✍انسان‌ها بوی گل‌ها را مطبوع و بوی غذای فاسد شده را به خاطر وجود پروتئین‌های موجود در بینی به نام گیرنده‌های بو، آزاردهنده می‌دانند. ✅ با این حال، اطلاعات کمی در مورد چگونگی جذب مواد شیمیایی و تبدیل آنها به عطر و رایحه توسط این گیرنده‌ها وجود دارد. 🗣پژوهشگران مرکز حواس شیمیایی مونل و استارت‌آپ Osmo مستقر در کمبریج ماساچوست برای درک این پدیده، رابطه بین سیستم ادراک بویایی مغز و مواد شیمیایی موجود در هوا را بررسی کردند. 💥این پژوهش منجر به این شد که دانشمندان یک مدل یادگیری ماشینی ابداع کردند که اکنون می‌تواند بوی ترکیبات را با مهارت در سطح انسانی به صورت شفاهی توصیف کند. 📣نهایتا مشاهده شد که مدل هوش مصنوعی در توصیف رایحه‌ها ۵۳ درصد نسبت به انسان‌ها بهتر عمل می‌کند. 👌این مدل حتی در ویژگی‌های بویایی که برای آنها آموزش ندیده بود نیز موفق عمل کرد. مینلند می‌گوید: تعجب برانگیز بود که ما هرگز آن را برای یادگیری و توصیف قدرت بو آموزش ندادیم، اما با این وجود می‌توانست پیش‌بینی‌های دقیقی انجام دهد. #هوش_مصنوعی

📕 کتاب "رفع اشکالات مدل‌های یادگیری ماشین با پایتون" 📑 استفاده عملی از مباحث تئوری ML 👨🏻‍💻 اگه مباحث پایه رو در مورد یادگیری ماشین و کار با مدل های ML بلدین، بیان سراغ این کتاب. این کتاب با مثال‌های عملی و توضیحات کامل و ساده، میاد مهارت‌های ضروری برای ساخت مدل‌های قابل اعتماد و با عملکرد خوب رو بهتون یاد میده. ✅ در واقع این کتاب میاد بین مباحث تئوری یادگیری ماشین و پیاده سازی و کاربردش، پلی ایجاد می‌کنه تا شما یاد بگیرین که چطوری عملکرد یه مدل رو ارزیابی کنین و مشکلات رو شناسایی و برطرف کنین.💯 #️⃣ #یادگیری_ماشین #ML ➖➖➖➖➖➖➖➖➖➖➖➖

✍هوش مصنوعی به ربات‌ها کمک می‌کند تا اشیا را با تمام بدنشان دستکاری کنند. با استفاده از یک تکنیک جدید، ربات‌ها می‌توانند به‌صورت موثر با استفاده از چیزی بیش از نوک انگشتان‌شان در مورد اجسام متحرک درک و استدلال نمایند. 📝به گزارش هوشیو، تصور کنید که می‎خواهید یک جعبه بزرگ و سنگین را از یک پله بالا ببرید. در این وضعیت احتمالا انگشتان خود را باز کرده و سپس آن جعبه را با دو دستتان بلند می‌کنید، در مرحله بعدی آن را بالای ساعد خود نگه داشته و آن را در برابر قفسه سینه خود متعادل می‌کنید. 📌به این ترتیب می‌توان گفت شما از تمام بدن‌تان برای جا‌به‌جایی یک جعبه استفاده خواهید کرد. انسان‌ها به طور کلی در استفاده از کل بدن خود مهارت دارند، در حالی که ربات‌ها در انجام همین کار با مشکلاتی روبه‌رو هستند. 🦾برای ربات‌ها رسیدگی به موقعیت‌هایی که در آن به عنوان مثال باید یک جعبه را جابه‌جا کنند، از آنجایی با هر قسمتی از انگشتان، بازوها یا تنه آنها تماس برقرار می‌کند، چالش برانگیز است. 💥

✍استارتاپ Apptronik از ربات انسان‌نمای Apollo رونمایی کرد: از جابه‌جایی بار تا مأموریت‌های فضایی 🦾ربات انسان‌نمای Apollo با قد 1.7 متری و وزن 72.6 کیلوگرمی خود، از نظر اندازه تقریباً شبیه به انسان‌ها است. 🧐 آپولو می‌تواند حداکثر 25 کیلوگرم بار را از زمین بلند کند و برای تولید انبوه و کار ایمن در کنار انسان طراحی شده است. 💥 این ربات انسان‌نما به‌طور کلی برای یک روز کاری 22 ساعته طراحی شده است و از یک باتری چهار ساعته قابل تعویض بهره می‌برد. 🔅

✍تا سه سال دیگر ۴۰ درصد نیروی کار جهان باید هوش مصنوعی یاد بگیرند براساس مطالعه‌ای که IBM انجام داده است، هوش مصنوعی مولد تأثیر زیادی بر بازار کار جهانی خواهد گذاشت و ۴۰ درصد افراد در سه سال آینده مجبور می‌شوند به مهارت‌های جدید روی بیاورند. 🔴دراین‌بین، خبر خوش آن است که ۸۷ درصد از مدیرانی که در مطالعه‌ی آی‌بی‌ام بررسی شده‌اند، انتظار دارند کارکنانی که ازChatGPT استفاده می‌کنند، جایگزین افرادی شوند که از هوش مصنوعی هنگام کار استفاده نمیکنند ✅ نتیجه‌گیری اصلی IBM از مطالعه‌ی اخیرش این است که مدیران باور دارند از هر ۱۰ نفر نیروی‌ کارشان، ۴ نفر، یعنی حدود ۱٫۴ میلیون نفر کارمند و کارگر، به‌دلیل پیاده‌سازی‌های هوش مصنوعی و اتوماسیون‌، به کسب مهارت جدید نیاز دارند. 🟣

👨🏻‍💻 وقتی شروع به یادگیری ماشین لرنینگ کردم، فهرست شخصی از منابعی که در روند یادگیریم بسیار تاثیر گذار بودن رو آماده کردم. اما الان تصمیم گرفتم که همه اون منابع آموزشی رو در یک Gitbook به عنوان یه ابزار آموزشی با همه علاقه مندان به یادگیری ماشین به اشتراک بگذارم، تا همه از این منابع استفاده کنن. 🔴 این مجموعه شامل حدود 500 موضوع مختلف در حوزه یادگیری ماشین میشه که شامل درسنامه‌ها، خلاصه‌ها، پیوندها و مقالاتیه که من در مورد موضوعات مختلفی که جذاب بودن یا در روند یادگیریم تاثیرگذار بودن، میشه. اکثر الگوریتم‌های یادگیری ماشین مدرن، آمار، تکنیک‌های علوم داده، یادگیری عمیق، NLP، سری‌های زمانی، گراف‌ها، و... . ┌ 🏷 ML & Deep Learning Compendium └ 🚀 ML & DL Compendium 📝 Ori Cohen #️⃣ #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡

🔴 کتاب 100 سوال برتر مصاحبه ML 👨🏻‍💻 یه منبع خوب برای مصاحبه‌‌های یادگیری ماشین پیدا کردم. این راهنما "100 سوال برتر مصاحبه یادگیری ماشین" رو که از سوالات مصاحبه های علوم داده شرکت های بزرگ فناوری جمع آوری شده، در بر‌ می‌گیره. ◼️ 100 سوال مصاحبه‌های یادگیری ماشین که با دقت زیادی انتخاب شده تا اکثر مباحث ML رو پوشش بده. ◻️ مفاهیم اساسی تا تکنیک‌های پیشرفته ◼️ توضیحات و پاسخ‌های نمونه برای درک بهتر هر سوال. #️⃣ #یادگیری_ماشین #ML ➖➖➖➖➖➖➖➖➖➖➖➖ 💡 #هوش_مصنوعی

✍تسلا از خودروی جدید خود در چین رونمایی کرد!! 🤝این نخستین بار است که تسلا مدل جدید خود را پیش از ایالات متحده در چین عرضه می‌کند. مدل جدید که قرار است در کارخانه تسلا در شانگهای ساخته شود با قیمت اولیه ۱۲ درصد بالاتر از مدل پایه قبلی در این کشور راهی بازار خواهد شد. 💥 همچنین قرار است در ادامه این مدل از خودروی تسلا به بازارهای دیگر آسیا، اروپا و خاورمیانه نیز صادر شود. همزمان تسلا قیمت مدل S و مدل X پرمیوم خود را بین ۱۴ تا ۲۱ درصد در چین و ایالات متحده که دو بازار بزرگ محصولات این شرکت هستند، کاهش داد. 🚘 🚓این مدل جدید ۶ سال پس از رونمایی از مدل ۳ تسلا صورت می‌گیرد. 💥 مدل ۳ جدید علاوه بر طراحی بیرونی تازه، تغییراتی را در داخل انجام داده و در عین حال برخی به روزرسانی‌های فنی و تکنیکی هم انجام داده است. بزرگترین تغییرات هم در نمای جلو و عقب خودرو صورت گرفته است. 🚐تسلا تاریخ عرضه مدل ۳ جدید را در بازار ایالات متحده اعلام نکرده و مشخص نیست چه زمانی در بازار آمریکا از این خودرو رونمایی خواهد شد🛞 🚘

آلمان در حال آزمایش کیسه هوای خارجیه😳 سنسورهای سیستم 150 میلی ثانیه قبل از برخورد واکنش نشون میدن😳😍 #هوش_مصنوعی

Code Conductor وب‌سایت بدون کد و اپلیکیشن موبایل با هوش مصنوعی با Code Conductor، وب سایت بدون کد مجهز به #هوش_مصنوعی و سازنده اپلیکیشن موبایل، حضور دیجیتالی خود را متحول کنید. نسخه ی نمایشی رزرو کنید و ایده های خود را زنده کنید!‌‌ https://codeconductor.ai/

جایگزینی بازیگران با شخصیت های کامپیوتری این برنامه فقط با دعوت در دسترس بود، اما اکنون می توانید هر بازیگری را با شخصیت های رایانه ای جایگزین کنید. تایید شده توسط استیون اسپیلبرگ #هوش_مصنوعی wonderdynamics.com/

🤔بیاین با یکی دیگه از الگوریتم‌های معروف ماشین لرنینگ، یعنی جنگل تصادفی، آشنا شیم: الگوریتم Random Forest مانند گروهی از درختان تصمیم است که با هم کار می‌کنند تا تصمیمات بهتری بگیرند. بیایید با یک مثال ساده آن را بررسی کنیم: تصور کنید در حال گرفتن یک تصمیم هستید: امروز بر اساس آب و هوا چه بپوشید. اکنون، به جای اینکه فقط از یک دوست (یک درخت تصمیم) مشاوره بخواهید، تصمیم می‌گیرید از تعدادی از دوستانی که معمولاً نکات خوبی درمورد فشن ارائه می‌دهند، بپرسید. هر دوست (درخت تصمیم) به آب و هوا نگاه می‌کند و لباسی را پیشنهاد می‌کند. در این‌جا نحوه عملکرد Random Forest را داریم: 🟠ایجاد یک گروه از درختان تصمیم: یک گروه از دوستان (درخت تصمیم) را کنار هم جمع می‌کنید، فرض کنید ۱۰ نفر. 🔴از هر دوست (درخت تصمیم) مشاوره می‌گیرید: هر دوست (درخت تصمیم) به آب و هوا نگاه می‌کند، دما، رطوبت، باد و عوامل دیگر را بررسی می‌کند. بر اساس این عوامل، یک لباس را پیشنهاد می‌کند. 🔵شمارش آرا: تمام پیشنهادات لباس را جمع و شمارش می‌کنید تا ببینید کدام لباس بیشترین رای را به دست آورده است. 🟢محبوب‌ترین لباس را می‌پوشید: لباسی که بیشترین رای را داشته باشد، انتخاب نهایی شما برای آن روز است. درواقع شما به تصمیم گروهی از دوستانتان، بیشتر از یک دوست به تنهایی اعتماد دارید. 🟡چرا جنگل تصادفی؟ ترکیب دانش: با درخواست از چندین "دوست" (درخت تصمیم)، تصمیم قابل اعتمادتری می‌گیرید. یک نفر ممکن است اشتباه کند، اما کمتر احتمال دارد که چند نفر باهم به یک شکل اشتباه کنند. مدیریت پیچیدگی: می‌تواند تصمیمات پیچیده را با در نظر گرفتن بسیاری از عوامل (فیچرها) هندل کند، درست مثل گروهی از دوستان با تخصص‌های مختلف. در یادگیری ماشین، Random Forest کاری مشابه مثالی که داشتیم، انجام می‌دهد. از مجموعه‌ای از درختان تصمیم برای پیش‌بینی استفاده می‌کند. هر درخت به جنبه‌های مختلف داده‌ نگاه می‌کند و پیش‌بینی نهایی براساس آرا یا میانگین‌های همه درختان است. به عنوان مثال، در یک کار تشخیص پزشکی، Random Forest می‌تواند به داده‌های مختلف بیمار (سن، علائم، نتایج آزمایش) نگاه کند و بر اساس گروهی از درختان تصمیم، تشخیص دقیق‌تری ارائه دهد. بنابراین، Random Forest مانند دریافت مشاوره از گروهی از متخصصان (درخت تصمیم) برای پیش‌بینی یا تصمیم‌گیری بهتر در یادگیری ماشین است. 🔺این پست رو ChatGPT نوشته! #AI_Generated #Machine_Learning