onlinebme
آینده هوش مصنوعی؟! امروزه افراد زیادی درباره اهمیت هوش مصنوعی اظهار نظر می کنند که برخی از آنها در این پست گذاشته شده است: ولادمیر پوتین رئیسجمهور روسیه : در آینده کشوری رهبری دنیا را در دست می گیرد که در زمینه #هوش_مصنوعی برتر از بقیه باشد، تولید هوش مصنوعی…
تعاریف مختلف از #هوش_مصنوعی:
هوش مصنوعی یا هوش ماشینی ( Artificial Intelligence) :
هوش مصنوعی به هوشی که یک ماشین در شرایط مختلف از خود نشان میدهد، گفته میشود. بیشتر نوشتهها و مقالههای مربوط به هوش مصنوعی، آن را به عنوان «دانش شناخت و طراحی عاملهای هوشمند» تعریف کردهاند.
#عامل_هوشمند:
سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش میدهد.
#جان_مکارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود، آن را «دانش و مهندسی ساخت ماشینهای هوشمند» تعریف کرده است. تحقیقات و جستجوهایی انجام شده برای رسیدن به ساخت چنین ماشینهایی با بسیاری از رشتههای علمی در ارتباط و همکاری است، مانند علوم رایانه، روانشناسی، فلسفه، عصبشناسی، علوم ادراکی، تئوری کنترل، احتمالات، بهینهسازی و منطق.
هوش مصنوعی، شاخهایست از علم كامپیوتر كه ملزومات محاسباتی اعمالی همچون ادراك (Perception)، استدلال(reasoning) و یادگیری(learning) را بررسی كرده و سیستمی جهت انجام چنین اعمالی ارائه میدهد.
هوش مصنوعی، مطالعه روشهایی است برای تبدیل كامپیوتر به ماشینی كه بتواند اعمال انجام شده توسط انسان را انجام دهد.
تاریخ هوش مصنوعی
هوش مصنوعی به خودی خود علمی است كاملاً جوان. در واقع بسیاری شروع هوش مصنوعی را 1950 می دانند زمانی كه آلن #تورینگ مقاله دورانساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یك روش را برای تشخیص هوشمندی پیشنهاد میكرد. این روش بیشتر به یك بازی شبیه بود.
فرض كنید شما در یك سمت یك #دیوار (پرده یا هر مانع دیگر) هستید و به صورت تله تایپ باآن سوی دیوار ارتباط دارید و شخصی از آن سوی دیوار از این طریق با شما در تماس است. طبیعتاً یك مكالمه بین شما و شخص آن سوی دیوار میتواند صورت پذیرد. حال اگر پس از پایان این مكالمه، به شما گفته شود كه آن سوی دیوار نه یك شخص بلكه (شما كاملاً از #هویت شخص آن سوی دیوار بیخبرید) یك ماشین بوده كه پاسخ شما را میداده، آن ماشین یك ماشین هوشمند خواهد بود، در غیر این صورت(یعنی در صورتی كه شما در وسط مكالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار #هوشمند نیست و موفق به گذراندن #تست_تورینگ نشده است. باید دقت كرد كه تورینگ به دو دلیل كاملاً مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب كرد. اول این كه موضوع ادراكی صوت را كاملاً از صورت مساُله حذف كند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نكند و دوم این كه بر جهت دیگری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاكید كند.
در هر حال هر چند تاكنون تلاشهای متعددی در جهت پیاده سازی تست تورینگ صورت گرفته مانند برنامه Eliza و یا AIML (زبانی برای نوشتن برنامههایی كه قادر به chat كردن اتوماتیك باشند) اما هنوز #هیچ ماشینی #موفق به گذر از چنین تستی نشده است.😐
➖➖➖➖➖
@IUST_Bioelecteric
هوش مصنوعی یا هوش ماشینی ( Artificial Intelligence) :
هوش مصنوعی به هوشی که یک ماشین در شرایط مختلف از خود نشان میدهد، گفته میشود. بیشتر نوشتهها و مقالههای مربوط به هوش مصنوعی، آن را به عنوان «دانش شناخت و طراحی عاملهای هوشمند» تعریف کردهاند.
#عامل_هوشمند:
سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش میدهد.
#جان_مکارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود، آن را «دانش و مهندسی ساخت ماشینهای هوشمند» تعریف کرده است. تحقیقات و جستجوهایی انجام شده برای رسیدن به ساخت چنین ماشینهایی با بسیاری از رشتههای علمی در ارتباط و همکاری است، مانند علوم رایانه، روانشناسی، فلسفه، عصبشناسی، علوم ادراکی، تئوری کنترل، احتمالات، بهینهسازی و منطق.
هوش مصنوعی، شاخهایست از علم كامپیوتر كه ملزومات محاسباتی اعمالی همچون ادراك (Perception)، استدلال(reasoning) و یادگیری(learning) را بررسی كرده و سیستمی جهت انجام چنین اعمالی ارائه میدهد.
هوش مصنوعی، مطالعه روشهایی است برای تبدیل كامپیوتر به ماشینی كه بتواند اعمال انجام شده توسط انسان را انجام دهد.
تاریخ هوش مصنوعی
هوش مصنوعی به خودی خود علمی است كاملاً جوان. در واقع بسیاری شروع هوش مصنوعی را 1950 می دانند زمانی كه آلن #تورینگ مقاله دورانساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یك روش را برای تشخیص هوشمندی پیشنهاد میكرد. این روش بیشتر به یك بازی شبیه بود.
فرض كنید شما در یك سمت یك #دیوار (پرده یا هر مانع دیگر) هستید و به صورت تله تایپ باآن سوی دیوار ارتباط دارید و شخصی از آن سوی دیوار از این طریق با شما در تماس است. طبیعتاً یك مكالمه بین شما و شخص آن سوی دیوار میتواند صورت پذیرد. حال اگر پس از پایان این مكالمه، به شما گفته شود كه آن سوی دیوار نه یك شخص بلكه (شما كاملاً از #هویت شخص آن سوی دیوار بیخبرید) یك ماشین بوده كه پاسخ شما را میداده، آن ماشین یك ماشین هوشمند خواهد بود، در غیر این صورت(یعنی در صورتی كه شما در وسط مكالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار #هوشمند نیست و موفق به گذراندن #تست_تورینگ نشده است. باید دقت كرد كه تورینگ به دو دلیل كاملاً مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب كرد. اول این كه موضوع ادراكی صوت را كاملاً از صورت مساُله حذف كند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نكند و دوم این كه بر جهت دیگری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاكید كند.
در هر حال هر چند تاكنون تلاشهای متعددی در جهت پیاده سازی تست تورینگ صورت گرفته مانند برنامه Eliza و یا AIML (زبانی برای نوشتن برنامههایی كه قادر به chat كردن اتوماتیك باشند) اما هنوز #هیچ ماشینی #موفق به گذر از چنین تستی نشده است.😐
➖➖➖➖➖
@IUST_Bioelecteric
onlinebme
جزئیات دوره جامع مهندسی پزشکی.pdf
💡✅ توضیحات تکمیلی دوره جامع مهندسی پزشکی:
✍️طی تجربیات چند سال گذشته متوجه شدیم که اکثر دانشجویان در مقطع کارشناسی ارشد و دکتری در انتخاب موضوع پایان نامه دچار مشکلات و سردرگمیهایی میشوند. یکی از دلایل اصلی سردرگمی دانشجویان مهندسی پزشکی در انتخاب موضوع پایاننامه، نداشتن #دید_کافی از این رشته است. برای مثال بسیاری از دانشجویان کارشناسی، رشته متفاوتی داشتهاند و در کارشناسی ارشد وارد رشته مهندسی پزشکی(بیوالکتریک) شدهاند که هیچ پیشزمینهای از این رشته ندارند و به علت محدودیت زمانی در ارشد گاها" در انتخاب موضوع پایاننامه که اصلیترین #بخش کارشناسی ارشد است و به نوعی #آینده_کاری دانشجو را تعیین میکند، دچار اشتباه میشوند.
🔺مشکل دیگر دانشجویان نداشتن تخصص کافی در پیادهسازی مقالات تخصصی و انجام تجزیه و تحلیل دادههای مهندسی پزشکی است.
کارشناسی ارشد دورهای کوتاه ولی پرپیچ و خمی است و در هر ترم دروس تخصصی ارائه میشود که در پایان ترم دانشجو باید یک #پروژه عملی برای درس موردنظر انجام دهد. اکثر #اساتید برای آمادهسازی دانشجویان جهت انجام پایاننامه، پروژههایی تعریف میکنند و دانشجویان باید طبق #مقالات_تخصصی پروژهها را انجام دهند.
ازطرف دیگه بسیاری از دانشجویان با دادههای مهندسی پزشکی آشنا نیستند لذا در انجام پروژه و #پیاده_سازی مقالات به مشکل میخورند.
📚دروس شناسایی آماری الگو و داده کاوی، جزء دروسی هستند که در اکثر دانشگاههای معتبر از جمله دانشگاههای تهران ارائه میشوند و در اکثر پروژههای مهندسی پزشکی از مباحث این دروس استفاده میشوند. دانشجویانی که این دروس را گذرانده باشند مطمئنا" در انجام پایاننامه خود #موفق خواهند بود.
در دوره جامع مهندسی پزشکی مباحث دو درس #پترن و #داده_کاوی به طور کامل آموزش داده میشوند و برای اینکه مطالب ملموستر شوند، الگوریتمها را روی دادههای واقعی مهندسی پزشکی اعمال میشوند. در واقع با یک #تیر دو #نشان می زنیم😃. در این دوره علاوه بر آموزش مباحث تئوری و عملی الگوریتمهای دو درس، پروژه های مختلفی آموزش داده میشود.
✅ این دوره تنها دورهای است که سعی کرده تمام مباحث مهندسی پزشکی را پوشش دهد!
⚠️ نکتهای که باید توجه شود این است که این دوره کاملا تخصصی است و مخصوص دانشجویان #ارشد و #دکتری طراحی شده است لذا برای دانشجویان کارشناسی توصیه نمیشود!
🌐 داده هایی که در این دوره استفاده می شود داده های مرتبط با مهندسی پزشکی و شرکتکنندگان علاوه بر یادگیری مباحث، با دادههای مهندسی پزشکی نیز آشنا میشوند.
◀️در این دوره ما #نحوه_کار با دادههای مختلف را آموزش میدهیم و دانشجویان دیگر #سختی کار با دادهها را تجربه نخواهند کرد😊.
💯 بطبع این دوره برای دانشجویان مهندسی پزشکی بسیار مفیدتر خواهد بود و به آنها دید بهتری از پروژه ها میدهد ولی دانشجویانی که قصد یادگیری مباحث درس پترن و داده کاوی را دارند نیز میتوانند در این دوره شرکت کنند.
🌀پروژههایی که طول دوره آموزش داده می شوند نتیجه چهار سال #تجربه گروه مهندسی پزشکی دانشجویان علم و صنعت تهران هست و سعی بر این است که پروژههای خوب و بروزی که امروزه در این رشته کار میکنند را انتخاب کنیم و براساس مقالات معتبر شبیهسازی کنیم.
✳️بعد اتمام دوره انتظار داریم دانشجویان دید بهتری از پروژهها داشته باشند و بتوانند موضوعات مناسبی برای پایان نامه دکتری و کارشناشی ارشد انتخاب کنند، در #شبیه_سازی_مقالات تخصصی حوزه مهندسی پزشکی و در انجام #پروژه_پایاننامه مشکلی نداشته باشند.
🔺در این چند سال متوجه شدیم که اکثر دانشجویان مهندسی پزشکی مباحث را بلدند ولی در پیادهسازی و تحلیل داده ها مشکل دارند. در این دوره ما آموزش می دهیم که چگونه داده را دانلود، تجزیه و تحلیل بکنند و چگونه یک پروژه را از #صفرتاصد در #متلب به طور تخصصی انجام دهند.
🌀 5 پروژه عملی از صفر تا صد در متلب پیادهسازی میشود و شرکتکنندگان با موضوعات مختلفی آشنا شده و کار با دادههای مختلف مهندسیی پزشکی را یاد میگیرند.
⏪برای اطلاع از جزئیات مباحث و پروژه هایی که در این دوره آموزش داده میشوند، فایل جزئیات دوره(PDF ) را مطالعه کنید.
➖➖➖➖➖
@IUST_Bioelecteric
✍️طی تجربیات چند سال گذشته متوجه شدیم که اکثر دانشجویان در مقطع کارشناسی ارشد و دکتری در انتخاب موضوع پایان نامه دچار مشکلات و سردرگمیهایی میشوند. یکی از دلایل اصلی سردرگمی دانشجویان مهندسی پزشکی در انتخاب موضوع پایاننامه، نداشتن #دید_کافی از این رشته است. برای مثال بسیاری از دانشجویان کارشناسی، رشته متفاوتی داشتهاند و در کارشناسی ارشد وارد رشته مهندسی پزشکی(بیوالکتریک) شدهاند که هیچ پیشزمینهای از این رشته ندارند و به علت محدودیت زمانی در ارشد گاها" در انتخاب موضوع پایاننامه که اصلیترین #بخش کارشناسی ارشد است و به نوعی #آینده_کاری دانشجو را تعیین میکند، دچار اشتباه میشوند.
🔺مشکل دیگر دانشجویان نداشتن تخصص کافی در پیادهسازی مقالات تخصصی و انجام تجزیه و تحلیل دادههای مهندسی پزشکی است.
کارشناسی ارشد دورهای کوتاه ولی پرپیچ و خمی است و در هر ترم دروس تخصصی ارائه میشود که در پایان ترم دانشجو باید یک #پروژه عملی برای درس موردنظر انجام دهد. اکثر #اساتید برای آمادهسازی دانشجویان جهت انجام پایاننامه، پروژههایی تعریف میکنند و دانشجویان باید طبق #مقالات_تخصصی پروژهها را انجام دهند.
ازطرف دیگه بسیاری از دانشجویان با دادههای مهندسی پزشکی آشنا نیستند لذا در انجام پروژه و #پیاده_سازی مقالات به مشکل میخورند.
📚دروس شناسایی آماری الگو و داده کاوی، جزء دروسی هستند که در اکثر دانشگاههای معتبر از جمله دانشگاههای تهران ارائه میشوند و در اکثر پروژههای مهندسی پزشکی از مباحث این دروس استفاده میشوند. دانشجویانی که این دروس را گذرانده باشند مطمئنا" در انجام پایاننامه خود #موفق خواهند بود.
در دوره جامع مهندسی پزشکی مباحث دو درس #پترن و #داده_کاوی به طور کامل آموزش داده میشوند و برای اینکه مطالب ملموستر شوند، الگوریتمها را روی دادههای واقعی مهندسی پزشکی اعمال میشوند. در واقع با یک #تیر دو #نشان می زنیم😃. در این دوره علاوه بر آموزش مباحث تئوری و عملی الگوریتمهای دو درس، پروژه های مختلفی آموزش داده میشود.
✅ این دوره تنها دورهای است که سعی کرده تمام مباحث مهندسی پزشکی را پوشش دهد!
⚠️ نکتهای که باید توجه شود این است که این دوره کاملا تخصصی است و مخصوص دانشجویان #ارشد و #دکتری طراحی شده است لذا برای دانشجویان کارشناسی توصیه نمیشود!
🌐 داده هایی که در این دوره استفاده می شود داده های مرتبط با مهندسی پزشکی و شرکتکنندگان علاوه بر یادگیری مباحث، با دادههای مهندسی پزشکی نیز آشنا میشوند.
◀️در این دوره ما #نحوه_کار با دادههای مختلف را آموزش میدهیم و دانشجویان دیگر #سختی کار با دادهها را تجربه نخواهند کرد😊.
💯 بطبع این دوره برای دانشجویان مهندسی پزشکی بسیار مفیدتر خواهد بود و به آنها دید بهتری از پروژه ها میدهد ولی دانشجویانی که قصد یادگیری مباحث درس پترن و داده کاوی را دارند نیز میتوانند در این دوره شرکت کنند.
🌀پروژههایی که طول دوره آموزش داده می شوند نتیجه چهار سال #تجربه گروه مهندسی پزشکی دانشجویان علم و صنعت تهران هست و سعی بر این است که پروژههای خوب و بروزی که امروزه در این رشته کار میکنند را انتخاب کنیم و براساس مقالات معتبر شبیهسازی کنیم.
✳️بعد اتمام دوره انتظار داریم دانشجویان دید بهتری از پروژهها داشته باشند و بتوانند موضوعات مناسبی برای پایان نامه دکتری و کارشناشی ارشد انتخاب کنند، در #شبیه_سازی_مقالات تخصصی حوزه مهندسی پزشکی و در انجام #پروژه_پایاننامه مشکلی نداشته باشند.
🔺در این چند سال متوجه شدیم که اکثر دانشجویان مهندسی پزشکی مباحث را بلدند ولی در پیادهسازی و تحلیل داده ها مشکل دارند. در این دوره ما آموزش می دهیم که چگونه داده را دانلود، تجزیه و تحلیل بکنند و چگونه یک پروژه را از #صفرتاصد در #متلب به طور تخصصی انجام دهند.
🌀 5 پروژه عملی از صفر تا صد در متلب پیادهسازی میشود و شرکتکنندگان با موضوعات مختلفی آشنا شده و کار با دادههای مختلف مهندسیی پزشکی را یاد میگیرند.
⏪برای اطلاع از جزئیات مباحث و پروژه هایی که در این دوره آموزش داده میشوند، فایل جزئیات دوره(PDF ) را مطالعه کنید.
➖➖➖➖➖
@IUST_Bioelecteric
onlinebme
✅ #اهدافتون رو به کسی #نگید چون وقتی به #زبان میارید دیگران #تحسینتون میکنن و #ذهن فکر میکنه #اتفاق افتاده و #تموم شده.🤦♂ ➖➖➖ 📖 @onlineBME
🗣 این سخنرانی توی TED میگه که اهدافتون رو به کسی نگید چون وقتی به زبان میارید دیگران تحسینتون میکنن ذهن فکر میکنه اتفاق افتاده و تموم شده.
💡تو آزمایش هاشون کسایی که از اهدافشون صحبت نمیکردن #موفق بودن و بقیه #نصفه_کاره #رها کرده بودن.
شاید واستون #جالب باشه🧐
🏢 مدرسه آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME
💡تو آزمایش هاشون کسایی که از اهدافشون صحبت نمیکردن #موفق بودن و بقیه #نصفه_کاره #رها کرده بودن.
شاید واستون #جالب باشه🧐
🏢 مدرسه آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME