✍🏻 تیم فوتبالی‌که‌ترکیب‎وتاکتیک‎رابه‎هوش‎مصنوعی‎سپرد

چندی قبل «آرسن ونگر»، سرمربی سابق آرسنال پیش بینی کرد که ربات ها جای مربی روی نیمکت را می گیرد و حالا ظاهرا پیش بینی وی به واقعیت نزدیک شده چرا که باشگاه فوتبال «وینگیت و فینشلی» برای انتخاب ترکیب و تاکتیک ها به استفاده از هوش مصنوعی روی آورده است.

این تیم که در رده هفتم فوتبال انگلستان فعالیت دارد، با همکاری شرکت فناوری «بیگ بنگ» سیستم هوش مصنوعی را پیاده سازی کرده که به مربیان اجازه می دهد اطلاعات مربوط به تیم مقابل را از طریق اسپیکر هوشمند به سیستم وارد کرده و تاکتیک پیشنهادی و حتی جملات روحیه بخش را از آن دریافت کنند. در صورتی که هر یک از بازیکنان اصلی در دسترس نباشند، سیستم راه حلی جایگزین را پیشنهاد می کند.

بیگ بنگ مربی هوشمند را به گونه ای طراحی کرده که با گذشت زمان و بر اساس نتایج قبلی هوشمندتر می شود. «دیو نورمن»، سرمربی این تیم لندنی با تاکید بر اینکه استفاده از این سیستم روش های کنونی فوتبال را تغییر نمی دهد گفت:

هوش مصنوعی قرار نیست جای مدیر یا مربیان را بگیرد اما تیم را با تغییرات زیربنایی و تکنولوژی ایجاد شده در ده سال اخیر سازگار می سازد.

مدیر این تیم هم با اشاره به اینکه هوش مصنوعی دنیای فوتبال را به کلی عوض نمی کند ابراز امیدواری کرد که وینگیت و فینشلی را نسبت به رقبا در موقعیتی بهتر قرار دارد و سه امتیاز بازی را برای آنها به ارمغان بیاورد.

هدف اولیه از طراحی مربی هوشمند توسط بیگ بنگ آشنا کردن جوانان این کشور با قالبت های هوش مصنوعی از طریق پیاده سازی آن در محبوبترین ورزش انگلیس بوده است. به گفته توسعه دهندگان سیستم مذکور بر پایه فناوری های موجود و دستیار هوشمند الکسا طراحی شده اما نباید انتظار داشت که پیشنهادهای آن حتما به برد تیم در پایان بازی منجر شود.

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

✅ آگاهی از هوش مصنوعی، یکی از شروط شهروند آگاه در قرن بیست و یکم

ایتنا- مدیر ارشد فناوری شرکت مایکروسافت اعلام کرد که یکی از شروط اینکه شخصی در قرن بیست و یکم، یک شهروند آگاه و مطلع محسوب شود این است که آگاهی مناسبی از هوش مصنوعی داشته باشد.

کوین اسکات، مدیر ارشد فناوری شرکت مایکروسافت، بر این باور است که درک هوش مصنوعی به شهروندان کمک می کند که در آینده نه چندان دور، شهروندانی بهتر و نمونه شوند و به جامعه خود بیش از پیش کمک کنند.

وی گفت: «تصور من این است که اگر فردی بخواهد در قرن بیست و یکم، به عنوان یک شهروند آگاه به حساب بیاید، باید نسبت به هوش مصنوعی، اطلاعات کافی داشته باشد.»

به گزارش ایتنا به نقل از ونچربیت ، وی در ادامه صحبت های خود افزود: «هوش مصنوعی، چیزی است که به هر حال شهروندان مختلف با آن روبرو می شوند.»

اسکات به بیان دیدگاه های خود در زمینه آینده هوش مصنوعی پرداخت و مباحثی مانند نرم افزار شناسایی چهره و اتوماسیون ساخت و تولید را جزئی از پیشرفت های کاربردی هوش مصنوعی اعلام کرد.

وی نسبت به استفاده افراد از ماشین های هوشمند در آینده نزدیک ابراز امیدواری کرد و از افراد مختلف خواست که اطلاعات خود در حوزه هوش مصنوعی را افزایش د هند. البته وی بر این باور است شاید به روزرسانی مستمر اطلاعات برای برخی مشکل باشد و در این زمینه اظهار داشت: «این کار ممکن است چالش برانگیز باشد و حتی افرادی که در زمینه هوش مصنوعی متخصص هستند نیز برای به روزرسانی و ارتقای دائمی اطلاعات خود ره مشکل خواهند خورد.»

در سال های اخیر نمودار رشد و توسعه هوش مصنوعی در حوزه های مختلف و اساسی زندگی انسان مانند بهداشت و درمان، منازل، دولت ها و کسب و کارها همواره صعودی بوده است. در نظر گرفتن مباحث و دوره های آموزشی در زمینه هوش مصنوعی بسیارمهم است.

کاربردهایی مانند شناسایی چهره که بر اساس فناوری هوش مصنوعی طراحی و راه اندازی شده است، در زمینه‌های مختلفی می‌تواند به سازمان‌ها و کسب و کارهای مختلف کمک کند و به همین خاطر آشنایی با مفاهیمی مانند هوش مصنوعی موجب می‌گردد که به افراد و شرکت‌ها کمک کند که از مزایای این فناوری بهره‌مند شوند.(تی نیوز)



🔯 مجله هوش مصنوعی

➖➖➖➖➖
🆔 : @HomeAI

‌
✍🏻 پنج سناریوی ترسناک درباره هوش مصنوعی

🌐 homeai.ir/rsnz

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

‌
✍🏻 اپلیکیشنی ابداع شده که با کمک هوش مصنوعی بیماری های گیاهان را رصد می کند و با ارسال پیامکی به کشاورز او را مطلع می کند.

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

✅ تبدیل علائم مغزی به سخنرانی با هوش مصنوعی

محققان برای اولین بار موفق به ابداع الگوریتم هوش مصنوعی شده اند که قادر به تبدیل علائم مغزی بخش شنوایی مغز و تبدیل آنها به سخنرانی دقیق است.

به گزارش پایگاه خبری تیک (Tik.ir) ؛ سیستم رایانه ای که بدین منظور ابداع شده دقت بالایی دارد و راه را برای طراحی سیستم های ارتباطی متنوعی که از طریق مغز کنترل می شوند هموار خواهد ساخت.

مهندسان رایانه و متخصصان علم نانو در آمریکا با همکاری یکدیگر رابط کاربری خاصی را برای این سیستم هوش مصنوعی طراحی کرده اند که می تواند سیگنال ها و علائم مغزی را به کلمات و تصاویری مبدل کند که به سادگی قابل درک و تبادل باشند.

در آینده از این روش می توان برای کنترل انواع وسایل و ابزار محیطی از طریق مغز و بدون نیاز به هیچ گونه محصول واسطه ای بهره گرفت.

روش یادشده به درمان بیماران نیز کمک شایانی خواهد کرد، زیرا درک شرایط آنها را به صورت مستقیم برای پزشکان ممکن می کند. در آزمایشی که با استفاده از همین سیستم هوش مصنوعی بر روی تعدادی بیمار انجام شد محققان توانستند ۳۰ دقیقه از امواج مغزی آنها را ثبت کرده و به متن قابل درک از وضعیتشان مبدل کنند.

دقت سیستم یادشده برای درک علائم مغزی و تبدیل آنها به متن در حدود ۷۵ درصد است، اما پژوهشگران قصد دارند دقت سیستم یادشده را باز هم افزایش دهند.(تی نیوز)



🔯 مجله هوش مصنوعی

➖➖➖➖➖
🆔 : @HomeAI

‌
✍🏻 همکاری گوگل و فیسبوک برای توسعه هوش مصنوعی

🌐 homeai.ir/klj1

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

✍🏻 تبدیل علائم مغزی به سخنرانی با هوش مصنوعی

محققان برای اولین بار موفق به ابداع الگوریتم هوش مصنوعی شده اند که قادر به تبدیل علائم مغزی بخش شنوایی مغز و تبدیل آنها به سخنرانی دقیق است.

مهندسان رایانه و متخصصان علم نانو در آمریکا با همکاری یکدیگر رابط کاربری خاصی را برای این سیستم هوش مصنوعی طراحی کرده اند که می تواند سیگنال ها و علائم مغزی را به کلمات و تصاویری مبدل کند که به سادگی قابل درک و تبادل باشند.

در آینده از این روش می توان برای کنترل انواع وسایل و ابزار محیطی از طریق مغز و بدون نیاز به هیچ گونه محصول واسطه ای بهره گرفت.

روش یادشده به درمان بیماران نیز کمک شایانی خواهد کرد، زیرا درک شرایط آنها را به صورت مستقیم برای پزشکان ممکن می کند. در آزمایشی که با استفاده از همین سیستم هوش مصنوعی بر روی تعدادی بیمار انجام شد محققان توانستند ۳۰ دقیقه از امواج مغزی آنها را ثبت کرده و به متن قابل درک از وضعیتشان مبدل کنند.

دقت سیستم یادشده برای درک علائم مغزی و تبدیل آنها به متن در حدود ۷۵ درصد است، اما پژوهشگران قصد دارند دقت سیستم یادشده را باز هم افزایش دهند.

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

✍🏻 هوش مصنوعی به کمک معلولان آمد

محققان دانشگاه‌های نورت‌وسترن و کارولینای شمالی پای مصنوعی را ساختند که با استفاده از هوش مصنوعی به بیماران کمک می‌کند تا راحت‌تر و سریع‌تر قدم بزنند.

استفاده از یک پای مصنوعی برای نخستین بار می‌تواند نگران‌کننده باشد، این بدان معناست که بیماران تمایل دارند تا با استفاده از پاهای مصنوعی خود به راحتی قدم بزنند یا حتی بدوند.

در حال حاضر محققان معتقدند که استفاده از هوش مصنوعی برای این اندام‌ها می‌تواند به بیمار کمک کند تا سریع‌تر و راحت‌تر قدم بزنند.

محققان دانشگاه‌های «نورت‌وسترن» و «کارولینای شمالی» درباره سیستمی صحبت کرده‌اند که می‌تواند در زمان تنظیم یک اندام مصنوعی مانند زانوی رباتیک، نوعی «یادگیری تقویتی» را اعمال کند. یادگیری تقویتی یکی از روش‌های یادگیری در سیستم‌های هوشمند است که براساس رابطه علت و معلولی عمل می‌کند.

آنچه اتفاق می‌افتد این است که هوش مصنوعی جنبه‌های مختلفی از جمله میزان سفت یا نرم بودن مفصل و میزان حرکت عمودی در پای مصنوعی را در نظر می‌گیرد و با تنظیم پا طبق اطلاعات، کمک می‌کند تا بیمار احساس راحت‌تری داشته باشد.

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

📗 لیست مسابقات مرتبط با هوش مصنوعی:

1️⃣ دومین دوره مسابقات ملی داده‌کاوی امیرکبیر
📆 5 بهمن آخرین روز ثبت نام می باشد.

🌐 http://autdmc.ir

2️⃣ اولین دوره مسابقه علوم داده دانشگاه شریف
📆 11 بهمن

🌐 http://datadays.sharif.edu

3️⃣ چهارمین دوره مسابقات بین‌المللی هوش مصنوعی دانشگاه صنعتی امیرکبیر
📆 10 اسفند

🌐 http://autcup.aut.ac.ir

4️⃣ نبرد هوش مصنوعی شریف
📆 16 بهمن

🌐 https://aichallenge.sharif.edu


❇️ مخاطبین گرامی اگر مسابقه ای در حال برنامه ریزی و برگزاری هست و در لیست بالا نیست می توانید از طریق آی دی ادمین ارسال کنید تا جهت اطلاع رسانی در سایت قرار گیرد.

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

📗دوره آموزشی تشخیص ایمیل‌های اسپم با روش یادگیری Naive Bayes

▪️در این دوره تمامی مراحل لازم برای ساختن یک ماشین یادگیری تشخیص ایمیل اسپم آموزش داده می‌شود. آموزش‌ها از مباحث تئوری احتمالات آغاز شده و تا یادگیری Bayesian ادامه می‌یابد. سپس مراحل لازم جهت پیاده سازی مباحث تئوری در پایتون از 0 تا 100 طی شده است.

▪️مخاطبان این دوره می توانند روش یادگیری Bayesian را که یکی از مشهورترین شیوه های یادگیری ماشین (Machine Learning) می باشد، بصورت تئوری فراگرفته و با بکار گیری آن در عمل به درک و شهود واقعی از آن برسند.

▪️مقدمات برنامه نویسی این دوره نیز بصورت کامل در آن آموزش داده می شود تا حتی عزیزانی که در حد مقدماتی و پایین تر با پایتون آَشنایی دارند، بتوانند با ما همراه باشند.

▪️پروژه عملی آموزش داده شده در این دوره می تواند در کاربرد های وسیع تر پردازش متن، از جمله تشخیص انواع متون از یکدیگر (مثل تشخیص متون سیاسی از غیر سیاسی، ورزشی از غیر ورزشی و ...) بکار گرفته شود.

▪️این دوره برای کسانی که پیش زمینه اندکی از ماشین لرنینگ و یا آمار و احتمالات در حد مقدماتی دارند مناسب می باشد.

▪️لازم به ذکر است جهت درک بهتر، در این دوره از هیچ کتابخانه آماده هوش مصنوعی و ماشین لرنینگ و دیپ لرنینگ استفاده نشده و تمامی مراحل لازم از 0 تا 100 پیاده سازی شده است.


سرفصل اولیه مطالب :

❇️ آموزش کتابخانه re (عبارت منظم)
Introduction
Metacharacters
Repeating metacharacters
Match functions
Module-level functions
Compilation flags
Modifying strings

❇️ تئوری احتمالات و قانون بیز
Introduction
Conditional probability
Total probability theorem
Bayes' theorem

❇️ پیاده سازی پروژه : دسته بندی ایمیل های اسپم

Introduction
Feature selection
Dictionary
Application of Bayes' theorem
Naive Bayes assumption
Chain rule
Joint likelihood
Parameter estimation
Implementation notes


🔴 هم اکنون میتوانید از طریق فرم زیر با پیش ثبت نام در این دوره، با آغاز دوره از زمان برگزاری مطلع گردید و هم کد تخفیفی به محض شروع دوره برایتان ارسال خواهد شد.

پیش ثبت نام دوره آموزشی تشخیص ایمیل های اسپم با روش یادگیری Naive Bayes


🔹 مرکز آموزش پایتون
➖➖➖➖➖
🆔 : @pythonchallenge

💢 مسابقه هوش مصنوعی chillin wars دانشگاه علم و صنعت

⚠️ آخرین مهلت ثبت نام، ۱۵ بهمن ماه

🌐 ChillinWars.ir
🆔 @ChillinWars
🆔 @iustcesa

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

✅ پروفسور ریچارد ساتن عنوان کرد: الگوریتم های هوش مصنوعی

ریچارد ساتن، استاد دانشگاه آلبرتا (کانادا) از پایه گذاران یادگیری تقویتی معتقد است که دستیابی به الگوریتم های قوی هوش مصنوعی تا سال 2030 محقق خواهد شد.

ریچارد ساتن (Richard Sutton)، یکی از پایه گذاران یادگیری تقویتی محاسباتی (computational reinforcement learning) محسوب می شود. وی با طرح هایی از جمله یادگیری تفاوت زمانی، روش های شبیه سازی سیاست و معماری Dyna، سهم قابل توجهی در این حوزه به خود اختصاص داده است.

ساتن در گفتگو با medium به سوالات مختلفی در زمینه علوم رایانه و هوش مصنوعی (AI) پاسخ می دهد:

تحصیلات خود را در رشته ای غیر مرتبط با علوم رایانه آغاز کردید؛ در این مورد کمی توضیح دهید.

مدرک کارشناسی را در رشته روانشناسی اخذ کردم و سپس در علوم رایانه ادامه تحصیل دادم. این کار را تغییر جهت نمی دانم؛ همواره علاقه مند بودم در مورد فرآیند یادگیری مطالعه کنم و این مبحثی است که در رشته روانشناسی به آن پرداخته می شود. پس از اخذ مدرک کارشناسی در سال 1977، بدلیل علاقه مندی به موضوع هوش مصنوعی (AI) و مسائل مرتبط با این حوزه، علوم رایانه را تا مقطع دکترا ادامه دادم.

پس از اخذ مدرک فوق دکترا از دانشگاه ماساچوست، امهرست در سال 1984، به مدت 10 سال در آزمایشگاه های GTE فعالیت کردم. از سال 1998 یکی از اعضای اصلی دپارتمان هوش مصنوعی آزمایشگاه AT&T بودم؛ از سال 2003 به عنوان استاد در دانشگاه آلبرتا (کانادا) مشغول تدریس شدم و سرپرستی آزمایشگاه یادگیری تقویتی و هوش مصنوعی (RLAI) را برعهده گرفتم.

دیدگاه من در مورد هوش مصنوعی از طریق (تحصیل در رشته) روانشناسی و مطالعه یادگیری انسان و حیوانات، رنگ دیگری پیدا کرد؛ بسیاری از متخصصان هوش مصنوعی از این پیش زمینه بی بهره بودند و روانشناسی، الهام بخش من در این مسیر بود.

توسعه یادگیری تقویتی از دهه 1970 آغاز شده است؛ آیا این روند کند نبوده است؟

یادگیری تقویتی (Reinforcement Learning) یکی از فعال ترین حوزه های پژوهشی در هوش مصنوعی محسوب می شود. من با کند بودن روند توسعه یادگیری تقویتی (RL) موافق نیستم، اما قبول دارم که افزایش منابع محاسباتی تأثیر زیادی در این زمینه داشه است. قدرت محاسبات، عامل افزایش استفاده از آن بوده است.

انتظار می رود که تا سال 2030، هوش مصنوعی (AI) قوی در اختیار داشته باشیم. این مسأله تنها به سخت افزار ارزان بستگی ندارد، بلکه نیازمند الگوریتم های قوی نیز هستیم. معتقدم که درحال حاضر، الگوریتم های قوی هوش مصنوعی در اختیار نداریم، اما می توانیم تا سال 2030 این الگوریتم ها را داشته باشیم.

تا 2030 کدام اهمیت بیشتری دارد: سخت افزار یا نرم افزار؟

این سوال مهمی است که آیا سخت افزار در اولویت است یا نرم افزار. به نرم افزار برای آزمایش سخت افزار نیاز داریم و در دسترس بودن سخت افزار، عامل رسیدن به نرم افزار است. ممکن است که تا 2030، سخت افزارهای کافی در اختیار داشته باشیم، اما همچنان به 10 سال زمان بیشتر برای توسعه الگوریتم های هوشمندتر نیاز داریم.

منافع هوش مصنوعی در روانشناسی و علوم اعصاب بسیار متنوع هستند. چرا تعامل میان هوش مصنوعی (AI)/ یادگیری تقویتی (RL) و روانشناسی/ علوم اعصاب حائز اهمیت است؟

تقویت پایه که یادگیری های مختلف را امکانپذیر می کند، اساسا در مغز یافت می شود. فرآیندهایی در مغز هستند که از قوانین مشابهی برخوردار هستند و با قوانین یادگیری تقویتی مدلسازی می شوند که مدل استاندارد سیستم جهانی (standard model of world system) در مغز گفته می شود.

مغز انسان، مدل مناسب یادگیری روانشناختی و مطالعه رفتارهای حیوانی است. در عین حال، این مدل بر مبنای یادگیری در شرایطی است که قادر به برنامه ریزی باشید. همچنین یک مدل تقویت شده از چگونگی برنامه ریزی و محل یادگیری توالی های مختلف است. با در نظر گرفتن هر دو گزینه، محققان هوش مصنوعی تلاش می کنند تا ذهن انسان را شکل داده و نقطه قوت آن را مشخص کنند.(تی نیوز)



🔯 مجله هوش مصنوعی

➖➖➖➖➖
🆔 : @HomeAI

‌
✍🏻 حذف پس زمینه عکس‌ها در ۵ثانیه

🌐 homeai.ir/02bt

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

🚩 ثبت‌نام AI Challenge 2019 آغاز شد.

🔸 از هم‌اکنون می‌توانید با تشکیل تیم‌های خود در مسابقه شرکت کنید.


💠 #ثبت‌نام کنید:
🔗 aichallenge.sharif.edu/go/RegisterNow

@aichallenge
@HomeAI

✍🏻 تولید ادویه و چاشنی‌های جدید با هوش مصنوعی

یک شرکت تولیدکننده انواع ادویه و چاشنی از برنامه هوش مصنوعی شرکت آی بی ام به منظور تولید محصولات جدید و خوش طعم و مزه خبر داده است.

برنامه ریزی میزان ترکیب مواد مختلف و محتوای هر چاشنی و ادویه جدید توسط برنامه هوش مصنوعی آی بی ام و بر مبنای درخواست و برنامه ریزی شرکت یادشده انجام می شود. هر یک از این چاشنی ها و ادویه ها برای خوش طعم کردن نوعی از مواد غذایی یا سالادها و غیره مورد استفاده قرار می گیرد.

محققان می گویند مواد طبیعی بسیار زیادی در جهان وجود دارد که می توان با ترکیب آنها چاشنی های بسیار خوشمزه ای تولید کرد، اما تولید آنها بدون استفاده از هوش مصنوعی و به صورت تجربی بسیار وقت گیر، هزینه بر و خسته کننده است. واگذار کردن این کار به هوش مصنوعی زمان و هزینه اقدامات یادشده را کاهش می دهد.

الگوریتم های هوش مصنوعی آی بی ام قادر به پیش بینی فرمول مناسب برای تولید ادویه ها و چاشنی های جدید و حتی پیش بینی واکنش افراد در برابر آنها هستند. این برنامه هوش مصنوعی حتی قادر به ارتقای سرعت تولید و کیفیت ترکیبات مورد استفاده خود در گذر زمان بر مبنای بررسی کیفیت تولیدات قبلی و واکنش به آنهاست.

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

✅ مغز زنان جوان تر از مغز مردان است


اعتمادآنلاین| محققان دانشگاه واشنگتن در این مطالعه، مغز 121 زن و 84 مرد را در سنین بین 20 تا 82 سال مورد اسکن قرار دادند تا میزان جریان اکسیژن و گلوکز را در مغزشان اندازه گیری کرده و نسبت قند مصرف شده برای گلیکولیز هوازی را در مناطق مختلف مغز تعیین کنند.

آنها برای پی بردن به رابطه بین سن و متابولیسم مغز از الگوریتم هوش مصنوعی استفاده کردند.

محققان طبق این الگوریتم دریافتند به طورمیانگین سن مغز زنان 3/8 سال جوان تر از سن تقویمی شان است.

از سوی دیگر، سن مغز مردان به طورمیانگین 2/4 سال بالاتر از سن تقویمی شان است.

حال محققان در حال بررسی این موضوع هستند که چه فاکتورهای ممکن است بر مسیر افزایش سن مغز تاثیر گذارد.(تی نیوز)



🔯 مجله هوش مصنوعی

➖➖➖➖➖
🆔 : @HomeAI

‌
✍🏻 راهبرد جدید پنتاگون در استفاده اخلاقی از هوش مصنوعی

🌐 homeai.ir/8lq2

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

‌
✍🏻 تشخیص ذات الریه با یک گوشی پزشکی

🌐 homeai.ir/fvbb

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

‌
✍🏻 نگرانی چینی ها از قدرت هوش مصنوعی ارتش آمریکا (تصمیم گیری و آتش!)

🌐 homeai.ir/6e9a

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

‌
✍🏻 کنترل ترافیک در چین با هوش مصنوعی - ویدئو

چگونه هوش مصنوعی می تواند شهر شما را به جای بهتر تبدیل کند؟

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

‌
✍🏻 یادگیری ماشین و مسائل حل‌نشدنی در ریاضیات

🌐 homeai.ir/ncro

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI