از داده خام تا فهم عمیق در این شکل، Data با مجموعه‌ای از نقاط تصادفی نشان داده می‌شوند که می‌توانند پتانسیل داشتن معنا را داشته باشند. در ادامه information، جایی که معنا یا رابطه به داده‌های خام تبدیل می‌شود. این موضوع با اعمال رنگ‌های مختلف بر روی نقاط نشان داده می‌شود. knowledge زمانی به‌دست می‌آید که بتوانیم اطلاعات (information) را به خاطر بسپاریم، برای مثال جدول‌های ضرب استاندارد یا زمان طلوع و غروب خورشید در یک ماه معین یک حالت استاندار دارند. همان‌طور که دانش (Knowledge) به دست می‌آوریم، شروع به درک چیزهای جدید می‌کنیم و بین قطعات مختلف اطلاعات ارتباط برقرار می‌کنیم. با این حال، در سطح Insight است که داده‌ها به طور جدی مفید می‌شوند. این قسمت توانایی ترکیب دانش به‌منظور دستیابی به درک عمیق از یک مسئله است. با بینش (insight)، چشم‌انداز wisdom (خرد) به وجود می‌آید که توانایی استفاده از بینش برای تسهیل تصمیم‌گیری آگاهانه است. 🔗 https://t.me/silicon_brain/878 #information #data #knowledge #wisdom 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

آموزش استفاده از گیت‌هاب برای ساخت پروژه و مشارکت در پروژه‌های گیت دیگران 🔗 https://t.me/Ai_Tv/3362 #tutorial #github 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

مدل تشخیص احساسات به صورت Real-Time و نمایش روی هیت مپ 🔗 https://t.me/silicon_brain/877 #sentiment_analysis #heatmap 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

فراخوان مقالات ویژه مجله بین‌المللی ارتباطات و فناوری اطلاعات 🔗 https://t.me/IEEEIranSection/2549 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

نظر ایلان ماسک در مورد «همزیستی کامل با هوش مصنوعی»: «اگر نمی توانید آنها را شکست دهید به آنها بپیوندید» آیا قرار است ما انسان بمانیم؟ یا قرار است از آن فراتر برویم … آیا این منجر به جهنم شدن زمین خواهد شد؟ یا ملکوت آسمان؟ جهان بینی شما پاسخ شما را تعیین خواهد کرد.» 🔗 https://t.me/truthsgram/3093 #transhumanism #robohuman 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

#معرفی_کتاب Unsupervised Deep Learning 👤 (Lazy Programmer Series) 🔹 The LazyProgrammer 🔸 2019 🔗 http://lazyprogrammer.me #book #unsupervised #deep_learning 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

یک کتاب خوب و جامع در مورد پیاده‌سازی یادگیری عمیق بدون نظارت در پایتون 💯 محتوای این کتاب: - Principal Components Analysis - t-SNE - Autoencoders and Stacked Denoising Autoencoders - Restricted Boltzmann Machines and Deep Belief Networks - Feature Visualization - Tricking a Neural Network #شبکه_عصبی #یادگیری_عمیق #پایتون 🔗 https://t.me/GITAnet #book #unsupervised #deep_learning 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

#اینفوگرافی هفت گام پروژه‌های علم داده 🔗 https://t.me/DataPlusScience/1439 #tutorial #infographics #data_science 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

✍🏻 کتاب هوش مصنوعی با حمایت شرکت آدونیس منتشر شد انتشارات راه پرداخت با حمایت شرکت توسعه خدمات الکترونیکی آدونیس کتاب «هوش مصنوعی؛ چگونه یادگیری ماشین دهه آینده را شکل خواهد داد» را منتشر کرد. ناشر اصلی کتاب مذکور انتشارات وایرد است که در سال ۲۰۲۱ این کتاب را با عنوان «Artificial Intelligence: How Machine Learning Will Shape the Next Decade» منتشر کرده و کمیل علی‌تقوی زحمت ترجمه این کتاب را بر عهده داشته است. انتشارات راه پرداخت پیش از این کتاب کریپتوکارنسی را هم از این انتشارات به چاپ رسانده بود. کتاب هوش مصنوعی بیست‌وهشتمین کتابی است که انتشارات راه پرداخت در سال ۱۴۰۰ منتشر می‌کند و در کمتر از دو هفته باقی‌مانده تا پایان سال نیز حداقل دو کتاب دیگر به این فهرست اضافه خواهد شد. درباره دلیل اهمیت کتاب هوش مصنوعی باید گفت وایرد به‌عنوان ناشر نسخه اصلی این کتاب همواره مدنظر گروه رسانه‌ای راه پرداخت قرار داشته است. وایرد نشریه‌ مهمی است که درباره موضوعات فناوری از زاویه دید متفاوتی صحبت می‌کند و تأثیر فناوری بر حوزه‌های غیرفناوری را خیلی خوب بررسی و تحلیل می‌کند. 📖 مجله هوش مصنوعی 🔗 https://t.me/HomeAI/9627 #book #artificial_intelligence 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

Image Data Augmentation for Deep Learning: A Survey by: Suorong Yang , et al. Nanjing University [04/19/2022] Abstract: Deep learning has achieved remarkable results in many computer vision tasks. Deep neural networks typically rely on large amounts of training data to avoid overfitting. However, labeled data for real-world applications may be limited. By improving the quantity and diversity of training data, data augmentation has become an inevitable part of deep learning model training with image data. As an effective way to improve the sufficiency and diversity of training data, data augmentation has become a necessary part of successful application of deep learning models on image data. In this paper, we systematically review different image data augmentation methods. We propose a taxonomy of reviewed methods and present the strengths and limitations of these methods. We also conduct extensive experiments with various data augmentation methods on three typical computer vision tasks, including semantic segmentation, image classification and object detection. Finally, we discuss current challenges faced by data augmentation and future research directions to put forward some useful research guidance. 🔗 https://deepai.org/publication/image-data-augmentation-for-deep-learning-a-survey #deep_learning #data_augmentation 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

گزارش مرکز نمایه هوش مصنوعی دانشگاه استنفورد از وضعیت هوش مصنوعی در سال ۲۰۲۲ این گزارش به بررسی وضعیت هوش مصنوعی در پنج فصل می‌پردازد: فصل ۱: پژوهش و توسعه فصل ۲: کارآیی تکنیکی فصل ۳: اخلاقیات هوش مصنوعی تکنیکی فصل ۴: اقتصاد و آموزش فصل ۵: سیاست و حکمرانی هوش مصنوعی 🔗 https://aiindex.stanford.edu/report/ 🌐 http://cysp.ut.ac.ir 🆔 @ut_cyber

نظری به چگونگی تنظیم هوش مصنوعی در آمریکا هوش مصنوعی گذشته از اینکه با ظهور خود پیشرفت‌هایی جدید را در دانش و فناوری رقم زده است، باعث برانگیخته شدن نگرانی‌هایی در مورد تأثیراتی که ممکن است این فناوری بر تجارت و حریم خصوصی، و برخی مسائل دیگر بگذارد نیز شده است. از همین رو آمریکا در حال بررسی اقداماتی است که می‌تواند با تشکیل کمیته مشورتی هوش مصنوعی، دولت را از پیشرفت‌های جدید در هوش مصنوعی با توسعه فناوری آگاه کند. هوش مصنوعی با موفقیتی خیره‌کننده قادر به از میان بردنِ طیف گسترده‌ای از مشکلات است؛ از کشف هویت کاربران ناشناس اینترنت گرفته تا ‌پیش‌بینی دقیق آب و هوا؛ اما با وجود این کاربردهای گسترده و سودمند، این سؤال مطرح می‌شود که هوش مصنوعی برای چه چیزهای باید مورد استفاده قرار گیرد و تنظیم هوش مصنوعی در آمریکا چگونه باید باشد؟ ... ادامه‌ی مطلب را در این صفحه بخوانید: 🔗 https://hooshio.com/?p=26037 🌐 http://cysp.ut.ac.ir 🆔 @ut_cyber

✍🏻با این تی‌شرت می‌توان از دید دوربین‌های نظارتی در امان ماند محققان دانشگاه نورث ایسترن، ام‌آی‌تی و آی‌بی‌ام موفق به طراحی لباسی شده‌اند که با رنگ کالیدوسکوپیک چاپ شده روی آن می‌تواند کاربر را در برابر هوش مصنوعی، غیرقابل شناسایی کند. این دستاورد نمونه‌ای از چند محصول تولیدی در زمینه مقابله با نظارت دیجیتال محسوب می‌شود. ژو لین، پژوهشگر این گروه تحقیقاتی توضیح می‌دهد: این تی‌شرت روی شبکه‌های عصبی که برای تشخیص اشیا مورد استفاده قرار می‌گیرد، اثر می‌گذارد. معمولا زمانی که یک شبکه عصبی، شخص یا جسمی ‌را در تصویر شناسایی می‌کند، یک باکس محدودکننده اطراف آن رسم می‌کند و یک برچسب به آن شیء اختصاص می‌دهد. لین و همکارانش با یافتن نقاط مرزی یک شبکه عصبی توانسته‌اند طرحی را ایجاد کنند که می‌تواند سیستم طبقه‌بندی و برچسب‌گذاری شبکه هوش مصنوعی را به اشتباه بیندازد. با نگاهی دقیق و تخصصی به دو شبکه عصبی تشخیص اشیا به نام‌های Yolo۲ و Faster R-CNN، این گروه تحقیقاتی توانستند مناطقی از بدن را شناسایی کنند که با افزایش نویز پیکسل به آن می‌توانند هوش مصنوعی را گیج کند. 📖 مجله هوش مصنوعی 🔗 https://t.me/HomeAI/9846 #deep_learning #control 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

شبکه DeepDPM: یک شبکه بر مبنای یادگیری عمیق برای خوشه‌بندی داده‌ها با تعداد نامشخص خوشه لینک: https://paperswithcode.com/paper/deepdpm-deep-clustering-with-an-unknown 🔗 https://t.me/Adv_AI/962 #deep_learning #control 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

✅ انجمن بینایی ‌ماشین و پردازش ‌تصویر ایران با همکاری دانشکده مهندسی دانشکدگان فارابی دانشگاه تهران برگزار می کند: ✳️ «هفتمین وبینار تخصصی بینایی ماشین و پردازش تصویر ایران» با موضوع: داغ ترین کاربردهای بینایی ماشین در صنعت 👤 سخنران: دکتر محمد شکوهی یکتا 📅 پنجشنبه ۲۲ اردیبهشت ماه ۱۴۰۱ ⏰ ساعت ۱۶:۰۰ به وقت تهران تالار اجتماعات مجازی شماره ۱ دانشکده مهندسی: http://vroom.ut.ac.ir/farabi3 ✅ به شرکت کنندگان در وبینار که عضو انجمن نیز باشند، گواهی حضور اعطا خواهد شد. 🌐 http://ismvip.ir 🆔 @ismvip_webinar 🆔 @ismvip_ir

#نشست علمی پردازش هوشمند زبان عربی برگزار می‌شود! هشتمین نشست علمی از سلسله نشست‌های علوم اسلامی و انسانی دیجیتال با موضوع پردازش هوشمند زبان عربی (1) و ریز موضوع تحلیلگر صرفی نور در تاریخ پنج شنبه 1401/03/19 ساعت 10 در سالن اجتماعات مرکز تحقیقات کامپیوتری علوم اسلامی (نور) برگزار می‌گردد. www.noorsoft.org/fa/News/View/111219 مرکز تحقیقات کامپیوتری علوم اسلامی (نور) پیشگام در داده پردازی علوم اسلامی www.noorsoft.org ▫️▫️▫️ 📢 @noorsoft کانال رسمی نور در ایتا

⭕️ آیا هوش مصنوعی می‌تواند اعتماد ما را جلب کند؟ 👤 سخنران: دکتر سعیده بابایی، پژوهشگر پسادکتری فلسفه، دانشگاه توبینگن آلمان دانش آموخته دکتری فلسفه علم و فناوری، پژوهشگاه علوم انسانی و مطالعات فرهنگی 🕕 زمان: شنبه ۴ تیر ۱۴۰۱، ساعت ۱۶ تا ۱۷:۳۰ 🌐 لینک ورود به جلسه: http://meetings.aut.ac.ir/Phil-Sci-AUT ____________ 🌐 کانال «نوروساینس و فلسفه ذهن»: https://eitaa.com/joinchat/2311520387Cb4166965da 🆔@Brain_Mind

💢 نخستین کنفرانس ملی فضای سایبر، از دهم تا دوازدهم آبان ۱۴۰۱ در دانشگاه تهران برگزار می‌شود. برای دریافت اطلاعیه‌های این رویداد، در کانال کنفرانس عضو شوید: https://eitaa.com/joinchat/3452829881Cbd0fc42858 🌐 http://cysp.ut.ac.ir 🆔 @cysp_conf

GitHub Copilot هوش مصنوعی امروز همه‌جا هست. از نوشتن ایمیل گرفته تا خرید اینترنتی، این هوش مصنوعیه که داره به ما کمک می‌کنه. اما GitHub با معرفی محصول Copilot‌ اعلام کرده که وقتشه ما یه دستیار هوش مصنوعی کد‌نویسی داشته باشیم. این محصول از میلیارد‌ها کد کاربرانِ GitHub کد‌نویسی رو یاد گرفته و می تونه زبان طبیعی رو به کد تبدیل کنه! به همین راحتی. GitHub Copilot می‌تونه تا ۴۰ درصد کد‌هاتون رو براتون بنویسه. فوق‌العاده است نه؟ اما یه نگرانی‌ای که وجود داره اینه که این روند ورود هوش مصنوعی به کد‌نویسی تا کجا قراره که ادامه داشته باشه و آیا قراره یه روز ابزارهای هوش مصنوعی مثل Copilot به‌طور کامل جایگزین برنامه‌نویسا بشه؟ 🔗 https://t.me/quera_ir/1730 #natural_language_processing #deep_learning #artificial_intelligence #open_ai #github 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep

مدل stable diffusion اپن سورس شد! در تاریخ 23 آگوست 2022 مدل تبدیل متن به تصویر stable diffusion اپن سورس شد و در دسترس عموم قرار گرفت. شما می‌توانید با استفاده از این مدل نوشته خود را به تصویر بکشید. این مدل نسبتا سبک‌تری با توجه به دیگر مدل‌های عرضه شده در این زمینه می‌باشد که روی GPU با حداقل 10GB VRAM نیز قابل اجرا می‌باشد. در لینک زیر می‌توانید خودتان متن دلخواه‌تان را تبدیل به تصویر بکنید و لذت ببرید! huggingface.co/spaces/stabilityai/stable-diffusion در ادامه چند نمونه از خروجی مدل را می‌توانید مشاهده کنید که با توجه به متن‌های زیر تولید شده‌اند. 'an insect robot preparing a delicious meal' 'Angela Merkel with hijab' 'birds playing football' 'Jesus, Painting, Cubism' 🔗 https://t.me/nlp_stuff/300 #deep_learning #natural_language_processing #machine_vision 🌐 http://dlrl.ut.ac.ir 🆔 @ut_deep