برای یادگیری پیشرفته هوش مصنوعی نیاز است مجموعه ای از مهارت ها را کسب نمایید، در این بخش گروهی از مقالات بروزی وجود دارد که شما را در هوش مصنوعی استاد می‌کنند.
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
این روزها یادگیری ماشین در حال جمع‌آوری داده‌ها با سرعت نمایی است. اگرچه، هوش مصنوعی سعی در شبیه‌سازی رفتارهای انسان دارد، اما تمام هدف آن نیست. هوش مصنوعی در هنر خلاقیت خود را بروز می‌دهد. اگرچه این حوزه‌ها در ابتدای راه هستند و با محدودیت‌های زیادی روبرو هستند، برخی از
منصفانه است اگر بگوییم در بازار مواد غذایی کاربرد هوش مصنوعی در فروش نادیده گرفته شده و این بازار از نظر تحول دیجیتالی کند عمل کرده است. به‌عنوان یک صنعت قدیمی در بازار مواد غذایی سیستمهای قدیمی زیادی وجود دارند و همچنین این موضوع که شرکت‌های نوپا در این صنعت
جمع‌آوری داده از سی‌تی‌اسکن‌ها میتواند برای کادر درمان، کاری دشوار و خسته‌کننده باشد. پژوهشگران دانشگاه کوئین، امبر سیمپسون و فرهانا زولکرنین به همراه رادیولوژیست، ریچارد دو (مرکز سرطان Memorial Sloan Kettering ، نیویورک) در حال توسعه فناوری‌ای هستند که این مسئله را راحت‌تر میکند و همچنین با استفاده از پردازش
اگر برایتان جالب است که بدانید یک سیستم ترجمه و تشخیص زبان چگونه کار می‌کنند، بهتر است از کتابخانه‌های متن باز پایتون استفاده کنید و خودتان با اجرای چند خط کد چنین سیستمی را توسعه دهید.
باز هم با یک پژوهش مشکل‌ساز دیگر در حوزه هوش مصنوعی روبه‌رو هستیم. این‌بار مهره مار در دانشگاهی در خاور میانه پیدا شده، جایی که در آن یک گروه از پژوهشگران از به‌اصطلاح «سیستم تشخیص دروغ lie-detection system» رونمایی کردهاند. اجازه بدهید از ابتدا، روراست باشیم: هوش مصنوعی نمی‌تواند کاری را
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
اخیراً مشغول کار در پروژه‌ای مربوطه به نرم‌افزار پردازش آنی بوده‌ایم. این نرم‌افزار ویدئوها را از سیستمهای نظارتی دریافت کرده و کادرهای محصورکننده Bounding boxes را در موارد شناسایی‌شده به نمایش در می‌آورد. سپس اطلاعات مربوط به آن موارد در فایل‌های json به صورت رکورد log ذخیره می‌شود. به نظر
در طول سالیان متمادی، تلاش‌های بسیاری صورت گرفته است، تا با توسعه فناوری‌های جدید گفتاری، موانع ارتباطی را برای افراد دارای اختلالات گفتاری برطرف کنند. خوشبختانه، به لطف آخرین اکتشافاتِ دانشمندان مؤسسه هندی فناوری در مَدرس، به راه‌حلی واقعی نزدیک‌تر شده‌ایم. درحال‌حاضر، فناوریِ نسبتاً محدودی، این فرصت را در اختیار
هوش مصنوعی مکالمه ای، به لطف تعدادی از نرم‌افزارهای مفید، زندگی را آسان‌تر کرده است. آنچه این نوع هوش مصنوعی را مفید و فراگیر کرده، مقدار بسیار زیادی «داده» است. انسان‌ها، سال‌ها با فناوری صحبت کردهاند. از سرزنش کردن تستر به خاطر سوزاندن صبحانه گرفته تا تشویق کردن ماشین هنگام
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
محققان کلیات این موضوع را مشخص کردهاند که چگونه می‌توان رباتی را آموزش داد تا با تحریک الکتریکی سلول‌های عصبی کِشت‌شده متصل به آن از یک هزارتو عبور کند. این سلول‌های عصبی که از روی سلول‌های زنده کِشت شده‌اند، برای کامپیوتر نقش مخزن فیزیکی را دارند و سیگنال‌هایی منسجم ایجاد
بر اساس رویکردی جدید توانایی‌های نرم افزار هوش مصنوعی میتواند به سرعت بهبود باید و آن رویکرد این است که هوش مصنوعی مبتنی بر یادگیری رایانه وقتی طوری برنامه‌‌ریزی شده باشد که از تکنیک بسیار سریع‌‌تری برای درک اشیای جدید استفاده کند، میتواند عملکردی شبیه هوش انسانی داشته باشد. این‌‌ها
محققان برخی از ویژگی های کارکردی و ساختار مغز را پیدا کردهاند که توجیه‌کننده‌ی تمایل به رفتارهای پرخطر است. رفتارهای پرخطر همچون سیگار کشیدن، استفاده از الکل و مواد مخدر، رانندگی پرسرعت، یا رفتارهای جنسی پرخطر منشأ بسیاری از مشکلات بهداشتی و اقتصادی هستند. تنها در ایالات متحده، 600 میلیارد
فلش زیرِ لوگوی شرکت آمازون، معنای ساده‌ای دارد؛ به‌طوری که شما می‌توانید به راحتی محصولاتتان، از A تا Z را از یک سامانه واحد، تهیه کنید. قبول دارید این‌گونه کار شما ساده می‌شود؟ همین امر درباره سیستم ترجمه هم صدق میکند (تولید متن از یک زبان به زبانی دیگر). برای
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
مسئولان انتظار دارند که سیستم پرداخت بلیط مترو مبتنی بر سیستم تشخیص چهره، به حمل و نقل در شبکۀ گستردۀ متروی مسکو سرعت ببخشد.
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
ساخت و استفاده از مدل در این بخش به طور جامع توضیح داده خواهد شد. در این راستا، از کلاس TFAutoModel استفاده خواهیم کرد. هر گاه تصمیم به نمایش یک مدل از چک‌پوینت موجود داشته باشید، کلاس فوق میتواند مفید واقع شود. اگر با نوع مدلی که قصد استفاده از
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،
حال هنرمندان حوزه موسیقی می‌توانند با کمک گرفتن از فناوری تولید همزمان متن آهنگ که توسط پژوهشگران دانشگاه واترلو بلژیک توسعه داده شده، برای نوشتن متن آهنگشان ایده‌ها و راهنمایی‌های خلاقانه دریافت کنند.
فناوری هوش مصنوعی سیستم‌هایی را ایجاد کرده است که می‌توانند اتومبیل‌ها را برانند، ترکیبات شیمیایی را سنتز کنند، مساله تاشدگی پروتئین‌ها را حل کنند و ذرات پرانرژی را تشخیص دهند. با این حال، این الگوریتم‌های هوش مصنوعی نمی‌توانند فرایندهای پشت تصمیم‌های خود را توضیح دهند و نیاز به هوش مصنوعی
اگر با فناوری تشخیص چهره و OpenCV کار کرده باشید می‌دانید که امتیاز تشخیص در چهره‌هایی که کنتراست واضح‌تری دارند، به طرز معناداری بالا است. حال این سوال پیش می‌آید که چطور می‌توان کنتراست تصاویر را بصورت خودکار ارتقاء داد؟ در بخش‌های بعدیِ مقاله، مفهومِ «متعادل سازی هیستوگرام» histogram equalization
در این قسمت قرار است بررسی جامعی از پایپ لاین داشته باشیم؛ اما محتوای این بخش قدری با سایر بخش‌ها فرق دارد. بیایید در ابتدای کار این مثال را بررسی کنیم. در زیر خواهید دید که با اجرای کد زیر چه اتفاقی رخ می‌دهد: from transformers import pipeline classifier =
مدل پنهان مارکوف (HMM) یک ابزار مدل‌سازی آماری بسیار قدرتمند به شمار می‌رود که در حوزه‌هایی همچون تشخیص گفتار Speech recognition، تشخیص دست‌خط Handwriting recognition و غیره کاربرد دارد. زمانی که خواستیم از این مدل استفاده کنیم متوجه شدیم توضیحات جامع و واضحی در مورد آن وجود ندارد و مطالب
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.
رشد بی‌حد و حصر هوش مصنوعی مستلزم قدرت محاسباتی بسیار بالایی است. ممکن است دو پردازنده فوتونی قادر به رفع این نیاز باشند و انقلابی در سخت‌افزارهای هوش مصنوعی پدید آورند. هوش مصنوعی تحول عظیمی در بسیاری از حوزه‌ها ایجاد کرده است که از جمله آنها می‌توان به تشخیص بالینی
به مقدمه «کلان داده هدوپ» خوش آمدید. می‌خواهیم در مقاله حاضر درباره آپاچی هدوپ و مسائلی را که کلان داده با خود به همراه می‌آورد، بحث کنیم. نقش آپاچی هدوپ در حل این مسائل، چارچوب آپاچی هدوپ و کارکرد آن نیز بررسی خواهد شد.
شبکه های حافظه طولانی کوتاه مدت Long Short-Term Memory (LSTM) به ابزار مهمی در یادگیری عمیق تبدیل شده‌اند. بسیاری آنها را جایگزین مناسبی برای شبکه‌های عصبی بازگشتی Recurrent neural networks می‌دانند. رشد سریع تحقیقات یادگیری ماشین باعث شده تا روش‌های جدید به سرعت عرضه شوند، اما ظاهراً شبکه های حافظه طولانی
در سال‌های اخیر، پردازش زبان طبیعی Natural language processing(NLP) (NLP) به مشهورترین اصل در فضای یادگیری عمیق تبدیل شده است.بخشی از محبوبیت آن، باعث پیدایش حجم عظیمی از ابزارها و چارچوب‌هایی از قبیل «Google Cloud»، «Azure LUIS» یا دستیار واتسون Watson Assistant شده است که اجرای نرم‌افزارهای سادۀ NLP را
در سال 2012، اقتصاددانی به نام رابرت گوردون یک مقاله جنجالی منتشر کرد که در آن استدلال کرد رشد اقتصادی تقریبا به پایان رسیده است و دلیل عمده این مساله این است که ما در دهه‌های اخیر نتوانسته‌ایم موتورهای نوآوری را حفظ کنیم. مطالعه‌ای که در انستیتوی تحقیقات سیاست اقتصادی
به علت احتمال به وجود آمدن مخاطرات اجتماعی، فیس‌بوک سیستم شناسایی چهره‌اش را غیرفعال میکند. تشخیص چهره کاربران فیس بوک سبب شده بود تا کاربران این پلتفرم در عکس و ویدئوها به راحتی تشخیص داده شوند.
پردازش گفتار یکی از فناوری‌های بنیادین هوش مصنوعی است که به ماشین‌ها قدرت درک و پردازش گفتار انسان‌ها را می‌دهد. اهمیت گفتار در برقراری ارتباط از یک سو و افزایش قدرت محاسبات سیستمهای هوشمند از سوی دیگر، رغبتی روزافزون جهت توسعه سیستمهای پردازش گفتار را ایجاد کرده است. با این
WellSaid Labs آنچه مشتریان می‌توانند از هشت‌تا از صداپیشه های مجهز به هوش مصنوعی و دیجیتال جدید آن انتظار داشته باشند را چنین توصیف میکند: توبین «پرانرژی و خردمند است.» پِیج «خونسرد و رسا است.» و آوا «مبادی آداب، با اعتماد به نفس و حرفه‌ای است.»
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.
Speech Brain که یک تول‌کیت منبع باز مبتنی بر PyTorch است درحال حاضر مراحل ساخت را طی میکند و قرار است به زودی، نسخه آلفا برای گروهی از کاربران در طی چندماه آینده عرضه شود.
حفظ و نگهداری از کلیه‌ی اطلاعات مانند تصاویر، ویدئوها، اسناد و هر نوع داده‌ی دیگر از جمله دغدغه‌هایی است که باید به آن پاسخ داده شود. در واقع امروزه هر کدام از ما دارای یک گوشی، لپ‌تاپ یا کامپیوتر هستیم که طبیعتاً همه‌ی این موارد فقط یک فضای محدود را
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.
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.
