📕📒📗یادگیری ماشین
#جلسه_پنجم( #ML5 ) :
ادامه درخت تصمیم
👩‍🏫 مدرس: هما کاشفی امیری
#machine_learning
#ML5
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME

📋 #جزوه خام جلسه دوم پردازش تصویر
☑️ تبدیلات هندسی| شدت روشنایی|پردازش هیستوگرام| فیلترهای مکانی در پردازش تصویر
🖨 دوستان شرکت کننده فایل رو دانلود کنند و پرینت بگیرند
#پردازش_تصویر
✔️@onlineBME

تمرین جلسه دوم پردازش تصویر

🔹بعد از شبیه سازی کد متلب و گزارش مختصر از نتیجه را به آیدی زیر ارسال کنید.
@onlineBME_Admin

✔️ @OnlineBME

📋 #جزوه خام جلسه سوم شبکه عصبی
☑️ شبکه عصبی پرسپترون #چندلایه و قوانین یادگیری
#پس_انتشارخطا
#دلتا_دلتا
#دلتابار
#پروژه_عملی
#کلاسبندی
#پیشبینی |آلودگی هوا |میزان نشست خاک در مترو

✔️@onlineBME

✅✅هوش مصنوعی چطور می فهمد که بازیکنی در فوتبال آسیب دیده است؟
👩‍🏫 نویسنده: هما کاشفی امیری
دانشگاه Pisa، CNR و FC بارسلونا الگوریتمی را ارائه کرده اند که می تواند بیش از 50% از آسیب های عضلانی اعضای تیم فوتبال حرفه ای را تشخیص دهد.
آسیب ها تأثیر عمده ای بر عملکرد و بودجه ی باشگاه های ورزشی دارند. جدیدترین نمونه ی آن را می توان آسیب ماتادور Cavani دانست که در شکست اورگوئه در جام جهانی اخیر در روسیه نقشی تعیین کننده داشت.
مجله ی علمی معتبر Plo sOne پژوهش گروهی از محققان دانشگاه Pisa، CNR و میلان و FC بارسلونا و فیلادلفیا را منتشر کرده است که الگوریتمی بر پایه ی Big Data و روش های هوش مصنوعی پیچیده توسعه داده اند تا آسیب های وارده به بازیکنان تیم فوتبال را شناسایی کند.
این الگوریتم پارامترهای فیزیکی مختلف حاصل از دستگاه های GPS که بازیکنان در طول بازی می پوشند را با هم ترکیب می کند تا ریسک آسیب عضلات را محاسبه کند و استراتژی های پیشگیرانه ارائه دهد.
در تست های انجام شده روی یک تیم حرفه ای در طی یک فصل بازی، الگوریتم بیش از 50 درصد از آسیب های عضلانی را به درستی پیش بینی کرده است. این نشان می دهد که اگر بازیکن بیشتر بدود به احتمال زیاد بیشتر آسیب خواهد دید و از این طریق می توان از استراتژی های پیشگیرانه استفاده کرد و وضعیت تیم را بهبود داد.
به گفته ی محققان این طرح، اگر مربیان ورزشی در طی مسابقات قهرمانی این اطلاعات را در دست داشته باشند می توانند در حدود 70% از هزینه های مربوط به ریکاوری بازیکنان صرفه جویی کنند.
منبع:
http://sobigdata.eu/blog/how-artificial-intelligence-understands-when-player-gets-injured
#خبر
#هوش_مصنوعی

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME

📋 #جزوه خام جلسه 3 پردازش سیگنال
☑️ استخراج ویژگی | فیلترینگ| تبدیل ویولت | تبدیل فوریه | ویژگیهای آماری
#تشخیص_صرع
#پردازش_سیگنال
#EEG
#Classification
#feature_extraction

✔️ @onlineBME

اتحادیه بین‌المللی انجمن‌های ریاضی جهان با پیشنهاد کمیته زنان انجمن #ریاضی ایران، روز تولد مریم #میرزاخانی، سوم ماه می (۱۳ اردیبهشت) را #روزجهانی «زن در ریاضیات» نامگذاری کرد.
ایسنا

✔️ @onlineBME

📚 آموزش برنامه نویسی پایتون
#جلسه8_python

#python_for_loop

👩‍🏫 مدرس: مهندس معصومه دلگرمی 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖➖➖
✔️ @onlineBME

📕📒📗یادگیری ماشین
#جلسه_ششم( #ML6 ) :
ادامه درخت تصمیم
👩‍🏫 مدرس: هما کاشفی امیری
#machine_learning
#ML6
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME

✅اجاره مغز موش: AI هوشمندتر در پایگاه داده های با مقیاس بزرگ!!
👩‍🏫نویسنده: هما کاشفی امیری

هوش مصنوعی، مصنوعی هست اما خیلی هوشمند نیست و یکی از دلایل آن این است که برای آموزش به مجموعه داده های بسیار بزرگ و عظیم نیازمندیم. اگر بتوانید مغز موش مصنوعی را اجاره کنید چه؟ و یا گزینه ی بهتر، اگر بتوانید یک مغز مصنوعی انسان بسازید که خیلی سریعتر یاد بگیرد؟ این پروژه یکی از استارتاپ های در حال انجام است در عرض 5 سال تحقق می یابد.
دکتر Danilak معتقد است که ترکیب عملکرد فلش با LANهای مقیاس بزرگ با تأخیر و هزینه ی کمتر امکان شبیه سازی بلادرنگ شبکه های عصبی مقیاس بزرگ را فراهم می آورد. مقیاس بزرگ تا حد مغز موش که در نهایت به مغز انسان خواهد رسید. پژوهش های مربوط به این حوزه به یک دهه قبل باز می گردد. در ایالات متحده، Brain Project وجود دارد، در حالیکه در اتحادیه ی اروپار، میلیاردها یورو برای پروژه ی Human Brain در نظر گرفته شده است. یکی از آخرین پیشرفت های علوم اعصاب محاسباتی، neuromorphic hardware SpiNNaker مبتنی برARM است.
مشکل اصلی اتصال است. مغز انسان 100 میلیارد نورون دارد و هر یک به 10000 سیناپس دیگر متصل هستند. پروژه ی SpiNNaker یک شبکه سوئیچ بسته چند منظوره را برای تعداد زیادی بسته های کوچک توسعه داده است که می تواند این مسئله را مدیریت کند.
برآوردهای فعلی نشان می دهند که بیش از 500000000 پردازنده نیاز است تا بتوان مغز انسان را شبیه سازی کرد چیزی که شاید با سوپرکامپیوترهای مبتنی بر GPU هم ممکن نباشد.
منبع:
https://www.zdnet.com/article/brain-simulation-in-hyperscale-datacenters/#ftag=RSSbaffb68

#خبر
#هوش_مصنوعی

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME

Rat brain for rent: Smarter AI in hyperscale datacenters | ZDNet
AI is artificial, but it isn't very intelligent. What if you could rent an artificial rat brain, or even bett

📋 #جزوه خام جلسه سوم پردازش تصویر
☑️ عملیات مورفولوژی | تبدیل هاف| فیلترهای حوزه فرکانس در پردازش تصویر
🖨 دوستان شرکت کننده فایل رو دانلود کنند و پرینت بگیرند
#پردازش_تصویر
✔️@onlineBME

عبدالله رئیسی رتبه ۲ کنکور انسانی از دور افتاده ترین روستای سراوان، همون جا که یک سال چون لوازم التحریر نداشته مدرسه نرفته.
#پشتکار
#هدف
@onlineBME

🌐 کوله پشتی HoverGlide اولین کوله پشتی شناور جهان👌
✔️ @onlineBME

‏
🌐 کوله پشتی HoverGlide اولین کوله پشتی شناور جهان
✍ شرکت Lightning Packs کوله پشتی طراحی کرده که مجهز به سیستم فریم و رینگ منحصر به فرد است که فشار و وزن شما را در پشت، گردن، زانو و مچ پا کاهش می دهد.
این کوله 82% در راه رفتن و 86% در دویدن وزن کوله را کاهش میدهد


🔺طراحی و عملکرد HoverGlide توسط ارتش ایالات متحده و نیروی دریایی ایالات متحده مورد آزمایش قرار گرفته است که از اهمیت و ویژگی های خاص این محصول حکایت دارد.

🔺این کوله پشتی نه تنها نیروی عمودی و وزن کوله را کاهش میدهد بلکه فشار بیش از حد در پشت، گردن و یا زانو را نیز کاهش می دهد که حمل و جابجایی بسته و اجسام سنگین را نیز به آسانی میسر میسازد.

#خبر
https://twitter.com/rohoo/status/1030861312555925505

✔️ @onlineBME

✅ابر داده (Big Data) در صنعت کشاورزی انقلابی به پا کرده است

👩‍🏫نویسنده: هما کاشفی امیری

ابر داده و روش های تحلیل آن به بهبود و توسعه ی صنایع در جهان مدرن کمک های قابل توجهی کرده اند. مهم ترین اثر این فناوری ها این است که در انجام فعالیت های عملیاتی و مالی، بینشی دقیق و واقعی ایجاد می کنند. در کشاورزی هم این بینش بوجود آمده است.
به عنوان مثال کشاورزان از داده ها برای محاسبه میزان برداشت، نیاز به کود، صرفه جویی در هزینه و یا حتی شناسایی راهکارهای بهینه سازی برای محصولات آینده استفاده می کنند.
ابر داده به شیوه های مختلفی به بهبود شرایط کشاورزی کمک می کند:
🔻نظارت بر روند طبیعی
یکی از مسائل ریسک زا در کشاورزی، از کنترل خارج شدن مواردی است که بر محصول اثر می گذارند. برای مثال آفات و بیماری های زراعی می توانند کل محصول کاشت شده را از بین ببرند، بلایای طبیعی مانند طوفان، سیل و یا باد شدید به نابودی محصولات منجر خواهند شد. ابر داده و تکنولوژی های نظارت می توانند وقوع چنین رویدادهایی را ردیابی کنند و یا حتی آنها را به طور کامل و دقیق پیش بینی کنند. با وارد کردن داده های موجود و داده های قبل به سیستم و استخراج خروجی از طریق الگوریتم های معتبر می توان عملکرد آینده محصولات را به طور قابل توجهی افزایش داد.
🔻بررسی پیشرفته عرضه
امروزه در بخش کشاورزی جدای از سناریوهای سنتی، کشاورز اغلب به تأمین کننده و یا شریک نیاز دارد. همیشه نمی توانیم به طور دقیق بگوییم چه مقدار محصول و در چه زمانی آماده می شوند، این مشکل همراه با تغییر میزان تقاضا از سمت مصرف کننده می تواند به مسائل جدی تبدیل شود.
ابر داده می تواند برخی از مشکلات زنجیره ی عرضه را کاهش دهد، صرفاً از این طریق که نظارت بیشتری بر محصولات و برداشت آن در هر فصل انجام خواهد شد. کشاورزان تنها با گیاهان کار نمی کنند بلکه آنها در هر کسی که در طول زنجیره ی عرضه قرار دارد، از جمله توزیع کنندگان، خرده فروشان و غیره ارتباط دارند. داده ها می توانند به هریک از این افراد کمک کنند که در مورد میزان محصولات پیش بینی کنند و بر اساس آن کار کنند.
🔻ارزیابی ریسک
در تیم های برنامه ریزی، مدیریت و کسب و کار اغلب از گزارش های ارزیابی ریسک دقیق استفاده می شود. مطمئناً تجربیات قبلی دیدگاهی را برای ما ایجاد می کنند که برای مثال انجام یک کار خاص عواقب ظاهری خاصی دارد، اما ارزیابی ریسک تنها این نیست.
با استفاده از ابر داده، تقریباً هر سیستم تصمیم یا رویداد را می توان در طرح تحلیل ریسک گنجاند. کشاورزان می توانند مطمئن باشند که اقدامات انجام شده کل محصولات آنها را نابود نخواهد کرد. مهم تر از آن می توانند از داده های واقعی استفاده کنند تا مطمئن شوند ریسک باقی می ماند یا خیر.

منبع:
https://aitrends.com/ai-in-agriculture/here-are-5-ways-big-data-is-revolutionizing-the-agriculture-industry/
#خبر
#هوش_مصنوعی

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME

Here Are 5 Ways Big Data Is Revolutionizing the Agriculture Industry - AI Trends
Here are five ways in which big data in agriculture is improving conditions or operations.

✅چگونه در درک احساسات انسان به کامپیوترها کمک کنیم؟
👩‍🏫نویسنده: هما کاشفی امیری

📕محققان آزمایشگاه رسانه MIT یک مدل یادگیری ماشینی را توسعه دادند که به کامپیوترها کمک می کند احساسات ما را مشابه درکی که خود انسان ها دارند درک کنند.
در حوزه ی در حال پیشرفت «محاسبات عاطفی»، ربات ها و کامپیوترها تا حدی توسعه یافته اند که می توانند بیان صورت را تحلیل کنند، احساسات را تفسیر کنند و بر این اساس به آنها پاسخ دهند. کاربردهای آن شامل نظارت بر سلامت انسان و سنجش و بررسی تمایلات دانشجویان در کلاس درس و کمک به تشخیص علائم بیماری خاص و توسعه ربات های دستیار مفید است.
محققان آزمایشگاه یک مدل یادگیری ماشین را توسعه دادند که در تشخیص تغییرات کوچک چهره و بیان صورت بهتر از سیستم های سنتی عمل می کند و با دقت بیشتری می تواند حالت روحی فرد در آن زمان را حدس بزند و برای اینکه دقت سیستم به حد بالایی برسد با هزاران تصویر و چهره آموزش ببیند. علاوه بر این با استفاده از داده های آموزشی اضافی، مدل را می توان به یک گروه کاملاً جدید از افراد با همان میزان کارایی انطباق داد. هدف اصلی بهبود روش های محاسبات عاطفی موجود است.
یکی از محققان این آزمایشگاه می گوید: اگر رباتهای با هوش اجتماعی بالا می خواهید، باید آنها را هوشمند بسازید تا حدی که به طور طبیعی مانند انسان به احساسات و خلقیات طرف روبرو پاسخ و واکنش دهند.
منبع:
http://news.mit.edu/2018/helping-computers-perceive-human-emotions-0724
#خبر
#هوش_مصنوعی

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME

Helping computers perceive human emotions
Personalized machine-learning models capture subtle variations in facial expressions to better gauge how we feel.

اسپیکر #آمازون با دستیار شخصی به نام #شیرین برای بازار خاورمیانه عرضه شد
شوخی کانال یوتیوبی Blyps با اسپیکر الکسا 😅😂😂
Digiato

✔️ @onlineBME

✅ آموزش الگوریتم هوش مصنوعی جهت حذف نویز و آرتیفکت در تصویر توسط محققان NVIDAI!
👨‍💻نویسنده: محمد نوری زاده چرلو

✍ چه اتفاقی میافته اگه شما به یک تکنولوژی هوش مصنوعی دست یابید که بتونه تمام نویزها و آرتیفکتهای تصویر را حذف کند؟! 🧐
حتی نویزهایی که در تصاویر با شدت روشنایی پایین هستند؟ عالیه نه؟😃
خب حالا اگه اون الگوریتمه متن و واترمارکها رو هم بتونه از تصویر حذف کنه چی؟! دیگه خیلی عالیه نه؟!😇
🔺گفته میشه که هر تکنولوژی هم میتونه استفاده #خوب ازش بشه و هم #بد، ولی این هیچ وقت نباید #نوآوری‌هارو متوقف کنه.
🔺 در آخرین تحقیقات #پردازش_تصویر ، NVIDIA در گزارشی گفته است که تیمشون تونستن یک AIی را آموزش دهند که می تونه از طریق یک رویکرد #یادگیری_عمیق، #نویز عکس های دانه دار (grainy image) رو حذف کنه. این گروه برای انجام این پروژه با دانشگاه آالو و MIT همکاری کرده است.
🔹معمولا مدل #هوش_مصنوعی نیاز داره که به تصویر بدون نویز و تصویر نویزی نگاه کنه و #تفاوت بین دو تصویر رو بفهمه و از این طریق یاد بگیره که نویز تصاویر نویزی رو حذف و یا کم کنه. (چیزی که ما تو دوره شبکه عصبی و پردازش تصویر با بچه ها کار میکنیم)
اما نکته قابل توجه اینه که این مدل هوش مصنوعی ارائه شده تنها به نمونه های مشابه تصاویر نویزی نگاه میکنه و نویز تصویر را حذف میکنه!!🤔🙄
هیچ تصویر بدون نویز (تر و تمیز) به مدل AI نشون داده نشده و ولی با این حال الگورتیم تونسته به صورت خودکار یاد بگیره که چطوری تصاویر رو بهبود بده و نویزشون رو از بین ببره!

🔹 محققان بیان کرده اند که: این امکان پذیره که یاد بگیریم سیگنالهای نویزی رو بدون مشاهده تصاویر بدون نویز بازسازی کنیم، اونم با عملکرد نزدیک و یا برابر با مدلهایی که با نگاه کردن به تصاویر بدون نویز، نویز تصویر رو کم می کنند!
"تیم GPU های NVIDIA Tesla P100 با چارچوب یادگیری عمیق TensorFlow cuDNN-accelerated استفاده کرده اند. این تیم مدل خود را در 50،000 عکس در مجموعه اعتبار سنجی ImageNet آموزش دادند.

💡انتظار میره که این مدل هوش مصنوعی در حوزه پزشکی جهت #بهبود تصاویر #پزشکی #MRI که معمولا به پردازشهای گسترده ای برای حذف نویز دارند، استفاده شوند.
همچنین میتواند در بهبود تصاویری که در معرض تابش طولانی تلسکوپها(که برای آستروفوفوگرافی استفاده میشوند) در آسمان شب قرار میگیرند استفاده شوند.
این الگوریتم همچنین میتواند زمان پردازش تصاویر جهت کاهش نویز را کم کند!
🔹 ولی اینکه این الگوریتم باعث می شود احتمال #سرقت تصاویر بالا بره برای ما یه سوالی هست که در سر ما میگذرد!
مرجع:
https://www.google.com/amp/s/www.firstpost.com/tech/news-analysis/nvidia-researchers-have-trained-an-ai-to-remove-noise-and-text-from-images-4725191.html/amp

#خبر
#هوش_مصنوعی
#پردازش_تصویر

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME

نتیجه کاهش نویر با الگوریتم AI ارائه شده👌
( کتاب گونزالس رو میبنده😅)
✔️ @onlineBME

✅ الگوریتم هوش مصنوعی جدید #انویدیا که میتونه نویز عکس‌ها رو به شکل فوق‌العاده‌ی از بین ببره

#just amazing 😊
✔️ @onlineBME

اینم یه ویدیو دیگه از عملکرد بی‌نظیر هوش مصنوعی #انویدیا در تبدیل کردن ویدیوهای عادی به ویدیوی سوپر اسلوموشن و روان
البته این ربطی به پستای قبلی نداره
جالب بود حیفمون اومد نذاریم😅

✔️ @onlineBME