یکی از شاخه های پر کاربرد از شناسایی اشیاء، تشخیص ماشین ها یا سایر وسایل نقلیه در تصویر و ویدیو است. این دست از پژوهش ها بیشتر در مسائل مربوط به ماشین های خودران و دوربین ها استفاده می شوند.

این لینک یک نمونه مسئله از شناسایی ماشین ها را با استفاده از ساختار YOLO به همراه شبیه سازی آن را توضیح داده است:
https://www.folio3.ai/blog/car-detection-using-opencv-and-python-within-5-minutes/

#شناسایی_اشیاء
@myartificialintelligence2022

اینترنت اشیا صنعتی یک فناوری دگرگون کننده اما در حال تحول با کاربردهای فراوان است. شناسایی و اولویت بندی موارد استفاده کلید اجرای موفق IIoT است.

اینترنت اشیاء صنعتی (IIOT) می تواند عملیات تولید، کارایی و سودآوری شما را متحول کند.

موارد برتر استفاده از اینترنت اشیاء صنعتی

- مدیریت دارایی های صنعتی (IAM)
- بهینه سازی مدیریت لجستیک و حمل و نقل در زمان واقعی
- پایش کیفیت هوا و گازهای گلخانه ای
- تعمیر و نگهداری پیش بینی و خدمات مبتنی بر شرایط (CMS)
- کنترل دسترسی بیومتریک
- برنامه های بازیابی سلامتی و تناسب اندام
- برنامه های کاربردی تجزیه و تحلیل داده ها.

#اینترنت_اشیاء_صنعتی
@myartificialintelligence2022

پتانسیل ربات Spot در صنعت نفت و گاز

قبل تر اشاره شد که سیستم‌های رباتیک در صنعت نفت و گاز وظیفه هایی دارند ، مثل بازرسی های هوایی و زیر آب، پاسخ به نشت ها و کلا انجام کارهایی که انسان ها را از آسیب دور می کند.
از جمله ربات‌هایی که در این صنعت شرکت دارند، Spot، ربات چهارپایی است که توسط Boston Dynamics ساخته شده است. این ربات می‌تواند به مکان‌هایی در تأسیسات دسترسی پیدا کند که از طریق اتوماسیون سنتی بسیار دشوار است.

#رباتیک
@myartificialintelligence2022

۵تا از بهترین الگوریتم های طبقه بندی یادگیری ماشین

طبقه بندی هسته اصلی یادگیری ماشین است زیرا به ماشین ها می آموزد که چگونه داده ها را بر اساس هر معیار خاصی مانند ویژگی های از پیش تعیین شده گروه بندی کنند.

طبقه بندی در یادگیری ماشین امروزه با افزایش استفاده از داده های بزرگ برای تصمیم گیری در صنایع، ابزاری حیاتی است. طبقه بندی به دانشمندان و محققان داده کمک می کند تا درک بهتری از داده ها داشته باشند و الگوها را بیابند. استفاده از این الگوهای داده، بینش بیشتری را برای اتخاذ تصمیمات مبتنی بر داده های دقیق تر ارائه می دهد.

قوی ترین الگوریتم های یادگیری ماشین برای طبقه بندی عبارتند از:
Logistic Regression
Naive Bayes
K-Nearest Neighbors
Decision Tree
Support Vector Machines

#طبقه_بندی
#کلاس_بندی
@myartificialintelligence2022

ماشین بردار پشتیبان (SVM)

بردارهای پشتیبان به زبان ساده، مجموعه ای از نقاط در فضای n بعدی داده ها هستند که مرز دسته ها را مشخص می کنند و مرزبندی و دسته بندی داده ها براساس آنها انجام می شود و با جابجایی یکی از آنها، خروجی دسته بندی ممکن است تغییر کند. ماشین بردار پشتیبان یا SVM داده ها را با توجه به دسته های از پیش تعیین شده آنها به یک فضای جدید می برد به گونه ای که داده ها به صورت خطی (یا ابر صفحه ) قابل تفکیک و دسته بندی باشند و سپس با یافتن خطوط پشتیبان (صفحات پشتیبان در فضای چند بعدی) ، سعی در یافتن معادله خطی دارد که بیشترین فاصله را بین دو دسته ایجاد می کند.
کتابخانه بردارهای پشتیبان در پایتون scikit–learn است که تمام کرنل ها و توابع نگاشت را به صورت آماده شده دارد. سه تا تابع SVC , NuSVC , LinearSVC وظیفه اصلی دسته بندی را برعهده دارند.

#کلاس_بندی
#طبقه_بندی
@myartificialintelligence2022

معماری BiGAN عضوی از خانواده GAN و یک معماری طراحی شده برای یادگیری ویژگی های بدون نظارت است. در این ویدیو مفاهیم اصلی BiGAN به سادگی در کمتر از 4 دقیقه توضیح داده شده است.

#شبکه_های_GAN
#یادگیری_بدون_نظارت
@myartificialintelligence2022

ال‌جی در حال توسعه لوازم خانگی هوشمند با استفاده از فناوری Sleep Analytics

چند ساعت پیش خبری منتشر شد که کمپانی ال جی  با یک شرکت محلی برای توسعه لوازم خانگی هوشمند که از فناوری تجزیه و تحلیل خواب استفاده می کند، همکاری کرده است.

این سازنده لوازم خانگی روز دوشنبه گفت که تفاهم نامه ای را با اسلیپ، یک استارتاپ نرم افزار ردیابی خواب، امضا کرده است تا در زمینه فناوری خواب با یکدیگر همکاری کنند.

ال‌جی گفت: "ما قصد داریم یک دستگاه لوازم خانگی هوشمند ایجاد کنیم که خدمات بهینه‌شده را بر اساس وضعیت و الگوهای خواب شخصی مشتری ارائه می‌دهد."

به عنوان مثال، اگر تصور شود کاربر خواب است، دستگاه تصفیه هوا در اتاق خواب به طور خودکار به حالت خواب تبدیل می شود و تهویه مطبوع دما را تنظیم مجدد می کند تا بر اساس سوابق خواب اخیر، شرایط هوای مطلوب را تامین کند.

اسلیپ قصد دارد محصولات خود را در نمایشگاه لوازم الکترونیکی مصرفی (CES) ماه آینده به نمایش بگذارد.

لینک خبر:
http://koreabizwire.com/lg-developing-smart-home-appliances-using-sleep-analytics-technology/236626

#اینترنت_اشیاء
@myartificialintelligence2022

قفل سطح بعدی از هوشمندی را باز کنید و کسب و کار خود را با هوش مصنوعی مولد متحول کنید.

یک مقاله در Forbes درمورد ساختار GANمنتشر شده و گفته که این شبکه ها تأثیری عمیق و دگرگون کننده بر بسیاری از مشاغل دارند.
چون این شبکه ها توانایی ایجاد محتوا دارند ومی تواند تقریبا برای هر کسب و کاری مفید باشند. برای شرکت هایی که به دنبال ایجاد نام تجاری خود هستند، یک تولید کننده تصویر مانند DALLE-2 به آنها اجازه می دهد تا در چند ثانیه یک لوگوی تجاری با کیفیت بالا ایجاد کنند. برای تیم‌های بازاریابی که محتوا را منتشر می‌کنند، این شبکه ها  می‌تواند تقریباً فوراً مقالات بهینه‌سازی شده برای SEO تولید کند. در بخش مراقبت های بهداشتی GAN ها می توانند نسخه هایی با وضوح بالا از تصاویر با کیفیت پایین ایجاد کنند و کیفیت مواد و سوابق پزشکی قدیمی را بهبود بخشند.

اما به هرحال این شبکه ها می تواند بسیار بیشتر از ایجاد یک عکس یا مقاله انجام دهد. همچنین می‌توانند داده‌هایی را تولید کنند که در دنیای واقعی در دسترس نیستند و به محققان اجازه می‌دهند الگوریتم‌های جدید یادگیری ماشین یا معماری‌های یادگیری عمیق را آزمایش کنند.

لینک خبر:
https://www.forbes.com/sites/forbesbusinesscouncil/2022/12/26/unlock-next-level-intelligence-and-transform-your-business-with-generative-ai/?sh=334283125a2e

#شبکه_های_GAN
@myartificialintelligence2022

یک خبری که این ماه خیلی سر وصدا کرده در مورد ChatGPTهست و فکر هم می کنیم در سال ۲۰۲۳ همچنان در صدر اخبار باشد.

توضیح کلی این هست که، Chat GPT یک ربات چت هوش مصنوعی است که می‌تواند تقریباً همه چیز را انجام دهد. می تواند کدنویسی کند، می تواند مقاله بنویسد، می تواند به شما کمک کند خانه خود را تزئین کنید، می تواند یک دستور غذا درست کند.... حتی در امتحان ها هم کمک می کند!!!

این چت ربات یک برنامه تعاملی است که توسط آزمایشگاه تحقیقاتی هوش مصنوعی OpenAI آموزش داده شده است. به گفته سام آلتمن، مدیر عامل OpenAI، این ربات در 30 نوامبر راه اندازی شد، اما تاکنون بیش از یک میلیون کاربر جمع آوری کرده است.

این ربات مبتنی بر مدل زبان GPT-3.5 OpenAI است که یک نسخه بهبود یافته از مدل زبان GPT-3 است که در سال 2020 منتشر شد.

فعلا هم رایگان هست ولی طبق گفته ها به دلیل کاربرهای خیلی زیادی که جذب کرده پرخرج میشه و ممکن هست خدماتی با دریافت هزینه هم ارائه بده.

این لینک بیشتر توضیح داده ولی توجه کنید که هر چندساعت خبر جدیدی از این چت ربات در خبرگزاری ها منتشر میشه!
https://www.searchenginejournal.com/what-is-chatgpt/473664/#close

#هوش_مصنوعی
@myartificialintelligence2022

الگوریتم KNN

الگوریتم K نزدیک ترین همسایه (K-Nearest Neighbors) که به‌اختصار به آن KNN نیز گفته می‌شود یک الگوریتم یادگیری ماشین با نظرات است که می‌تواند برای حل مشکلات طبقه‌بندی  و رگرسیون استفاده شود.

در مسائل طبقه‌بندی، این الگوریتم k نزدیک ترین همسایه را پیدا و با اکثریت آرا نزدیک‌ترین همسایگان کلاس را پیش‌بینی می‌کند.
در مسائل رگرسیون، این الگوریتم k نزدیک‌ترین همسایه را پیدا و با محاسبه‌ی میانگین مقدار نزدیک‌ترین همسایه‌ها، مقدار مدنظر را پیش‌بینی می‌کند.

تکنیک‌های مختلفی برای یافتن k نزدیک‌ترین همسایه وجود دارد:
فاصله‌ی اقلیدسی
فاصله‌ی منهتن
فاصله‌ی مینکوفسکی
که بیشتر فاصله‌ی اقلیدسی استفاده می‌شود. 

انتخاب مقدار مناسب K تنظیم پارامتر نامیده می‌شود و برای نتایج بهتر ضروری است. برای انتخاب مقدار K ریشه‌ی مربع تعداد کل نقاط داده‌ی موجود در مجموعه‌ی داده را حساب می‌کنیم.
برای جلوگیری از سردرگمی میان دو کلاس مقدار فرد K همیشه انتخاب می‌شود.

لینکی برای توضیحات بیشتر و آموزش شبیه سازی:
https://www.w3schools.com/python/python_ml_knn.asp

#طبقه_بندی
#کلاس_بندی
@myartificialintelligence2022

یکی از پروفسورهای فلسفه دانشگاه فورمن بعد اینکه دانشجوها با کمک ChatGPT جواب امتحانشون رو دادن و مقاله های فلسفی نوشتن گفته منتظر یک سیل باشید!
انقدر هم عصبانی شده که یکی از دانشجوهاشو اخراج کرده!

لینک خبر:
https://www.axios.com/2022/12/26/chatbot-cheating-university-warning-chatgpt

#هوش_مصنوعی
@myartificialintelligence2022

مقاله SDS سامسونگ درمورد یادگیری تقویتی در معتبرترین انجمن هوش مصنوعی جهان (NeurIPS)، قدرت این کمپانی را در هوش مصنوعی نشان داد.

مقاله SDS سامسونگ که امسال با عنوان «جستجوی پرتو هدایت‌شده توسط شبیه‌سازی برای بهینه‌سازی ترکیبی عصبی» منتشر شد، با یادگیری تقویتی توجه‌ها را به خود جلب کرد، که شبکه عصبی را قادر می‌سازد تا روش بهینه حل مسئله را به تنهایی یاد بگیرد. این فناوری به سرعت و با دقت پاسخ بهینه را در مشکلات مختلفی که ممکن است در سایت‌های صنعتی رخ دهد، مانند تخصیص منابع رایانش ابری (GPU) و بهینه‌سازی فرآیند در زمینه‌های تولید و لجستیک پیدا می‌کند.

سامسونگ SDS با استفاده از این فناوری به مسابقه مسیریابی خودروهای NeurIPS 2022 پیوست و در بین 54 شرکت و دانشگاه جهانی در جایگاه سوم قرار گرفت.

لینک خبر:
http://www.businesskorea.co.kr/news/articleView.html?idxno=106756


#سامسونگ
#هوش_مصنوعی
@myartificialintelligence2022

معرفی بهترین سایت‌هایی که با هوش مصنوعی متن را به تصویر تبدیل می‌کنند:

خلق تصاویر و آثار شبه هنری یکی از کاربردهای وسیع هوش مصنوعی هست که اکثرا هم با شبکه های GAN انجام می شود. در اینجا چند سایت که به صورت رایگان یا پولی  در دسترس کاربران هستند را معرفی می کنیم که می توانید در آنها متن بنویسید و خروجی تصویر تحویل بگیرید!

۱. ابزار ساخت تصویر DALL-E 2
۲. ابزار ساخت تصویر Stable Diffusion
۳. هوش مصنوعی تبدیل نوشته به عکس Midjourney
۴. هوش مصنوعی تبدیل متن به عکس Craiyon

#متن_به_تصویر
#هوش_مصنوعی_مولد

@myartificialintelligence2022

قبل تر درمورد اینفلوئنسرهای مجازی توضیحات داده شد و گفته شد که وجود خارجی ندارند و در واقع هوش مصنوعی هستند، اما با این حال دنبال کننده های خیلی زیادی دارند و سفیر برندهای مختلفی هستند.

در این لینک گزارش جدید دیگه ای از این اینفلوئنسرهای مجازی منتشر شده:
https://www.telefonica.com/en/communication-room/blog/what-are-virtual-influencers-and-what-do-they-bring-to-brands/

#اینفلوئنسرهای_هوش_مصنوعی

@myartificialintelligence2022

این روزها درمورد علم داده یا همان Data Science خبرهای زیادی می شنویم و تبلیغات زیادی در مورد آن می بینیم، شاید بسیاری از افراد به راحتی از کنار آن عبور می کنند در حالی که نیاز امروز و فردای جوامع علمی و کاری هست.

علم داده را می توان ترکیبی از شاخه های آمار، یادگیری ماشین و داده کاوی دانست و وظیفه اصلی متخصص علم داده استخراج حداکثر اطلاعات برای یک هدف خاص از مجموعه ای از داده ها است. هرچند که تعریف های بسیار بیشتری وجود دارد.

برای توضیحات بیشتر درخصوص این حوزه می توانید ویدیو را مشاهده کنید.

#علم_داده
@myartificialintelligence2022

باز هم خبر از ChatGPT!

یک آقایی به اسم عمار رشی با استفاده از هوش مصنوعی ChatGPT یک کتاب ۱۲ صفحه ای برای کودکان منتشر کرده و تا الان ۷۰ نسخه از آن را در آمازون فروخته، اسم کتاب هم هست "آلیس و اسپارکل".


لینک خبر:
https://time.com/6240569/ai-childrens-book-alice-and-sparkle-artists-unhappy/

#هوش_مصنوعی
@myartificialintelligence2022

به تازگی Analytics Insight یک مقاله منتشر کرده و 10 نکته برای اینکه متخصص علم داده موفق تری در سال 2023 باشید را نوشته:

۱. اشتیاق به یادگیری آخرین فناوری های روز

۲. آگاهی به زبان های برنامه نویسی

۳. مهارت بازی با داده های بدون ساختار

۴. توانایی استفاده از تفکر انتقادی

۵. خلاقیت

۶. توسعه مهارت های فنی قوی

۷. ایجاد یک ذهنیت رشدپذیر

۸. کنجکاو باشید تا بیشتر بدانید

۹. دانشمندان داده - حرفه ای هایی با مهارت های متفاوت در یک فرد

۱۰. آرامش برای مقابله با داده های پیچیده

لینک مقاله کامل:
https://www.analyticsinsight.net/top-10-tips-to-be-a-more-successful-data-scientist-in-2023/

#علم_داده
@myartificialintelligence2022

ربات ها موتور رشد صنعت نفت و گاز خواهند بود:

بر اساس داده‌ها و شرکت تحلیلی GlobalData، ربات‌ها موتور رشد صنعت نفت و گاز خواهند بود.

آنسون فرناندز، تحلیلگر نفت و گاز در GlobalData در بیانیه‌ای که به Rigzone ارسال شده است، گفت: «انتظار می‌رود حجم موارد استفاده از رباتیک در صنعت نفت و گاز به سرعت رشد کند.».
فرناندز در این بیانیه گفت: «بخش نفت و گاز از موارد استفاده نوظهور سود زیادی خواهد برد.»

بر اساس گزارش اخیر GlobalData ، بریتیش پتروشیمی، شورون، شرکت پتروشیمی چین (سینوپک) و اکوینور از جمله پذیرندگان پیشرو رباتیک در صنعت نفت و گاز هستند. برخی از فروشندگان پیشرو رباتیک در بخش نفت و گاز عبارتند از Cognex، Cyberdyne و Estun Automation و FANUC.

لینک خبر:
https://www.rigzone.com/news/robots_will_be_oil_and_gas_industry_growth_engine-27-dec-2022-171532-article/

#رباتیک
@myartificialintelligence2022

به تازگی یک گزارش مفصل درمورد کاربرد یادگیری عمیق در متاورس در سال ۲۰۲۳ منتشر شده و با محققان فعال در این حوزه مصاحبه کردند.

متاورس یکی از داغ ترین موضوعات نه تنها در فناوری، بلکه در حوزه های اجتماعی و اقتصادی است. غول های فناوری و استارت آپ ها به طور یکسان در حال کار بر روی ایجاد خدمات برای این واقعیت دیجیتال جدید هستند.

متاورس به آرامی در حال تبدیل شدن به یک دنیای مجازی اصلی است که در آن می‌توانید کار کنید، یاد بگیرید، خرید کنید، سرگرم شوید و با دیگران به روش‌هایی تعامل کنید که قبلاً ممکن نبود.  اخیراً متاورس به عنوان یکی از برترین روندهای فناوری استراتژیک برای سال 2023 انتخاب شده است و پیش بینی می شود که تا سال 2026، 25 درصد از جمعیت حداقل یک ساعت در روز را برای کار، خرید، تحصیل، فعالیت های اجتماعی و/یا سرگرمی در آنجا سپری کنند.

با این حال، بیشتر این تجربیات متاورس تنها با استفاده از یادگیری عمیق (DL) قادر به ادامه پیشرفت خواهند بود، زیرا هوش مصنوعی (AI) و علم داده در خط مقدم پیشرفت این فناوری خواهند بود. به عنوان مثال، الگوریتم‌های یادگیری عمیق به لطف آخرین پیشرفت‌ها در بینایی رایانه که تعاملات طبیعی و درک بهتر احساسات و زبان بدن را امکان‌پذیر می‌سازد، رایانه‌ها را در تشخیص ژست‌ها و ردیابی چشم بهتر می‌کنند. از آنجایی که چنین فناوری‌هایی یکی از جنبه‌های ضروری رابط همه جانبه متاورس هستند، فناوری‌های یادگیری عمیق اکنون هدفشان افزایش مشارکت خلاقانه و درک ماشینی است.

با این حال متاورس همچنان با خطرات مبتنی بر کاربر مانند امنیت داده ها مواجه است. مدل‌های هوش مصنوعی مبتنی بر یادگیری عمیق در صورت ادغام با ابزارهای قدیمی می‌توانند در غلبه بر این چالش‌ها مفید باشند.

جرود پیکر، تحلیلگر هوش رقابتی در Deep Instinct گفت: "ایمن سازی داده های حساسی که ایجاد، ارسال و به اشتراک گذاشته می شوند در سراسر متاورس به تکنیک های پیشرفته تری نسبت به تلاش های امنیتی داده های گذشته نیاز دارد. یادگیری عمیق با توانایی عجیب و غریب خود در شناسایی دقیق محتوا می تواند نتایج عالی را در این زمینه ارائه دهد."

پاتریک ویلکنز، معاون عملیات در انتشارات TheSoul می‌گوید: «فناوری‌های یادگیری عمیق از نظر اتوماسیون بسیار مهم خواهند بود.پیشرفتی که ساعت‌ها و ساعت‌ها تلاش انسان را می‌طلبد، اکنون با کارایی باورنکردنی قابل دستیابی است. از آنجایی که شرکت‌های فناوری و سازندگان محتوا از بهترین فناوری استفاده می‌کنند و یادگیری عمیق را در فرآیندهای خود گنجانده‌اند، نیروی انسانی که قبلاً برای کارآمد کردن کارها استفاده می‌شد اکنون می‌تواند در موارد دیگر استفاده شود."

در نهایت بسیار از محققان معتقدند که در سال 2023، می‌توان انتظار داشت که قدرت یادگیری عمیق و فناوری‌های هوش مصنوعی را به صورت بسیار گسترده ای در متاورس ببینیم.

لینک گزارش کامل:
https://venturebeat.com/virtual/how-deep-learning-will-ignite-the-metaverse-in-2023-and-beyond/

#یادگیری_عمیق
#متاورس
@myartificialintelligence2022

انتخاب ویژگی (feature selection)

آیا تا به حال پیش آمده که جلوی مانیتور بنشینید و به این فکر کنید که چه نوع ویژگی هایی به مدل یادگیری ماشین شما کمک می کند تا وظایف خود را به بهترین شکل یاد بگیرد؟ آماده‌سازی داده‌ها باعث می‌شود مقدار زیادی از زمان و انرژی متخصصان داده و مهندسان یادگیری ماشین مصرف شود و کار بسیار بزرگی است.
یکی از مراحل مهم در مرحله آماده سازی داده ها، انتخاب ویژگی است.
حالا انتخاب ویژگی چیست؟ به طور خلاصه، این فرآیند انتخاب زیرمجموعه ویژگی هایی است که برای آموزش یک مدل یادگیری ماشین استفاده می شود.
شاید این کار با کاهش ابعاد اشتباه گرفته شود درحالی که دو مفهوم جدا اما تاحدودی شبیه به یکدیگر هستند. با این حال، این دو به طور قابل توجهی در نحوه رسیدن به هدف متفاوت هستند.
انتخاب ویژگی زیرمجموعه‌ای از ویژگی‌های اصلی را انتخاب می‌کند
تکنیک‌های کاهش ابعاد، پیش‌بینی‌هایی از ویژگی‌های اصلی را در فضایی با ابعاد کمتر ایجاد می‌کنند.بنابراین مجموعه‌ای کاملاً جدید از ویژگی‌ها را ایجاد می‌کنند. کاهش ابعاد، در صورت تمایل، باید پس از انتخاب ویژگی اجرا شود.

اما چرا ما  به انتخاب ویژگی نیاز داریم؟
1.حذف ویژگی های نامربوط و زائد
2. مسئله بسیار مهم نفرین ابعاد
3. کاهش زمان آموزش
4. تلاش برای استقرار مدل
5. تفسیر پذیری
6. قانون صرفه جویی! مدل های ساده تر باید بر مدل های پیچیده تر ترجیح داده شوند.
7. سازگاری داده-مدل

رویکردهای مختلف برای انتخاب ویژگی وجود دارد، ازجمله:
۱. روش‌های انتخاب ویژگی بدون نظارت
۲. روش های انتخاب ویژگی Wrapper
۳. روش های انتخاب ویژگی با استفاده از فیلتر
۴. روش های انتخاب ویژگی تعبیه شده

برای مطالعه بیشتر و نحوه شبیه سازی به این لینک مراجعه کنید:
https://neptune.ai/blog/feature-selection-methods

#انتخاب_ویژگی
#یادگیری_ماشین
@myartificialintelligence2022