترین سرعت طی کند، برنده است. اما هرچه سرعت پرواز پهپاد بیشتر باشد، ناپایدارتر و پیش‌بینی آیرودینامیک آن‌ها دشوارتر

در این مقاله بهینه سازی بیزی را توضیح خواهیم داد. فرض کنید این تابع را به ما داده‌اند: f(x). محاسبه‌ آن هزینه‌بر است، نمی‌توان آن را یک عبارت تحلیلی Analytic expression در نظر گرفت و مشتق‌های آن هم ناشناخته هستند. مسئله‌ای که باید حل کنید این است که کمینه‌ سراسری

شروع یک شغل با محوریت علوم داده بسیار جذاب است، اما مشکلات خودش را هم دارد. برای مثال سوال‌هایی هستند که همواره برای شروع پیش روی شما قرار دارند. از کجا شروع کنم؟ چه چیزی یاد بگیرم و چگونه؟ منابع مناسب درباره علوم داده را چطور پیدا کنم؟ اگر این

دیپ‌مایند محیط بازی بزرگی به نام XLand طراحی کرده است که هوش مصنوعی پیوسته آن را تغییر می‌دهد.

برخی ویژگی‌های ظاهری، مثل رنگ چشم یا پوست می‌توانند سرنخی از نژاد و قومیت افراد باشند. اما بدون این نشانه‌ها، تشخیص نژاد برای انسان‌ها کار آسانی نیست. با این حال، بر اساس پژوهشی جدید که هنوز مورد بازبینی قرار نگرفته، به نظر می‌رسد الگوریتم‌ها از پس انجام این کار برمی‌آیند.

پیش از پرداختن به اهمیت کاهش سوگیری هوش مصنوعی در واحدهای منابع انسانی شرکت‌ها، باید به این موضوع اشاره کرد که بهره‌مندی از مزایای هوش مصنوعی و یادگیری ماشین در سراسر دنیا نهادینه شده است. این فناوری‌ها به کسب و کارها کمک می‌کنند تا فرآیندها را خودکار کرده، از طریق

پیش از پرداختن به موضوع پردازش افتراقی سیگنال دیجیتال لازم است اشاره‌ای به شبکه‌های عصبی و اهمیت آن‌ها خواهیم داشت. در حوزه‌ی رو به رشد علم و فناوری، هوش مصنوعی و پیشرفت‌های اخیرش، جایگاه برجسته‌ و محبوبیت بالایی به دست آورده‌اند. تا جایی که مفاهیمی از قبیل هوش مصنوعی و

در سی و هشتمین کنفرانس بین‌المللی یادگیری ‌ماشینی (ICML 21)‌، محققان مرکز امنیت سایبری NYU در دانشکده مهندسی تندون NYU اطلاعات جدیدی در خصوص توابع اساسی که شبکه‌های عصبی را قادر به استنتاج از داده های رمزگذاری شده ‌می‌کنند‌، آشکار کردند.

تاکنون به این موضوع فکر کرده‌اید که چرا نتایج جست و جو در گوگل تا این اندازه دقیق هستند؟ هوش مصنوعی در چند سال اخیر پیشرفت‌های چشمگیری داشته است. یکی از مهمترین کاربردهای اصلی آن موتورهای جست‌وجو اینترنتی یا همان جست و جو در گوگل است. تصحیح غلط‌های املایی، پیش‌بینی

یک ابزار هوش مصنوعی به کمک شناخت ژنوم های سرطان آمده است. قطعات DNA سرطانی تحلیل شده در این پژوهش، از ژنوم انسانی به دست آمده‌اند. توالی ژنوم‌ها، حاصل میلیون‌ها سال تکامل بوده و از طریق فرآیندهای «کپی-الصاق-ویرایش Copy-Paste-Edit» و تکامل تطبیقی Coevolution با عناصر دیگر شکل گرفته است؛ به عنوان

اُر لنچنر Or Lenchner از ماه جولای 2018 مدیرعامل شرکت برایت دیتا Bright Data بوده است. تنوع محصولات این شرکت به لطف مدیریت سه ساله‌ی وی با پیشرفت چشمگیری همراه بوده است. راهکارهای خودکار این شرکت باعث شده تا مشتریان داده‌ها را در چند دقیقه گردآوری و دریافت نمایند. از برجسته‌ترین

زیمنس انرژی راهکار جدیدی برای نظارت و واکنش به تهدیدهای سایبری علیه اینترنت اشیاء صنعتی (IIoT) در نظر گرفته است. این بخش صنعتی به سرعت از سامانه‌های جداگانه فاصله گرفته و در حال روی آوردن به سامانه‌هایی است که از اینترنت اشیاء صنعتی برای حفظ، بازبینی، نظارت و گردآوری داده

حتما برای شما نیز پیش آمده که با خود بگویید «ای کاش این کارها را تا امروز انجام داده بودم!» و لیستی از کارهای انجام نشده یا اشتباهاتی که داشته‌‌‌اید را مرور کنید. این‌جا پای قوانین طلایی به میان می‌‌‌آید. یعنی همان قوانینی که اگر به آن‌‌‌ها عمل می‌‌‌کردیم، از

در سال 21-2020 شاهد تغییر و تحولات چشمگیری در حوزه‌ی علوم داده بوده‌ایم. این تحولات با شکار متخصصان مسلط به نوشتن الگوریتم‌های یادگیری ماشین و متخصصان یادگیری ماشین/عمیق به دست غول‌های فناوری همچون توییتر، اپل، تسلا و شرکت‌هایی از جمله نتفلیکس، تیک‌تاک، بایننس و اسپاتیفای، تشدید و تقویت شده‌اند. کشور

دانشمندان دانشگاه کیس وسترن رزرو از هوش مصنوعی (AI) استفاده کردند تا بتوانند نشانگرهای زیستی یا مواد شیمیایی را پیدا کنند که مربوط به سرطان سینه هستند و می‌توانند درباره احتمال عود کردن مجدد سرطان به ما اطلاع بدهند و می‌توان با استفاده از آن‌ها نمونه‌های بایوپسی بافتی سرطان سینه