Pythonic AI
493 subscribers
317 photos
84 videos
67 files
538 links
منابع، دوره ها، همایشها ، مقالات و میم کامپیوتر
Download Telegram
بالاخره «دوربین لخت کن» ساخته شد، و ما درکش نمی کنیم

https://jadi.net/2019/06/deep-nude/


[ این مطلب عامدانه عکس نداره اما اگر بخواین می تونین دنبال deep nude سرچ کنین ]

از زمانی که ما بچه بودیم شایعه بود که دوربین هایی هست که اجازه می ده یک نفر زیر لباس یک نفر دیگه رو ببینه. حالا اینکه چطوری ممکن بود فقط لباس رو رد کنه و مثلا از پوست رد نشه رو نمی دونم (: بعدها این مساله با اسپمرهای میهن عزیز تحت عنوان «دوربین لخت کن» ادامه پیدا کرد. برنامه هایی که قول می دادن کافه دوربین موبایل رو به سمت یک نفر بگیرین تا لخت اونو ببینین و البته معمولا در پروسه نصب به مشکلاتی بر می خوردن یا می گن دوربین شما از این قابلیت پشتیبانی نمی کنه یا پولی که واریز کردین مشکل داشته یا هزار تا دلیل دیگه و این وسط خودشون با یکسری اسمس شما رو عضو یکسری سرویس پولی کرده بودن یا حساب بانکی تون رو به یکی دیگه داده بودن یا اصولا به همین اکتفا کرده بودن که ۲۰هزار تومن به حسابشون ریخته باشین و الان هم نخواین به پلیس شکایت کنین.

اما یادگیری ماشین و هوش مصنوعی در حال پیشرفت است و وقتی چیزی مثل ربات رنگی کننده عکس سیاه و سفید داریم و دیپ فیک رو داریم که توش می شه هر صورتی رو روی هر ویدئویی گذاشت، اومدن چیزی مثل دیپ نود هم دور از ذهن نیست: برنامه ای که می تونه تصویر هر خانمی رو بگیره و لباسها رو ازش حذف کنه، حداقل در حدود تخیل یک آدم.

این برنامه فعلا به عنوان یک اپ گرونه اما بدون شک به سرعت نه فقط نمونه های ارزون و رایگانش خواهد اومد که مدل‌هاش هم عمومی خواهد شد و هر کس می تونه تو کامپیوتر خونگی اش اجراشون کنه و برهنه هر کسی که ازش عکسی داره رو تولید کنه. اینکار احتمالا غیراخلاقی و شاید غیرقانونی باشه اما با ارزون و همگانی شدن تکنولوژی، جلوگیری ازش غیر ممکن می شه. احتمالا پلیس هیچ توجهی نمی کنه اگر من اعتراض کنم که فلانی عکس منو لخت کرده و اگر هم بکنه، با رویش ناگزیر جوانه چه می کنه (:

اما چرا می گم این قابل درک نیست؟ حداقل در ابتدا اتفاقات زیادی خواهد افتاد. به چیزی نمی تونین اعتماد کنین و مساله «پورن انتقامی» به شکلی جدید نمودار خواهد شد. پورن انتقامی این بود که فیلم خصوصی کسی که قبلا با توافق گرفتین رو حالا بدون توافق پخش کنین – مثلا به عنوان انتقام ترک کردن شما توسط اون (که البته کار درستی بوده اگر چنین آدمی هستین!). فرض کنین استادی که سر کلاس درس می ده، همکلاسی، فامیل، آدم های مشهور و … همه و همه عکس هایی برهنه خواهند داشت که ما نمی تونیم دقیق تشخیص بدیم واقعی است یا نه. این یک تجاوز به حریم جنسی آدم ها است که ظاهرا باید بهشون عادت کنیم.

از نظر فنی برنامه روی pix2pix ساخته شده و با حدود احتمالا ۱۰هزار عکس برای یادگیری. در مورد عکس مردها و عکس هایی با لباس کامل هم کار می کنه ولی خروجی در مورد عکس زنانی که در نور خوب مستقیما به دوربین نگاه می کنن و بیکینی پوشیدن، از همه دقیق تره.

برنامه نویس در مقابل انتقادها گفته این کاری است که قبلا با فتوشاپ کاملا قابل انجام بود و فقط الان به خاطر بودن تکنولوژی، سرعت گرفته.

آمریکا در حال تلاش است که با قوانین مثل قانون مسوولیت دیپ فیک هر کسی که با تکنولوژی دیپ فیک چیزی درست می کنه رو مجبور کنه که حتما دیپ فیک بودن ویدئو رو مشخص کنه ولی در نهایت حتی اگر این قانون هم تصویب بشه و شامل دیپ نود هم بشه، کسی نمی تونه جلوی فعالیت عموم رو بگیره. مساله اینه که معناهایی مثل برهنگی و جنسیت و سکس و غیره در حال تغییر هستن و دنیا داره به جایی می ره که ما فعلا درکش نمی کنیم؛ در نتیجه کمی ازش می ترسیم. احتمالا وقتی که برسه، ساز و کارهاش رو هم خواهیم فهمید.
#خارج_از_بحث

چگونه عادت‌های بد کوچک
زندگی انسان را نابود می‌کنند؟!

ساختمانی خالی از سکنه را در کنار یک خیابان پر رفت‌وآمد، در حالی که شیشه‌ی‌ یکی از پنجره‌هایش شکسته است تصور کنید. مشاهده‌های علمی نشان می‌دهد که اگر پنجره شکسته ظرف مدت کوتاهی تعمیر نشود، عابران این پیام را از ساختمان می‌گیرند که کسی نگران ساختمان نیست و نظارتی وجود ندارد.
پس شیطنت شروع می‌شود و پنجره‌های سالم ساختمان مورد هدف قرار می‌گیرند؛ ساختمان تغییر شکل می‌دهد و البته ادامه‌ی این روند می‌تواند منجر به ورود مهمانان ناخوانده به ساختمان بی‌صاحب شود و آثارش از سطح به عمق نفوذ کند. اتفاقی که در اشکال مختلف شاهد آن بوده‌ایم.
توصیف فوق، خلاصه‌ای است از یک نظریه جرم‌شناسی به نام «پنجره شکسته».
نظریه‌ای که در دهه هشتادونود میلادی به کمک شهردار نیویورک آمد تا جرم‌خیزترین مترو جهان را که شهر زیرزمینی خلافکاران و اشرار به حساب می‌آمد سروسامان دهد.
شهرداری نیویورک، در اولین اقدام خود به بازسازی واگن‌های مترو پرداخت و دستور داد تا واگن‌هایی که طی روز با اسپری رنگ، نوشتن یادگاری و... آسیب می‌بینند، شبانه از خط خارج شوند و تا صبح روز بعد رنگ‌آمیزی و تعمیر‌شده و به خط برگردند.
در واقع همه‌ی این‌کارها یک پیغام داشت:
حواسمان به همه‌چیز است و هیچ خلافی را تحمل نمی‌کنیم، واین چنین شد که مترو ناامن نیویورک تبدیل به یکی از امن‌ترین متروهای جهان شد.
اکنون استفاده از تئوری پنجره شکسته در زندگی شخصی، تربیت کودک و تجارت و کسب‌وکار،کارایی دارد. پنجره‌های شکسته را بیابیم و تعمیر کنیم، مطمئن باشیم که اوضاع بهتر خواهد شد.

@pythonicAI
who owns who?
@pythonicAI
کتابخونه ChaquoPy

یک کتابخانه برای ساخت برنامه های اندرویدی با پایتون در اندروید استودیو. در واقع, این باعث میشود تا بتوانید پایتون و جاوا را با یکدیگر مخلوط کنید! این باعث میشود تا بتوانیم از کتابخانه های دیگر نیز بتوانیم در ساخت برنامه بهره ببریم. طبق گفته توسعه دهنده ها, میتوانید در 5 دقیقه خود را برای شروع کار اماده کنید.

لینک

@pythonicAI
Forwarded from Pythonic AI (Soroush Hashemi Far)
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
Forwarded from Pythonic AI (Soroush Hashemi Far)
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
توسعه دهنده مایکروسافت فاش کرد که حتی روی آژر هم لینوکس بیشتر از ویندوز سرور استفاده می شه


https://jadi.net/2019/07/linux-azure/

سه سال و نیم قبل، سی تی او آژر – کلاود مایکروسافت – گفته بود که «یک چهارم ماشین های آژر لینوکس هستند». بعد توی سال ۲۰۱۷ مایکروسافت گفت که ۴۰٪ ماشین های مجازی ساخته شده روی آژر، لینوکس هستند. در ۲۰۱۸ اعلام شد که این عدد تقریبا نصف ماشین ها است و حالا ساشا لوین که توسعه دهنده کرنل لینوکس در مایکروسافت است، در درخواست خودش برای عضویت مایکروسافت در لیست سکیوریتی کرنل لینوکس، نوشته که «استفاده از لینوکس در کلاود ما از ویندوز بیشتر شده».

البته این کاملا قابل پیش بینی بود اما کماکان اتفاق افتادنش جالبه. لینوکس به هرحال اکثریت اینترنت رو می‌چرخونه و استفاده از سرور ویندوز هم همه این سال‌ها در حال افول بوده.

معاون رییس اجرایی مایکروسافت اسکات گوتهری می گه که لینوکس هر ماه داره بالاتر میاد و برخی از سرویس های آژر اصولا با لینوکس درست شدن. اون می گه از ده سال قبل که ASP.NET بازمتن شد، فهمیدن که هر توسعه دهنده ای می تونه از بازمتن بهره ببره،‌نه به عنوان چیزی خوب که به عنوان موضوعی لازم. اون می گه این بحث کد نیست، بحث جامعه است. در نهایت هم اضافه می کنه که به اعتقادش الان مایکروسافت بزرگترین پشتیبان پروژه بازمتن در جهان است.
Media is too big
VIEW IN TELEGRAM
دزدی هویت خیلی مرسوم شده، یکی خودش رو جای کس دیگه جا می‌زنه و سر کسی رو کاخ می‌ذاره. نمونه های مرسوم دنیای دیجیتال معمولا با ایمیل و اسمس و پیامرسانها اتفاق میافتن اما یه کلاه بردار تو فرانسه ایده فوق العاده ای زده که براش ۸۰ میلیون یورو پول آورده، و البته میله های زندان رو. ببینین چطوری.
Forwarded from AI, Python, Cognitive Neuroscience (Farzad)
This media is not supported in your browser
VIEW IN TELEGRAM
Prof. Chris Manning, Director of StanfordAILab & founder of Stanfordnlp, shared inspiring thoughts on research trends and challenges in #computervision and #NLP at #CVPR2019. View full interview:

http://bit.ly/2KR21hO

✴️ @AI_Python_EN
تفاوت بین مهندس داده، تحلیلگر داده و دانشمند داده؟

در کنفرانس زنان میدان سیلیکون لندن، دکتر ربکا پوپ، نورو ساینتیست و سرپرست تیم دیتا ساینس KPMG، بیان میکند که شما جهت کار کردن در حوزه بیگ دیتا نیازی نیست که یک ریاضیدان یا آماردان فوق العاده و یا یک برنامه نویس باشید. فقط کافیست به آمار علاقه داشته باشید و همچنین تلاش کافی برای یادگیری کدنویسی داشته باشید و همچنین بتوانید برخی عملیاتهای ریاضی سطح بالا را انجام دهید.

پوپ خودش هیچگاه آمار خالص را مطالعه نکرده و همچنین برنامه نویسی را بعد از فارغ التحصیلی یاد گرفته! همچنین میگوید: من زبان R را یادگرفتم ولی اگر میخواهید شغلی در دیتا ساینس داشته باشید، باید در پایتون متخصص شوید. پایتون را زبان اول خود کنید.

یک آماردان مدلی ارائه میدهد که رابطه ای بین یک متغیر و یک خروجی میسازد. اما یک دیتا ساینتیست، کار بیشتری نسبت به آن انجام میدهد: پیشبینی! دیتاساینتیست ها مدلهایی روی دیتا اموزش میدهند که بتواند دیتاهای آینده را با حداکثر دقت پیشبینی کند.

#part1
#machinelearning #data #science #engineer #bigdata #science

@pythonicAI
کار مهندس داده

با توجه به نمودار بالا، میبینیم که بیشتر کار مهندس داده، مهندسی نرم افزار و آماده سازی داده است.

پوپ میگوید کار مهندس داده، ارائه و تغییر دیتا به گونه ای که قابل استفاده شود، میباشد. باید دیتای خام را بگیرد، تمیز کند، وارد دیتابیس کند، تگ بزند و انرا برای مراحل بعدی اماده کند.

مهارتهای لازم:
Apache Spark, Scala, Docker, Java, Hadoop, and Kubernetes NiFI

#part2
#machinelearning #data #science #engineer #bigdata #science

@pythonicAI
کار تحلیلگر داده

کار وی، مواجهه با کسب و کار است تا نیاز کسب و کار به دیتا را مشخص کند و همچنین visualization هایی آماده کند که به کسب و کار در درک دیتا کمک کند.

پوپ میگوید: کار تحلیلگر داده، تفسیر اطلاعات برای استفاده آن در کسب و کار است. این شغل کمتر با ماشین لرنینگ در ارتباط است.

مهارتهای لازم:
RapidMiner, PostgreSQL

#part3
#machinelearning #data #science #engineer #bigdata #science

@pythonicAI
کار دیتاساینتیست

دیتاساینتیست ها به شدت با کسب و کار درگیر هستند و با مهندسان داده کار میکنند. آنها مدلهای یادگیری ماشین را روی داده های اماده شده اموزش میدهند.

پوپ میگوید: نقش دیتاساینتیست، ساختن مدلها برای استخراج اطلاعات از دیتا و ارائه توصیه هایی مرتبط با کسب و کار است. دیتاساینتیست ها باید آمار را بفهمند اما بیشتر الگوریتم های ماشین لرنینگ براساس ریاضیات چندمتغیره و جبرخطی و غیرخطی بنا شده. تنها در همین حد ریاضیات لازم است.

#part4
#machinelearning #data #science #engineer #bigdata #science

@pythonicAI
Forwarded from Linux & OpenSource (299 792 458)
GreenTunnel
@UseLinux
ابزار GreenTunnel که با مکانیزمی جالب می تواند ساختار DPI شرکت های ارائه دهنده اینترنت را که برای بلاک کردن ترافیک خاص مورد استفاده قرار می گیرد،دور بزند.

➡️Download From Github

@UseLinux
آمازون به دنبال گذاشتن ۳۲۳۶ ماهواره اینترنتی در مدار زمین


https://jadi.net/2019/07/amazon-kulper/

شرکت آمازون از کمیسیون ارتباطات فدرال آمریکا (FCC) درخواست کرده تا اجازه بده که ۳۲۳۶ ماهواره رو در مدار زمین قرار بده! این ماهواره‌ها که به اسم رمز «پروژه کولپر (Kulper) شناخته می‌شن قراره به ده ها میلیون نفر از مردم جهان که دسترسی محدودی به اینترنت دارن، امکان برقراری ارتباط با این شبکه رو بده.

قبلا شرکت آمازون اشاره های به این پروژه کرده بود ولی هیچ وقت توضیحی در موردش نداده بود ولی حالا که مجبوره به FCC توضیح بده، به نظر می رسه به دنبال گذاشتن هزاران ماهواره در مدار پایین و ارائه اینترنت پر سرعت و با تاخیرکم به مردم است. آمازون از شرکت هایی که هدف مشابه دارن خواسته در پروژه همکاری کنه.

چنین پروژه‌هایی جدید نیستن. قبلا هم گوگل و فیبسوک برنامه‌هایی مشابهی رو شروع کرده بود ولی اینبار احتمالا نزدیکی آمازون به شرکت فضایی بلو اوریجین (که توسط جف بزوس تاسیس شده) می تونه کمکی بهتر به اجرای این برنامه باشه. ما هم که مثل همیشه در ایران منتظریم ببینیم آیا ناجی ای پیدا می شه بالاخره به ما اینترنت بدون فیلتر تقدیم کنه یا نه (:
Pythonic AI
کار مهندس داده با توجه به نمودار بالا، میبینیم که بیشتر کار مهندس داده، مهندسی نرم افزار و آماده سازی داده است. پوپ میگوید کار مهندس داده، ارائه و تغییر دیتا به گونه ای که قابل استفاده شود، میباشد. باید دیتای خام را بگیرد، تمیز کند، وارد دیتابیس کند، تگ…
مهندسین داده، درواقع زیر ساخت های اطلاعاتی ای را میسازند که پروژه های دیتاساینس به آنها وابسته است. این افراد مسئول طراحی و مدیریت جریان داده هایی هستند که از منابع مختلف جمع آوری شده و در یک مخزن، مانند data warehouse یکپارچه میشوند تا بعدا توسط دیتاساینتیست ها تحلیل شوند. بطور کلی، مهندسین داده براساس مدل ETL کار میکنند.

ETL: Extract, Transform, Load

نقش های مختلف مهندسی داده:
- آرشیتکت داده
پایه و اساس سیستم های مدیریت داده جهت وارد کردن، یکپارچه سازی و نگهداری منابع داده را فراهم میکند.

- ادمین دیتابیس
همانطور که از اسمش پیداست باید اطلاعات عمیقی از دیتابیس ها داشته باشد.

- مهندس داده
باید اطلاعاتی از دیتابیس ها، زبانهایی مانند پایتون و جاوا و سیستم های توزیع شده (مانند هدوپ) و... داشته باشد. درواثع ترکیبی از تمام نقش ها در یک نقش است.

ابزارهای موردنیاز مهندس داده:
Apache Hadoop
فریم ورکی جهت مرتب سازی و پردازش حجم زیادی از اطلاعات بصورت توزیع شده

Apache Spark
پلتفرم پردازش داده جهت پردازش جریان real-time و همچنین پردازش بصورت batch. این پلتفرم api هایی برای زبانهای پایتون، R، جاوا و اسکالا دارد.

Apache Kafka
ابزاری قدرتمند جهت جمع آوری و وارد کردن سریع جریان داده ها به سیستمی مانند هدوپ

SQL & NoSQL
دیتابیس های رابطه ای و غیر رابطه ای

زبانهای برنامه نویسی موردنیاز مهندس داده:
پایتون، جاوا، اسکالا scala، جولیا julia

#data #engineer #machinelearning #hadoop #kafka #scala #python #julia

@pythonicAI
تعدادی از منابع خوب در زمینه پردازش زبان طبیعی و پردازش متن:

1. Natural Language Processing with Python. by Steven Bird, Ewan Klein and Edward Loper.

2. Foundations of Statistical Natural Language Processing. by Christopher Manning and Hinrich Schütze.

3. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics and Speech Recognition. by Dan Jurafsky and James H. Martin

4. The Oxford Handbook of Computational Linguistics. by Ruslan Mitkov

5. Text Mining with R. by Julia Silge and David Robinson.

6. Neural Network Methods in Natural Language Processing (Synthesis Lectures on Human Language Technologies). by Yoav Goldberg , Graeme Hirst

7. Taming Text. by Grant Ingersoll, Thomas Morton and Drew Farris.

8. Deep Learning in Natural Language Processing. by Li Deng, Yang Liu

9. Applied Text Analysis with Python: Enabling Language-Aware Data Products with Machine Learning. by Benjamin Bengfort , Rebecca Bilbro , Tony Ojeda

10. Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build

#nlp #natural #language #process #machinelearning #deeplearning #text

@pythonicAI