📗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

‌
✍🏻 ایران رتبه ۱۵ هوش مصنوعی در دنیا را دارد!

🌐 homeai.ir/lwr0

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

📗 برگزاری دوره ویژه مقدماتی پایتون + رایگان

این دوره رایگان می باشد و از طریق تلگرام برگزار میگردد. برای اطلاع از نحوه برگزاری دوره و جزییات دقیق عضو کانال چالش پایتون شود.

🆔 : @pythonchallenge

#پایتون
#رایگان_برنامه_نویسی_یاد_بگیرید


📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

👨‍👩‍👧‍👧 به پیشنهاد یکی از اعضای کانال؛ افرادی که تمایل دارند در زمینه ترجمه کتابهای مربوط به هوش مصنوعی در قالب یک تیم فعالیت کنند میتوانند به آی دی ادمین کانال پیام ارسال کنند تا علاقه مندان بتوانند بصورت تیمی کار کنند.

@AI_AIR

#کار_تیمی
#ترجمه_کتابهای_هوش_مصنوعی


📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

🔷 اولین دوره مسابقات کشوری کدنویسی با نرم‌افزار متلب

📌ویژه تمام دانشجویان رشته‌های فنی و مهندسی

📆 زمان برگزاری : ۱۶ اسفندماه ۱۳۹۷

🌐http://matlab.aut.ac.ir

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

‌
✍🏻 مقدار حافظه و زمان اجرای الگوریتم های مرتب سازی

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

✅ شناسایی ژن های باستانی انسان با کمک هوش مصنوعی


این روزها هوش مصنوعی در مشاغل و فعالیت های مختلفی نفوذ کرده است. یکی از حوزه هایی که هوش مصنوعی می تواند در آن اثرگذار باشد، باستان شناسی است.

هوش مصنوعی امکانی را فراهم می کند تا باستان شناسان به شکلی بسیار متفاوت از گذشته به بررسی وضعیت ژن ها و کدهای ژنتیکی فسیل های باستانی بپردازند.

تا چند دهه پیش باستان شناسی صرفا به مطالعات میدانی، بررسی های آزمایشگاهی و مواردی مشابه محدود بود، اما اکنون، باستان شناسان برای بررسی آنچه که کشف کرده اند، از ابزارهایی متفاوت مثل هوش مصنوعی کمک می گیرند.

مطالعات اخیر باستان شناسان با از تکنولوژی یادگیری ماشین برای تجزیه و تحلیل هشت مدل پیشرو در ریشه های انسانی و تکامل استفاده کرده است و این برنامه نشان می دهد که گروهی از نژادهای باستانی که قبلا ناشناخته بودند در آسیا و اقیانوسیه زندگی می کرده اند.

نتایج این مطالعه که در نشریه «ارتباطات طبیعت» منتشر شده است، یکی از نخستین نمونه هایی است که نشان می دهد چگونه هوش مصنوعی می تواند به سرنخ هایی از ریشه های ما کمک کند. دانشمندان می توانند با بهره گیری از مقادیر وسیعی از اطلاعات ژنتیکی که در استخوان های فسیلی موجود است و مقایسه آن با دی ان ای در انسان های مدرن برخی از شکاف های تاریخ تکامل گونه انسان را پر کنند.
جوئوم برتانپتیت، متخصص زیست شناسی تکاملی در دانشگاه پومپه فابراس در بارسلونا، می گوید: "این دقیقا همان چیزی است که ما سال ها انتظارش را داشتیم، یعنی استفاده از متغیرهای علمی برای یافتن پاسخ پرسش های فیزیولوژیک."

مطالعات قبلی ژنوم انسان نشان داده است که پس از اینکه انسانهای مدرن آفریقا را ترک کردند( شاید 180،000 سال پیش)، آنها بعدا با گونه هایی مانند نئاندرتال ها و دنیسووان ها که پیش از انقراض با انسان های اولیه همسو بودند، درهم آمیخته بودند. اما بازسازی درخت خانواده ما انسان ها با وجود شاخه های گوناگون، بسیار دشوار است. این دشواری اکنون در سایه هوش مصنوعی بسیار تسهیل شده است.

از سال 2010 تا کنون انواع مختلفی از هوش مصنوعی توسط پژوهشگران برای بررسی وضعیت و ساخنار ژن های انسانی مورد توجه قرار گرفته اند. این هوش مصنوعی موفق شده انواع مختلفی از نسل های کمتر شناخته شده را شناسایی کند.



🔯 مجله هوش مصنوعی

➖➖➖➖➖
🆔 : @HomeAI

‌
✍🏻 پیچیدگی زمانی ساختمان داده های رایج

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

‌
✍🏻 یادگیری ماشین در 60 ثانیه!

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI

✅ هوش مصنوعی نقاش شد


هوش مصنوعی به طور همزمان دو پرتره از مردان و زنان خلق می کند که قبلا هرگز مشاهده نشده اند. این پرتره ها پس از مدت کوتاهی محو می شوند و دیگر به وجود نمی آیند.

به گزارش «خبرنامه دانشجویان ایران» به نقل از دیلی میل، یک اثر هنری که توسط مغز هوش مصنوعی خلق شده در لندن حراج می شود که پرتره هایی از مردان و زنانی است که قبلا هرگز مشاهده نشده اند. این پرتره ها پس از مدت کوتاهی محو می شوند و هرگز به وجود نمی آیند. این اثر هنری با نام «۱ Memories of Passersby» در ششم مارس در لندن حراج می شود.

این اثر هنری در حقیقت دونمایشگر است که به وسیله یک جعبه چوبی حاوی یک مغز هوش مصنوعی به یکدیگر متصل شده اند.

این اثر هنری فناوری حاوی هوش مصنوعی به وسیله هزاران تصویر از آثار هنری اروپای غربی آموزش دیده است و با کمک قدرت پردازش و شبکه عصبی پرتره هایی از صورت مردان و زنان خلق می کند که پس از مدتی کوتاه محو می شوند و دیگر هرگز به وجود نمی آیند. اما پرتره های دیگر به جای آنها روی قاب ظاهر می شود.

به طور دقیق تر هوش مصنوعی تصاویر را از ابتدا تا انتها خلق می کند و به طور متوالی پرتره هایی از زنان و مردانی رسم می کند که هرگز قبلا مشاهده نشده اند و به سرعت از بین می روند.

تخمین زده می شود این اثر در حراجی ساتبیز لندن به ارزشی بین ۳۰ تا ۴۰ هزار پوند به فروش برسد.

«ماریو کلینگمن» یک هنرمند آلمانی این اثر را ابداع کرده است. برای فعال نگه داشتن دستگاه به برق نیاز است. این اثر یک ماشین قدرتمند است که در مدت زمانی کوتاه یک اثر هنری را خلق می کند. برای این منظور از شبکه های عصبی استفاده شده است. این ماشین به طور مداوم و با محو شدن یک پرتره، نمونه دیگری می سازد.(تی نیوز)



🔯 مجله هوش مصنوعی

➖➖➖➖➖
🆔 : @HomeAI