فناوری هوش مصنوعی امروزه بیش از هر زمان دیگری به خودکار کردن فرآیندهای متنوع در تولید و امور دیگر کمک می‌کند. یک نظرسنجی که اخیرا توسط Landing AI و Association of Advancing Manufacturing انجام شده نشان می‌دهد که ۲۶ درصد از کسب و کارهای تولیدی در حال حاضر از سیستم

مدل‌های یادگیری عمیق برای آموزش به حجم بالایی از داده‌ها نیاز دارند و به دلیل پیچیدگی‌های حافظه Space complexitites عملکرد ضعیفی دارند. انواع تولیدکننده داده برای رفع این مشکل،  به جای این‌که دیتاست را در حافظه ذخیره کند، داده‌ها را در بسته تولید می‌کنند. در این حالت کاربر می‌تواند استفاده

انتخاب مدل مناسب با Model Hub به مراتب آسان‌تر می‌شود. بنابراین، با چند خط کد می‌توان از آن در کتابخانه استفاده کرد. حال، باید دید این مدل‌ها چگونه به کار برده می‌شوند. فرض کنید به دنبال مدل زبان فرانسوی هستیم که عمل mask filling را انجام می‌دهد. انجام این کار،

رویکرد جدید «عقل سلیم» به بینایی کامپیوتر، هوش مصنوعی را قادر می‌سازد که نسبت به دیگر سیستم‌ها، صحنه‌‌ها را با دقت بیشتری تفسیر کند. سیستم‌های بینایی ماشین، گاهی از مواقع صحنه‌ها را دقیقاً بر خلاف عقل سلیم استتناج می‌کنند. به‌عنوان مثال، اگر رباتی در حال پردازش تصویر میز شام باشد،

افرادی که برای انجام پروژه‌‍‌های خود به داده‌های تصویری احتیاج دارند، معمولاً این‌‌گونه داده‌ها را جمع‌آوری می‌کنند و برخی مواقع نیز ترجیح می‌دهند دیتاست‌های تصویری را از وب‌سایت‌ها دانلود کنند. از جمله مشکلاتی که ممکن است در این‌گونه دیتاست‌ها وجود داشته باشد می‌توان به کنتراست پایین، تفاوت در وضوح و

چهارمین فصل از دوره آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس به موضوع هاگینگ فیس هاب می‌پردازد. همچنین می‌توانید از لینک انتهای مطلب به دیگر فصول و قسمت‌های این دوره آموزشی دسترسی داشته باشید. هاگینگ فیس هاب Hugging Face Hub به یک پلتفرم مرکزی اطلاق می‌شود که فرصتِ کشف،

انتخاب ویژگی یکی از مراحل مهم در خط‌پایه یادگیری ماشین است که اغلب مورد غفلت قرار می‌گیرد. فرآیند انتخاب ویژگی شامل کاهش ابعاد فضای ورودی Input space از طریق انتخاب زیرمجموعه‌ای مرتبط از ویژگی‌های آن (ورودی) می‌شود. شاید از خود بپرسید چرا این فرآیند حائز اهمیت است؟ زیرا: 1. کاهش

دستیار صوتی سیری امروزه نظر بسیاری از کاربران را به خود جلب کرده است. این ترفندها سبب شده است تا کاربران محصولات اپل بتوانند رابط کاربری جذابی را تجربه کنند. در حال حاضر شرکت‌های بسیاری از دستیارهای صوتی برای تقویت تجربه کاربران استفاده می‌کنند که در این میان شرکت اپل

اولین «جاودانگی‌ها» با قابلیت افزایش نامحدود طول عمر، از طریق داروهای ضدپیری، پیوند اعضا، درمان با سلول‌های بنیادی، نانوماشین‌های پزشکی و بارگذاری‌های عصبی، رقم خواهند خورد. توانایی ادامه حیات و معکوس کردن تازیانه‌های زمان و پیری نیز به این معناست که انسان می‌تواند به طور نامحدود، فعال، سالم و زایا

آیت‌الله علیرضا اعرافی، عضو فقهای شورای نگهبان و مدیر حوزه‌های‌علمیه، روز ۱۸ بهمن‌ماه در دیدار با مسئولان ستاد فرماندهی نیروی انتظامی استان قم با تأکید بر نگاه علمی فرماندهی نیروی انتظامی، به نقش مؤثری که هوش مصنوعی می‌تواند در تأمین امنیت کشور ایفا کند اشاره کرد. نماینده مردم تهران در

دکتر جمشید صباغ‌زاده، قائم مقام دانشگاه آزاد اسلامی در واحد علوم و تحقیقات، اعلام کرد برای تربیت نیروی انسانی ماهر در زمینه هوش مصنوعی تفاهم‌نامه‌ای میان دانشگاه علوم و تحقیقات با شرکت دانش‌بنیان هشت بیت امضا شده  است. او با اشاره به اینکه عرصه فعالیت شرکت دانش‌بنیان هشت بیت، به

در خصوص تکینگی فناوری و پیش‌بینی‌های مشابه همیشه نظرات مخالف، بدبینانه و تردیدبرانگیز نیز به گوش می‌رسد. عده‌ای پیش‌بینی‌های شکست‌خورده گذشته مانند اتومبیل‌های پرنده، شهرهای شناور و سایر آینده‌نگری‌هایی را مطرح می‌کنند که قرار بود تا قرن 21 محقق شوند. اگرچه تعدادی از این پیش‌بینی‌ها تحقق یافته‌اند، اما نرخ پیش‌بینی‌های

اکنون که در عصر کلان‌داده به سر می‌بریم، با اصطلاحات متنوعی برخورد می‌کنیم؛ پرتکرارترین آن‌ها شاید «هوش تجاری»، «انبارسازی داده» و «تحلیل داده» باشند. در این نوشتار، تفاوت بین این سه مفهوم را مرور می‌کنیم. هوش تجاری (BI) آنچه هوش تجاری را از دو مفهوم دیگر متمایز می‌کند، این است که

فصل سوم از دوره رایگان آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس هم به پایان رسید و طبق روال گذشته، در پایان هر فصل یک «آزمون پایان فصل» ترتیب داده شده تا بتوانید اطلاعات و آموخته‌های خود را محک بزنید. سوالات آزمون در ادامه آورده شده و بعد از

مراقبت‌های بهداشتی مبتنی بر هوش مصنوعی قادر به ایجاد تغییر در تصمیم‌گیری و درمان‌های پزشکی است. البته که این الگوریتم‌ها باید کاملا آزمایش و به طور مداوم کنترل شوند تا عواقب پیش‎بینی‌نشده‌ای برای بیماران نداشته باشند و همچنین باید به حذف سوگیری الگوریتم ها به طور ویژه توجه شود.

در این مقاله به بخش دوم از سری مقاله‌های تکینگی فناوری می‌پردازیم. همچنین لینک دسترسی به قسمت‌های دیگر در انتهای مطلب در دسترس است. یکی دیگر از موضوعات مورد مناقشه درباره تکینگی، نحوه رخ دادن آن است. برای مثال، آیا تکینگی به‌تدریج رخ می‌دهد یا سریع و آنی خواهد بود.

دستیارهای هوشمند، که با استفاده از فناوری و هوش مصنوعی به وجود آمده‌اند، چند سالی است در سراسر جهان در اختیار عموم قرار گرفته‌اند و در همین مدت اندک توانسته‌اند با تسهیل امور برای کاربران آنان را به سمت خود جذب کنند. برنامه‌های مختلفی برای بهره بردن از این دستیارها

به نظر شما آیا ممکن است یک سیستم هوش مصنوعی درگیر اعتیاد شود؟ در سال 1953، روان‌شناسی از دانشگاه هاروارد تصور می‌کرد که به‌طور تصادفی محل احساس لذت را در جمجمه یک موش کشف کرده است. این دانشمند، الکترودی در ناحیه خاصی از مغز موش قرار داد و موش توانست

اکنون که شرکت‌ها انتظار دارند، نتایجی ملموس از به‌کارگیری فناوری‌ها مشاهده کنند، 2022 را می‌توان سال به ثمر نشستن هوش مصنوعی، کلان‌داده و تحلیل داده دانست؛ اما حوزه‌ فناوری اطلاعات (IT) راه درازی در پیش دارد. در این نوشتار، ده مورد از چشم‌اندازهای حوزه‌ کلان‌داده و تحلیل داده در سال

در حال حاضر، میلیاردها دستگاه به اینترنت اشیاء Internet of Things (IoT) متصل هستند و محققان پیش‌بینی می‌کنند این حوزه طی دهه‌ی آینده، رشدی بی‌سابقه داشته باشد. یکی از جالب‌ترین، چالش‌برانگیزترین و احتمالاً سودمندترین زمینه‌های کاربرد اینترنت اشیاء در بخش خودکار است. خودروها جزئی جدایی‌ناپذیر از زندگی روزمره‌ی اغلب افراد

بخشی از حرفه متخصصین علوم داده را تحلیل کاوشگرانه داده‌ (EDA) تشکیل می‌دهد. هدف از تحلیل داده‌ها، درک و شناخت بیشتر آن‌ها است. تا چندی پیش، تحلیل داده‌ها با استفاده از دیتافریم‌های pandas کار دشواری بود، چرا که مجبور بودیم تک تک تحلیل‌ها را از ابتدا کدنویسی کنیم. کدنویسی تک

دروغ‌پراکنی سالیان سال در  جنگ‌ها و استراتژی‌های نظامی کاربرد داشته است؛ اما بدون شک به‌کارگیری فناوری‌های هوشمند و رسانه‌های اجتماعی آن را تشدید کرده است؛ زیرا این فناوری‌های ارتباطی راه‌های کم‌هزینه و بهینه‌ای برای انتشار اطلاعات در سرتاسر دنیا ایجاد کرده‌اند. اما پرسش چند میلیون دلاری این است که آیا

مقاله پیش رو با عنوان تکینگی فناوری در 4 بخش منتشر خواهد شد. در بخش اول می‌خوانیم که چطور ممکن است دنیا به پایان فناپذیری نزدیک شده باشد. مقدمه پیشرفت سریع محاسبات، تولید و ذخیره اطلاعات و هوش مصنوعی در آستانه نقطه عطفی قرار دارند که از آن با نام

پیوتر زلاسکو، مهندس مرکز پردازش زبان و گفتار جانز هاپکینز، مدل یادگیری ماشینی را تولید کرده است که می‌تواند نقش‌های گفتاری را در متن‌ گفت‌وگوهایی که سیستم‌های درک زبان (LU) پیاده کرده‌اند، تشخیص دهد. کامپیوترها با استفاده از این روش در نهایت می‌توانند متن گفتاری یا نوشتاری را همانند انسان‌ها

این قسمت از دوره آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس به تنظیم دقیق مدل با Keras خواهد پرداخت. همچنین شما می‌توانید در انتهای مطلب به لینک سایر قسمت‌‎ها دسترسی داشته باشید. به محض اِتمام کلیه‌ی کارهای پیش‌پردازش در بخش پیشین، فقط چند مرحله دیگر برای آموزش مدل در

این متن، دومین قسمت از مجموعه‌ روش‌های آزمایش AB بیزی در موقعیت‌های زندگی واقعی است. در اینجا از برخی مفاهیم معرفی‌شده در قسمت اول (لینک دسترسی به آن در انتهای مطلب قرار دارد) استفاده می‌شود: مدل‌سازی و تجزیه و تحلیل معیارهای آزمایش بر اساس تبدیل (معیارهای نرخی) مدل‎سازی و تجزیه

امیر دریادار شهرام ایرانی، فرمانده نیروی دریایی ارتش، از ضرورت و اهمیت تجهیز نیروهای ارتش به فناوری جدید و استفاده از هوش مصنوعی در پیشبرد هرچه بهتر و سریع‌تر اهداف دفاعی و نظامی کشور سخن گفت و بیان کرد: امروز دشمنان به دنبال از صحنه خارج کردن ما هستند، ولی

در این مقاله، درباره محاسبات و نحوه پیاده‌سازی آزمایش بیزی AB در دنیای واقعی بحث می‌شود. فهرستی از مطالبی که در این متن توضیح داده می‌شود از این قرار است: مدل‌سازی و تجزیه‌وتحلیل معیارهای آزمایشی مبتنی بر تبدیل (معیارهای نرخی (Rate Metrics)) مدل‌سازی و تجزیه و تحلیل معیارهای آزمایشی مبتنی

احتمالاً همه بر سر این موضوع توافق نظر دارند که یکی از پرکاربردترین معیارها در مشاغل، همبستگی، یا به بیان دقیق‌تر، همبستگی‌‌‍‌‌‌‌‌‌ پیرسون (Pearson Correlation) است. یادآوری: همبستگی‌‌‌‌‌ رابطۀ خطی بین دو متغیر را اندازه می‌گیرد. مسئله این است که بسیاری از روابط خطی نیستند. مثلاً، شاید در نتیجۀ محاسبات

پژوهشگران از هوش مصنوعی برای مطالعه آواز پرندگان استفاده می‌کنند، تا از جمعیت آن‌ها، الگوهای مهاجرت و حتی لهجه‌های محلی آن‌ها، اطلاعاتی به دست آورند. مثال‌هایی از کاربرد هوش مصنوعی در مطالعه آواز پرندگان از طریق مطالعه‌ای که بر روی آواز پرندگانِ رشته‌کوه‌های سیرا نوادا در کالیفرنیا انجام شد، یک

یکی از مهم‌ترین دستاوردها در حوزه هوش مصنوعی در سال 2018، یادگیری ماشین خودکار (AutoML) بود. این فناوری، فرایند یادگیری ماشین را خودکار می‌کند. شرکت گوگل در ژانویه این سال فرایند یادگیری ماشین خودکار را در مسائل بینایی ماشین به کار گرفت و سپس در ژوئیۀ همان سال نسخه دیگری

یکی از برجسته‌ترین پیشرفت‌های دنیای یادگیری ماشین، آموزش قابلیت درک ارتباطات انسانی به ماشین‌هاست. این بُعد از یادگیری ماشین را پردازش زبان طبیعی (NLP) می‌خوانند. در این نوشتار با مقدمات پردازش زبان طبیعی (NLP) آشنا شده و در مورد نقش پیشرفت‌های یادگیری عمیق و شبکه‌های عصبی روی این حوزه توضیح

به باور کارشناسان، چت بات ها باید تا حدی به قابلیت پردازش زبان طبیعی مجهز شوند تا بتوانند به خوبی با کاربران وارد مکالمه شوند. اگر ربات‌ها فاقد توانش زبانی باشند، صرفاً نقش فرمان‌پذیر را ایفا می‌کنند. پیشرفت‌های حاصل آمده در پردازش زبان طبیعی منجر به ارتقای قابلیت‌های چت بات

کار پژوهشی اخیر ما مقاله‌ی Rethinking the Value of Labels for Improving Class-Imbalanced Learning بود که در کنفرانس NeurIPS 2020 نیز پذیرفته شد. در این مقاله اساساً به مسئله‌ی در شرایط عدم توازن داده‌‌ها (که به عنوان توزیع داده‌ها با دنباله‌ی‌ کشیده نیز شناخته می‌شود) پرداختیم که مسئله‌ای قدیمی و

داده های سیاه (یا نامرئی) اطلاعاتی هستند که دیجیتالی نشده‌اند و کارکنان به‌صورت آماده به آن‌ها دسترسی ندارند؛ به‌عنوان مثال، می‌توان به پرونده‌های کاغذی اشاره کرد که داخل قفسه‌ها خاک می‌خورند. به‌رغم تلاش‌های اخیر سازمان‌ها در راستای دیجیتالی‌سازی، حجم داده های سیاه همچنان بسیار زیاد است. تعریفی جامع‌تر و ساده‌تر