📣🧠 آرزوی شبیه‌سازی مغز انسان...


✅ یکی از گروه‌های تحقیقاتی بین‌المللی که در چند سال اخیر با رشد فوق‌العاده‌ای پژوهش‌های نابی را انجام داده، DeepMind است که در حال حاضر عضوی از شرکت Google هستند. از زمان پیدایش DeepMind، این تیم تحقیقاتی تمرکز عمیقی بر روی یکی از الگوریتم‌های یادگیری ماشین تحت عنوان یادگیری تقویتی داشته‌اند. در این خبر هم در مورد یکی از کارهای اخیر این تیم در مورد شبیه سازی مکانیزم یادگیری مغز انسان، گزارشی منتشر شده است:
https://www.independent.co.uk/life-style/gadgets-and-tech/news/artificial-intelligence-deepmind-ai-human-brain-neuroscience-a9286661.html

🗂 لیستی از مقالات DeepMind:
https://deepmind.com/research?filters=%7B%22collection%22:%5B%22Publications%22%5D%7D

🔴 مقاله چاپ شده در ژورنال Nature:
https://www.nature.com/articles/s41586-019-1924-6

✳️ آشنایی با زمینه‌های تحقیقاتی DeepMind:
https://deepmind.com/research


💎Join Us: @AI_Lessons

#news

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (copies and views in Numpy)
⏱Duration: 00:09:46
📺 Aparat Link: www.aparat.com/v/UFIJ9
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: Numpy.org
🗂 Further Considerations: t.me/AI_Lessons_lib/8, t.me/AI_Lessons_lib/11

📃 About:
زمانی که با متدهای موجود در نامپای کار می‌کنیم، برخی از آنها یک کپی از آرایه و برخی دیگر یک زاویه مشاهده جدید به آرایه را برمی‌گردانند. تفاوت بین کپی و مشاهده در چیست؟ توو این ویدیو به توضیح این دو مفهوم پرداخته شده است.

💎Join Us: @AI_Lessons

#educational_video

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (broadcasting rules in Numpy)
⏱Duration: 00:13:56
📺 Aparat Link: www.aparat.com/v/UhzIj
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: Numpy.org
🗂 Further Considerations: t.me/AI_Lessons_lib/8, t.me/AI_Lessons_lib/11

📃 About:
با استفاده از broadcasting، نامپای می‌تواند تحت شرایطی محاسبات بین آرایه‌ای را با وجود تفاوت بعد انجام دهد. اگه یادتون باشه ی عدد می‌تونست در یک بردار ضرب بشه، این امکان بخاطر broadcasting نامپای هست که با وجود تفاوت بعد امکان ضرب فراهم شده. توو این بخش به موضوع broadcasting پرداخته شده که برای کارهای آیندمون بسیار کاربردی خواهد بود.

💎Join Us: @AI_Lessons

#educational_video

📣 کاربرد هوش مصنوعی در علوم زیستی


✅ در یکی از مقالاتی که در سال 2018 در Nature به چاپ رسیده است به یکی از کاربردهای الگوریتم‌های هوشمند در علوم زیستی اشاره و بررسی شده است. همانطور که در اینجا گفتم کاربردهای هوش مصنوعی بی‌شماره. یکی از روش‌هایی که اخیرا بازخوردهای خوبی در علوم زیستی داشته، به کارگیری شبکه‌های عصبی عمیق مصنوعیست. در این مقاله هدف اصلی طبقه‌بندی و تحلیل داده‌های زیستی مانند تصاویر نورون هست. به مرور به کاربردهای دیگر نیز اشاره خواهیم کرد و در پارت‌های آتی زوایای دقیق و فنی آن تدریس خواهد شد.

🔴 مقاله چاپ شده در ژورنال Nature:
https://www.nature.com/articles/d41586-018-02174-z


💎Join Us: @AI_Lessons

#news

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (broadcasting rules in Numpy)
⏱Duration: 00:13:56
📺 Aparat Link: www.aparat.com/v/UhzIj
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: Numpy.org
🗂 Further Considerations: t.me/AI_Lessons_lib/8, t.me/AI_Lessons_lib/11

📃 About:
با استفاده از broadcasting، نامپای می‌تواند تحت شرایطی محاسبات بین آرایه‌ای را با وجود تفاوت بعد انجام دهد. اگه یادتون باشه ی عدد می‌تونست در یک بردار ضرب بشه، این امکان بخاطر broadcasting نامپای هست که با وجود تفاوت بعد امکان ضرب فراهم شده. توو این بخش به موضوع broadcasting پرداخته شده که برای کارهای آیندمون بسیار کاربردی خواهد بود.

❌ پ.ن: صرفا ویدیو هم به پست اضافه شده است. محتوا با این پست یکسان است.

💎Join Us: @AI_Lessons

#educational_video

🔔✅ از هفته بعد مباحث مربوط به الگوریتم‌های یادگیری ماشین مقدماتی به همراه پیاده‌سازی در کانال قرار میگیره.

⚠️ توجه: در صورتی که به پایتون و نامپای تسلط نسبی را ندارید، حتما آموزش‌های قبلی موجود در کانال رو ببینین. تمرین فراموش نشه!🙂


💎 با ما همراه باشین و بقیه دوستانی که به این مباحث علاقه‌مند هستند رو دعوت کنید:
@AI_Lessons

#course

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (linear algebra in Numpy)
⏱Duration: 00:12:20
📺 Aparat Link: www.aparat.com/v/IwYrR
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: Numpy.org
🗂 Further Considerations: t.me/AI_Lessons_lib/8, t.me/AI_Lessons_lib/11

📃 About:
در ویدیوهای گذشته مطرح شده بود که از اهداف اصلی کتابخانه نامپای محاسبات ماتریسیست. محاسبات ماتریسی به عنوان قلب تپنده جبرخطیه و توو این بخش در مورد جبرخطی در نامپای صحبت کردیم. ی نگاه اولیه به روش‌های جبرخطی در نامپای!

💎Join Us: @AI_Lessons

#educational_video

🎉🎉🎉 ضمن تبریک این روز عزیز به معلمین و اساتید گرامی 🙏🏻🌷از امروز AI Lessons با لوگوی رسمی خود، فعالیتش را ادامه خواهد داد.


💎 با ما همراه باشین و بقیه دوستانی که به این مباحث علاقه‌مند هستند رو دعوت کنید:
@AI_Lessons

📣 💵کاربرد هوش مصنوعی در کسب‌و کار


✅ هوش مصنوعی در حال حاضر استفاده‌های وسیعی در کسب‌و کارها داره که میشه به خودکارسازی، آنالیز داده و پردازش زبان طبیعی اشاره کرد. در صنایع مختلف این سه حوزه باعث افزایش کارآیی شده‌اند. البته کاربردهای دیگری از هوش مصنوعی در کسب‌و کار هم وجود داره که میتونیم به پیش‌بینی رفتار مشتری اشاره کنیم. برای بررسی بیشتر به لینک زیر مراجعه کنید:
https://www.extension.harvard.edu/professional-development/blog/business-applications-artificial-intelligence-what-know-2019

🔴 مقالات علمی نیز در زمینه کاربرد هوش‌ مصنوعی در ابعاد مختلف کسب‌وکارها بی‌شمارند، در ادامه یکی از این مقالات که در Springer به چاپ رسیده، معرفی شده است:
https://link.springer.com/article/10.1007/s11747-019-00696-0


💎Join Us: @AI_Lessons

#news

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (overview in machine learning approaches)
⏱Duration: 00:14:10
📺 Aparat Link: www.aparat.com/v/mbAYS
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources:
🗂 Further Considerations: t.me/AI_Lessons_lib/14, t.me/AI_Lessons_lib/20

📃 About:
در این قسمت جایگاه هوش مصنوعی، یادگیری ماشین و مباحث داغ کنونی مانند شبکه‌های عصبی عمیق بیان شد و در ادامه پس از تعریف دیگری از یادگیری ماشین طبقه‌بندی مفصلی از رویکردها مطرح شد که می‌توان به یادگیری بدون نظارت، بانظارت، تقویتی، آماری، برخط، چندوظیفه‌ای، تقلیدی و غیره اشاره کرد. ویدیوی خیلی مهمیه و بهتون دید خوبی میده! با اینکه حدود 15 رویکرد یادگیری مختلف در این ویدیو مطرح شده ولی هنوز هم رویکردهای دیگری وجود دارند و در آینده نیز بوجود میان. الهام گرفتن از طبیعت و انسان از جمله فاکتورهای مهم برای پیشنهاد و ارائه این رویکردهاست.

✳️ پ.ن: به عنوان تمرین، هر کدام از رویکردهای مطرح شده در این ویدیو را از منابعی مثل ویکی‌پدیا مطالعه کنین.

💎Join Us: @AI_Lessons

#educational_video

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (overview in Scikit-learn)
⏱Duration: 00:07:04
📺 Aparat Link: www.aparat.com/v/BnSrc
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: scikit-learn.org
🗂 Further Considerations: t.me/AI_Lessons_lib/14, t.me/AI_Lessons_lib/20

📃 About:
ی مرور سریع در وب‌سایت scikit-learn و بررسی قسمت‌های مختلف آن و کارهایی که میتونیم با استفاده از scikit-learn انجام بدیم. بهتون برای ویدیوی بعدی (که کُدزنی با این کتابخونه هست) دید خوبی میده!

✳️ پ.ن: به عنوان فعالیت بیشتر، سایت این کتابخانه رو دقیق‌تر بررسی کنین و تا جایی که میتونین توضیحات هر قسمت رو درک کنین! توو ویدیوهای بعدی سراغ بخش‌های مختلفی از این سایت میریم خوبه که باهاش آشنا باشین...

💎Join Us: @AI_Lessons

#educational_video

📣 ✈️ کاربرد هوش مصنوعی در صنعت هواپیمایی


✅ پیشرفت در هوش مصنوعی آینده جدیدی را برای خطوط هواپیمایی ایجاد می‌کند. کاربردهایی که از هوش مصنوعی در این صنعت می‌شود انتظار داشت شامل مدیریت خدمه، نگهداری پرواز، فروش بلیط و شناسایی مسافر است و همه این کاربردها در جهت ارائه یک تجربه‌ای بی‌نظیر به مسافران است. در سایت زیر این موارد با جزئیات بیشتر ارائه شده است:
https://www.iotforall.com/how-ai-reshaping-aviation-industry/

🔴 مقاله زیر هم که در IEEE در سال 2020 به چاپ رسیده است بر روی پیش‌بینی تاخیر پروازی با استفاده از الگوریتم‌های یادگیری ماشین و کلان داده (که به مرور تدریس خواهد شد) تحقیقات خود را انجام داده است:
https://ieeexplore.ieee.org/document/8903554


💎Join Us: @AI_Lessons

#news

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (first implementation with Scikit-learn)
⏱Duration: 00:12:47
📺 Aparat Link: www.aparat.com/v/EQ19c
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: scikit-learn.org
🗂 Further Considerations: t.me/AI_Lessons_lib/14, t.me/AI_Lessons_lib/20

📃 About:
در این قسمت، بخش‌های مختلف یک کُدی که با scikit-learn زده میشه، توضیح داده شده که در قسمت‌های آتی جزئیات بیشتر هر بخش گفته میشه. در پایان ویدیو هم یک کُد کوچیک پیاده‌سازی و توضیح داده میشه که بهتون دید خوبی در مورد بخش‌های مختلف کُد سایکیتی ارائه میده.

✳️ پ.ن: به عنوان تمرین بیشتر، کد زیر را مطالعه کنید و در پایچارم یک دور اجرا کنید و هر متغییر را در محیط دیباگ بررسی کنید. فعلا جزئیات لازم نیست!
Digit Classification with Scikit-learn

💎Join Us: @AI_Lessons

#educational_video

📣 🌏 کاربرد هوش مصنوعی در پیش‌بینی زلزله


✅ چین با کمک دانشگاه علم و فناوری و همچنین مدیریت لرزه‌نگاری خود حجم وسیعی از داده‌های زمین لرزه را تجزیه و تحلیل می‌‌کند تا بتواند زلزله‌های قریب الوقوع را پیش‌بینی کند:
https://thenextweb.com/neural/2020/03/09/china-tests-ai-that-predicts-earthquakes-better-than-lousy-humans/

🔴 مقاله زیر هم که در IEEE به چاپ رسیده است بر روی پیش‌بینی زلزله با استفاده از شبکه‌های عصبی عمیق بازگشتی تحقیقات خود را انجام داده است:
https://ieeexplore.ieee.org/abstract/document/7913634


💎Join Us: @AI_Lessons

#news

سلام،

در مدل‌سازی مفهومی به نام تفسیرپذیری مدل‌هارو داریم (حتما بعدا توو درسامون بهش میرسیم) که اگه به سمت تولید چنین مدل‌هایی بریم میتونه به عنوان دستیار یک فرد متخصص "همراه با دلیل آوری" عمل کنه. مثلا فرض کنین توو همین سامانه پیش بینی زلزله، سیستم به مدیر مربوطه بگه که به نظر میاد شرایط فلان چیز خطرناک شده و میتونه نهایت به رخ داد زلزله منتهی بشه و بنابراین مدیر مربوطه بررسی دقیق‌تری توو این موضوع میکنه و میتونه جلوی خسارت گرفته بشه. در سطوح مختلف مرتبط با زلزله، هوش مصنوعی میتونه ورود پیدا کنه.

💎Join Us: @AI_Lessons

#explanation

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (dataset loading with Scikit-learn)
⏱Duration: 00:13:23
📺 Aparat Link: www.aparat.com/v/zmebi
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: scikit-learn.org
🗂 Further Considerations: t.me/AI_Lessons_lib/14, t.me/AI_Lessons_lib/20

📃 About:
در این قسمت درباره این صحبت می‌کنیم که دیتاست چیه و چطوری میشه دیتاهارو به کامپیوتر داد و چندتا مثال از نوع‌های مختلف دیتا می‌زنیم و با دو تا سایت که برای گرفتن دیتاست‌ها و بررسیشون مفیده آشنا می‌شیم و مسیر رو برای قسمت بعدیمون که load کردن دیتاست و گرفتن اون از نت هست آماده می‌کنیم.

✳️ پ.ن: به عنوان فعالیت بیشتر، دو سایت زیر را دقیق بررسی کنید و سعی کنید مشخصات دیتاست‌ها رو پیدا کنین و این مشخصات رو مشاهده کنید:
1. https://lionbridge.ai/datasets/the-50-best-free-datasets-for-machine-learning/
2. https://peykaregan.ir/dataset

💎Join Us: @AI_Lessons

#educational_video

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (dataset loading and fetching with Scikit-learn)
⏱Duration: 00:15:22
📺 Aparat Link: www.aparat.com/v/gosUq
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: scikit-learn.org
🗂 Further Considerations: t.me/AI_Lessons_lib/14, t.me/AI_Lessons_lib/20

📃 About:
در این قسمت دو رویکرد load کردن دیتاهای کوچیک و گرفتن (دانلود کردن) دیتاهای بزرگتر و استفاده از اون‌ها در کد سایکیتی رو باهاشون کار کردیم و در محیط دیباگ مشخصات دیتارو بررسی کردیم به همراه توضیحات توی سایت سایکیت لرن.

✳️ پ.ن: سایر توابعی که برای گرفتن دیتاهای کوچک یا بزرگ در سایکیت لرن استفاده می‌شود رو بررسی کنین و مشخصات دیتاهارو مطالعه کنین.

💎Join Us: @AI_Lessons

#educational_video

📣 🏞 هوش مصنوعی عکس فتوشاپ شده رو تشخیص می‌دهد!


✅ یکی از نگرانی‌هایی که پس از ظهور نرم‌افزارهایی شبیه فتوشاپ ایجاد شد، بوجود آمدن عکس‌هایی غیر واقعیت یا تقلبیست در خبر زیر هوش مصنوعی به عنوان تشخیص‌دهنده عکس ویرایش شده (توسط فتوشاپ) از بدون ویرایش (اصلی و حقیقی) استفاده شده است:
https://www.technologyreview.com/2019/06/17/239000/adobes-new-ai-tool-can-spot-when-a-face-has-been-photoshopped/


💎Join Us: @AI_Lessons

#news

سلام،

مفهوم نوظهوری تحت عنوان "جعل عمیق" در هوش مصنوعی وجود دارد. این مفهوم به این معناست که سامانه هوشمند خروجی‌هایی تولید کند که به واقعیت نزدیک باشد. مثلا در حال حاضر سامانه‌های هوشمندی داریم که می‌توانند تصاویری از طبیعت، صورت انسان و غیره تولید کند که با واقعیت تفاوت چشمگیری ندارد و تشخیص را برای انسان به شدت سخت می‌کند. البته این تولیدات منحصر به تصویر نیست و در تولید صوتی، متنی و غیره هم کارهایی انجام شده است.

از آن طرف هم سامانه‌های هوشمندی وارد میدان شدند که این تولیدات جعلی (تولیدات سامانه هوشمند) را تشخیص دهند که خبر فوق به این موضوع تشخیص اشاره دارد. دیدن لینک‌های زیر هم خالی از لطف نیست. این موضوع هم کاربردهای سرگرم‌کننده داره و هم ترسناک!
1. https://deepfakesweb.com/
2. https://www.creativebloq.com/features/deepfake-examples
3. https://medium.com/huia/live-deep-fakes-you-can-now-change-your-face-to-someone-elses-in-real-time-video-applications-a4727e06612f

[در مباحث درسی به این موضوعات خواهیم رسید]


💎Join Us: @AI_Lessons

#explanation