موتور جستجویی که می تواند جایگزین Google Scholar گردد !!
❇️ @AI_Python
محققان، دانشمندان و دانشگاهیان سراسر جهان هر سال حدود 2.5 میلیون #مقاله علمی چاپ میکنند و از سال 1665 تا به امروز مجموعهای حاوی بیش از 50 میلیون مقاله منتشر شده است. علاوه بر این، سرعت انتشار این مقالات علمی توسط محققان روز به روز در حال افزایش است. به این ترتیب دانشمندان نمیتوانند تمامی مقالههای منتشر شده در حوزه تخصصیشان را مطالعه کنند و جستجوی یک مقاله خاص میتواند بسیار دشوار و وقت گیر باشد.
❇️ @AI_Python
اینجاست که Paul Allen، یکی از موسسان مایکروسافت و مدیر موسسه غیر انتفاعی Allen Institute for Artificial Intelligence وارد عمل میشود. جدیدترین دستاورد Allen Institue یک موتور جستجو به نام Semantic Scholar است که میتواند به دنبال مقالات علمی بگردد و از فناوری یادگیری ماشینی و سایر سیستمهای هوش مصنوعی استفاده کند.
❇️ @AI_Python
موتور جستجوی Semantic Scholar از نوامبر سال 2015 میلادی با تمرکز بر مقالات علوم کامپیوتر شروع به کار کرده است. این سرویس اکنون توسعه پیدا کرده و شامل مقالات مربوط به علوم اعصاب هم میشود، به این ترتیب پایگاه داده Semantic Scholar اکنون از بیش از 10 میلیون مقاله علمی تشکیل میشود.
❇️ @AI_Python
موتور Semantic Scholar در واقع میتواند جایگزین Google Scholar شود و برای تجزیه و تحلیل تک تک مقالات از سیستمهای هوش مصنوعی و الگوریتمهای پردازش زبان طبیعی استفاده میکند.
❇️ @AI_Python
گرچه Google Scholar و PubMed نیز منابع مفیدی هستند، زمانی که حرف از فراداده در میان باشد، نمیتوانند عملکرد مطلوبی داشته باشند، برای مثال اینکه نام این نویسنده یا مقاله چند بار چند بار ذکر شده است، این مقاله روی چه ارگانیسمی تست شده است، آیا این مقاله به فلان متغیر اختلاطی اشاره کرده است؟
❇️ @AI_Python
👈🏻 موتور Semantic Scholar تمامی متن مقاله را تحلیل میکند و با توجه به اینکه در آن حوزه به خصوص صدها هزار مقاله خوانده است، میتواند به خوبی به دنبال عبارات کلیدی که از نظرش اهمیت بالایی دارند، بگردد. این موتور جستجو از پردازش زبان طبیعی استفاده میکند به این ترتیب میتواند تشخیص دهد که یک مقاله در حال بررسی نتایج شخصی است یا نتایج یک تحقیق و تجربه دیگر را مورد بحث قرار داده است و به همین روش میتواند به جزییات بسیار کلیدی برای مثال متدها، مواد، نوع حیوانات و نواحی خاصی از مغز که مورد تست قرار گرفتهاند دسترسی پیدا کند. نتایج سرچ در Semantic Scholar بسیار سریع نمایش داده می شوند، ارتباط بالایی با موضوع مورد جستجو دارند و به خوبی دسته بندی شدهاند.
❇️ @AI_Python
این تنها مراحل ابتدایی درخشش Semantic Scholar است، Allen و تیم او قصد دارند بزودی کتابخانه کاملی از تحقیقات پزشکی را نیز به این سرویس اضافه کنند.
❇️ @AI_Python
✳️ نشانی سایت:
🌎 https://www.semanticscholar.org
🔔منبع : اپلای کافه
❇️ @AI_Python
محققان، دانشمندان و دانشگاهیان سراسر جهان هر سال حدود 2.5 میلیون #مقاله علمی چاپ میکنند و از سال 1665 تا به امروز مجموعهای حاوی بیش از 50 میلیون مقاله منتشر شده است. علاوه بر این، سرعت انتشار این مقالات علمی توسط محققان روز به روز در حال افزایش است. به این ترتیب دانشمندان نمیتوانند تمامی مقالههای منتشر شده در حوزه تخصصیشان را مطالعه کنند و جستجوی یک مقاله خاص میتواند بسیار دشوار و وقت گیر باشد.
❇️ @AI_Python
اینجاست که Paul Allen، یکی از موسسان مایکروسافت و مدیر موسسه غیر انتفاعی Allen Institute for Artificial Intelligence وارد عمل میشود. جدیدترین دستاورد Allen Institue یک موتور جستجو به نام Semantic Scholar است که میتواند به دنبال مقالات علمی بگردد و از فناوری یادگیری ماشینی و سایر سیستمهای هوش مصنوعی استفاده کند.
❇️ @AI_Python
موتور جستجوی Semantic Scholar از نوامبر سال 2015 میلادی با تمرکز بر مقالات علوم کامپیوتر شروع به کار کرده است. این سرویس اکنون توسعه پیدا کرده و شامل مقالات مربوط به علوم اعصاب هم میشود، به این ترتیب پایگاه داده Semantic Scholar اکنون از بیش از 10 میلیون مقاله علمی تشکیل میشود.
❇️ @AI_Python
موتور Semantic Scholar در واقع میتواند جایگزین Google Scholar شود و برای تجزیه و تحلیل تک تک مقالات از سیستمهای هوش مصنوعی و الگوریتمهای پردازش زبان طبیعی استفاده میکند.
❇️ @AI_Python
گرچه Google Scholar و PubMed نیز منابع مفیدی هستند، زمانی که حرف از فراداده در میان باشد، نمیتوانند عملکرد مطلوبی داشته باشند، برای مثال اینکه نام این نویسنده یا مقاله چند بار چند بار ذکر شده است، این مقاله روی چه ارگانیسمی تست شده است، آیا این مقاله به فلان متغیر اختلاطی اشاره کرده است؟
❇️ @AI_Python
👈🏻 موتور Semantic Scholar تمامی متن مقاله را تحلیل میکند و با توجه به اینکه در آن حوزه به خصوص صدها هزار مقاله خوانده است، میتواند به خوبی به دنبال عبارات کلیدی که از نظرش اهمیت بالایی دارند، بگردد. این موتور جستجو از پردازش زبان طبیعی استفاده میکند به این ترتیب میتواند تشخیص دهد که یک مقاله در حال بررسی نتایج شخصی است یا نتایج یک تحقیق و تجربه دیگر را مورد بحث قرار داده است و به همین روش میتواند به جزییات بسیار کلیدی برای مثال متدها، مواد، نوع حیوانات و نواحی خاصی از مغز که مورد تست قرار گرفتهاند دسترسی پیدا کند. نتایج سرچ در Semantic Scholar بسیار سریع نمایش داده می شوند، ارتباط بالایی با موضوع مورد جستجو دارند و به خوبی دسته بندی شدهاند.
❇️ @AI_Python
این تنها مراحل ابتدایی درخشش Semantic Scholar است، Allen و تیم او قصد دارند بزودی کتابخانه کاملی از تحقیقات پزشکی را نیز به این سرویس اضافه کنند.
❇️ @AI_Python
✳️ نشانی سایت:
🌎 https://www.semanticscholar.org
🔔منبع : اپلای کافه
⚡️ثبت نام دوره"داده کاوی Data mining"
☎️ مشاوره و ثبت نام: ۶۶۰۷۵۶۲۶ - ۶۶۰۷۵۶۴۱
@jdsharif_bot
@jsharif
اینستاگرام
https://www.instagram.com/jdsharif
🌐Sctae.info
☎️ مشاوره و ثبت نام: ۶۶۰۷۵۶۲۶ - ۶۶۰۷۵۶۴۱
@jdsharif_bot
@jsharif
اینستاگرام
https://www.instagram.com/jdsharif
🌐Sctae.info
✅ کتاب الکترونیکی «یادگیری عمیق با زبان جاوا اسکریپت »
Deep Learning with JavaScript
François Chollet , Shanqing Cai, Stanley Bileschi, Eric D. Nielsen
#آموزش #کتاب #یادگیری_عمیق
🔔 Link Review
❇️ @AI_Python
Deep Learning with JavaScript
François Chollet , Shanqing Cai, Stanley Bileschi, Eric D. Nielsen
#آموزش #کتاب #یادگیری_عمیق
🔔 Link Review
❇️ @AI_Python
✅ کتاب الکترونیکی
The Hundred-Page Machine Learning Book by Andriy Burkov.
#کتاب #آموزش #یادگیری_ماشین
🔔 Link Review
❇️ @AI_Python
The Hundred-Page Machine Learning Book by Andriy Burkov.
#کتاب #آموزش #یادگیری_ماشین
🔔 Link Review
❇️ @AI_Python
✅ پردازش زبان طبیعی و مراقبتهای بهداشتی: درک زبان پزشکی
#پردازش_زبان_طبیعی #آموزش
🔔 Link Review
❇️ @AI_Python
#پردازش_زبان_طبیعی #آموزش
🔔 Link Review
❇️ @AI_Python
✅ مقاله ای مناسب برای کسایی که قصد ورود به آموزش معماری شبکه عصبی دارند
How deep is deep enough? - Optimizing deep neural network architecture
#آموزش #هوش_مصنوعی #یادگیری_ماشین #یادگیری_عمیق #شبکه_عصبی
🔔 Link Review
❇️ @AI_Python
How deep is deep enough? - Optimizing deep neural network architecture
#آموزش #هوش_مصنوعی #یادگیری_ماشین #یادگیری_عمیق #شبکه_عصبی
🔔 Link Review
❇️ @AI_Python
This media is not supported in your browser
VIEW IN TELEGRAM
✅ با استفاده از این افزونه گوگل کروم کل پیج گیتهاب را در گوگل کولب ژوپیتر باز کنید.
#یادگیری_ماشین #یادگیری_عمیق #آموزش
🔔 Link Review
❇️ @AI_Python
#یادگیری_ماشین #یادگیری_عمیق #آموزش
🔔 Link Review
❇️ @AI_Python
همکار گرامی
پرسشنامه ای که تقدیم حضورتان می شود در راستای انجام پژوهشی با عنوان " ارزیابی اثربخشی فاکتورهای کلیدی رسانه های اجتماعی بر ظرفیت جذب، خلق دانش و عملکرد نوآورانه در شرکت های تجاری مبتنی بر شبکه های عصبی مصنوعی" می باشد. بدون شک اطلاعاتی که شما ارائه می کنید مرا در درک بهتر میزان تاثیر این متغیرها یاری خواهد کرد. قطعا اعتبار و ارزش یافته های پژوهش به نظرات سنجیده شما بستگی دارد.
از اینکه وقت خود را در اختیارم گذاشته و با همکاری خود مرا در پیشبرد این پژوهش کمک می کنید، بسیار سپاسگزارم. شایان ذکر است اطلاعات شما به صورت محرمانه حفظ خواهد شد.
http://www.cafepardazesh.ir/form/view.php?id=13077664
پرسشنامه ای که تقدیم حضورتان می شود در راستای انجام پژوهشی با عنوان " ارزیابی اثربخشی فاکتورهای کلیدی رسانه های اجتماعی بر ظرفیت جذب، خلق دانش و عملکرد نوآورانه در شرکت های تجاری مبتنی بر شبکه های عصبی مصنوعی" می باشد. بدون شک اطلاعاتی که شما ارائه می کنید مرا در درک بهتر میزان تاثیر این متغیرها یاری خواهد کرد. قطعا اعتبار و ارزش یافته های پژوهش به نظرات سنجیده شما بستگی دارد.
از اینکه وقت خود را در اختیارم گذاشته و با همکاری خود مرا در پیشبرد این پژوهش کمک می کنید، بسیار سپاسگزارم. شایان ذکر است اطلاعات شما به صورت محرمانه حفظ خواهد شد.
http://www.cafepardazesh.ir/form/view.php?id=13077664
Forwarded from IELTS Teachers' Touch (Farzad🦅)
🦋You have become cocky lately.
🐛تازگیا خیلی دم در اوردی.
🦋Don't tread on his toes.
🐛پا رو دمش نزار.
🦋You cut no ice.
🐛حنات رنگی نداره.
👇👇👇
✅@easy_IELTS_TOEFL
🐛تازگیا خیلی دم در اوردی.
🦋Don't tread on his toes.
🐛پا رو دمش نزار.
🦋You cut no ice.
🐛حنات رنگی نداره.
👇👇👇
✅@easy_IELTS_TOEFL
BlackBox NLP 2018 slides
یادگیری RNN برای پردازش زبان
#پردازش_زبان_طبیعی #آموزش #شبکه_عصبی #یادگیری_ماشین #آموزش
🔔 Link Review
❇️ @AI_Python
یادگیری RNN برای پردازش زبان
#پردازش_زبان_طبیعی #آموزش #شبکه_عصبی #یادگیری_ماشین #آموزش
🔔 Link Review
❇️ @AI_Python
✅ کتاب الکترونیکی «تفکر آماری برای تحلیل دیتا»
Think Stats Exploratory Data Analysis in Python
«شدیدا پیشنهاد میشود که این کتاب مطالعه شود.»
#کتاب #آموزش #آمار #پایتون
🔔 GitHub code examples
🔔 Link Review
❇️ @AI_Python
Think Stats Exploratory Data Analysis in Python
«شدیدا پیشنهاد میشود که این کتاب مطالعه شود.»
#کتاب #آموزش #آمار #پایتون
🔔 GitHub code examples
🔔 Link Review
❇️ @AI_Python
✅ هوش مصنوعی برای تولید بازی های رایانه ای
🔔 AI for Game Production
🔔 Automated Game Design via Conceptual Expansion
#هوش_مصنوعی #آموزش #بازی_سازی #مقاله
❇️ @AI_Python
🔔 AI for Game Production
🔔 Automated Game Design via Conceptual Expansion
#هوش_مصنوعی #آموزش #بازی_سازی #مقاله
❇️ @AI_Python