🔺سخنرانی پروفسور مارسلو میلراد ادامه دارد و تا دقایقی دیگر، گفتگو و پرسش از ایشان را خواهیم داشت.

🔹 هم اکنون سخنرانی پروفسور امید فتاحی آغاز شده است. از عزیزانی که تا این لحظه با ما همراه هستند، سپاسگزاریم.

📱شبکه‌های اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter:  @Frontiers_sci
🆔 Telegram: @Frontiers_sci

📝📌 گزارش روزنامه اطلاعات از کنفرانس بین المللی هوش مصنوعی، دانشگاه صنعتی شریف

🔵هوش مصنوعی: فلسفه، هنر و آموزش

🔴فراخوان ارسال یادداشت و مقاله به فصلنامه علمی-تخصصی ارغوان نامه شماره تابستان

🔴فصلنامه علمی تخصصی ارغوان نامه، به صاحب امتیازی موسسه مطالعات فرهنگی اجتماعی وزارت علوم و فناوری،  در سومین شماره خود که  به موضوع 《هوش مصنوعی》 خواهد پرداخت. از اساتید، نویسندگان و علاقمندان به این حوزه از مطالعات دعوت می شود که مطالب خود را در قالب  مقاله، یادداشت و جستار به این مجله علمی تخصصی ارسال نمایند.

🔴راه ارتباطی با مجله از طریق آدرس پست الکترونیکی
arghavanname.iscs.ir@gmail.com
و آیدی تلگرام:
@Dinparast1354

🖼 عکس یادگاری، دقایق پایانی کنفرانس بین المللی هوش مصنوعی
۲ خرداد ۱۴۰۲
دانشگاه صنعتی شریف
این کنفرانس میزبان ۱۹۰ شرکت کننده بود.


💟 Instagram: @Frontiers_sci
💟 Twitter:  @Frontiers_sci
🆔 Telegram: @Frontiers_sci

🔴 اطلاعیه
شرکت کنندگان محترم کنفرانس بین المللی هوش مصنوعی،
📌 فایل پاورپوینت سخنرانان و نظرسنجی در روز یکشنبه ۷ خرداد؛
📌 و گواهینامه تا پایان روز سه شنبه ۹ خرداد؛
به ایمیل شما ارسال خواهد شد.

دبیرخانه کنفرانس بین المللی هوش مصنوعی
دانشگاه صنعتی شریف

🟡🟢 شرکت کنندگان محترم کنفرانس هوش مصنوعی, گواهینامه، صوت و پاورپوینت سخنرانی‌ها به پست الکترونیکی شما ارسال شده است، لطفا بررسی بفرمایید.

💟 Instagram: @Frontiers_sci
💟 Twitter:  @Frontiers_sci
🆔 Telegram: @Frontiers_sci

🔴 شرکت کنندگان گرامی کنفرانس هوش مصنوعی

📊 خواهشمند است به منظور آگاهی تیم برگزاری رویداد از نظرات ارزشمند شما، فرم نظرسنجی که به ایمیل شما ارسال شده است را تکمیل بفرمایید.

🔴 گزارش تصویری کنفرانس بین المللی هوش مصنوعی
۲ خرداد 1402
#دانشگاه_صنعتی_شریف


💟 Instagram: @Frontiers_sci
💟 Twitter:  @Frontiers_sci
🆔 Telegram: @Frontiers_sci

🔴 مراحل یادگیری هوش مصنوعی

🔻هوش مصنوعی را می‌توان در سطوح مختلف فراگرفت.
1⃣ در سطحی‌ترین حالت صرفاً کاربر و استفاده‌کننده هوش مصنوعی هستید.

2⃣ در حالت دوم می‌توانید توسعه‌دهندۀ ساده باشید مثل کسی که قطعات LEGO را به هم وصل می‌کند اجزای مختلف یک شبکه عصبی ژرف را به هم متصل کنید تا شبکۀ جدید بسازید بی‌آنکه بدانید با چه منطقی دارید این کار را می‌کنید یا درون هر قطعه چیست.

3⃣ در حالت سوم دانش و بینش عمیقی نسبت به اجزای یک الگوریتم یادگیری ماشین یا شبکه عصبی ژرف دارید، با ریاضیات و پایه‌های الگوریتمی آن به خوبی آشنایید و علاوه بر «چیست» می‌توانید به سؤال «چرا» پاسخ دهید.

⁉️ مثلاً چرا یک لایۀ Convolutional برای تصویر بهتر از یک لایۀ Fully Connected کار می‌کند؟
⁉️ چرا Transformerها نسبت به RNN عمل‌کرد بهتری در پردازش زبانهای طبیعی دارند؟
⁉️ چرا در یک Transformer از اتصال Residual استفاده می‌شود؟

🎯 اگر قصدتان حالت سوم است یعنی می‌خواهید دانش و بینش عمیقی نسبت به هوش مصنوعی داشته باشید و بتوانید آن را توسعه دهید به یک «هرم یادگیری» نیاز دارید.

🔰🔰 «حداقل» درس‌های لازم در این هرم:

🔶 در قاعده هرم، درس‌های پیش‌نیاز قرار می‌گیرند که رسیدن به سطوح بالاتر هرم نیاز به یادگیری آنها دارید. «زبان برنامه‌نویسی پایتون»، «ریاضیات عمومی» رشته‌های فنی دانشگاه در حدی که مشتق، انتگرال و گرادیان را به خوبی بشناسید، «جبرخطی» و «احتمال و آمار»، اصلی‌ترین پایه‌ها هستند.

🔶 تسلط به برنامه‌نویسی ممکن نیست مگر با فهم عمیقی از داده‌ساختارها و الگوریتمها.
می‌توانید از درسهای رایگان «داده‌ساختارها و الگوریتمها» و «طراحی و تحلیل الگوریتمها» استفاده کنید. اما برای تسلط به الگوریتمها ضروریست تمرین نظری و عملی فراوانی داشته باشید.

🔶 سپس آماده گذراندن درسهای
Machine Learning
و
Deep Learning
هستید.
محتوای این درسها بسته به ارائه‌کننده و سال ارائه متفاوت است.

🔶 الگوریتمهای یادگیری ماشین در طول زمان تحول چشم‌گیری داشته‌اند:

روشهای کلاسیک نظیر SVM و PCA از چند دهه پیش مورد استفاده قرار می‌گرفتند
ولی در دهه اخیر معماری
Deep Neural Networks
رشد حیرت‌انگیزی کرد و در اکثر مسائل، به خصوص زمانی که داده‌ی کافی وجود دارد، جایگزین روشهای کلاسیک شد.

هر دو گروه الگوریتمها را به خوبی فرابگیرید چرا که فهم عمیق روشهای کلاسیک در هنگام یادگیری و توسعه شبکه‌های عصبی ژرف به شما کمک شایانی خواهد کرد.
در بعضی از دوره‌های درسی، تمرکز اصلی روی روشهای کلاسیک است ولی دوره‌های جدیدتر روشهای ژرف را هم پوشش می‌دهد.

🔶 سپس می‌توانید به طور تخصصی وارد یکی از حوزه‌های هوش مصنوعی شوید و آن زمینه را ادامه دهید، مثلاً ممکن است بخواهید برای تولید تصویر و ویدئو دوره‌های
Stable Diffusion
را بگذرانید، یا برای پردازش متن به GPT مسلط شوید، یا برای طراحی دارو از
Graph Neural Networks
استفاده کنید.

🔴 منابع آموزشی

اگر به زبان انگلیسی مسلطید از سایتهای زیر استفاده کنید:
Coursera,
edX,
DeepLearning.ai
& fast.ai


💟 Instagram: @Frontiers_sci
💟 Twitter:  @Frontiers_sci
🆔 Telegram: @Frontiers_sci