🎥 #فیلم؛
این تبلیغ اپل نامزد جایزه بهترین تبلیغ شد.
(یادگیری عمیق به کمک قربانیان می‌شتابد.)
با زیرنویس فارسی
منبع: @AI_Python
#DeepLearning
@embedded

🔸 #تازه_ها ؛
تنسورفلو نسخه ۱.۱۱ منتشر شد!

https://github.com/tensorflow/tensorflow/releases/tag/v1.11.0

#TensorFlow
#AI #DeepLearning

@embedded

🔸 #خبر؛

✅ #هوش_مصنوعی ، مربی جدید یک تیم انگلیسی!

👈 باشگاه وینگیت و فینچلی در دسته هفتم انگلیس، نرم افزاری مجهز به هوش مصنوعی را به عنوان سرمربی انتخاب کرده است.

👈 این محصول خاص توسط گروه Big Bang Fairسفارش داده شده و دیو نورمن، رئیس باشگاه ویگنیت و فینچلی، مطمئن است که هوش مصنوعی در #فوتبال موفق خواهد بود.

👈 تیم دیسون از آزمایشگاه گرین شات منتظر است تا تاثیر تکنولوژی را روی بازی های فوتبال در انگلیس مشاهده کند. دیسون در این رابطه گفت:" باید ببینیم که استفاده از هوش مصنوعی در محیط فوتبال چه تاثیری خواهد داشت و برای اولین بار مقابل یک تیم بدون لیگ استفاده خواهد شد. البته استفاده از این سیستم کار دشواری نیست زیرا تنها چند هفته وقت لازم است تا یک هوش مصنوعی را رشد دهید و آنها را با موضوعات فوتبالی و ... آشنا کنید.

👈 در طول زمان، هوش مصنوعی با اطلاعاتی که دریافت می‌کند، می‌تواند تاکتیک های بهتری ارائه کند.

📑 به نقل از ورزش ۳

#Ai
#DeepLearning
#Sport
@embedded

🗓 #رویداد سمپوزیوم #نوروساینس شریف؛


✅ کارگاه #یادگیری_عمیق

👥 برگزارکنند‌گان:
🔸 دکتر حمید کربلایی آقاجان
🔹 دکتر مهدیه سلیمانی
🔸 حسین حسنی
🔹 سپهر تراب‌پرهیز

📆 هشتم اسفند ۱۳۹۷
⏰ ساعت ۸ الی ۱۶

📎 لینک ثبت نام:
📎 sns.ee.sharif.edu/workshops


#DeepLearning
#NeuroScience
#AI
@embedded

🔸 #تازه_ها ؛

✅ محققان قادر به بازسازی گفتار از سیگنال های مغزی شدند.

👈 محققان دانشگاه کلمبیا با استفاده از فناوری #یادگیری_عمیق موفق به بازسازی دقیق و هوشمند سیگنال های دریافتی از کورتکس شنوایی مغز شدند.

👈 این یافته مهم پژوهشی که می تواند زمینه ساز بهبود زندگی افراد لال شود با تلاش های دانشمند ایرانی 🇮🇷 ، دکتر #نیما_مسگرانی 👏 حاصل شده است.

📌 جزئیات بیشتر را از Nature بخوانید.

#NeuroScience
#DeepLearning
#Ai
@embedded

🗓 #رویداد سمپوزیوم #نوروساینس شریف؛


✅ کارگاه #یادگیری_عمیق

👥 برگزارکنند‌گان:
🔸 دکتر حمید کربلایی آقاجان
🔹 دکتر مهدیه سلیمانی
🔸 حسین حسنی
🔹 سپهر تراب‌پرهیز

📆 هشتم اسفند ۱۳۹۷
⏰ ساعت ۸ الی ۱۶

🏷 هزینه ثبت نام : صد و سی هزار تومان

📎 لینک ثبت نام:
📎 https://pedu.sharif.edu/events/details/1035


#DeepLearning
#NeuroScience
#AI
@embedded

🎥 #فیلم؛
وقتی #هوش_مصنوعی درگیر "طمع" میشه و از انسان شکست می خوره!


#Ai
#DeepLearning

@embedded

📖 #دانلود_کتاب

🔸 یادگیری عمیق نهفته

🔹 آشنایی با الگوریتم ها، معماری و سایر تکنیک ها برای پیاده سازی "یادگیری عمیق نهفته"

👈 کتابی مناسب برای استفاده توسعه دهندگان سیستم های نهفته و علاقه مندان حوزه #هوش_نهفته

📇 #Springer 2019


#embeddedAI
#DeepLearning
#AI
🔸 #دانلود_کتاب های مرتبط با #مهندسی_نهفته را دنبال کنید.👇
@embedded
@embeddedAI

📖 #دانلود_کتاب

🔸 یادگیری عمیق نهفته

🔹 آشنایی با الگوریتم ها، معماری و سایر تکنیک ها برای پیاده سازی "یادگیری عمیق نهفته"

👈 کتابی مناسب برای استفاده توسعه دهندگان سیستم های نهفته و علاقه مندان حوزه #هوش_نهفته

📇 #Springer 2019


#embeddedAI
#DeepLearning
#AI
🔸 #دانلود_کتاب های مرتبط با #مهندسی_نهفته را دنبال کنید.👇
@embedded

🔸#تازه_ها
استفاده از هوش مصنوعی و یادگیری ماشین در فضاپیماها
به‌دلیل قابلیت بالای deep learning در ارائه هوش محاسباتی پیچیده ، هوش مصنوعی به گزینه جذابی جهت بهبود اجرای عملیات ها و کاهش هزینه های عملیاتی علی‌الخصوص هزینه های ارتباطی، تبدیل شده است .
#DeepLearning
@embedded

✅ پردازش های هوش مصنوعی روی میکروکنترلر با ELL؟

ایده های متنوعی برای #پردازش_لبه ای هوش مصنوعی وجود دارد، یکی از این ایده ها و راهکارها استفاده از Embedded Learning Library (ELL) معرفی شده توسط #مایکروسافت میباشد.

👈 ای ال ال، یک کامپایلر هست که مدل های یادگیری عمیق فریمورک های یادگیری همچون تنسورفلو، پایتورچ و.. در فرمت ONNX را به کدماشین تبدیل میکند و شما میتوانید از آن در برنامه های نهفته به زبان C++،  و یا Python استفاده کنید.

📌 تصویر بالا مربوط به ارایه ای مربوط به این کتابخانه متن باز هست که از طریق این لینک قابل دسترسی است.

#ELL #DeepLearning
#SBC #embeddedAI

🔸 #هوش_نهفته را دنبال کنید.
T.me/embeddedAI
T.me/embedded

How Uber use Deep learning for Expected Time of Arrival (ETA) prediction.

#ai
#DeepLearning
@embedded

توسعه مبتنی بر CUDA با CUTLASS 4.0 آسان می‌شود.

توسعه مبتنی بر CUDA با چالش و دشواری همراه بود که خصوصا استفاده از آن برای نمونه‌سازی اولیه منطقی نبود که با معرفی فریمورک جدید CUTLASS مشکل برطرف شد.

کوتلاس، یک فریمورک توسعه کرنل‌های CUDA با ترکیب پایتون و C++ ارائه می‌دهد. با استفاده از DSLهای پایتون مانند CuTe، مفاهیم پیشرفته مانند چینش داده‌ها (Layouts)، تانسورها و عملیات اتمی سخت‌افزاری (Atoms) به سادگی قابل پیاده‌سازی هستند. این روش با کامپایل JIT از طریق MLIR و ptxas، امکان توسعه سریع‌تر، اشکال‌زدایی آسان‌تر و کارایی نزدیک به کد C++ را فراهم می‌کند. CUTLASS DSLها جایگزین نسخه C++ نیستند، بلکه ابزاری برای پروتوتایپ سریع و یادگیری آسان‌تر مفاهیم GPU هستند. نسخه فعلی (بتا) محدودیت‌هایی دارد، اما نسخه نهایی تا تابستان ۲۰۲۵ منتشر می‌شود.

NVIDIA’s CUTLASS 4.0 merges Python’s ease with CUDA’s power via DSLs like CuTe, simplifying GPU kernel dev. Key features:
- Layouts, Tensors & Atoms for hardware-aware programming
- Pythonic syntax + JIT compilation (MLIR/ptxas) for fast iteration
- Near-C++ performance with optimized CUTLASS primitives
- Not a C++ replacement—supports rapid prototyping & education
Currently in public beta (sometomorrow m limitations), with full release planned for Summer 2025. Ideal for researchers, students, and perf engineers.



Read more from Nvidia

مطلب مرتبط:
استارتاپ‌های تراشه‌ای؟

#GPU
#Nvidia
#DeepLearning
#EmbeddedAI

@embedded