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

ایده «مَستر فیس » چندی پیش سر و صدای زیادی در رسانه‌های مختلف به پا کرده است. به مجموعه‌ای از تصاویر جعلی که به دست الگوریتم‌های یادگیری ماشین ساخته می‌شود، مستر فیس می‌گویند. این مفهوم با جعل هویت افراد، زمینه را برای نفوذ به سیستم‌های بیومتریک فراهم می‌کند و سیستم

در این قسمت از آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس به جمع‌بندی فصل دوم خواهیم پرداخت. در چند بخش گذشته، بخش اعظم کارها به صورت دستی انجام شد. نحوه کارکرد توکن‌کننده‌ها، فرایند توکن‌سازی Tokenization، تبدیل به شناسه‌های ورودی input IDs، پَدینگ، کوتاه‌سازی Truncation و ماسک‌های توجه Attention masks نیز

سکته مغزی زمانی اتفاق می‌افتد که جریان خون به مغز مسدود شود. گاهی اوقات، سکته‌ی مغزی می‌تواند منجر به آسیب‌ها و ناتوانی‌های بلندمدت شود. بهبود و بازیابی بعد از سکته، برای بسیاری از بیماران، مسیری طولانی و مشقت‌بار است.

محققان، سیستمی جدید ساخته‌اند که برای حل مسائل ریاضی دبستان آموزش دیده است. دقت این سیستم، نزدیک به دوبرابر مدل GPT-3 است که به دقت تنظیم شده باشد. این مدل می‌تواند 90 درصد مسائلی را که دانش‌آموزان حل کرده‌اند، پاسخ دهد. در این پروژه، نمونه‌ کوچکی از کودکان 9 تا

پژوهشگران علوم کامپیوتر به تازگی عملکرد سیستم‌های مکالمه از قبیل ربات‌های سخنگو را که به منظور تعامل با انسان طراحی شده‌اند، بررسی کرده‌اند. این گروه دریافتند که وقتی این سیستم‌ها با مکالمه‌های حاوی اصطلاحات یا تشبیهات مواجه می‌شوند، عملکردشان بین 10 تا 20 درصد کاهش می‌یابد. همچنین این گروه پژوهشی

آشنایی با مفاهیم پیش پردازش داده و اجرای آن‌ها در هنگام استفاده از کتابخانه scikit learn داده به مجموعه‌ای از دانسته‌ها، آمار، مشاهدات یا توصیفات مربوط به مفهومی گفته می‌شود که به صورت سازمان‌یافته و یا غیرسازمان‌یافته ارائه می‌شوند. داده‌ها انواع مختلفی دارند و برای نمونه می‌توان به  تصویر، واژه،

هوش مصنوعی جنبه‌هایی جدید از پردازش زبان در مغز را روشن می‌سازد. پژوهشگران اعلام کردند که احتمالاً مغز انسان، کلمه بعدی را پیش‌بینی می‌کند، تا پردازش زبان را پیش ببرد. در چند سال گذشته، مدل‌های هوش مصنوعیِ زبان در انجام برخی تکالیف بسیار پیشرفت کرده‌اند. نکتۀ قابل‌توجه‌ این است که

تحلیل اکتشافی دادهExploratory Data Analysis  مهم‌ترین بخش تحلیل داده/ یادگیری ماشین است. این عملیات حدود 70 تا 80% چرخه‌ی زندگی هر پروژه‌ی علوم داده را به خود اختصاص می‌دهد. اکتشاف، آماده‌سازی و درک داده‌ها، بخشی از روش‌شناختی استاندارد این حوزه است. برای اطلاعات بیشتر می‌توانید به این لینک مراجعه کنید.

در این قسمت از دوره رایگان آموزش پردازش زبان طبیعی به مدیریت چندین توالی ورودی خواهیم پرداخت. ساده‌ترین موارد کاربرد (یعنی استنباط گیری از یک توالی با طول اندک) در بخش پیشین بررسی شد. با این حال، باید پاسخ مناسبی به پرسش‌های زیر داده شود: در بخش زیر خواهید دید

در این نوشتار قصد داریم تعدادی از متدهای ارزیابی عملکرد مدل طبقه بندی را به شما معرفی کنیم: Cross Validation مدل ماتریس در هم ریختگی(Confusion Matrix) منحنی ROC امتیازCohen’s κ import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt import warnings warnings.filterwarnings(‘ignore’) در گام

گزارش‌های تقلب در دانشگاه‌ها از زمان آغاز همه‌گیری کرونا، به سرعت افزایش یافته‌اند. در واقع، رشد چشمگیر آموزش مجازی در دوران همه‌گیری کرونا، نگرانی‌هایی در خصوص نقش فناوری در نظارت بر امتحانات و همچنین در تقلب دانش‌آموزان، ایجاد کرده است. برخی از دانشگاه‌ها در دوران همه‌گیری، تقلب بیشتری را گزارش

قایق خودران ملقب به ربوقایق (Robaot)  که به کوشش دانشگاه MIT ساخته شده سفر خود را از کانال‌های آبی آمستردام آغاز می‌کند. اگر جزء آن دسته از افرادی هستید که دچار دریازدگی نمی‌شوند، شاید قایق خودران وسیله مناسبی برای رفت و آمد شما باشد. دانشمندانی از آزمایشگاه علوم کامپیوتر و

امروز به لطف فناوری تبدیل تصویر به متن و نویسه‌خوان‌های نوری (OCR) می‌توان به‌راحتی و با دقت بسیار بالا متن‌ها را از تصاویر بیرون کشید. اگر بخواهیم تعریفی کاملاً ساده و ملموس از نرم ‌افزارهای تبدیل تصویر به متن و OCR (Optical character Recognition) ارائه دهیم باید بگوییم که این

پروژه «اکتشافات عمیق» برای بررسی راه‌های ایجاد پلتفرم جست‌وجوی بینایی کامپیوتر که بتواند مجموعه‌های دیجیتالی‌شده را در مقیاسی ملی، شناسایی کند و با هم تطبیق بدهد، آغاز شد. روش‌های نوین جست‌وجوی مجموعه‌های گالری، کتابخانه و موزه ملی به‌زودی با استفاده از یک پلتفرم جست‌وجوی بصری که با همکاری دانشگاه نورثامبریا

پژوهشگران دانشگاه سن‌دیگو کالیفرنیا ابزاری تولید کرده‌اند که مجموعه‌ داده‌های قندگان شناسی glycomics (گلیکومیکس) را با استفاده از سیستم‌های هوش مصنوعی توضیح‌پذیر و دیگر روش‌های یادگیری ماشین تحلیل می‌کند. در مقاله‌‌ای که به‌تازگی درNature Communications منتشر شده، این تیم نشان داده‌ است که داده‌های قندگان شناسی نیازمند دقت بیشتری است، تا

توکن کننده ها یکی از اجزای اصلی پایپ‌لاین «پردازش زبان طبیعی» هستند. هدف آنها تبدیل متن به داده‌های قابل پردازش است. مدل‌ها فقط قادر به پردازش اعداد می‌باشند؛ اما توکن کننده ها ورودی‌های متنی را به داده‌های عددی تبدیل می‌کنند. جزئیات پایپ‌لاین توکن‌سازی در این بخش بیان می‌شود. داده‌هایی که

اگر برای تحلیل داده‌های Data analysis خود از پایتون و کتاب‌خانه pandas استفاده می‌کنید، دیر یا زود مجبور می‌شوید با حلقه‌ های pandas هم کار کنید. اجرای حلقه‌های استاندارد برای یک دیتافریم کوچک بسیار زمان‌بر است بنابراین، اجرای آن برای دیتافریم‌های بزرگ‌تر قطعاً به زمان بیشتری نیاز دارد. وقتی برای

بی‌تردید، محصولات فناوری مارک زاکربرگ از قبیل فیسبوک یا نرم‌افزارهایی همچون مسنجر و واتسپ، نحوه‌ برقراری ارتباطات را متحول کرده‌اند. اما اکنون پرسشی بزرگ‌تر مطرح شده است: آیا این فناوری‌ها برای تعامل با ربات‌ها هم راهکاری دارند؟ درحال‌حاضر، برقراری ارتباط با هوش مصنوعی از طریق زبان طبیعی، جزئی از زندگی

گروه کوچکی از پژوهشگران دانشگاه ایالتی نیویورک در آلبانی، دانشگاه ایالتی نیویورک در بوفالو و Kenya Medical متوجه وجود یک نقص در چهره دیپ فیک، چهره‌هایی که کامپیوتر آن‌ها را ایجاد کرده، شدند. با توجه به این نقص، که به نظر می‌رسد میان اینگونه تصاویر مشترک است، می‌توان اینگونه چهره‌های

داشتن سلامتی روحی همیشه مهم است و تحقیقات اولیه نشان داده که شاید هوش مصنوعی در حوزه سلامت بتواند باعث بهبود سلامتی افرادی شود که آسیب‌های زیادی دیده‌اند. دانشمندان موفق به توسعه الگوریتم‌های ترکیبی یادگیری عمیق شدند که با بررسی چشم‌ها، میزان سلامتی روحی بیماران سرطانی بعد از جراحی را

یک دستیار شخصی مجهز به هوش مصنوعی درواقع نرم‌افزاری است که دستورات گفتاری و نوشتاری شما را متوجه می‌شود و کاری که به آن محول کرده‌اید را به انجام می‌رساند. این دستیار در حقیقت نمونه‌­ای از هوش مصنوعی ضعیف weak AI به‌شمار می‌آید زیرا تنها خواسته‌های کاربر را انجام می‌دهد.

گروهی از محققان واحد مهندسی محیط زیست و انرژی پایدار Division of Sustainable Energy and Environmental Engineering از دانشگاه اوساکا موفق شدند با استفاده از شبکه‌های مولد تخاصمی که روی دیتاستی سفارشی آموزش دیده بودند، اشیای ناخواسته را به صورت مجازی از تصاویر گرفته شده از نمای ساختمان‌ها حذف کنند. این

‌‌حوزه علوم داده، گستره‌ای است که نسبت به دیگر حوزه‌‌‌های مرتبط با مهندسی ‌‌‌نرم‌‌افزار، به مجموعه مهارت‌‌‌های بیشتری نیاز دارد. یکی از متداول‌‌ترین سوالاتی که از دانشمندان علوم داده پرسیده‌ می‌‌شود، این پرسش است: «شما واقعاً چقدر از دانش ریاضی در علم داده استفاده‌ می‌‌کنید؟»

یکی از دانشجویان دانشکدۀ «UPC Barcelona Tech» از من پرسید که بهترین چهارچوب برای برنامه‌نویسی شبکه‌های عصبی کدام است؟ تنسورفلو TensorFlow یا پای‌تورچ؟ PyTorch این پاسخِ من بود: «نگران این مسئله نباش! با هر کدام که راحت‌تر هستی کار را شروع کن. مهم نیست کدام یک رو انتخاب می‌کنی. مهم‌ترین

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