شهر هوشمند::

شهر هوشمند به شهری گفته می‌شود که داری شش معیار اصلی زندگی هوشمند جدید از جمله: اقتصاد هوشمند، حمل نقل هوشمند، محیط هوشمند، شهروندان هوشمند، روش زندگی هوشمند و در آخر یک مدیریت اداری هوشمند باشد.

در زندگی امروزه اکثر شهرهای دنیا برای استفاده حداکثری از پتانسیل‌های زندگی شهری خود در حال برنامه‌ریزی جهت دست‌یابی به اهداف شهر هوشمند می‌باشند، شهری که بیشترین میزان بازدهی را در حوزه زندگی شهری داشته باشد. برای دستیابی به این هدف، شهر‌ها نیازمند بسیج همه جانبه در عرصه‌های مختلف علمی و پژوهشی هستند.
مفهوم شهر هوشمند بر ساختار سامانه و هویت آبادی‌هایی دلالت دارد که فناوری ارتباطات از دور به آن‌ها حیات می‌بخشد ار این مجتمع زیستی ارتباطات و فعالیت‌های متداول حقیقی و واقعی عمدتا مجازی می‌شوند. نتیجتا فرم‌ها و فضا‌ها نیز قالب‌های هندسی ادراکی و مفهومی جدید پیدا می‌کند.

کار از دور، خرید از دور، بانکداری الکترونیکی، اموزش و درمان از دور نمونه عملی و مصداق فعالیت‌هایی هستند که ضمن فراهم آوردن زمینه آزادی بیشتر وقت مردم و فضاهای شهری سامانه‌های موجود واحد کلی شهر و عرصه‌های همگانی را دگرگون می‌سازند. برنامه ریزان و طراحان شهری نه تنها با مسایل و پدیده‌های جدیدی در فرایند شهر سازی به ویژه طراحی محله‌های مسکونی شبکه را ه‌ها و مکان‌های همگانی مواجه می‌شوند. بلکه به سوی مجازی کردن قالب فعالیت فرایند شهرسازی پیش می‌روند.

به کارگیری ساز و کارهای سخت افزاری و نرم افزاری شهر هوشمند برای کشوری چون ایران که شهرهای آن بین مرحله گذار از الگوهای سنتی و مدرن و فرامدرن سرگردان هستند الزامی است اما زمینه‌های موجود برای حرکت در این مسیر از نارسایی‌های زیادی برخوردار است که می‌باید ضمن رسیدن به یک آگاهی درست از آن راهکاریابی سنجیده‌ای را پی گرفت.

شهر الکترونیک ما را از دنیای یک بعدی شهرهای سنتی و امروزی، به دنیای دو بعدی می‌برد که دستاورد فناوری‌های نوین اطلاعات و ارتباطات دنیای اینترنتی است.

شهر الکترونیک، شهری ۲۴ ساعته است که امور شهری در تمام شبانه‌روز در آن جریان دارد. شهروندان می‌توانند از طریق اینترنت، در هر زمان و هر مکان به اطلاعات و خدمات آموزشی، تفریحی، تجاری، اداری، بهداشتی و… موردنیاز خود دسترسی پیدا کنند.

در شهر الکترونیک، پلیس همیشه در دسترس است. شهروندان می‌توانند ناامنی‌های به‌وجود آمده را گزارش دهند تا در اسرع وقت مورد بررسی قرار گیرد.

وقتی اکثر کارهای روزمره را بتوان از طریق اینترنت و در منزل انجام داد زندگی بسیار راحت‌تر خواهد شد. از آنجا که رفت‌وآمدهای شهری در شهر الکترونیک به حداقل می‌رسد، تاثیرات مخرب وسایل نقلیه بر محیطزیست نیز کاهش می‌یابد و محیطی زیبا‌تر و طبیعی‌تر برای زندگی شهروندان به وجود خواهد آمد.

«کارت‌های هوشمند»، «بانکداری الکترونیک»، «آموزش الکترونیک»، «سلامت الکترونیک»، «تجارت الکترونیک»، «دولت الکترونیک» و… واژه‌هایی هستند که هر روزه به گوش ما می‌رسند، اما تمام این‌ها وقتی در شهری واحد کنار هم جمع می‌شوند، «شهر الکترونیک» را به‌وجود می‌آورند.

درحال حاضر شهر‌های توکیو، لندن، نیویورک، زوریخ، پاریس، ژنو، باسل، اوزاکا، سئول، اسلو، فیلادلفیا، لس آنجلس، دالاس، کپنهاگ پیشرو شهرهای هوشمند هستند.

منبع:

http://banki.ir/akhbar/1-news/21661-%D8%B4%D9%87%D8%B1%D9%87%D9%88%D8%B4%D9%85%D9%86%D8%AF-%DA%86%D9%87-%D8%B4%D9%87%D8%B1%DB%8C-%D8%A7%D8%B3%D8%AA%D8%9F

✅اضافه شدن زبان برنامه نویسی پایتون به پلتفرم هوش تجاری اوراکل در نسخه 12.2.1.3 OBIEE

🔹شرکت اوراکل در نسخه های قبلی محصول هوش تجاری خود،زبان قدرتمند تحلیلی و آماری R را به محصول خود اضافه کرده بود و اکنون با انتشار جدیدترین نسخه هوش تجاری اوراکل یعنی نسخه 12.2.1.3 OBIEE، زبان برنامه نویسی قدرتمند پایتون را هم به محصول خود اضافه کرده است پایتون به علت دارا بودن کتابخانه های بسیار قوی و نسبتا کامل می تواند مکمل بسیار خوبی برای محصول هوش تجاری اوراکل باشد. بنابراین می توان به یک بسته کاملا منحصر بفرد و کم نظیر در زمینه هوش تجاری مبتنی بر پلتفرم های اوراکل و لینوکس تحت عنوان هوش تجاری اوراکل رسید !
🔸با این محصول کامل و منحصربفرد می توان محصولات ترکیبی هوش تجاری و هوش مصنوعی(شبکه های عصبی) را براحتی پیاده سازی کرد.

کنفرانس پردازش داده های بزرگ در دانشگاه شهید مدنی آذربایجان تبریز.

لیست کشورهای مورد تائید وزارت علوم بعد از سپتامبر 2017

http://grad.saorg.ir/grad2017

برای دوستانی که دنبال اپلای هستند می تواند مفید باشد.

با سلام خدمت دوستان گرامی

مسئله:
می خواهم یک سیستم تشخیص تصویر fake , genuine (تصاویر بیومتریک مثله چهره یا دست ) روی سیستم های شناسایی چهره یا هر بیومتریکی در گوشی موبایل با استفاده از شبکه عصبی راه اندازی کنم.
سوال:
به نظر شما ایراد روش شبکه عصبی کانولوشن در تشخیص تصویر تقلبی درمقایسه با تصویر اصلی در سیستم شناسایی روی گوشی موبایل چی می تونه باشه؟ ایا می توان از شبکه عصبی مصنوعی به صورت قابل اعتماد به عنوان روش تشخیص تصاویر fake در این سیستم ها استفاده کرد؟
و این که چرا محققان بیشتر ترجیح می دن از وِیژگی های دستی برای اینکار استفاده کنند؟ در واقع از معیارهایی مثله
local binary patterns (LBP)
difference-of-Gaussians (DoG)-based approach
2D Fourier spectrum
.
از پاسخ شما صمیمانه تشکر میکنم.
لطفا در صورت ممکن نظر خودتان را به ایمیل زیر ارسال بفرمایید:
Jalil.Nourmohammadi@elka.pw.edu.pl

با تشکر از جناب آقای معدلی: دوستانی که دسترسی به جی‌پی‌یوی مناسب ندارند، میتونن به سایت معرفی شده مربوط به گوگل برن و برنامه‌هاشون رو در مرورگر بنویسن بدون این که نیاز باشه بر روی کامپیوترشون هیچ چیزی نصب کنند. محیطش مثل #ژوپیتر_نوت‌بوک هست به همراه تعدادی قابلیت اضافه. فقط مطمئن شوید که از منوی Edit -> Settings گزینه GPU را انتخاب کنید تا برنامه‌هاتون روی یکی از سریع‌ترین جی‌پی‌یوها بر روی #محیط_ابری گوگل اجرا بشه. گوگل شاهکاره! فقط کافیه روی لینک زیر کلیک کنید: https://colab.research.google.com/notebook
Now you can develop deep learning applications with Google Colaboratory -on the free Tesla K80 GPU- using Keras, Tensorflow and PyTorch.

https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5d

پروژه اول: #تشخیصـحواسپرتی_راننده. علاقمندان به شرکت در این پروژه پردازش تصویر ایمیل خود را به آدرس hamyad.lab@gmail.comبفرستند. شروع: پنج‌شنبه ۱۳ بهمن ماه.

منبع کانال:
@ai_python

الگوریتم جدید پرفسور تهرانی جهت دیتکشن اشیا در شب روی ماشین های جهت کم کردن تصادف های خیابانی

What if your car had night vision like an owl? | Innovation | DENSO Global Website
https://www.denso.com/global/en/innovation/story/object-detection/#.WnQPcngwefM.linkedin

ویدیو انگیزه محقق حسین تهرانی از ساخت سیستم دیتکشن اشیا برای کاهش تصادفات. انگیزه غم انگیزیه ولی برای ساخت جهانی امن بسیار مفید.

منبع :
https://www.denso.com/global/en/innovation/story/object-detection/#.WnQPcngwefM.linkedin

Hi Jalil

This is Satya Mallick

In today's post, we will learn how to make our OpenCV code 5x faster with just one line of code change.

OpenCV Transparent API (C++/Python)

The Transparent API (T-API) in OpenCV has been around since version 3.0 but Python support was added only in version 3.2. T-API uses OpenCL under the hood and technically it can use your GPU, multiple processors or even DSPs ( although I have never tested this ). You don't have to manually write code for checking what computing resources are available on a machine. T-API does this seamlessly for you.

There is one caveat though. There is an overhead for sending image data to the GPU and it does not make sense to incur this overhead when the computation is not expensive. So, use it wisely or else it will backfire!

Hope this email was helpful. Happy hacking!

Satya
LearnOpenCV.com

اقای دکتری که مسول عمل ایشون هستید واقعا این پول که هزار تومن هزار تومن جمع می شه می تونید بخورید؟ اگه ایشون رو بی پول عمل کنید دنیا از اون ور به اینور می شه؟

یادگیری عمیق

بالاخره پس از 2 ماه تاخیر دوره پنجم یادگیری عمیق آقای Ng پنجشنبه 12 ام بهمن در سایت کورسرا ارائه شد. ویدئوها و بقیه فایل های این دوره برای استفاده دوستانی که به خاطر تحریم ها دسترسی براشون سخت هست روی سایت قرار داده شد:
http://muniversity.ir/nlp-sequence-models/
برای دانلود jupyter notebook تکالیف این دوره هم می تونید به این آدرس مراجعه کنید.
https://github.com/Kulbear/deep-learning-coursera/tree/master/Sequence%20Models
بقیه دوره های این مجموعه در سایت قرار داده شدن:

دوره اول شبکه های عصبی و یادگیری عمیق:
http://muniversity.ir/neural-networks-deep-learning/
دوره دوم( تنظیم پارامترهای شبکه عصبی):
http://muniversity.ir/deep-neural-network/
دوره سوم ( انجام پروژه های یادگیری ماشین):
http://muniversity.ir/machine-learning-projects/

دوره چهارم شبکه های کانولوشنال
http://muniversity.ir/convolutional-neural-networks/

#آموزش
ویدیوهای اموزشی دکتر سید ناصر رضوی در رابطه با یادگیری عمیق در اینجا به اشتراک گذاشته می شود امیدوارم که مفید واقع شود. 👇👇👇👇

دوره پاییزه یادگیری عمیق؛ پژوهشگاه ارتباطات و فناوری اطلاعات (1)

دوره پاییزه یادگیری عمیق؛ پژوهشگاه ارتباطات و فناوری اطلاعات (2)

دوره پاییزه یادگیری عمیق؛ پژوهشگاه ارتباطات و فناوری اطلاعات (3)

دوره پاییزه یادگیری عمیق؛ پژوهشگاه ارتباطات و فناوری اطلاعات (4)

دوره پاییزه یادگیری عمیق؛ پژوهشگاه ارتباطات و فناوری اطلاعات (5)

دوره پاییزه یادگیری عمیق؛ پژوهشگاه ارتباطات و فناوری اطلاعات (6)

دوره پاییزه یادگیری عمیق؛ پژوهشگاه ارتباطات و فناوری اطلاعات (7)