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.
در این مقاله به توضیح برخی از پیشرفته‌ترین روش‌های تخمین عمق در وسایل نقلیه خودران و یا همان پیش‌بینی عمق Depth در توالی عکس‌هایی می‌پردازیم که وسایل نقلیه ثبت کرده‌اند؛ این تصاویر بدون نیاز به استفاده از دوربین‌های اضافی و حسگرها به ساخت و تولید مدل‌های وسایل نقلیه خودران کمک
فرایند تصمیم‌گیری در انسان، فرایندی سلسله مراتبی است. این فرایند شامل چندین سطح از استدلال و استراتژی‌های مختلف برنامه‌ریزی می‌شود که همگی آنها به طور همزمان و در جهت دست‌یابی به اهداف طولانی مدت و کوتاه مدت عمل می‌کنند. طی چند دهه اخیر، تعدادی از دانشمندان کامپیوتر، که البته تعداد
امروزه دیگر همگی به دستیاران هوشمند خانگی و سیستم پردازشگر صوتی عادت کرده‌ایم؛ این دستگاه‌ها می‌توانند دستورات صوتی را اجرا کنند، درباره‌ی فعالیت‌های شک‌برانگیز و غیرمعمول به ما اخطار دهند، و حتی جوک بگویند. بازه‌ی قیمت این تکنولوژی بسیار گسترده است و به همین دلیل عمده‌ی مردم توان خرید آن
امروزه، نرم‌افزارهای بازشناسی گفتار در مقیاس گسترده‌ای به کار برده می‌شوند. از جمله آنها می‌توان به الکسا و کورتانا اشاره کرد. گزارش شده است که در سال 2020، تقریباً دو سوم مردم آمریکا از نوعی دستیار صوتی خودکار استفاده کرده‌اند. این دستیارهای مجازی دیگر به هوش مصنوعی وابسته نیستند؛ آنها
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.
هوش مصنوعی می‌تواند درست مانند اینترنت، در امور زندگی ما جاری شود. مقیاس استفاده از آن به سرعت در حال رشد است و تا امروز توانسته بسیاری از مشکلات ما را برطرف کند. در آینده هم مطمئنا بیش از پیش روی زندگی عادی و امور کسب و کار ما تاثیر
ما برای راه‌اندازی امواج اینترنت 5G و برنامه‌های کاربردی در حوزه رباتیک از اکوسیستمی استفاده می‌کنیم که برپایه EGX A100 و EGX Jetson Xavier NX طراحی شده و توسط نرم‌افزارهای امن، ابری Cloud-Native و بهینه‌سازی‌شده برای هوش مصنوعی پشتیبانی می‌شود. تجهیز صنایع مختلف به فناوری تحلیل آنی هوش مصنوعی چگونه
متخصصان رایانه به بررسی جامع این احتمال پرداخته‌اند که متون حاوی کاراکترهای یونیکد ممکن است سیستمهای زبان هوش مصنوعی را به اتخاذ تصمیم‌های اشتباه وادار کند. احتمال تغییر شماره حساب، دستکاری تراکنش‌ها و بسیاری دیگر از کارها وجود دارد. بسیاری مدعی شده‌اند که نرم‌افزارهای ساخته‌ی مایکروسافت، گوگل، آی‌بی‌ام و فیس‌بوک
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.
مقاله را با معرفی چند مورد از رویکردهای سیستم تشخیص اشیا شروع می‌کنیم. بعد از آشنایی با رویکردهای قدیمی و جدید، به مطالعه مهم‌ترین قسمت‌های دو رویکرد مذکور (CenterNet و TTFNet) می‌پردازیم. بسیاری از این قسمت‌ها بین این دو رویکرد مشترک هستند، بنابراین آنها را تنها یک بار توضیح خواهیم
در ماه دسامبر گذشته پنلی با حضور برخی از دانشمندان هوش مصنوعی برگزار شد تا در مورد آینده، انسان‌ها و هوش مصنوعی بحث و تبادل‌نظر شود. در این پنل سؤالاتی مطرح شد ازجمله اینکه چگونه هوش مصنوعی منجر به دگرگون کردن اساسی تمام جنبه‌های تجربه انسانی ما می‌شود؟ چگونه ما
در این نوشته به چگونگی تبدیل فایل‌های صوتی به فایل‌های متنی با استفاده از پایتون می‌پردازیم. این تبدیل حاصل فرایندِ تشخیص گفتار است و به طور متداول در دنیای حقیقی مورد استفاده قرار می‌گیرد. برای مثال، دستیارهای صوتی شخصی مثل «Home Mini» گوگل، «Alexa» آمازون و «Siri» اپل تنها چند
توربو ویژن، تخصصی‌ترین دوره بینایی ماشین کشور، زمستان امسال توسط کالج تخصصی هوش مصنوعی پارت برگزار خواهد شد.
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
به بخش مقدمه فصل دوم از دوره آموزشی پردازش زبان طبیعی خوش آمدید. در فصل اول از مدل‌های ترنسفورمر برای انجام کارهای مختلفی استفاده شد و از API در pipeline کمک گرفته شد. این API از سادگی و توان بالایی برخوردار است، اما باید از کارکرد دقیق آن آگاهی پیدا
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
پژوهش‌های بنیادی که حول موضوع یادگیری خودکار Autonomous learning انجام می‌شوند می‌توانند به همه، یا دست کم بیشتر مسائل بینایی کامپیوتر کمک کنند. یادگیری خودکار می‌تواند نقشی مؤثر در طراحی خودکار شبکه‌های عصبی بافت‌آگاه Contextual-aware neural network داشته باشد. این داده ها در عملیات‌های مختلف بینایی کامپیوتر کاربرد دارند. یکی
بینایی ماشین فرایند “دیدن” را در سیستمهای هوشمند، امکان‌پذیر می‌نماید که به کمک آن می‌توان بسیاری از فعالیت‌ها که نیازمند شناخت بصری است را به‌طور خودکار انجام داد.
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
شرکت فناوری عصبی Neuralink از سال 2019 در تلاش است به منظور بکارگیری هوش مصنوعی در توان بخشی افراد توان‌یاب، فناوری‌ای بسازد که قادر به ثبت فعالیت مغزی انسان‌ها باشد. این شرکت که توسط ایلان ماسک Elon Musk بنیان‌گذاری شده است، آزمایشات اولیه‌ی خود را روی موش‌ها اجرا کرد. طی
فصل اول از دوره آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس به اتمام رسید و نوبت به آزمون پایان فصل رسیده است. در این بخش آزمونی تستی ارائه شده که در پایان مطلب جواب‌های درست مشخص شده‌اند. اما سعی کنید پیش از ابتدا به جواب‌های درست، آموخته‌های خودتان را
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.
هوش مصنوعی و اخلاق رابطه جالبی دارند و این فناوری به صورت فزاینده می‌آموزد که چطور با انسان‌ها رفتار کند و روی آنها تأثیر بگذارد. پژوهشی جدید نشان داده است هوش مصنوعی چطور می‌تواند نقاط آسیب‌پذیر در عادات و رفتار انسانی را تشخیص داده و برای تأثیر گذاشتن روی تصمیم‌گیری
توصیف تصویر به گونه‌ای که مشخص نباشد که توسط یک ربات بدون فهم و درک صورت گرفته، از مدت‌ها قبل یکی از اهداف هوش مصنوعی بوده است. در سال 2016 گوگل مدعی شد هوش مصنوعی‌اش می‌تواند با دقت 94% برای تصاویر زیرنویسی انجام دهد و این کار را دقیقا مانند
گزارشگران در هنگام گزارش مسابقه ( چه از محل مسابقه و چه از استودیو) ببا مشکل تشخیص شماره پیراهن بازیکنان مواجه هستند. آنها با اطلاع از شماره بازیکنان می‌توانند در جریان اتفافاتی که در زمین مسابقه روی می‌دهد قرار بگیرند و آن را به اطلاع بینندگان برنامه برسانند. با همه
در این بخش از آموزش پردازش زبان طبیعی به جمع‌بندی فصل اول خواهیم پرداخت. پیش‌تر در این آموزش که هر هفته در سایت هوشیو منتشر می‌شود، به موضوعاتی از قبیل تنظیم محیط کار، مفهوم پردازش زبان طبیعی، آشنایی با ترنسفورمرها، روش کار آنها و اینکه چه می‌کنند، مدل های رمزنگار،
در این مقاله قصد داریم به الگوریتم Wav2vec 2.0 بپردازیم. تلاش‌های بی‌وقفه پژوهشگران برای ارتقای عملکرد سیستمهای خودکار تشخیص گفتار Automatic speech recognition (ASR) system و پیشرفت‌های عظیمی که در حوزه فن‌آوری‌های یادگیری ماشین حاصل شده و همچنین افزایش میزان دسترس‌پذیری به دیتاست‌های بزرگ گفتار موجب شده میزان محبوبیت، تأثیرگذاری و
مقاله حاضر دومین بخش از سری مقالات یادگیری انتقالی در پردازش زبان طبیعی است. چنان‌چه به تازگی به حوزه پردازش زبان طبیعی ورود پیدا کرده‌اید، به شما توصیه می‌کنم اولین بخش از این سری مقالات که لینک آن در انتهای مطلب قرار دارد را هم مطالعه کنید.
کتابخانه Keras مجموعه‌ای از آخرین مدل‌های یادگیری عمیق فراهم کرده است که وزن‌های آن با استفاده از دیتاست ImageNet از پیش آموزش دیده‌اند. این مدل‌های آموزش دیده را می‌توان برای طبقه‌بندی تصویر، استخراج ویژگی و یادگیری انتقالی استفاده کرد. در این نوشتار مقاله‌ای را با هم مرور خواهیم کرد که
درست همان‌طور که انسان‌ها برای یادگیری مهارت‌های جدید و آزمون دانش خود به چیزهایی همچون کتاب‌های منبع، بلاگ‌ها، ویدئوها و غیره نیاز دارند، الگوریتم‌های یادگیری ماشین هم برای یادگیری نیازمند دیتاست هستند.
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
بر اساس پیش‌بینی شرکت تحلیل‌گر IDC، خدمات و نرم‌افزارهای هوش مصنوعی تا سال 2025 بیشتر از سرویس های Iaas و Paas به جذب سرمایه خواهند پرداخت. بنا به پیش‌بینی‌ها، انتظار می‌رود در سال جاری مبلغ 8/341 میلیارد دلار در حوزه هوش مصنوعی سرمایه‌گذاری شود.
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
همه روزه، طوفانی از محتوا در فضای اینترنت منتشر می‌شود. آیا امکان دارد در عین حال که حجم تولید محتوای خود را 10 برابر افزایش می‌دهید، 10 برابر نیز در هزینه‌ها صرفه‌جویی کنید؟ آیا حتی در صورتی که محتوا عادی باشد، کماکان مایل هستید آن را منتشر کنید تا ببینید
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
محققان دانشگاه MIT روش جدیدی را توسعه داده‌اند تا به افزایش سرعت ربات های کند کمک کند. آنها این روش را “محاسبات روبومورفیک robomorphic” نامیده‌اند.
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.
