#خبر
◽️لیست 10 کورس محبوب تر سایت #coursera در سال 2017:
دو کورس اول مربوط به یادگیری ماشین و شبکه عصبی پروفسور Andrew Ng است. #هوش_مصنوعی و #یادگیری_ماشین، بیت کوین، برنامه نویسی، انگلیسی و مهارتهای یادگیری در لیست دروس محبوب امسال قرار گرفتند.

Artificial intelligence, bitcoin, programming, English, and learning skills top this year’s list.


1⃣Machine Learning – Stanford University
2⃣Neural Networks and Deep Learning – deeplearning.ai
3⃣Learning How to Learn: Powerful Mental Tools to Help You Master Tough Subjects – University of California, San Diego
4⃣Introduction to Mathematical Thinking – Stanford University
5⃣Bitcoin and Cryptocurrency Technologies – Princeton University
6⃣Programming for Everybody (Getting Started with Python) – University of Michigan
7⃣Algorithms, Part I – Princeton University
8⃣English for Career Development – University of Pennsylvania
9⃣Neural Networks for Machine Learning – University of Toronto
🔟Financial Markets – Yale University

🔗 https://blog.coursera.org/year-review-10-popular-courses-2017/

⁦🎞️⁩ یادگیری عمیق به زبان ساده : مقدمه مجموعه – قسمت اول

🔸آیا شما هم در توضیحات بیش از حد فنی در مورد یادگیری عمیق غرق شده اید؟ اگر این چنین است، این مجموعه شما را به این حوزه که به سرعت در حال پیشرفت است، می رساند؛ بدون ریاضیات و کد نویسی
هدف این مجموعه این است که به شما یک نقشه راهنما از مسیر پیش رو و اطلاعات لازم برای شناخت مفاهیم مهم ارائه دهد، البته بدون جزئیات بسیار زیاد که باعث سردرگمی شما شود. همچنین درمورد مفاهیمی که تا الان آشنایی دارید بیشتر توضیح خواهیم داد و مفاهیمی که نیاز به دانستن دارند را برای شما روشن خواهیم کرد. در پایان، شما خواهید توانست در مورد صرف کردن یا نکردن وقت بیشتر در این مبحث تصمیم گیری کنید.

🔻برای دریافت اطلاعت در رابطه با این مجموعه و آشنایی بیشتر با یادگیری عمیق به لینک زیر مراجعه کنید :

⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩
https://shahaab-co.ir/mag/edu/deep-learning/deep-learning-simplified-the-series-intro-ep-1/

#آموزش
#ویدیو
#یادگیری_عمیق
#مجله_شهاب

آموزش فرایند دواپس (DEVOPS) برای متخصصی علوم داده و یادگیری ماشینی
-----------------------------------------------
کورس بسیار کوتاه آموزشی زیر برای کسانی که میخواهند فرایند (devops) را در پروژه های هوش مصنوعی و یادگیری ماشین فرا بگیرند مناسب است.این کورس محصول شرکت لیندا بوده و مدت آن تنها 32 دقیقه است.
برای استفاده راحت تر ما فیلم های این کورس را به صورت یک فایل فشرده و یکپارچه به حجم 53 مگابایت برای دانلود قرار میدهیم .
اطلاعات بیشتر درباره دوره :
https://www.lynda.com/Data-Science-tutorials/DevOps-Data-Scientists/578073-2.html
#پردازش_هوشمند_آراد #یادگیری_ماشین #هوش_مصنوعی
#علوم_داده
#DEVOPS

------------------------------------------
#پردازش_هوشمند_آراد #یادگیری_ماشین #هوش_مصنوعی
#علوم_داده
#DEVOPS

⭕️خبر ساخت کامپیوتر کوانتومی توسط دانشمندان شرکت گوگل، جهان فناوری را در شگفتی فرو برده است.

روز جمعه نشریه فایننشال تایمز گزارش کرد که بر طبق مقاله‌ای از محققان گوگل، پس از سال‌ها رویای ساخت کامپیوتر کوانتومی تحقق یافته است. امری که شماری از دانشمندان آن را «کشف هزاره» لقب داده‌اند.
گزیده‌ای از مقاله منتشره توسط محققان گوگل که به رویت نشریه فایننشال تایمز رسیده است، در اوایل هفته جاری روی سایت ناسا منتشر شد اما مدتی بعد از روی سایت برداشته شد. پژوهشگران گوگل ادعا کرده‌اند پردازشگر کامپیوتر کوانتومی ساخته آنها می‌تواند محاسبه‌ای را که با پیشرفته‌ترین کامپیوتر حال حاضر جهان، موسوم به «سامیت»، ۱۰ هزار سال طول می‌کشد در ۳ دقیقه و ۲۰ ثانیه انجام دهد.قوی‌ترین ابررایانه فعلی جهان موسوم به «Summit» محصول شرکت آی‌بی‌ام آمریکا است و حدود ۲۷ هزار پردازنده گرافیکی به همراه ۲۰۰ هزار هسته پردازنده در آن به کار رفته است. پیش‌تر گمان می‌رفت کامپیوتر کوانتومی در صورت ابداع باید از ماشین پردازشگر قدرتمندی به اندازه «یک زمین فوتبال» برخوردار باشد.
محققان گوگل در مقاله خود اعلام کرده‌اند که با فناوری جدید، به مرز «برتری کوانتومی» رسیده‌اند. آنچه محققان گوگل به آن «برتری کوانتومی» نام داده‌اند، نوعی از محاسبات است که می‌تواند نمونه کامپیوترهای کلاسیک را با فاصله پشت سر بگذارد. در واقع در کامپیوترهای کلاسیک، هر واحد اطلاعات که یک بیت نامیده می‌شود دارای ارزش صفر یا ۱ است. اما در کامپیوتر کوانتومی هر بیت می‌تواند صفر و همزمان ۱ باشد و چنین چیزی اجازه می‌دهد تا امکان محاسبه چندجانبه و همزمان فراهم شود. اگر کامپیوترهای کوانتومی در مقیاس بالا ساخته شوند، آنگاه می‌توان گفت دستاوردهای غول آسا توسط بشر دست یافتنی خواهد شد و انتظار می‌رود مرزهای دانش و پیشرفت انسانی یکی پس از دیگری فرو بریزد. این امر به دلیل قابلیت پیشرفته این کامپیوترهاست.
در واقع کامپیوترهای کوانتومی می‌توانند میلیون‌ها حالت یک مسئله را در کسری از ثانیه بررسی و محاسبه کنند. امری که در علوم ریاضی، شیمی، فیزیک و زیست شناسی تا کنون امکان پذیر نبوده است.
شرکت گوگل از زمان درز خبر، از ارائه هرگونه توضیح بیشتری در خصوص کامپیوترهای کوانتومی خودداری کرده است.

https://farsi.euronews.com/2019/09/24/google-researchers-have-reportedly-achieved-quantum-supremacy-for-the-first-time
#یادگیری_ماشین_کوانتومی #هوش_مصنوعی_کوانتومی #محاسبات_کوانتومی
👇👇👇👇

https://telegram.me/joinchat/BPpyhDwOumaNQJqgWI9uDg

#یادگیری #پایتون #فیلم 👆👆

#یادگیری_عمیق دقیقا چیه؟

طی چند روز گذشته، بعضی از محقق‌های بزرگ هوش مصنوعی مانند #یان_لکان و #فرانسوا_شوله تعریف خودشون رو از دیپ لرنینگ توی سال 2019 اعلام کردند.

یان لکان:

"Some folks still seem confused about what deep learning is. Here is a definition:

DL is constructing networks of parameterized functional modules & training them from examples using gradient-based optimization. That's it.

This definition is orthogonal to the learning paradigm: reinforcement, supervised, or self-supervised.

Don't say "DL can't do X" when what you really mean is "supervised learning needs too much data to do X"

Extensions (dynamic networks, differentiable programming, graph NN, etc) allow the network architecture to change dynamically in a data-dependent way."
https://www.facebook.com/722677142/posts/10156463919392143/

فرانسوا شوله:

"What's deep learning?

The "common usage" definition as of 2019 would be "chains of differentiable parametric layers trained end-to-end with backprop".

But this definition seems overly restrictive to me. It describes *how we do DL today*, not *what it is*."
https://twitter.com/fchollet/status/1210031900695449600

اندری بورکوف:

"Looks like in late 2019, people still need a definition of deep learning, so here's mine: deep learning is finding parameters of a nested parametrized non-linear function by minimizing an example-based differentiable cost function using gradient descent."
https://www.linkedin.com/posts/andriyburkov_looks-like-in-late-2019-people-still-need-activity-6615377527147941888-ce68/

#deep_learning

📣📣📣 دوره های زیر برای مدت محدود در سایت یودمی رایگان شدند:

Machine Learning & Deep Learning in Python & R

Complete Machine Learning with R Studio - ML for 2020

Decision Trees, Random Forests, AdaBoost & XGBoost in Python

SQL Masterclass: SQL for Data Analytics

Practical MongoDB + PHP: For Absolute Beginners

Python Programming Tutorial For The Absolute Beginner + Code

Big Data on Amazon web services (AWS)

AWS Services for Solutions Architect Associate

HR Analytics using MS Excel for Human Resource Management

SaaS Marketing Masterclass - Become a Top SaaS Marketer

Build and Deploy Dialogflow Chatbot Waitress Lilis

#علم_داده #یودمی #یادگیری_ماشین #یادگیری_عمیق

🙋🏻‍♀@meteorjournal

⚠️
#جعل_عمیق یا #دیپ_فیک اولین بار شش سال پیش توسط ایان گادفلو با معرفی
شبکه های مولد تهاجمی " Generative Adversial Network " ارایه شد.
امروزه دقت این شبکه های GAN به قدری افزایش یافته که تشخیص ویدیوهای دستکاری شده و جعلی حتی برای متخصص انسانی نیز بسیار دشوار شده است.

🗣️طبق گزارش های منتشر شده، درصد قابل توجه ایی از محتوای تولید شده با این تکنولوژی در کل دنیا متأسفانه مربوط به صنعت پورنوگرافی است. در سال 2017 ویدیوی منتشر شده توسط یک کاربر در پلتفرم "ردیت" که در آن صورت بازیگران مشهور هالیودی با محتوی یک فیلم پورن جعل شده بود، سر و صدایی زیادی به پا کرد.
نگرانی دیگر از این تکنولوژی مربوط به سواستفاده در حوزه های سیاسی و امنیتی است. ویدیوی دستکاری شده از باراک اوباما که در آن ترامپ را یک احمق تمام عیار خطاب می کند به سرعت توسط کاربران سراسر دنیا در فضای مجازی دست به دست شد (⬅️برای دیدن این ویدیو ورق بزنید).
از این رو بسیاری معتقدند که فعالیت های تحقیق و توسعه ایی در این خصوص با دموکراسی و حقوق شهروندی متناقض بوده و خواهان وضع قوانین حقوقی مربوط با اینگونه فعالیت ها هستند.
البته در بسیاری از حوزه ها نظیر انیمیشن و جلوه های ویژه، بازی های کامپیوتری و سرگرمی و همچنین صنعت مدلینگ این تکنولوژی مورد استقبال چشمگیر قرار گرفته است.

📌🖋️احتمالاً بسیاری از ما تا به امروز تجربه جعل کردن و حس جاعل #imposter بودن را داشتیم. زمانیکه در کودکی جای پدر یا مادر برگه رضایت نامه اردوی مدرسه را امضا کردیم یا پشت تلفن خود را جای برادر یا خواهر جا زدیم.
لذا اگرچه دیپ فیک پدیده ایی نسبتاً نوظهور قلمداد می شود اما جعل و دستکاری سابقه بس طولانی داشته و نمی توان پیشرفتهای اخیر #هوش_مصنوعی و #یادگیری_عمیق را باعث آن دانست، بلکه می توان آن را به مثابه یک چاقو تعبیر نمود.
به زعم #دکتر_محمد_صبری اینکه چاقو دست پزشک جراح می افتد یا قاتل سریالی منافاتی با دموکراسی و نقض حقوق شهروندی ندارد بلکه باید بابت پیشرفت #شبکه_عمیق و الگوریتم های یادگیری ماشین خشنود بود.
#هوش_مصنوعی
#جعل_عمیق
#تشخیص_چهره
#پردازش_تصویر

☑️در پست بعدی با سرمایه گذاری شرکت های فعال حوزه هوش مصنوعی نظیر گوگل و فیسبوک برای مواجه با
#جعل عمیق #دیپ فیک #تشخیص_جعل_چهره
#زنده_بودن_چهره
آشنا شوید.
https://www.instagram.com/p/CNVDULIh_wf/?igshid=xbcaz36tcaox

___________________________
سطوح هوش مصنوعی !

هوش مصنوعی دارای سه سطح ذیل هست که در حال تصرف دنیای پیرامون ما است:
۱-هوش محدود
۲-هوش عمومی
۳-سوپر هوش

📌حقیقت این است که با وجود اینکه در محاصره هوش مصنوعی و اطلاعات آن هستیم، کمتر کسی از اصطلاح “هوش مصنوعی” به درستی استفاده می کند.

📌استفاده درست از سطوح هوش مصنوعی و درک مفهوم هر یک به مقدار زیادی چالش‌های گام برداشتن در این مسیر را برطرف می‌کند.

برای در دسترس بودن این اطلاعات پست رو ذخیره کنید 🙏.

#هوش_مصنوعی #یادگیری ماشین #گوگل #الکسا #AI #استارتاپ #تکنولوژی #دکتر_محمد_صبری
https://www.instagram.com/p/CPlj7xIg3DR/?utm_medium=share_sheet