در فصل دوم دوره آموزش پردازش زبان طبیعی، نحوه‌ی استفاده از توکن‌کننده‌ها و مدل‌هایِ از پیش آموزش یافته برای انجام پیش‌بینی بررسی شد. اما اگر بخواهید مدلِ از پیش آموزش دیده‌ای را برای دیتاست خودتان تنظیم کنید، چه رویکردی باید در پیش بگیرید؟ فصل جاری به طور مفصل به این

اکثر روش‌های دسته‌بندی سری‌های زمانی که با دقتی در سطح دقت آخرین پیشرفت‌های علمی (یا به عبارتی SOTA) ایجاد شده‌اند، سطح محاسباتی بسیار پیچیده و مقیاس‌پذیری پایینی دارند. به عبارت دیگر فرآیند آموزش آنها روی دیتاست‌های کوچک کُند است و در دیتاست‌های بزرگ کاملاً بلااستفاده‌ هستند. روش ROCKET (که مخفف

در حال حاضر PyTorch بیشترین نرخ رشد را در میان چارچوب‌های کاری یادگیری عمیق دارد و در دوره‌های آموزشی Fast.ai، با عنوان «یادگیری عمیق برای برنامه‌نویس‌ها»، و کتابخانه آن مورد استفاده قرار می‌گیرد. PyTorch به شدت پایتونی است، به عبارت دیگر برای برنامه نویسان Python، کار کردن با PyTorch بسیار

گزارشی جامع بر اساس بررسی روند روبه‌رشد هوش مصنوعی و رویکردهای استراتژیک مربوط به آن در سال ۲۰۲۱ انتشار یافت. این گزارش چگونگی پیشبرد اهداف این فناوری در کشورهای سرآمد این حوزه در سال میلادی گذشته را همراه با نگاهی به وضعیت چالش‌هایی که این فناوری در مسیر خود با

هوش مصنوعی امروزه به‌عنوان یک ابزار مهم برای توسعه صنایع زیربنایی و صنایع وابسته توصیف می‌شود. بر همین اساس است که بازارهای سرمایه‌گذاری در حوزه هوش مصنوعی رفته‌رفته درحال‌توسعه هستند و این موضوع اهمیت تحصیل در رشته یادگیری ماشین و هوش مصنوعی را دوچندان کرده است. بر اساس آمارهای منتشر

با در نظر گرفتن همه انتظارات و امیدهایی که درباره هوش مصنوعی می‌شنویم، شاید تعجب‌آور باشد که بدانیم محققان در مورد چگونگی توسعه این حوزه به شدت اختلاف نظر دارند. این دودستگی و شکاف در هوش مصنوعی و مغز انسان ، بین طرفداران هوش مصنوعی سنتی و منطق‌محور و علاقه‌مندان

در این مقاله قصد داریم مقدمه‌ای بر تابع‌های پایه شعاعی را ارائه دهیم. در مقابل، مجموعه‌ای از داده‌های تک بُعدی را مشاهده می‌کنید. کاری که باید انجام دهید این است که راهی بیابید و این داده‌ها را به وسیله یک خط به دو کلاس جداگانه تقسیم کنید. شاید در نگاه

هوش مصنوعی با تشخیص بیماری تحول شگرفی در پزشکی، بهداشت و درمان ایجاد خواهد کرد. داده‌های تشخیصی بیماران از قبیل تصاویر پرتو ایکس، نوار مغزی و سونوگرافی با یادگیری ماشین به شکل بهتری مورد تجزیه و تحلیل قرار می‌گیرند؛ بنابراین، این تغییراتِ عمده زمینه را برای تشخیص بیماری در مراحل

انرژی مصرفی هوش مصنوعی در مراکز داده و مدل‌‌های بزرگ بسیار بالا است و به محیط زیست آسیب می‌رسانند. اما کسب‌وکارها می‌توانند در جهت کاهش تأثیرات خود بر محیط زیست اقدام کنند. آموزش یک مدل پیشرفته‌ هوش مصنوعی مستلزم برخورداری از داده‌های با کیفیت، صرف زمان، پول و البته مقدار

پژوهش حاضر نشان می‌دهد که انسان‌ها، هوش مصنوعی را هم‌تیمی ناامید‌کننده‌ای برای بازی های مشارکتی می‌دانند که این امر، چالشی برای «هوش تیمی» محسوب می‌شود. در بازی‌هایی مانند شطرنج یا Go، برنامه‌های هوش مصنوعی از بهترین بازیکنان جهان نیز پیشی گرفته‌اند. این هوش مصنوعی‌های «فرابشری» رقبای بی‌نظیری هستند، اما شاید دشوارتر

تشخیص پلاک خودرو یک فناوری جدید است که از تشخیص کاراکتر نوری یا همان OCR در تصاویر برای خواندن پلاک خودرو و ایجاد اطلاعاتی از مکان خودرو استفاده می‌کند. دوربین پلاک خوان با استفاده از فناوری هوش مصنوعی، موقعیت پلاک در انواع خودرو را ردیابی می‌کند سپس به تقسیم‌بندی کاراکترها

آموزش شبکه های عصبی برای تقلید از عملکرد مغز این فرصت را در اختیار مدل‌های یادگیری عمیق قرار داده تا یادگیری را بر روی داده‌های جدید (داده‌هایی که از سابقه‌ای از آنها ندارند) اعمال کنند. چیزی که انسان را از سایر موجودات متمایز می‌سازد برخورداری از قدرت مغز و توانایی‌های

در این مقاله دیتاست های یادگیری ماشینی را معرفی می‌کنیم. اگر به شیوه‌های آموزش الگوریتم‌های یادگیری ماشینی در 5 یا 10 سال گذشته بنگرید و آن را با شیوه‌های جدید مقایسه کنید، متوجه تفاوت‌های بزرگی می‌شوید. امروزه آموزش الگوریتم‌ها در یادگیری ماشینی بهتر و کارآمدتر از گذشته است و دلیل

در این نوشتار قصد داریم متناسب با هدف و مسئله‌ی موردنظر، توابع زیان و فعال سازی لایه‌ی آخر شبکه‌ی عصبی را معرفی کنیم. فرض نویسنده بر این است که مخاطبان با توابع فعال سازی آشنایی دارند. برای آشنایی بیشتر با این حوزه می‌توانید به این مقاله‌ Deep Learning: Overview of

یادگیری ماشین، یادگیری عمیق و هوش مصنوعی از جمله ابزارهای ضروری برای رقابت در دنیای دیجیتال امروزی هستند. شرکت‌ها می‌توانند با استفاده از یادگیری ماشین و هوش مصنوعی از داده های تاریک برای کسب بینش اقتصادی رقابتی‌تر بهره جویند. داده های تاریک از میلیون‌ها نقطه داده غیرساختاریافته تشکیل یافته‌اند که

یک شبکه کامپیوتری که با دقت تمام، بر اساس بخشی از مغز انسان مدل‌سازی شده، بینش جدیدی را درباره روش پردازش تصاویر متحرک در مغز ارائه داده و در این خصوص توانسته است، برخی از توهمات پیچیده دیداری را توضیح ‌دهد. پژوهشگران به وسیله مطالعاتی که سالیان سال بر روی

هوش، در طبیعت، شکل‌های متنوعی به خود می‌گیرد. خفاشی که از پژواک‌یابی برای رهیابی مسیرش در تاریکی استفاده می‌کند یا اختاپوسی که با انطباق پیوسته‌ رفتارش، در اقیانوس‌های عمیق زنده می‌ماند، تنها نمونه‌هایی از این اشکال هستند. در دنیای کامپیوتر نیز صورت‌های گوناگونی از هوش مصنوعی در حال ظهور هستند.

سال گذشته دانشمندان دانشگاه کرنل پژوهش جالبی در مورد استفاده از دوربین‌های پوشیدنی برای ردیابی حالات چهره انجام دادند. این فناوری اکنون شکل عملی‌تری به خود گرفته است. همین تیم پژوهشی دستگاهی شبیه یک گردنبند طراحی کرده است که از دوربین‌های مادون قرمز برای تصویربرداری از حرکات کامل صورت استفاده

براساس مطالعات اخیر، انتظار می‌رود که در ده سال آینده انواع الگوریتم یادگیری ماشین جایگزین 25% از مشاغل موجود در سرتاسر دنیا شوند. با رشد سریع کلان داده (Big Data) و آسان‌ترشدن دسترسی به ابزارهای برنامه‌نویسی همچون پایتون و R، یادگیری ماشین دارد به پرکاربردترین ابزار دانشمندان داده تبدیل می‌شود.

محققان دانشگاه استنفورد از یک رویکرد مبتنی بر یادگیری عمیق در طبقه‌بندی ساختمان های آسیب دیده در آتش استفاده کردند. این رویکرد می‌تواند در هدایت اقدامات بازیابی به تیم امداد و نجات کمک کند و جدیدترین اطلاعات را در اختیار ساکنین آواره این ساختمان‌ها قرار دهد. مردم باید هفته‌ها یا

پیش از شروع بحث درباره درخت تصمیم، بهتر است به عنوان مقدمه، مطلب را این‌طور آغاز کنیم. رشد چشم‌گیر دانش در حوزه­ زیست­‌شناسی (علم زندگی) در گذر زمان، الهام­‌بخش بسیاری از مهندسانی شده که به مسائل چالش‌­برانگیزی برخورده و به دنبال راه­‌حل‌­های خلاقانه هستند. برای نمونه قطار پرسرعت ژاپنی Shinkansen

طبق بررسی‌های به عمل آمده، بازیگران متعددی در عرصه فناوریهای هوش مصنوعی هم‌اکنون در کشور در حال فعالیت هستند. پیچیدگی تکنولوژی از یک سو و البته پراکندگی و ناهمگونی فعالیتهای این بازیگران، شناخت زمینه‌های مستعد توسعه را در یک زیست‌بوم فناورانه دشوار ساخته است. مطالعات گذشته نشان می‌دهند حتی کشورهای

برای شرکت‌های نفت و گاز، تحول دیجیتال یک اولویت است. در واقع این تحول دیجیتال ، نه‌تنها راهی به مدرن‌سازی شرکت‌ها است، بلکه برای تأمین امنیت تمامی اکوسیستم انرژی یک ضرورت محسوب می‌شود. اگر از این دیدگاه نگاه کنیم، لزوم استفاده از هوش مصنوعی و ظرفیت‌های یادگیری ماشین برای بهینه‌سازی

محققان قرار است با طراحی نوعی الگوریتم خودآگاه مانع فعالیت‌های هکرها شوند. هکرها از مرزهای دفاعی یک نیروگاه انرژی هسته‌ای عبور می‌کنند و با تغذیه‌ داده‌های جعلی به سیستم‌ها، کامپیوترها و کارکنان را فریب می‌دهند؛ ماشین‌آلات کلیدی نیروگاه‌ها دچار اختلال شده یا به طور کل از کار می‌افتند. تا وقتی

سوگیری‌های الگوریتمی و خروجی‌های ناعادلانه و مبهم آن‌ها در اشکال گوناگون ظاهر می‌شوند؛ اما راهبردها و تکنیک‌های فراوانی برای مبارزه با آن‌ها و ارتقای عدالت وجود دارد. سوگیری الگوریتمی یکی از موضوعات مهم هوش مصنوعی است و مستلزم توجه و بازبینی دقیق است. خطاهای ناخواسته‌ سیستمی می‌توانند منجر به خروجی‌های

اکثر مواقع، پاسخی که در مقابل این پرسش «از چه کارت گرافیکی استفاده کنم؟» می‌شنویم، این است: «NVIDIA». زیرا این کارت گرافیک به شتاب‌دهنده‌های CUDA و CUDNN مجهز است. این دو شتاب‌دهنده در مدل‌های یادگیری عمیق به کار برده می‌شود و فقط کارت گرافیک NVIDIA از آنها پشتیبانی می‌کند. اگر

فیلم فینچ Finch محصول سال 2021 ساخته «میگوئل ساپوچنیک»، یک فیلم علمی‌تخیلی آخرزمانی است که نقش کاراکتر محوری آن را «تام هنکس» بازی می‌کند. فینچ را می‌توان در طبقه یکی از بهترین فیلم‌های هوش مصنوعی سال 2021 قرار داد. داستان فیلم از این قرار است که به خاطر از بین

فصل دوم دوره آموزش پردازش زبان طبیعی هم به پایان رسید و به آزمون پایان فصل رسیدیم. در زیر 10 سوال وجود دارد که برای محک زدن خودتان می‌توانید به آن‌ها پاسخ دهید. توجه داشته باشید که بعضی از سوالات ممکن است بیش از یک گزینه درست داشته باشند. در

بدون شک یکی از دغدغه‌های مهم کسب‌وکارها، هم‌گام ماندن با انتظارات مشتریان است و برای رسیدگی به آن، استفاده از هوش مصنوعی مکالمه ای یکی از بهترین گزینه‌هاست.. مشتریان خدماتی سریع‌تر با قدرت پاسخگویی بهتر در همه‌ی کانال‌ها می‌خواهند و انتظار دارند امکان جابجایی راحت بین این کانال‌ها وجود داشته

شهر ساکرامنتو، واقع در ایالت کالیفرنیا، در حال نصب آزمایشی دوربین‌های مجهز به هوش مصنوعی بر روی 5 اتوبوس مدرسه است. هدف از نصب چنین دوربین‌هایی جلوگیری از سبقت غیرقانونی سایر خودروها از اتوبوس های مدرسه در هنگام سوار کردن و پیاده کردن دانش‌آموزان است. شهر ساکرامنتو با استفاده از

طی یک دهه اخیر، بینایی کامپیوتر شاهد پیشرفت‌های زیادی بوده و توانسته به تمامی برنامه‌ها، چه برنامه‌های مورد استفاده در حوزه دانشگاهی چه در زندگی روزمره، راه پیدا کند. با این حال، کامپیوترها کماکان نمی‌توانند برخی کارها را با دقت و سرعت قابل قبول انجام دهند. یکی از این کارها،

در این پروژه، ما از LSTM به جای GAN برای تولید موسیقی استفاده خواهیم کرد. در نتیجه استفاده از LSTM ها، مدل سریع‌تر آموزش می‌بیند و می‌توانیم عملکرد مدل را بر مبنای یک خروجی عینی ارزیابی کنیم.

فرض کنید یک مدل طبقه‌بندی تصویری آموزش داده‌اید که عملکرد نسبتاً ضعیفی دارد؛ آیا می‌دانید روش‌های زیادی برای بهبود عملکرد و کاهش سوگیری‌های مدل وجود دارد؟ زمان زیادی را صرف ایجاد روال پردازشی مدل کرده‌اید و با استفاده از شبکه‌های عصبی یک مدل پیش‌بینی کننده ساخته‌اید، اما نتایج ، آن‌طور

پیش از آنکه با مفاهیم داده کاوی و مکانیزم‌های آن آشنا شویم، بهتر است از نگاهی کلان‌تر به آن نظر افکنده و به چرایی پیدایی این فناوری بپردازیم. به نظر این مقاله تبیین چرایی ایجاد فناوری و مفاهیم داده کاوی می‌تواند در فهم چگونگی آن و آشنایی با کاربردها یا

این سؤال‌ها برایمان پیش می‌آید که چگونه قواعد ساده زبانی به گونه‌ای پیش رفته‌اند که حجم عظیمی از اطلاعات را در کسری از ثانیه به سیستم‌های پیشرفته‌ ترجمه ماشینی تبدیل کنند؟ و تولید این سیستم‌ها از چند دهه گذشته کلید خورده است؟ امکان ترجمه ماشینی خودکار که مدت‌ها برای انسان

گاه این سؤال پیش می‌آید که چرا افرادی که دلیلی برای پنهان‌کاری ندارند، این همه از سیستم تشخیص چهره Clearview AI هراس دارند؟ پاسخ این است: زیرا افرادی که دلیلی برای پنهان‌کاری ندارند، تنها کسانی هستند که حریم خصوصی‌شان تضمین شده است. اوایل هفته جاری، دولت استرالیا پس از اینکه

کپسول هوشمند، فناوری نوظهوری است که محققان در یک تیم استارتاپی موفق به طراحی و تولید آن شده‌اند و به کمک آن می‌توان به بهره‌برداری‌های زیادی در حوزه سلامت انسان دست یافت. این کپسول هوشمند گزارش‌های منظمی را از دستگاه گوارش فرد به پزشک ارسال می‌کند. به عبارت دیگر، این

هدف از انجام تحلیل پیش‌رو این است که مهم‌ترین عواملی را که بر راه‌یابی دانش‌آموزان به دانشکده تحصیلات تکمیلی تأثیر دارند برررسی کنیم و مدلی که با بیشترین نرخ دقت می‌تواند شانس دانش‌آموزان را برای دریافت پذیرش از سوی دانشکده تحصیلات تکمیلی پیش‌بینی کند، انتخاب کنیم. من برای انجام پروژه