رپورتاژ آگهی آیا می‌دانستید اینستاگرام، یوتیوب، نتفلیکس، اسپاتیفای، ناسا، گوگل و… با استفاده از زبان برنامه نویسی پایتون طراحی شده اند؟ آیا می‌دانستید بر اساس آمارهای سازمان فنی و حرفه ای کشور در سال 1402، بیش از 100 هزار نفر برای دریافت مدرک فنی و حرفه ای پایتون ثبت نام

کاوش شبکه‌ های اجتماعی و بیرون کشیدن اطلاعات مناسب کسب‌وکارها با استفاده از داده‌کاوی چند سالی است که جایش را در میان شرکت‌های بزرگ و کوچک باز کرده است. البته کاربرد تحلیل شبکه ‌های اجتماعی محدود به استخراج اطلاعات مناسب برای کسب‌وکارها نمی‌شود و امروز گستره وسیعی را شامل می‌شود.

این روزها هوش مصنوعی بیشتر از این که یک زمینه علمی باشد، بخشی از زندگی ما شده است. سرویس‌های مربوط به برنامه‌های تلویزیونی از هوش مصنوعی و یادگیری ماشین برای پیش‌بینی این که دوست دارید برنامه بعدی که تماشا می‎کنید چه باشد، استفاده می‌کنند. یکی دیگر از کاربردهای هوش مصنوعی

اولین گام برای تبدیل شدن به یک برنامه‌نویس پایتون نصب و به‌روز‌رسانی آن است. به روش‌های بسیاری می‌توانید پایتون را بر روی سیستم خود نصب کنید: برای مثال، می‌توانید توزیع‌های رسمی پایتون را از وب‌سایت Python.org دانلود کنید و یا آن را با استفاده از ابزارهای مدیریت بسته (Package manager)

با گسترش عصر اطلاعات و با توجه به این‌که اکثر این اطلاعات در قالب متن در دسترس همگان هستند، امکان انجام محاسبات روی این متون و درک آن‌ها توسط رایانه‏‌ها روزبه‌روز پراهمیت‌تر می‌‏شود. درواقع، پردازش زبان طبیعی (NLP Natural Language Processing) زیرشاخه‌‏ای از هوش مصنوعی و زبان‏شناسی است که سعی

ما می‌دانیم که مایکروسافت مشغول تزریق عملکردهای گوناگون هوش مصنوعی به Bing بوده است، همین اتفاق گوگل را کمی غافلگیر کرد و موجب شد این شرکت برای نخستین بار جایگاهش به‌عنوان یک موتور جستجو را به مایکروسافت ببازد. گوگل بدون شک برنامه‌های بزرگ هوش مصنوعی و جستجوی خود را دارد

رقابت غول‌های تکنولوژی جهان بر سر دستیابی به نافذترین دستیارهای صوتی، در دوره حاضر شدت قابل‌توجهی یافته است. به نحوی که در کنار آمازون، سایر شرکت‌ها نظیر گوگل، مایکروسافت و اَپل نیز برای طراحی بهترین دستیارهای صوتی می‌کوشند. این موضوع علاوه بر تولید ارزش افزوده، توانسته است سرعت رشد و

پرسش «چگونه هوش مصنوعی در حالی که رقابت در بازار دیجیتال را حفظ می‌کند، قادر است تجارت را در سال 2023 متحول کند؟» بسیار قامبل‌تأمل است. حقیقت آن است که هوش مصنوعی کسب‌وکار را در عصر حاضر تغییر می‌دهد، تا از داده‌های به‌روز برای به دست آوردن اطلاعات جدید استفاده

خواندن آهنگ الفبا از اولین دروسی است که کودکان باید بیاموزند. اهمیت این درس و یادگیری زبان اشاره برای خانواده‌هایی که کودک ناشنوا یا کم‌شنوا دارند، به هیچ‌وجه کمرنگ‌تر نیست. در این شرایط، زبان‌های بصری جای محرک‌های شنیداری را گرفته و نقشی حیاتی در رشد اولیه‌ی کودک ایفا می‌کنند. استودیوی

من برای اولین بار از طریق کانال یوتیوب Qoves Studio با این کسب‌وکار آشنا شدم؛ در این کانال که میلیون‌ها بازدیدکننده دارد ویدئوهایی با مضامینی از قبیل مدل مو چه تأثیری بر زیبایی دارد؟ راز جذابیت تیموتی شالامِی در چیست؟ و جراحی فک چه تأثیری بر مقبولیت اجتماعی دارد؟ بارگذاری

برای این‌که درک بهتری از اهمیت دسته بندی صداها داشته باشید، به این مثال توجه کنید. اتاق کنفرانسی را در نظر بگیرید که یک جلسه در آن درحال برگزاری است. در این اتاق آدم‌های زیادی هستند که به نوبت صحبت خواهند کرد. ما می­خواهیم در این جلسه هر چه آن‌ها

از آنجایی که صاحب و برگزارکننده‌ CES انجمن فناوری مصرف‌کننده Consumer Technology Association است، طبیعی است که تمرکز اصلی این رویداد بر فناوری‌هایی باشد که در دسترس مصرف‌کنندگان قرار می‌گیرند؛ اما این بدین معنی نیست که کسب‌وکارها و کارآفرینان، به‌ویژه آنهایی که در حوزه‌ هوش مصنوعی و یادگیری ماشینی فعالیت

پیشرفت‌‌هایی که اخیراً در انواع شبکه عصبی مولد حاصل شده، تأثیرات شگرفی بر کیفیت و وضوح تصاویر، به ویژه در حوزه تغییر و انتقال سبک Style transfer، داشته است. مشوق اصلی ما برای نگارش مقاله پیش‌رو، موفقیت‌های اخیر StyleGAN بوده است. در مدل StyleGAN، تغییرات تصادفی در تصاویر ایجاد شده

سیستم های امبدد به طور فزاینده‌ای در جنبه‌های مختلف زندگی بشر نفوذ کرده‌اند؛ از ماشین‌ها گرفته تا تلفن‌های همراه، تجهیزات ویدئویی تا پخش‌کننده‌های MP3 و ماشین‌های ظرفشویی تا ترموستات‌های خانگی همگی دارای کامپیوترهای امبدد هستند که توانستند تأثیر بسزایی در کاهش مصرف انرژی و طراحی بهینه تجهیزات گذارند. اما این

شرکت‌ها با تکیه بر تکنیک تحلیل احساسات می‌توانند بار عاطفی ارتباطات را تشخیص دهند. درحال‌حاضر، این فناوری از تحلیل متن فراتر می‌رود و از داده‌های صوتی و تصویری نیز استفاده می‌کند. تعریف تحلیل احساسات تحلیل احساسات، روشی تحلیلی است که به‌منظور تشخیص معنای عاطفی ارتباطات از آمار، پردازش زبان طبیعی

سه سطح از انواع هوش مصنوعی وجود دارد که ما تاکنون تنها موفق شده‌ایم به سطح محدود آن دست بیابیم. قابلیت‌های یادگیری ماشین در حال تکامل و شکوفایی است و دانشمندان در حال نزدیک شدن به هوش مصنوعی عمومی هستند. در همین حال تئوری‌ها و گمانه‌زنی‌ها درباره آینده هوش مصنوعی

تحلیل پیشرفته Advanced Analytics یکی از روش‌های تحلیل داده است که با تکیه بر مدلسازی پیش‌بین Predictive modelling، الگوریتم‌های یادگیری ماشینی، یادگیری عمیق، خودکارسازی فرآیندهای کاری و سایر روش‌های آماری، اطلاعات به دست آمده از منابع گوناگون را تجزیه و تحلیل می‌کند. تحلیل پیشرفته از روش‌های سنتی هوش تجاری (BI) فراتر

توصیف الگوریتم به عنوان یک سیستم تصمیم‌گیری، عمدتاً راهی است برای برداشتن بار مسئولیت تصمیم‌گیری از روی دوش انسان‌ها. در نظر بسیاری از افراد، الگوریتم به مجموعه قوانینی اشاره دارد که به صورت عینی و بر اساس شواهد تجربی یا داده‌ها ساخته‌ شده‌اند. همچنین می‌توان آن را سیستمی بسیار پیچیده

مدت زیادی از سرمایه‌گذاری هنگفت مایکروسافت بر روی شرکت سازنده ChatGPT یا همان OpenAI نمی‌گذرد که شاهد سرمایه‌گذاری نسبتاً بزرگ دیگری از جانب گوگل هستیم. این غول فناوری با سرمایه‌گذاری 300 میلیون‌دلاری بر روی استارتاپ Anthropic که در زمینه Artificial intelligence فعالیت می‌کند، گام بلند دیگری برای تصاحب بازار پررقابت

هوش مصنوعی در واقع یک شبیه‌سازی از مغز انسان و عملکرد آن است که توسط ماشین و با استفاده از سیستم‌های رایانه‌ای صورت گرفته است. سیستم‌های هوش مصنوعی در این شبیه‌سازی با بهره‌گیری از آموزش‌هایی که دیده‌اند، نتایج را به شکل خروجی بیان می‌کنند و این کاری است که مغز

این غول اینترنتی گفت که Bard قبل از عرضه عمومی در هفته‌های آینده توسط یک گروه کوچک و خصوصی از آزمایش‌کنندگان مورد‌استفاده قرار خواهد گرفت. به گزارش هوشیو، گوگل اعلام کرد که به‌زودی یک چت‌بات آزمایشی به نام Bard را برای رقابت با ChatGPT منتشر خواهد کرد. GPT از زمان

رقابت بر سر توسعه هوش مصنوعی از همیشه داغ‌تر شده و شرکت‌های بزرگ تکنولوژی در تلاشند تا در پیشرفت این فناوری انقلابی، نقشی موثر ایفا کنند. تعجبی ندارد که در این بین، «ناسا» هم به دنبال توسعه هوش مصنوعی مختص به خود باشد. بنا به گزارش وبسایت Cent، مؤسسه ناسا

برای رسیدن به موقعیت کنونی چه مسیری را طی کرده‌ایم؟ در این مسیر به چه قابلیت‌هایی دست پیدا کرده‌ایم؟ و چه پیشرفت‌هایی در انتظار ما است؟ برای پاسخ به این سؤالات باید تاریخچه داده‌ را مطالعه کنیم.

OpenAI که پیش‌تر با ساخت چت‌ربات هوشمند ChatGPT، توانست فکر همه را متمرکز آینده فناوری هوش مصنوعی کند، هم‌اکنون در حال توسعه Codex است. Codex سرویسی است که می‌تواند به‌نوعی نحوه کار توسعه‌دهندگان را به‌کلی تغییر دهد. این فناوری مشابه ChatGPT است، با این تفاوت که به جای نوشتن جملات،

پیش از آنکه به متن کاوی در هوش مصنوعی بپردازیم، باید با مقوله‌ای با نام پردازش زبان طبیعی یاNaturalLanguage Processing (NLP) آشنا شوید. NLP در‌واقع مقدمه‌ای برای ورود به مبحث متن‌کاوی بوده و در‌حقیقت روشی است که از طریق آن می‌توان به ارائه مفاهیم به شکلی قابل درک، برای کامپیوترها

در این نوشتار، پروژه یکپارچه‌ای که در رقابت‌های Kaggle با موضوع تکنیک‌های پیشرفته‌ی رگرسیون انجام دادم را، به صورت گام به گام، برای مخاطبان توضیح خواهم داد. قرار است مخاطبان بتوانند از این مقاله به عنوان یک دوره آموزشی مختصر در مورد یادگیری ماشین استفاده کنند.

الگوریتم خوشه‌بندی K میانگین یکی از انواع یادگیری ماشینی نظارت‌نشده است که خوشه داده‌های درون یک دیتاست را شناسایی می‌کند. الگوریتم‌های خوشه‌بندی Clustering تنوع زیادی دارند، اما الگوریتم K میانگین یکی از قدیمی‌ترین و در دسترس‌ترین آن‌ها است. این ویژگی‌ها باعث می‌شوند اجرای الگوریتم K میانگین در پایتون حتی برای

اولین عملیات استنت‌گذاری عروق کرونر قلب توسط رباتیک، برای نخستین‌بار در بیمارستان دانشگاه گالوی بریتانیا انجام شد. به‌لطف این فناوری رباتیک جدید، امکان قرار‌دادن دقیق استنت‌ها در قلب، به‌منظور رفع انسداد شریان‌ها فراهم گردیده است. این یک پیشرفت قابل‌توجه در درمان بیماری‌های قلبی عروقی است، زیرا باعث افزایش دقت و

مدل‌های مبتنی بر ترانسفورمرTransformer-based models برای جست‌وجوی اسناد متنی به کار برده می‌شوند. امروزه کتابخانه‌ huggingface  روند اجرا را آسان‌تر کرده و نتایج فوق‌العاده‌ای رقم زده است. پیشتر در پی بررسی این موضوع بودم که چرا فلان نتیجه به دست آمد. در ابتدا، مقاله‌ها و پست‌های وبلاگی بسیاری را زیر و رو

تابع لاس خوب لزوماً به معنی یادگیری خوب نیست همه‌ مدل‌های یادگیری ماشینی در آزمایشگاه‌ کامپیوتر متولد شده و قبل از پیاده‌سازی، تعریف، آزمایش و بازطراحی می‌شوند؛ سپس بعد از آموزش مجدد، به دقت تنظیم شده و در نهایت دوباره مورد آزمایش قرار می‌گیرند. پس از آن، هدف و مأموریت

سؤالاتی از این دست که، محبوب‌ترین ابزار مورد استفاده در داده کاوی چیست؟ یا کدام الگوریتم برای داده‌کاوی بهتر است؟ ما را به سمت زبان برنامه‌نویسی به نام پایتون سوق می‌دهد، که به صورت خاص آن را برای تجزیه و تحلیل داده‌ها توسعه داده‌اند. قوانین تولید‌شده توسط داده‌کاوی برای یافتن

تا به حال، همه ما از پیشرفت‌هایی که باعث و بانی آن‌ها هوش مصنوعی بوده‌اند، شنیده‌ایم؛ مثلاً برای ما این امکان فراهم شده است که با سیستم‌های هوش مصنوعی مکالمه‌هایی با صدایی قابل‌قبول را بشنویم. اگرچه این پیشرفت‌ها از نظر علمی-تخیلی جذاب به نظر می‌آیند، اما نمی‌توان گفت این پیشرفت‌ها

مقدمات یادگیری ماشینی: قسمت سوم در این نوشتار، به پیاده‌سازی معادله نرمالNormal equation می‌پردازیم که یک راهکار فرم‌بستهClosed-form solution برای الگوریتم رگرسیون خطی است. با استفاده از معادلات نرمال، می‌توانیم مقدار بهینه‌ theta را تنها طی یک مرحله و بدون استفاده از الگوریتم گرادیان کاهشیGradient descent محاسبه کنیم. در ابتدا

در این نوشتار، با پیاده‌سازی یک الگوریتم غیرپارامتری به نام رگرسیون خطی وزنی محلی آشنا می‌شویم. بدین منظور، ابتدا نگاهی به تفاوت بین الگوریتم‌های یادگیری پارامتری و غیرپارامتری خواهیم انداخت. سپس تابع وزن‌دهی و تابع پیش‌بینی را توضیح خواهیم داد. در انتها، پیش‌بینی‌های تولیدشده را با استفاده از کتابخانه‌های NumPy