📍معرفی سایت های پرسش و پاسخ در زمینه ی "علم داده"
مجموعه وبسایت‌های Exchange Stack  بزرگترین مجموعه وب‌سایت در زمینه پرسش و پاسخ در اینترنت است. در این پست سایتهایی از این  مجموعه را که با علم داده مرتبط هستند معرفی می‌کنیم:
 
Stack Overflow
 این سایت از لحاظ محبوبیت و حجم سوالهای مطرح شده بهترین وب‌سایت این مجموعه محسوب می‌شود. این سایت به پرسش و پاسخ در زمینه زبانهای برنامه‌نویسی از جمله زبانهای R، Python ، Matlab، Julia  و ... که در علم داده مورد استفاده قرار می‌گیرند می‌پردازد.
 
Cross Validated
این سایت  جزء سایتهای محبوب این مجموعه محسوب می‌شود و کاربران آن سوالهای خود را در زمینه آمار در این سایت مطرح می‌کنند.
 
Data Science
در این سایت سوالهای مربوط به علم داده مطرح می شود.
 
Open Data
در این سایت می‌توانید در زمینه دسترسی به داده‌های آزاد سوالهای خود را مطرح کنید.
 
لازم به ذکر است که با ایجاد تنها یک اکانت می‌توانید به همه این سایتها دسترسی داشته باشید

#علم_داده
🆔 @Ai_Tv

📍امکان مشاهده زیر دریاها و اقیانوس ها در گوگل میسر شد!
می دانستید در تولید چنین نرم افزار عظیمی، نقش اینترنت اشیا و‌هوش مصنوعی کلیدی است؟

#اینترنت_اشیا #هوش_مصنوعی
🆔 @Ai_Tv

📍 فرق بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق

👨‍💻مدرس: محمد نوری زاده چرلو

#هوش_مصنوعی #یادگیری_عمیق #یادگیری_ماشین
🆔 @Ai_Tv

📍تحلیل بازی و بازیکنان فوتبال با استفاده از هوش مصنوعی

🔹تحلیل گران تیم معمولا تیم خود و حریف را با دقت بررسی می کنند و برای انجام تصمیات مهم خوراک تصمیم گیری به سرمربی می رسانند.
نقش فناوری هوش‌مصنوعی در تحلیل های ورزشی بسیار پررنگ شده است. با بهره گیری از فناوری روز ، می توان بصورت لحظه ای پیش بینی های مهمی انجام داد که در روند بازی و نحوه آن می تواند سرنوشت ساز باشد

#هوش_مصنوعی
🆔 @Ai_Tv

📍حوزه های مختلف و کاربردهای هوش مصنوعی چیست؟

🆔 @Ai_Tv

📍نتایج ترکیب واقعیت افزوده با هوش مصنوعی خارق العاده ترین هارو به وجود میاره

#هوش_مصنوعی #واقعیت_افزوده
🆔 @Ai_Tv

📍نقش کلان داده ها در شهر هوشمند

The Role of Big Data In Smart City

با توجه به گسترش روز افزون محبوبیت اینترنت اشیا (IoT)، برای رسیدن به مصادیق شهر هوشمند نیازمند استفاده از روش های نوین برای تحلیل داده های حجیم و کلان داده ها (Big Data) هستیم . در این ویدیو، آقای دکتر سهیل تهرانی پور، متخصص هوش مصنوعی و یادگیری ماشین، نقش Big Data در رسیدن به Smart City یا شهر هوشمند را مورد بررسی قرار داده اند

#هوش_مصنوعی #اینترنت_اشیا #علم_داده
#شهر_هوشمند
🆔 @Ai_Tv

📍حذف نویز و نوشته از تصاویر با یادگیری عمیق توسط هوش مصنوعی شرکت انویدیا

#یادگیری_عمیق #هوش_مصنوعی
🆔 @Ai_Tv

📍تاثیرات هوش مصنوعی بر اقتصاد جهان!

🔹در این ویدیو کوتاه با تاثیرات هوش مصنوعی بر اقتصاد جهان تا سال 2030 آشنا خواهید شد.

#هوش_مصنوعی
🆔 @Ai_Tv

📍ایده ی جالب اینترنت اشیا برای گلدان هوشمند

#اینترنت_اشیا #خانه_هوشمند
🆔 @Ai_Tv

📍معروف ترین کتابخانه های پایتون برای هوش مصنوعی


🔹کتابخانه ها جان تازه‌ ای به زبان برنامه نویسی پایتون داده‌اند و یکی از دلایل اصلی محبوبیت این زبان هستند. کتابخانه‌ها کدهای از قبل نوشته شده هستند که توسط سایر توسعه دهندگان ایجاد شده اند. استفاده از آن ها در زمان شخص برنامه نویس صرفه جویی کرده و از دوباره کاری جلوگیری می‌کنند. دانش هوش مصنوعی نیاز به تجزیه و تحلیل داده دارد. در ادامه بهترین کتابخانه های پایتون که در تحلیل و بررسی داده به شما کمک خواهند کرد را بررسی می کنیم.
1 - Scikit-learn
یکی از بهترین کتابخانه های یادگیری ماشین در پایتون است. این کتابخانه الگوریتم های اصلی و پایه این حوزه را به خوبی پردازش می‌کند. مواردی مثل رگرسیون خطی و لاجستیک، خوشه بندی، طبقه بندی و غیره توسط Scikit-learn به خوبی شناسایی می‌شوند.
2 - Pandas
یک کتابخانه متن باز است که تحت پروانه BSD منتشر می‌شود. این کتابخانه در کنار کارایی آسان خود، بازدهی بالایی نیز دارد. از Pandas برای تحلیل داده استفاده می‌شود. Pandas در واقع سعی داشت یک شکاف را در پایتون برطرف کند. این شکاف مشکلی بود که پایتون در مدل سازی و آنالیز داده ها داشت. پانداس در کنار سایر کتابخانه های یادگیری عمیق و یادگیری ماشین قدرت بیشتری می‌گیرد.
3 - Keras
از Keras برای یادگیری عمیق (Deep Learning) استفاده می‌شود. این کتابخانه محاسبات و ساخت نمونه را با سرعت بسیار بالا انجام می‌دهد. به خاطر اینکه به جزء پردازشگر دستگاه (CPU) از گرافیک (GPU) هم برای تقسیم بار محاسباتی استفاده می‌کند. Keras از پایتون 2.7 تا 3.6 را پشتیبانی می‌کند و یکی از بهترین کتابخانه های یادگیری عمیق در پایتون است.
4 - TensorFlow
شرکت گوگل در سال 2010 یک تیم تحقیقاتی در حوزه هوش مصنوعی و یادگیری عمیق تشکیل داد. کتابخانه TensorFlow یکی از دستاوردهای این گروه است که در سال 2015 منتشر شد. گوگل هم در تحقیقات و هم در محصولات خود از این کتابخانه استفاده می‌کند. TensorFlow خودش را با انواع سیستم عامل ها (لینوکس، ویندوز، مکینتاش و غیره) وقف داده است.
5 - Matplotlib
یک کتابخانه بسیار مفید برای ایجاد نمودارها است. به کمک آن می‌توانید انواع اشکال دوبعدی، هیستوگرام، نمودار و غیره طراحی کنید. بعد از اینکه اطلاعات متنوع خود را تحلیل کردید، برای خوانایی و فهم بیشتر، می‌توانید از نمودارها استفاده کنید. Matplotlib به ما کمک می‌کند یک خروجی کاربردی و ملموس از دیتای خود داشته باشیم.
6 - NLTK
یک ابزار عالی برای ساخت برنامه‌های پایتونی مبتنی بر زبان انسان است. مثلا اگر برنامه ای ساخته‌اید که نیاز به تحلیل صحبت های انسان  دارد، می‌توانید از کتابخانه NLTK استفاده کنید. متاسفانه این کتابخانه فقط برای زبان انگلیسی کار می‌کند و امکان اضافه کردن آن به پروژه های  فارسی زبان وجود ندارد. NLTK مخفف Natural Language Toolkit بوده و بهترین گزینه در پردازش زبان است.
7 - Scikit-image

پردازش تصویر مبحثی است که رابطه نزدیکی با بینایی ماشین دارد. پردازش تصویر در زمینه های متنوعی مثل موارد نظامی، امنیتی، صنعتی کاربرد دارد. بعضی از کاربردهای بینایی ماشین در زندگی روزمره عبارتند از تشخیص بارکد محصول، تشخیص پلاک یا سرعت خودرو و غیره. Scikit-image الگوریتم‌های مختلفی دارد که شامل تغییرات هندسی، آنالیز رنگ‌ها، تشخیص ویژگی‌های تصویر و غیره می‌شود.
8 - PyBrain
یکی از بهترین کتابخانه های یادگیری ماشین بوده که با زبان پایتون نوشته شده است. این کتابخانه شامل الگوریتم‌هایی مربوط به شبکه‌های عصبی و یادگیری تقویتی است. Pybrain یک کتابخانه رایگان، آزاد و متن باز به حساب می‌آید که هر کسی می‌تواند از آن استفاده کند. ترکیب Pybrain با سایر کتابخانه‌های هوش مصنوعی به نتایج بسیار مفیدی منجر می‌شود.
9 - Caffe
یک فریم ورک یادگیری عمیق (Deep Learning) است که با تمرکز بر روی سریع بودن و ماژولار بودن طراحی شده است. این کتابخانه پروژه آقای Yangqing Jia در دانشگاه Berkeley بوده و در حال حاضر تحت لایسنس BSD در اختیار عموم قرار گرفته است. برای اینکه قدرت Caffe را درک کنید باید بگوییم که این کتابخانه می‌تواند با جا‌به‌جا شدن بین CPU و کارت گرافیک، روزانه بیشتر از 60 میلیون تصویر را پردازش کند.
10 - StatsModels
این کتابخانه در علوم داده، تجزیه و تحلیل اطلاعات و گزارش‌گیری ها کاربرد دارد و به خوبی در کنار سایر کتابخانه هایی که معرفی کردیم قرار می‌گیرد و با آن‌ها تعامل دارد. مثلا می تواند به راحتی برای کنترل داده‌ها با کتابخانه Pandas ادغام شود. همچنین این کتابخانه برای کار با سایر کتابخانه های گرافیکی از Matplotlib استفاده می‌کند.

#هوش_مصنوعی #پایتون
🆔 @Ai_Tv

📍برترین کتابخانه‌های یادگیری ماشین!

در ادامه برترین کتابخانه‌های یادگیری ماشین زبان‌های برنامه‌نویسی پایتون و R براساس میزان استفاده در پروژه‌های علم‌داده ذکر گردیده است.

1- Scikit Learn

2- Tensorflow

3- Keras

4- randomForest

5- Xgboost

6- PyTorch

7- Caret

8- Lightgbm

9- Spark MLlib

10- H2O

جهت مطالعه جزئیات گزارش فوق می‌توانید از طریق لینک زیر اقدام نمایید.
http://tiny.cc/0v5ccz

#هوش_مصنوعی #پایتون #یادگیری_ماشین
🆔 @Ai_Tv

📍هوش مصنوعی از متخصص ها جلو زد

محققان به تازگی یک الگوریتم مبتنی بر هوش مصنوعی توسعه داده‌اند که بیماری های مختلفی از سرطان تا بیماری‌های نادر چشم را به دقت انسان تشخیص می‌دهد.
.
نتیجه ۱۴ کارآزمایی بین ژانویه ۲۰۱۲ و ژوئن ۲۰۱۹ نشان داد که هوش مصنوعی در ۸۷ درصد موارد به طور صحیح بیماری را تشخیص داده و این درصد برای پزشکان تنها ۸۶ درصد بود.
.
همچنین هوش مصنوعی ۹۳% در درمان موفق بوده است و این رقم برای انسان ۹۱درصد است.

جزئیات بیشتر را از لینک زیر بخوانید👇
https://bit.ly/2n5cDPD

#هوش_مصنوعی
🆔 @Ai_Tv

📍 فیسبوک مشغول ساخت نوع جدیدی از تکنولوژی واقعیت افزوده است
🔹فیسبوک فعالانه روی ساخت یک عینک واقعیت افزوده کار می کند و اخیرا اعلام کرده که می خواهد یک نقشه سه بعدی از زمین تهیه کند که به کاربران امکان خواهد داد در محیطی هایی بهبود یافته و تعاملی زندگی کنند

تکنولوژی LiveMaps در واقع با بهره گیری از بینایی کامپیوتری، بومی سازی و تکنولوژی نقشه نگاری جمع سپاری شده نوعی نقشه مشترک مجازی را تولید می کند که بازتابی از دنیای فیزیکی بیرون است. فیسبوک نیز با تزریق دیتایی که از ۲.۴ میلیارد کاربر خود جمع آوری کرده به توسعه LiveMaps کمک می کند و با استفاده از عکس هایی که ژئوتگ شده اند اقدام به ایجاد ابر نقاط و سپس یک دنیای مجازی واقعی می کند.

#واقعیت_افزوده #یادگیری_ماشین
🆔 @Ai_Tv

📍کسب امتیاز 999.990 توسط هوش مصنوعی مایکروسافت در پک من!
این رقم چهار برابر بیشتر از امتیازی است که توسط انسان به دست آمده است

#هوش_مصنوعی

🆔 @Ai_Tv

📍تعدادی از پروژه‌های جالب گوگل در زمینه‌ی هوش مصنوعی

#هوش_مصنوعی

🆔 @Ai_Tv

📍زبان‌های برنامه‌نویسی حوزه علم‌داده!

در حوزه علم‌داده زبان‌های برنامه‌نویسی مطرحی همچون پایتون، SAS, Scala, SQL, R و... وجود دارد که هر یک بنا به کارکردها و کاربردهای خود در پروژه‌های مختلفی قابلیت بهره‌برداری را دارند.

انتخاب زبان برنامه‌نویسی بهینه یکی از عوامل موفقیت در پروژه‌های تحلیل داده می‌باشد. بعنوان مثال در حوزه یادگیری عمیق، تحلیل کلان‌داده، توسعه دهنده کلان‌داده، تحلیل‌های آماری و... هر کدام از این زبان‌ها قابلیت‌های منحصر به فرد خود را دارا می‌باشند.

#علم_داده #پایتون
🆔 @Ai_Tv

‍ 📍 رکوردشکنی هوش‌مصنوعی جدید گوگل در تست‌های درک متون

🔹هوش مصنوعی جدیدی که توسط متخصصان گوگل و تویوتا توسعه یافته، در سه بنچمارک اصلی پردازش زبان طبیعی رکوردهای تازه ای از خود به جا گذاشت.
این هوش مصنوعی که «آلبرت» نام دارد، با کسب بالاترین نمرات در تست های «ارزیابی درک زبان عمومی» (GLUE)، بنچمارک «دیتاست پاسخ به سوالات استنفورد» (SQUAD) و «خواندن و درک مفاهیم آزمون های انگلیسی» (RACE) رقبای قبلی از جمله هوش مصنوعی مایکروسافت را به زیر کشیده است.
امتیازت آلبرت در GLUE، SQUAD 2.0 و RACE به ترتیب برابر ۸۹.۴، ۹۲.۲ و ۸۹.۴ درصد اعلام شده است. برای درک بهتر ارزش این نمرات کافی است بدانیم میانگین امتیازات انسان در SQUAD 2.0 از ۸۹.۴۵۲ فراتر نمی رود. هدف از چنین آزمون هایی کمک به هوش مصنوعی برای پردازش مقادیر عظیمی از داده و یافتن پاسخ درست است

🔹در SQuAD2.0 علاوه بر صد هزار سوال قبلی، ۵۰ هزار سوال جدید نیز به دیتابیس اضافه شده است. نکته جالب اینجاست که سوالات جدید جواب مشخصی ندارند اما به گونه ای مطرح شده اند که شبیه ۱۰۰ هزار سوال اولیه به نظر می رسند. هوش مصنوعی برای کسب نمرات بالا غیر از جوابگویی به سوالات اولیه، باید در برخی موارد فقدان پاسخ در پاراگراف را نیز تشخیص داده و از پاسخگویی اجتناب کند.
هوش مصنوعی آلبرت که نسخه جدیدی از «برت» محسوب می شود، برای کاهش مصرف مموری از تکنیک های کاهشی استفاده کرده و به مراتب سریعتر آموزش می بیند. در الگوریتم های جدید از روش نظارتی استفاده شده که روی مدل سازی انسجام بین جمله ای تمرکز کرده و با دریافت چندین جمله همزمان پردازش را بهتر انجام می دهد.
🔹رتبه اول این بنچمارک ها تا کنون چندین باز بین غول های فناوری دست به دست شده است. در اردیبهشت فیسبوک با هوش مصنوعی «روبرتا» مقاوم اول را به دست گرفت و مایکروسافت هم با «شبکه عصبی ژرف چند وظیفه ای» (MT-DNN) در بنچمارک GLUE  امتیاز ۷ از ۹ را از آن خود کرده بود.
هوش مصنوعی آلبرت در مطالعه حجم عظیمی از متون اینترنتی و پاسخ به سوالات علمی، تاریخی، سیاسی و پزشکی بدون نیاز به دخالت انسان کاربردهای زیادی دارد.

#هوش_مصنوعی
🆔 @Ai_Tv

📍هفت راهی که هوش مصنوعی حوزه سلامت را متحول کرده است
۱-شناسایی سرطان پوست:
در تشخیص زودهنگام سرطان پوست هوش مصنوعی ۹۵٪ و پزشکان ۸۷٪ موفقند.
۲- هوش مصنوعی زمان بیداری قربانیان کما را با ۹۰٪ دقت، پیش بینی می کند
۳- هوش مصنوعی می تواند با دقت خارق العاده اسکن چشمی را بررسی و مانند برترین پزشکان جهان، آنها را توصیف نماید
۴- سامانه های یادگیری ماشین می توانند به سرعت داروی های جدید را تست و تولید نمایند
۵- با تحلیل صدای فرد، هوش مصنوعی می تواند تخمین بزند فرد دچار افسردگی است یا خیر
۶-ربات های جراح با دقت ۹۵٪ روز به روز کیفیت جراحی را می افزایند
۷- تشخیص زودهنگام بیماری
الگوریتم های نوین توانستند علائم بیماری ابولا را ۹ روز زودتر تشخیص دهند.

#هوش_مصنوعی #یادگیری_عمیق
🆔 @Ai_Tv

📍This electric paint will turn almost any surface into an interactive surface

#اینترنت_اشیا #تکنولوژی
#technology #iot
🆔 @Ai_Tv

📍 قابلیت زیرنویس خودکار اندروید ۱۰ در پیکسل ۴ ارائه می‌شود

🔹با توجه به آنالیز صداها از منبع حتی در صورت قطع صدا هم زیرنویس به نمایش در می آید؛ بنابرین این قابلیت نه تنها به افراد ناشنوا اجازه می دهد از محتوای صوتی فیلم‌ها، پادکست‌ها و بازی‌ها مطلع شوند بلکه زمانی که کاربران عادی هم مایل به دیدن ویدیو بدون پخش صدا هستند اما به هدفون دسترسی ندارند، Live Caption به داد آنها می رسد.

زیرنویس زنده به لطف یادگیری ماشینی محلی در دستگاه ها میسر شده و بنابرین برای اجرای آن نه نیازی به اینترنت است و نه دیتایی به سرویس های ابری ارسال می شوند. کپشن زنده فعلا تنها با زبان انگلیسی سازگار است اما گوگل قصد اضافه کردن زبان های دیگری را هم در آینده دارد

#یادگیری_ماشین
🆔 @Ai_Tv