یادگیری ماشین

 ساخت نسل بعدی برنامه‌های دات‌نت با اتکا به اینترنت اشیا، هوش مصنوعی، زنجیره بلوکی
18 فروردين 1398
ساخت برنامه‌هایی منطبق با انقلاب صنعتی چهارم، کشف قابلیت‌ها و توانایی‌های هوش مصنوعی و زیرشاخه‌های این فناوری، به‌کارگیری پتانسیل‌های بارز اینترنت اشیا، پیاده‌سازی بستری قدرتمند و ایمن با اتکا بر زنجیره بلوکی و ترکیب این فناوری‌ها با یکدیگر در قالب یک برنامه کاربردی مبتنی بر دات‌نت بدون شک یک پروژه هیجان‌برانگیز برنامه‌نویسی خواهد بود. طراحی و پیاده‌سازی چنین برنامه‌ای به سطح بالایی از هوشمندی، ایمنی و اتصال همیشه پایدار نیاز دارد. اما نگران نباشید، برای تسلط بر این فناوری‌ها نیازی نیست وقت خود را صرف پیدا کردن منابع مختلف کنید. در کتاب «ساخت نسل بعدی برنامه‌های دات‌نت با اتکا به اینترنت اشیا، هوش مصنوعی، زنجیره بلوکی» یاد خواهید گرفت چطور از اینترنت آژر، واسط‌های برنامه‌نویسی شناختی و زنجیره بلوکی در قالب سرویس به‌منظور ساخت برنامه‌هایی بر پایه دات‌نت استفاده کنید.
پخش زنده‌ای که دردسرساز شد
26 اسفند 1397
انتشار ویدیویی از تیراندازی و کشتار نیوزلند، به یک دردسر اساسی برای فیس‌بوک و یوتیوب تبدیل شده است. سرعت انتشار ویدیو به حدی زیاد بود که فیس‌بوک، یوتیوب و سایر پلتفرم‌ها برای حذف ویدیو و جلوگیری از انتشار آن با مشکل مواجه شدند. شاید این برای نخستین بار است که یک مهاجم از پخش زنده برای نمایش جنایت خود در این وسعت استفاده می‌کند و همین پخش زنده، سبب شده سامانه‌های هوشمند مدیریت محتوا، ساعات دشواری را سپری کنند. اگرچه پخش زنده ویدیو بر روی فیس‌بوک متوقف شد، اما مهاجم موفق شد حدود هفده دقیقه از عملیات خود را بطور زنده برای کاربران پخش کند. نسخه‌های مختلفی از ویدیو علاوه بر فیس‌بوک بر روی پلتفرم‌هایی نظیر یوتیوب، توییتر، اینستاگرام و ردیت منتشر و حتی در بخش‌های خبری هم پخش شدند.
پایتون برای انجام چه کارهایی عالی، چه کارهایی خوب و چه کارهایی بد است!؟
17 اسفند 1397
پایتون یکی از معدود زبان‌های برنامه‌نویسی پرفروغ و محبوب جهان است. تا به امروز رقبای مختلفی برای این زبان پیدا شده‌اند که هنوز هیچ‌یک از آن‌ها موفق نشده‌اند پایتون را با چالش جدی روبه‌رو کنند. برنامه‌نویسان مسلط به پایتون می‌توانند در حوزه‌های هوش مصنوعی (یادگیری ماشین و شبکه‌های عمیق عصبی)، برنامه‌نویسی وب و علم داده‌ها، داده‌کاوی، برنامه‌نویسی‌ دسکتاپ (زیاد توصیه نمی‌شود) و..... برنامه‌های کاربردی قدرتمندی ایجاد کرده و بدون مشکل خاصی برای آگهی‌های شغلی مرتبط درخواست بدهند. در خوب بودن پایتون شکی نیست و به‌عنوان یک توسعه‌دهنده برنامه‌های کاربردی می‌توانید برای کارهای مختلفی از پایتون استفاده کنید، اما برنامه‌نویسان و توسعه‌دهندگانی که تازه به دنیای برنامه‌نویسی پایتون وارد شده‌اند، این پرسش برایشان ایجاد شده که دقیقا با پایتون چه کاری می‌توان انجام داد؟ پایتون از عهده انجام چه کارهایی بر می‌آید؟ چگونه می‌توان از پایتون استفاده کرد؟ آیا پایتون این ارزش را دارد که وقت خود را صرف یادگیری آن کنید؟ هرگاه تصمیم می‌گیرید یک‌زبان برنامه‌نویسی همچون پایتون را یاد بگیرید، پرسش‌هایی این‌چنینی به ذهن شما خطور می‌کند. توسعه‌دهندگان پایتون در پاسخ به این پرسش‌ها می‌گویند: «با یادگیری پایتون می‌توان برنامه‌های کاربردی متعددی ایجاد کرد. پایتون در سه حوزه‌ توسعه برنامه‌های کاربردی تحت‌وب، علم داده‌ها (یادگیری ماشین، تحلیل داده‌ها و تجسم‌سازی داده‌ها) و اسکریپت‌نویسی عملکردی ایده‌آل دارد.» که در این مقاله درباره هر یک از این حوزه‌ها توضیح کوتاهی ارائه خواهیم کرد.
قدرت ترکیبی هوش مصنوعی و نسل پنجم شبکه‌های سیار (5G) فراتر از حد تصور است
24 بهمن 1397
نسل پنجم شبکه‌های سیار (5G)، پهنای باند بالا، تأخیر اندک و امکان اتصال دستگاه‌های بیشتری را فراهم خواهد کرد. شاید در نگاه نخست، این ویژگی‌ها برای یک شبکه سیار بسیار چشمگیر و مفید به نظر می‌رسند، اما همین ویژگی‌ها، اپراتورها و شرکت‌های مخابراتی را با چالش‌های جدی روبه‌رو خواهند کرد. مدیریت این شبکه‌، پیشگیری از بروز خطا و به حداقل رساندن تأخیر، از جمله چالش‌هایی است که این نسل جدید با خود به همراه خواهد آورد. متخصصان، استفاده از هوش مصنوعی و یادگیری ماشینی را راهکاری مناسب برای برطرف کردن این چالش‌ها می‌دانند و هم‌اکنون، شرکت‌های معتبری در دنیا روی استفاده از این راهکارها در شبکه‌های مخابراتی آینده و از جمله 5G کار می‌کنند؛ راهکارهایی که امکان مدیریت و خدمت‌رسانی خودکار را فراهم کرده و تا جای ممکن، خطاهای انسانی را کاهش می‌دهند.
نام کتاب: یادگیری ماشین در عمل
20 بهمن 1397
ساخت برنامه‌هایی منطبق با انقلاب صنعتی چهارم، کشف قابلیت‌ها و توانایی‌های هوش مصنوعی و زیرشاخه‌های این فناوری، به‌کارگیری پتانسیل‌های بارز اینترنت اشیا، پیاده‌سازی بستری قدرتمند و ایمن با اتکا بر زنجیره بلوکی و ترکیب این فناوری‌ها با یکدیگر در قالب یک برنامه کاربردی مبتنی بر دات‌نت بدون شک یک پروژه هیجان‌برانگیز برنامه‌نویسی خواهد بود. طراحی و پیاده‌سازی چنین برنامه‌ای به سطح بالایی از هوشمندی، ایمنی و اتصال همیشه پایدار نیاز دارد. اما نگران نباشید، برای تسلط بر این فناوری‌ها نیازی نیست وقت خود را صرف پیدا کردن منابع مختلف کنید. در کتاب «ساخت نسل بعدی برنامه‌های دات‌نت با اتکا به اینترنت اشیا، هوش مصنوعی، زنجیره بلوکی» یاد خواهید گرفت چطور از اینترنت آژر، واسط‌های برنامه‌نویسی شناختی و زنجیره بلوکی در قالب سرویس به‌منظور ساخت برنامه‌هایی بر پایه دات‌نت استفاده کنید.
در شماره گذشته با بخش اول مطلب چگونه می‌توانیم در عمل از یادگیری ماشین استفاده کنیم؟ آشنا شدیم و به شما گفتیم که دو رویکرد یادگیری تحت نظارت و بدون نظارت چه تفاوت‌هایی با یکدیگر دارند و چرا پیاده‌سازی الگوی یادگیری تحت نظارت و برچسب‌گذاری داده‌ها از اهمیت خاصی برخوردار است. در این شماره بخش دوم این مطلب را ادامه دهیم.
کافی است چند دقیقه از وقت خود را صرف تحقیق درباره هوش مصنوعی و به‌ویژه یادگیری ماشین کنید تا ببینید اهل فن همگی به این حقیقت اذعان دارند که آینده از آن هوش مصنوعی است. البته به نظرم ایده بدی نیست که واژه آینده را از اصطلاح هوش مصنوعی حذف کنیم. به دلیل این‌که الگوریتم‌های هوشمند از مدت‌ها پیش از سوی همه ما به کار گرفته شده‌اند، حتی زمانی که خودمان هم نمی‌دانستیم در حال استفاده از آن‌ها هستیم. اما چطور می‌توانیم به حداقل دانش لازم در زمینه یادگیری ماشین دست پیدا کنیم؟ دانشی که به ما اجازه دهد زمانی‌که در جمعی قرار داریم درباره هوش مصنوعی صحبت کنیم؟ برای دستیابی به چنین دانشی به سطح بالایی از مطالعه و پژوهش نیاز دارید. اما در نوشتار این شماره و شماره آینده نحوه به‌کارگیری عملی یک الگوریتم یادگیری ماشین ساده را توضیح خواهیم داد.
ورود به حوزه هوش مصنوعی و برنامه‌نویسی الگوریتم‌های هوشمند کار ساده‌ای نیست. پژوهشگران برجسته این حوزه بر این باور هستند که تعدد منابع و تخصصی بودن بیش از حد مطالب باعث شده است کاربران به راحتی موفق نشوند نقطه شروع را پیدا کرده و در مسیر درستی گام بردارند. هوش مصنوعی فناوری در حال تکاملی است و در نتیجه افرادی که تصمیم دارند به این حوزه وارد شوند مجبور هستند برای همگام شدن با این تکامل دانش خود را دائما ارتقا دهند. یک برنامه‌نویس یا پژوهشگر هوش مصنو‌عی برای آن‌که بتواند دانش خود را با تغییرات همسو کند باید در پروژه‌های متن‌باز مشارکت داشته، ابزارهایی که متخصصان حرفه‌ای از آن‌ها استفاده می‌کنند را بررسی کرده و در انجمن‌های حرفه‌ای به بحث و تبادل نظر پیرامون الگوریتم‌ها، چارچوب‌ها و کتابخانه‌های مطرح این حوزه بپردازد تا اطلاعاتش همواره به‌روز باشد.
به‌نظر شما یادگیری ماشین و یادگیری عمیق نسبت به توسعه‌دهنده وب مسیر بهتری برای انتخاب شغل هستند؟ این سئوالی است که در ذهن خیلی از کارجویان و عاشقان دنیای فناوری شکل می‌گیرد. پس بهتر است نگاهی داشته باشیم به پاسخ این سئوال در Quora، مکانی فوق‌العاده برای اشتراک‌گذاری دانش، تشویق افراد به یادگیری از یکدیگر و هم‌چنین به‌دست آوردن درک و فهم بهتر از دنیا.

صفحه‌ها

اشتراک در یادگیری ماشین