یادگیری ماشین

6 زبان‌ برنامه‌نویسی قدرتمند برای پروژه‌های هوش مصنوعی و یادگیری ماشین
21 بهمن 1398
هوش مصنوعی مجموعه‌ای کم‌نظیر از قابلیت‌ها و توانمندی‌ها را در اختیار توسعه‌دهندگان برنامه‌های کاربردی قرار می‌دهد. توسعه‌دهندگان می‌توانند از مزایای یادگیری ماشین یا یادگیری عمیق برای ساخت مکانیزم‌های جست‌وجوی هوشمندانه، ساخت پروفایل‌های کاربری سفارشی، پیاده‌سازی فرامین صوتی در برنامه‌های کاربردی یا تعامل با دستیاران هوشمند در برنامه‌های خود استفاده کنند و به این ترتیب عملکردهای برنامه کاربردی خود را بهبود بخشند. توسعه‌دهندگان می‌توانند از قابلیت‌های یادگیری ماشین در نرم‌افزارهای کاربردی به شکلی استفاده کنند تا برنامه‌ها ببینند، بشنوند و از خود واکنش‌های هوشمندانه نشان دهند. با گسترش فناوری‌هایی همچون یادگیری ماشین و حضور ملموس آن‌ها در زندگی بشر برخی مهارت‌های برنامه‌نویسان نظیر تبحر در حل مسائل، درک چگونگی کارکرد سامانه‌های فنی و بهینه‌سازی آن‌ها اهمیت بیشتری پیدا می‌کند.
پیوند کامپیوتر و مغز انسان
09 بهمن 1398
هوش مصنوعی به دنیای برنامه‌نویسی، الگوریتم‌های هوشمند یا داده‌کاوی در وب محدود نمی‌شود. شرکت‌های مختلفی در سراسر جهان قصد دارند، هوش مصنوعی را با هوش زیستی ترکیب کنند و ابرانسانی هوشمند طراحی کنند. ایلان ماسک از معروف‌ترین کارآفرینان دنیای فناوری است که سرمایه‌گذاری‌های کلانی در این زمینه انجام داده است. به نظر می‌رسد، ایده‌های او بیش از آن‌که یک خیال‌پردازی باشند، یک ایده عملی و واقعی هستند.
اگر فیلم تائو (Tau) به کارگردانی فدریکو آلساندرو محصول 2018 را دیده باشید، با من هم عقیده هستید که امروزه بسیاری از مفاهیم این فیلم در دنیای ما رنگ واقعیت به خود گرفته‌اند. پهپادهای هوشمندی که مسئولیت نظارت بر محوطه درونی ساختمان را عهده‌دار بودند توسط هوش مصنوعی کنترل می‌شدند و این هوش مصنوعی بود که همه مسائل امنیتی را زیر نظر قرار داده بود. جالب است مشابه یک چنین رویکردی در دنیای واقعی ما وجود دارد.
شناسایی چهره و اشیاء کاربردی که شاید سال‌ها پیش فقط در داستان‌های علمی تخیلی می‌شد در موردش صحبت کرد، حالا به یکی از حوزه‌های در دسترس عموم تبدیل شده است. چنین روشی دیگر به شناسایی تبهکاران در تصاویر دوربین‌های مداربسته محدود نیست، بلکه از دوچرخه و عابرپیاده گرفته تا بینی‌سگ را می‌توان با روش‌های یادگیری ماشین و پردازش تصویر، شناسایی و دسته‌بندی کرد.
یادگیری و خودسازمان‌یابی مغز، الگوهایی برای ساخت کامپیوترهای آینده
08 آذر 1398
تولید پردازنده‌های کامپیوتری با رویکرد فعلی نمی‌تواند مدت زیادی ادامه یابد و این موضوع سبب شده تا گونار توفتی، استاد فناوری‌‌های رایانه‌ دانشگاه علم و فناوری نروژ، برای ساخت رایانه‌ها روش کاملا جدیدی پیشنهاد ‌دهد؛ روشی که از مغز انسان و البته نانوفناوری الگو می‌گیرد.
سال‌های متمادی است که شبکه‌های عصبی با حجم بسیار عظیمی از اطلاعات تغذیه می‌شوند تا یاد بگیرند شبیه به انسان‌ها فکر کنند، اما علیرغم تمامی تلاش‌ها هوش مصنوعی هنوز هم هیچ درک عامی ندارند. آیا دانشمندان و متخصصان هوش مصنوعی در مسیر اشتباهی گام بر می‌دارند؟
TensorFlow چیست و چگونه کار می‌کند؟
06 آبان 1398
یادگیری ماشین یکی از مباحث سنگین و پیچیده دنیای هوش مصنوعی است، اما به لطف چهارچوب‌های غنی و قدرتمندی که تولید شده پیاده‌سازی مدل‌های یادگیری ماشین به مراتب ساده‌تر از گذشته شده‌اند. چهارچوب‌هایی شبیه به تنسورفلو (TensorFlow) روند دستیابی به داده‌ها، مدل‌های آموزشی، ارائه پیش‌بینی‌ها و پالایش نتایج را سهولت بخشیده‌اند.
کامپیوتر ممریستوری برنامه‌پذیر: پردازش هوش مصنوعی بی‌نیاز از ابر
28 شهريور 1398
اولین کامپیوتر ممریستوری برنامه‌پذیر (و نه صرفا آرایه‌ای از ممریستورها که به‌واسطه کامپیوتر دیگری کار کند) در مقیاس آزمایشگاهی در دانشگاه میشیگان ساخته شد. با کمک کامپیوتر ممریستوری برنامه‌پذیر می‌توان هوش مصنوعی را مستقیما روی ابزارهای کوچک و کم‌مصرف مثل تلفن‌های هوشمند و حسگرها پردازش کرد. با وجود پردازنده هوش مصنوعی روی تلفن هوشمند، دیگر لازم نیست که مثلا دستورهای صوتی کاربر، پیش از اجرا ابتدا به سرورهای ابری شرکت ارسال شود و لذا زمان پاسخگویی به درخواست‌های کاربر کاهش می‌یابد.
مروری بر کتابخانه PyTorch ویژه یادگیری عمیق
04 شهريور 1398
PyTorch، یک کتابخانه متن‌باز یادگیری ماشین برای پایتون براساس Torch است که برای کاربردهایی مانند پردازش زبان طبیعی استفاده می‌‌شود. توسعه‌دهنده اصلی PyTorch گروه پژوهش هوش مصنوعی فیس‌بوک است.
آشنایی با الگوریتم‌های مطرح و پرکاربرد یادگیری ماشین
30 مرداد 1398
یادگیری ماشین شاخه‌ای از فناوری هوش مصنوعی است که از شیوه‌ها یا الگوريتم‌های خاص برای ساخت خودکار مدل‌هایی از داده استفاده می‌کند. برخلاف یک سیستم معمولی که با پیروی از قوانین مشخص یک وظیفه را انجام می‌دهد، یک سیستم یادگیری ماشین از طریق تجربه کردن وظایف خود را یاد می‌گیرد. در حالی که یک سیستم مبتنی بر قانون هر بار یک وظیفه را به روشی یکسان (چه خوب، چه بد) انجام می‌دهد، وضعیت عملکرد یک سیستم یادگیری ماشین از طریق یادگیری و تمرین از طریق الگوريتم‌های داده کاوی بهبود پیدا می‌کند. الگوريتم‌های یادگیری ماشین با فراگيری از داده‌هایی که دریافت می‌کنند می‌توانند مسائلی را حل کنند که بسیار پیچیده‌تر از آن است که بتوان آن را با برنامه‌نویسی معمولی حل کرد.

صفحه‌ها

اشتراک در یادگیری ماشین
توسعه و پشتیبانی توسط : ایران دروپال
پشتیبانی توسط ایران دروپال