یه چیز جدید از ChatGPT فهمیدم، اگه بهش بگید فلان ریپازیتوری گیت هاب رو بهم کامل توضیح بده، قشنگ توضیح میده😍. لینک قبول نمیکنه ولی اسم ریپازیتوری رو بگید و یه کوچولو اشاره کنید به مشخصات، خودش میفهمه کدوم ریپازیتوری رو دارید میگید. مثلا من بهش گفتم بهم بگو ریپازیتوری Tesseract از چه مدل ها، الگوریتم ها و کتابخونه هایی استفاده میکنه، کامل بهم توضیح داد.
(البته به زبان انگلیسی ازش پرسید.)
(البته به زبان انگلیسی ازش پرسید.)
This media is not supported in your browser
VIEW IN TELEGRAM
🎥 ساخت سریال فرندز با استفاده از هوش مصنوعی
⏪ با استفاده از هوش مصنوعی، این ویدیو سریال فرندز رو در دهه ۵۰ میلادی به تصویر کشیده.
#هوش_مصنوعی #AI
@python_rd
⏪ با استفاده از هوش مصنوعی، این ویدیو سریال فرندز رو در دهه ۵۰ میلادی به تصویر کشیده.
#هوش_مصنوعی #AI
@python_rd
کاربرد های پایتون در هوش مصنوعی:
یادگیری ماشین و یادگیری عمیق: پایتون به عنوان یکی از زبانهای اصلی برای پیادهسازی الگوریتمهای یادگیری ماشین و یادگیری عمیق استفاده میشود. کتابخانههایی مانند TensorFlow و PyTorch که ابزارهای قدرتمندی برای این حوزه ارائه میدهند، به زبان پایتون پیادهسازی شدهاند.
پردازش زبان طبیعی (NLP): در حوزه پردازش زبان طبیعی، پایتون از طریق کتابخانههایی مانند NLTK (Natural Language Toolkit) و SpaCy استفاده میشود. این کتابخانهها برای تحلیل و پردازش متون به زبان انسانی، تشخیص انواع متن، ترجمه ماشینی و دیگر کاربردها به کار میروند.
پردازش تصویر و بینایی ماشین: برای پردازش تصویر و بینایی ماشین، پایتون از کتابخانههایی مانند OpenCV و scikit-image استفاده میکند. این کتابخانهها ابزارهایی برای تشخیص الگوها، تشخیص اشیا، تشخیص چهره، تشخیص اثر انگشت و سایر وظایف پردازش تصویر را فراهم میکنند.
سیستمهای پیشنهادگی: در سیستمهای پیشنهادگی (مانند سیستمهای پیشنهاد محتوا)، پایتون به عنوان زبان اصلی برنامهنویسی مورد استفاده قرار میگیرد. از کتابخانههایی مانند Surprise و LightFM برای پیادهسازی سیستمهای پیشنهادگی در پایتون استفاده میشود.
تحلیل داده و انتقال آنها به اطلاعات مفید: پایتون به عنوان یکی از ابزارهای اصلی برای تحلیل داده و استخراج اطلاعات از دادههای ساختار یافته و ناساختاری (مانند دادههای وب، دادههای حسگرها و دادههای مرتبط با IoT) به کار میرود. کتابخانههایی مانند Pandas، NumPy و scikit-learn به این منظور استفاده میشوند.
پردازش گفتار: برای پردازش سیگنالهای صوتی و تشخیص گفتار، پایتون از کتابخانههایی مانند SpeechRecognition و librosa استفاده میکند.
همچنین، پایتون به عنوان یک زبان برنامهنویسی چندمنظوره، در سایر حوزههای هوش مصنوعی نیز مورد استفاده قرار میگیرد مانند رباتیک، تحلیل اعمال تصویری، تجزیه و تحلیل دادههای بزرگ و غیره.
@python_rd
یادگیری ماشین و یادگیری عمیق: پایتون به عنوان یکی از زبانهای اصلی برای پیادهسازی الگوریتمهای یادگیری ماشین و یادگیری عمیق استفاده میشود. کتابخانههایی مانند TensorFlow و PyTorch که ابزارهای قدرتمندی برای این حوزه ارائه میدهند، به زبان پایتون پیادهسازی شدهاند.
پردازش زبان طبیعی (NLP): در حوزه پردازش زبان طبیعی، پایتون از طریق کتابخانههایی مانند NLTK (Natural Language Toolkit) و SpaCy استفاده میشود. این کتابخانهها برای تحلیل و پردازش متون به زبان انسانی، تشخیص انواع متن، ترجمه ماشینی و دیگر کاربردها به کار میروند.
پردازش تصویر و بینایی ماشین: برای پردازش تصویر و بینایی ماشین، پایتون از کتابخانههایی مانند OpenCV و scikit-image استفاده میکند. این کتابخانهها ابزارهایی برای تشخیص الگوها، تشخیص اشیا، تشخیص چهره، تشخیص اثر انگشت و سایر وظایف پردازش تصویر را فراهم میکنند.
سیستمهای پیشنهادگی: در سیستمهای پیشنهادگی (مانند سیستمهای پیشنهاد محتوا)، پایتون به عنوان زبان اصلی برنامهنویسی مورد استفاده قرار میگیرد. از کتابخانههایی مانند Surprise و LightFM برای پیادهسازی سیستمهای پیشنهادگی در پایتون استفاده میشود.
تحلیل داده و انتقال آنها به اطلاعات مفید: پایتون به عنوان یکی از ابزارهای اصلی برای تحلیل داده و استخراج اطلاعات از دادههای ساختار یافته و ناساختاری (مانند دادههای وب، دادههای حسگرها و دادههای مرتبط با IoT) به کار میرود. کتابخانههایی مانند Pandas، NumPy و scikit-learn به این منظور استفاده میشوند.
پردازش گفتار: برای پردازش سیگنالهای صوتی و تشخیص گفتار، پایتون از کتابخانههایی مانند SpeechRecognition و librosa استفاده میکند.
همچنین، پایتون به عنوان یک زبان برنامهنویسی چندمنظوره، در سایر حوزههای هوش مصنوعی نیز مورد استفاده قرار میگیرد مانند رباتیک، تحلیل اعمال تصویری، تجزیه و تحلیل دادههای بزرگ و غیره.
@python_rd
⭕️فریمورکها و کتابخانههای دیتاساینسی در زبان پایتون
1. NumPY
2. SciPY
3. TensorFlow
4. Keras
5. Matplotlib
6. Pandas
@python_rd
1. NumPY
2. SciPY
3. TensorFlow
4. Keras
5. Matplotlib
6. Pandas
@python_rd
PyCoders (پایتون)
Photo
بدینوسیله با افتخار اعلام میکنم داکیومنت پروژه ی رمزگشایی کتیبه های باستانی گیلگمش (eBL) رو نوشتم.
مدتی بود که روی این پروژه کلی کار کردم و در مدیوم هم مقاله نوشتم و آخر سر به پروفسور انریکه جیمنز ایمیل زدم و به ایشون اطلاع دادم که برای ریپازیتوری داکیومنت پروژه اشون (پروژه مون🥺) پول رکئوست زدم و ایشون هم رکوئست من رو merge کردند و الان من یکی از contributor های این پروژه هستم! اصلا خودم باورم نمیشه🥺.
پروفسور انریکه جیمنز پاسخ ایمیلم هم دادند؛ چقدر با گرمی ازم استقبال کردند🥰.
خدایا شکرت💖
به وقت ۱۳ ژون ۲۰۲۴ میلادی
لینک پروژه:
https://github.com/Melanee-Melanee/Electronic-Babylonian-Library-eBL-documentation
مدتی بود که روی این پروژه کلی کار کردم و در مدیوم هم مقاله نوشتم و آخر سر به پروفسور انریکه جیمنز ایمیل زدم و به ایشون اطلاع دادم که برای ریپازیتوری داکیومنت پروژه اشون (پروژه مون🥺) پول رکئوست زدم و ایشون هم رکوئست من رو merge کردند و الان من یکی از contributor های این پروژه هستم! اصلا خودم باورم نمیشه🥺.
پروفسور انریکه جیمنز پاسخ ایمیلم هم دادند؛ چقدر با گرمی ازم استقبال کردند🥰.
خدایا شکرت💖
به وقت ۱۳ ژون ۲۰۲۴ میلادی
لینک پروژه:
https://github.com/Melanee-Melanee/Electronic-Babylonian-Library-eBL-documentation