با توجه به گزارش بالا از سایت کاریابی indeed، مهندسی یادگیری ماشین با دستمزد ۱۴۶ هزار دلاری بعنوان بهترین شغل سال ۲۰۱۹ انتخاب شده و دلیل آن رشد روزافزون و حقوق بالا و رشد ۳۴۴ درصدی نسبت به سال قبل میباشد. در این لیست شغلهایی با درآمد بیشتر مانند Agile Coach در رتبه ۱۸ و مهندسی بینایی ماشین در رتبه ۱۳ به چشم میخورد که به دلیل کم بودن شغل هایشان و میزان رشدشان در رتبه های پایین تر قرار گرفته اند.

منبع: http://blog.indeed.com/2019/03/14/best-jobs-2019

@pythonicAI

سلام دوستان برنامه نویس کانال ai_python
خیلی منابع واسه فروش ویدیو ها و پی دی اف ها وجود داره به عنوان مثال : آموزش 0 تا 70 پایتون - آموزش زیرو تا هیرو پایتون و اموزش های مبتدی تا پیشرفته و ....
فریب این سایت ها رو نخورید
به عنوان مثال سایت زیر یکی از اون سایتا هست..
کتاب اصلی حدود 1300 صفحه هست و این کتاب تنها 700 صفحه دارد..
مطالبی هم که داخلش هست به هیچ عنوان مورد قبول نبوده و نیست و حتی یک پاراگراف هم از رفرنس اصلی کپی برداری نشده!!!
موفق باشید..
https://www.rayka-co.ir/online-shop/books/programing-book/python-detail
____________
🆔 @ai_python

وندینگ ماشین برای خرید لایک و فالوئر



https://jadi.net/2019/06/like-vending-machine/

«کوییک فیکس» یا «راه حل سریع» یه اثر هنری تعاملیه. این دستگاه اجازه می‌ده در سه قدم ساده برای خودتون لایک و فالوئر بخرین. کافیه دگمه اینکه چی نیاز دارین رو فشار بدین، سکه‌ها رو از شکاف سکه داخل دستگاه بندازین و اکانت خودتون رو وارد کنین و چند ثانیه بعد محصول مورد نظر رو دریافت کنین؛ البته از طرف اکانت‌های فیک. در حال حاضر امکان خریدن لایک و فالوئر در اینستاگرام، فیسبوک، یوتوب و توییتر وجود داره و سکه‌ها رو هم می شه برای هر کشور تغییر داد.

این اثر هنری در جاهای مختلفی به نمایش در خواهد اومد و با هر بار سفارش، تاریخ و شهر و مکان دقیق سفارش رو ثبت می‌کنه. اثر از هلسینکی شروع کرده و با یک رزبری پای، یک آردیونو، منبع تغذیه و پذیرنده سکه و کلیدهای کنترل و یک کیبرد و چهار ال سی دی I2C ساخته شده. با استفاده از پایتون و فایربیس.

هدفش هم که مشخصه. نشون دادن جامعه ای که توش همه تشویق می شیم تا لایک جمع کنیم و حتی به عنوان یک عدد هم که شده، فالوئرهامون رو بالا ببریم؛ نمونه های وطنی‌اش هم که زیاده و معلومه دستگاه تو ایران کار چندانی نخواهد داشت. چون این اطراف هزار تا فالوئر نیمه واقعی خیلی ارزونتر از این حرفها است، چه برسه به لایک غیرواقعی (:

کانال @jadinet

@uselinux
🔥ریپوزیتوری ها پاک شدند و به سرعت برگشتند . اما چرا؟
@uselinux
موضوع جالبی که یک گیم دیزاینر به اسم Jason Rohrer با آن مواجه شد , متوجه شد که ۲۳ ریپوزیتوری که کار ۱۵سال توسعه و کانتریبیوت کامیونیتی بود از گیت هاب پاک شده است!!
@uselinux
جیسون: "نمیتونم باور کنم که به چه آسانی تمام دستاورد عمر یک نفر در گیت هاب از بین رفته است"
خوشبختانه فروم ها در جاهای دیگری (غیر از گیت هاب) میزبانی میشدند!

جیسون به تنها پناهگاه تکنولوژی های بزرگ پناه برد(شبکه های اجتماعی):
"اگر شما روی گیت هاب بعنوان پروژه های مهم زندگی تون حساب میکنید . باید بگم که اونها ممکنه پاک بشن بدون هیچ اخطاری!"
@uselinux
این پست جیسون ۳۷۳بار ریتوییت شد در مدت زمان کم . و ریپوزیتوری ها برگشتند!

مدیرعامل گیت هاب(Nat Friedman) یادداشتی گذاشته بود که پشتیبانی . ریپوزیتوری های شمارو برگردوند . و شخصا از جیسون عذرخواهی کرد .. (حتی قبل از اینکه جیسون متوجه بشه که ریپو هاش برگشتن و قبل از توییت)
@uselinux
جیسون در پیام دیگری نوشت : گیت هاب قلب کار های ماست , من ۳۰ تا linode بعنوان گیم سرور , دانلود سرور و تایپ های دیگر دارم که اونها مستقیما با git pull آپدیت میشن"

آیا گیت هاب واقعا غیرقابل پیش بینی و ناامن شده است ؟
@uselinux
فردمن گفت : گیت هاب در حال تحقیقات و یادگیری است , و ممکن است یک سری آدم بدخواه این اکانت را ریپورت کرده باشند .و همچنین لینک هایی که در issueها به فروم جیسون شده است . باعث شده است که این اکانت توسط الگوریتم ها و هوش مصنوعی ما بعنوان اسپم علامتگذاری شده باشد
@uselinux
سخنگوی گیت هاب در اخر گفت : این اکانت به اشتباه علامتگذاری شده بود . و ما آن را برگرداندیم و از اشتباهمان یادگرفتیم و به سختی تلاش میکنیم تا گیت هاب رو ایمن کنیم برای دولوپران . و همیشه در حال بهبود اسپم فیلترینگ خود هستیم

@uselinux
منبع:
https://www.theregister.co.uk/2019/06/07/github_repos_wiped_without_notice_quickly_restored_but_why/

🎧 اثر freedom از anthony hamilton

موزیک گوش بدین، کد بزنین و از زندگی لذت ببرین ؛)

#musicForProgramming

@pythonicAI

یکی از بهترین کتابهای موجود برای یادگیری دیپ لرنینگ

نوشته شده توسط سازنده کتابخانه کراس، Francois Chollet

یه نکته جالب تو این کتاب این بود که چندتا از کاربرهای عملی دیپ لرنینگ، مثل neural style transfer و deep dream، تولید متن و... رو هم پیاده سازی کرده و توضیح داده.

#deeplearning #artificialintelligence #keras #francois #chollet

@pythonicAI

#کتاب

کتاب پیشنهادی اکثرا اساتید هوش مصنوعی برای یادگیری عمیق نویسنده گان Ian_Goodfellow,_Yoshua_Bengio,_Aaron

در کنار بخش عادی وب که برای مطالعه خبر، ارسال ایمیل و... استفاده می‌شود، بخش دیگری از وب برای فعالیت‌های غیرقانونی به کار می‌رود که هوش مصنوعی درک بهتر آن را ممکن خواهد کرد.

وب تاریک(dark web) میزبان سایت‌هایی ناشناس برای خرید و فروش اطلاعات خصوصی کاربران، مواد مخدر، محتوای هرزه نگارانه، اسلحه و حتی قاچاق انسان است. پلیس و مقامات قضائی در کشورهای مختلف جهان سال هاست که برای متوقف کردن فعالیت دارک وب در تلاش هستند، اما چالش‌های فراروی تحقیق و بررسی در این زمینه باعث شده گردانندگان این قسمت از فضای مجازی آزادانه به تخلفات خود ادامه دهند.

محققان دانشگاه MIT می‌گویند ماهیت پیچیده و غیرقابل ردگیری فعالیت‌های دارک وب یک چالش جدی است. از سوی دیگر بسیاری از سایت‌های فعال در این بخش عمر کوتاهی داشته و بعد از کلاهبرداری‌های کلان به سرعت غیرفعال می‌شوند. اما با طراحی یک نرم افزار مبتنی بر هوش مصنوعی می‌توان داده‌های موجود را به سرعت تحلیل و افراد خلافکار فعال در بخش تاریک وب را ردگیری کرد.

این نرم افزار می‌تواند ارتباط میان خریداران و فروشندگان خدمات مختلف در بخش تاریک وب را در لایه‌های مختلف آن شناسایی و ردگیری کند تا تغییر مکرر سایت‌های فعال نیز خللی در تحقیقات پلیسی ایجاد نکند.

نرم افزار یادشده می‌تواند نمایه‌ای (index) دقیق از هر یک از خلافکاران بخش تاریک وب ایجاد کند تا با بررسی‌های فنی، حتی در صورت تغییر نام کاربری این افراد باز هم قابل ردگیری و شناسایی باشند. این ردگیری‌ها محدود به بخش تاریک وب نیست و می‌تواند در بخش عادی وب نیز ادامه یابد.

این نرم افزار از توانایی خوبی برای پردازش حجم بالایی از اطلاعات نیز برخوردار است و نیاز پلیس به بررسی دستی اطلاعات خلافکاران دارک وب را برطرف می‌کند. پژوهشگران MIT دقت این نرم افزار را ۹۵ درصد تخمین زده و می‌گویند در حال تکمیل قابلیت‌های آن هستند.

منبع: کانال dp_learning

#deeplearning #artificialintelligence #dark #web #criminal #minds

@pythonicAI

اگر قصد دارید دیسترو های مختلف لینوکسی رو بصورت واقعی تست کنید. بدون اینکه رو سیستمتون نصب کنید. میتونید از این سایت استفاده کنید:

https://distrotest.net

دیستروی مورد نظرتونو از لیست انتخاب کنید. منتظر بمونید تا یک ریموت سرور رو براتون آماده یا خالی کنه و بعد با OpenVNC یا Remmina به آیپی و پورتی که بهتون میده ریموت بزنید یا میتونید تو مرورگر هم بازش کنید (اما خیلی کند تر از ریموت زدن هست).

منبع: کانال uselinux

@pythonicAI

چند وقتیه که نسخه بتا پایتون ۳.۸ ریلیز شده و تغییرات عمده ای تو این نسخه دیده میشه. از جمله:

۱ Assignment expressions
سینتکس جدیدی اضافه شده تحت عنوان اپراتور walrus که به این شکله =:
کارش اینه که در حین عملیات، تخصیص انجام بده. مثلا

if (n := len(a)) > 10: pass

۲ پارامترهای positional-only
سینتکسی اضافه شده به شکل / که به مفسر میگه تمام پارامترهای تابع باید بصورت پوزیشنال مشخص بشن و دیگه نمیتونن بصورت keyword مقدار بگیرن(حتی اگه keyword باشن!). مثلا

def pow(x, y, z=None, /):
r = x**y
if z is not None: r %= z
return r

حالا
pow(2, 10) و pow(2, 10, 17)
معتبرن ولی
pow(x=2, y=10) و pow(2, 10, z=17)
نامعتبرن.

۳ عبارت continue در ساختار finally ممنوع بود که در این نسخه این محدودیت برطرف شد.

و کلی تغییرات دیگه که در این لینک میتونین درموردشون بیشتر بخونین: لینک

#python #programming #new #release

@pythonicAI

#مقاله و #ایده
پروژه های کلاس Andrew NG
این پروژه ها مرتبط با درس یادگیری عمیق هست و همراهان گرامی توانند با خواندن این گزارش ها، ایده های نوین در کار با یادگیری عمیق را پیدا کنند.
متن تویت Prof. Andrew NG

Projects from @Stanford's CS230 (Deep Learning) class. Congrats to all the students on completing so many great projects! http://cs230.stanford.edu/proj-spring-2018.html

با کانال
https://t.me/Machinelearning_Kartal/1378
همراه باشید.

انتشار دوره جدید آموزش یادگیری عمیق دانشگاه MIT در سال 2019 از طریق همین سایت در دسترس قرار خواهد گرفت.

در این سایت سایر دوره های برگزار شده این دانشگاه نظیر «بینایی ماشین/کامپیوتر , یادگیری تقویتی عمیق , شبکه های عصبی مصنوعی , یادگیری عمیق برای ماشین های خودران , هوش مصنوعی , یادگیری آماری » در دسترس است.

https://deeplearning.mit.edu/

#اموزش #mit
@pythonicAI

اگه علاقمند به مباحث هوش مصنوعی هستین بد نیس نگاهی به بلاگ گوگل ai بندازین :)

لینک

@pythonicAI

دیپلماسی توییتری!

شاید در اولین قدم از دیدن این عبارت تعجب کرده باشید. زیرا یک موضوع بسیار مهم مانند دیپلماسی در کنار نام یک شبکه اجتماعی دیده می‌شود. دلیل این موضوع استفاده گسترده از شبکه اجتماعی توییتر برای مقاصد دیپلماتیک است.
امروزه شبکه‌های اجتماعی در موارد بسیار مهمی مانند دیپلماسی نیز حضور دارد.
این عبارت برای اولین بار توسط آن کری خبرنگار آمریکایی استفاده شد. در آن زمان مذاکرات هسته‌ای بین ایران و کشورهای پنج به‌اضافه یک در جریان بود. آقای ظریف و آقای کری از طریق توییتر سعی می‌کردند پیام‌های خود را به جهان مخابره کنند.

لینک

@pythonicAI

💻برایان و جان دو برنامه نویس بودند که در استخدام فیسبوک پذیرفته نشدند.
بعدها Whatsapp رو راه انداختند و 19 میلیارد به فیسبوک فروختند....

💡نوابغ فقط انسان هايي هستن كه نا اميد نشدن!...
#انگیزشی

جزوه طراحی پایگاه داده دکتر بهزاد منتظری، ترم پاییز ۹۷

#database #montazeri

@pythonicAI

✅ یادگیری ماشین برای هنرمندان

#یادگیری_ماشین #آموزش #شبکه_عصبی_کانوولوشن #شبکه_عصبی

🔸 نگاهی به درون شبکه عصبی
🔸 شبکه های عصبی چگونه آموزش می بینند
🔸 شبکه عصبی کانولوشن

🔔 Link Review

❇️ @AI_Python

کمپانی ژاپنی hitachi از لحظه پیدایش آن تا کنون در خط مقدم نوآوری بوده و فلسفه "توسعه برتری، تکنولوژی و محصولات اصیل" رو دنبال کرده.

تکنولوژی های هوش مصنوعی و یادگیری ماشینی این شرکت نه تنها روی سرویس ها و محصولات خودش بلکه روی صنایع دیگر مثل سلامت، حمل و نقل و مالی هم اثر گذاشته.

در سال ۲۰۱۵ این شرکت، H را معرفی کرد، راهکار هیتاچی برای یک هوش مصنوعی عمومی که میتواند کاربردهای مختلفی داشته باشد. H میتواند به تنهایی فرض هایی درمورد دیتایی که به آن خورانده شده تولید کند. بعنوان مثال یک ربات که به H مجهز شده بود، توانست به خودش "تاب خوردن" یاد بده.

این فناوری(H) از پردازش زبان طبیعی و دیپ لرنینگ برای پردازش دیتاهایی که از سنسورها دریافت میشود استفاده میکند تا الگوهایی که انسان ها ندیده اند را پیدا کند. این تکنولوژی به دنبال شرایط مرتبط با هدف کسب و کار، براساس اطلاعاتی که میگیرد، جستجو میکند و متدی برای بهینه سازی این اهداف تعیین میکند.

در بیمارستان ها دور ریز غذای بیمارها زیاد است. دوربین هایی روی سینی های غذا تعبیه شده که از باقی مانده غذا عکس برداری کرده و این تصاویر به خورد الگوریتم دیپ لرنینگ هیتاچی داده شده و آنالیز میشود تا الگوهایی در دور ریز غذای انسان پیدا کند.

بزرگترین کمپانی حمل و نقل اروپا به نام stena line در جهت بهبود مصرف سوخت کشتی های خود از این فناوری هیتاچی بهره گرفته تا سطوح انتشار را کاهش دهد. مدل فعلی متغیرهایی از جمله وضعیت آب و هوا، سرعت کشتی و... را ارزیابی میکند. مدل مذکور تحلیل را با سرعت و به اندازه ای عمیق انجام میدهد که هرگز بصورت دستی امکان پذیر نیست.

منبع: لینک


#machinelearning #deeplearning #artificialintelligence #hitachi #food #ship #finance

@pythonicAI

Keras for Beginners: Building Your First Neural Network

A beginner-friendly guide on using Keras to implement a simple neural network in python.

لینک



#python #keras #machinelearning #neural #network #deeplearning

@pythonicAI

وقتی اولین انسان غارنشین توانست آتش روشن کند، کمی پس از آن، دومین انسان غارنشین تصمیم گرفت یاد بگیرد چطور میتواند آتش روشن کند. مشکل اینجا بود که نمیتوانست با خواندن کتاب یا پاس کردن یک درس ۳ واحدی در دانشگاه، روشن کردن آتش را یاد بگیرد. پس شروع به نگاه کردن به انسان غارنشین اول کرد، سعی کرد کار او را تکرار کند، شکست خورد و دوباره سعی کرد تا اینکه موفق به روشن کردن آتش شد. انسان به همین شکل اموزش میبیند: در یک پروسه تکراری نگاه کردن، تمرین کردن، شکست خوردن و تصحیح کردن خود.

اما نحوه استفاده ما از کامپیوتر با این روش تفاوت دارد. ما دیتا را جمع آوری و پیش پردازش کرده و در انبار داده ها و استخرها دخیره میکنیم و سپس به وسیله ابزارهای تحلیل، آنها را مطالعه میکنیم. مشکل اینجاست که ابزار تحلیل، همه چیز را تحلیل نمیکند!‌صرفا با تکه تکه کردن داده ها و نمایش آنها به درک بهتر آنها توسط انسان کمک میکند.

ما باید کامپیوتر را به همان شکلی که خودمان اموزش میبینیم، اموزش بدهیم. مجموعه ای از داده ها را برای الگوریتم های ماشین لرنینگ که روی پلتفرم های ابری گوگل و IBM پیاده شده، فرستاده و از آنها الگو و بینش های درون دیتا را دریافت کنیم. بدون شک ماشین اشتباه خواهد کرد، و ار ما این است که آن را اصلاح کرده و بارها و بارها این فرایند را تکرار کنیم. بعد از چندبار تکرار، مدل بهتری خواهیم داشت. هدف، کمک به انسان است. ماشین این داده ها را خیلی سریع زیر و رو کرده و با استفاده از مدلی که براساس خود دیتا ساخته شده، به انسان توصیه هایی میکند که میتواند به کمک آنها، الگوها و بینش هایی از این داده ها استخراج کند.

با افزایش طول عمر و افزایش تحصیلات، قدرت شناختی انسان رشد میکند. از حدود سال ۱۹۵۰ قدرت شناختی کامپیوتر شروع به پیشرفت کرد. در سال ۲۰۰۸، میزان قدرت شناختی کامپیوتر به اندازه ۵۰ درصد مغز یک موش تخمین زده شد.

طبق پیشبینی Ray Kurzweil، متخصص هوش مصنوعی، در سال ۲۰۲۰ میزان قدرت شناختی کامپیوتر به اندازه مغز انسان خواهد بود و ۲۵ سال پس از آن، تکینگی(singularity) اتفاق خواهد افتاد، جایی که قدرت شناختی کامپیوتر برابر مغز تمام انسان ها خواهد شد.

اگر میزان رشد قدرت شناختی کامپیوتر را روی یک نمودار در واحد زمان (از ابتدای تمدن تا کنون) رسم کنید، متوجه رشد سریع آن خواهید شد (تقریبا یک خط عمودی خواهد بود) که ما تازه در ابتدای راه درک تاثیر این قدرت روی بشریت هستیم. این موضوع میتواند ترسناک باشد!

منبع: لینک


#machinelearning #artificialinterlligence #ray #kurzweil #singularity #data

@pythonicAI

#خارج‌ـازـبحث

دنیا ازون چیزی که فکر می‌کنید ترسناکتره ؛ تو بحث امنیت همیشه موقع ذخیره هش پسورد یوزرها: ادمین همیشه طولانی ترین و سخت ترین الگوریتم رو انتخاب می‌کنیم و از کاربرها می‌خوایم که پسوردها طولانی‌ باشه و کاراکتر ویژه حروف کوچک و بزرگ و عدد رو شامل بشه (اما صادق باشیم خیلی‌ها پسورد ساده میذارن و امنیت رو به مدیران سرور و سایت میسپارن چون پسورد سخت رو نمی‌تونن به ذهن بسپارند)

امروز خیلی اتفاقی با دوستی آشنا شدم بخاطر کانفیگ سیستمش (۴تا کارت گرافیک) اولین چیزی که به ذهنم رسید و باعث صحبت بیشتر شد این بود که #دیپ‌لرنینگ کار باشه

اما شاید باورتون نشه شغل ایشون :
Password Cracking بود
حتی نمیدونم چجوری باید توی رزومه ازش صحبت کرد؛ ارزون شدن قیمت جهانی کارت گرافیک‌ها و کودا و ... باعث شده ابزارهایی مثل
HashCat بوجود بیاد

این ابزار از تمام قدرت کارت‌گرافیک‌های موجود استفاده می‌کنه و هش‌ها رو برای شما می‌شکونه روش دیکشنری - بروت‌فرس - وایلدکارد و ...

بسیار بسیار سریع هست و فوق‌العاده؛ اونقد سریع و خطرناک که اگه راه داشته باشه باید خوندن
/ect/passwd
رو برای یوزرهای غیر سودوئر حتماْ بست

ازین ابزار برای شکوندن پسورد وای‌فای و ... هم استفاده می‌شه
پس ازونجا که همچین شغلی بوجود اومده:

۱- اگر ادمین هستید؛ الگوریتم‌های هش رو جدی بگیرید و الگوریتم‌های قدیمی رو بریزید دور (تو چند ثانیه کارشون تمومه)
۲- اگر یوزر هستید؛ حتماْ پسوردهاتون رو جدی بگیرید برای سایت‌های مهم حداقل پسورد ترکیبی بذارید (عدد - سمبل - حروف کوچیک و بزرگ) اگر طول پسورد بالای ۹-۱۰ حرف باشه حداقلش اینه که زمانبرتر می‌شه؛ برای کرکرهای رندم (شما هدف نیستید) شاید اصلاْ تست هم نشه چون زمانبر هست