✅ اولین پاسخگویی به پرسش تعداد زیادی از دوستان: "آیا هوش مصنوعی برای رشته تحصیلی ما و یا کسب و کار ما هم میتواند کاربردی باشد؟"
(به زودی در کانال قرار خواهد گرفت)

❇️ پ.ن: سوالاتی که میتونه برای بقیه دوستان هم مفید باشه در قالب ویدیوهایی آماده میکنم. مثل ویدیویی که به زودی قرار میگیره!☺️


💎Join Us: @AI_Lessons

📘AI Lessons: Q1
📌Topic: Artificial Intelligence (AI) is useful for me!
⏱Duration: 00:18:09
📺 Aparat Link: www.aparat.com/v/pA7Xh
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: گروه‌های تحصیلی
🗂 Further Considerations: link 1, link 2, link 3

📃 About:
خیلی از همراهان کانال AI Lessons و دوستان دیگه ازم در مورد اینکه هوش مصنوعی برای رشته ما یا کسب و کار ما میتونه مفید باشه سوال کردند. البته قبلا هم ی ویدیو برای کاربرد هوش مصنوعی گذاشته بودم ولی تصمیم گرفتم که این ویدیورو آماده کنم تا با کاربردهای هوش مصنوعی در رشته‌های مختلف تحصیلی و بیزینس‌ها آشنا بشین. امیدوارم براتون مفید باشه🙂. در ی کلام میتونم بگم که من جایی رو سراغ ندارم که هوش مصنوعی نتونه تاثیرگذار باشه!

❇️ پ.ن: حتما همه لینک‌های موجود در این پست را بررسی کنین!

💎Join Us: @AI_Lessons

#question_video

❇️ در این تصویر هم مطالب خوبی رو برای کاربردهای هوش مصنوعی در زمینه‌های مختلف میتونین مشاهده بفرمایید.

🔗لینک تصویر باکیفیت


✅ پ.ن: کاربردهای هوش مصنوعی بی‌شماره! با ما برای یادگیری هوش مصنوعی همراه باشین...


💎Join Us: @AI_Lessons

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (universal functions in Numpy)
⏱Duration: 00:13:44
📺 Aparat Link: www.aparat.com/v/vw6b1
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: Numpy.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/8, t.iss.one/AI_Lessons_lib/11

📃 About:
در این قسمت با متدهایی از نامپای آشنا میشیم که میتونن بر روی آرایه های از جنس نامپای محاسبات ریاضیاتی رو بصورت عنصر به عنصر انجام بدن. در آخر هم به عنوان تمرینه بیشتر ی سری متدهای دیگر هم معرفی میشن...



💎Join Us: @AI_Lessons

#educational_video

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (indexing, slicing and iterating for 1d in Numpy)
⏱Duration: 00:10:48
📺 Aparat Link: www.aparat.com/v/4FYIL
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: Numpy.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/8, t.iss.one/AI_Lessons_lib/11

📃 About:
دسترسی‌های مختلفی رو برای ساختارهای دنباله ای مثل لیست در پارت‌های اولیه مطرح کردیم. اما توو این قسمت می‌خوایم در مورد مفاهیم مختلف در دسترسی مثل indexing، slicing و iterating (قبلا ورژن لیستی این موارد رو باهاش آشنا شدین) در نامپای صحبت کنیم.



💎Join Us: @AI_Lessons

#educational_video

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (indexing, slicing and iterating for m-d in Numpy)
⏱Duration: 00:14:20
📺 Aparat Link: www.aparat.com/v/iUmoS
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: Numpy.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/8, t.iss.one/AI_Lessons_lib/11

📃 About:
در ادامه بحثای مربوط به پردازش‌های indexing، slicing و iterating برای داده‌های تک بعدی، توی این قسمت سراغ این پردازش‌ها برای داده های چند بعدی رفتیم. بیشتر کارایی که اخیرا داره انجام میشه بر روی دیتاهای چندبعدیه، پس حتما این قسمت رو از دست ندین.


💎Join Us: @AI_Lessons

#educational_video

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (shape manipulation in Numpy)
⏱Duration: 00:16:19
📺 Aparat Link: www.aparat.com/v/gz3n8
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: Numpy.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/8, t.iss.one/AI_Lessons_lib/11

📃 About:
وقتی داده‌های مختلف رو می‌خونیم از جاهای مختلف مثل فایل تکست، اکسل و غیره، نیاز داریم که ابعاد داده رو به طوری در نظر بگیریم که مناسب روند مدل‌سازیمون (الگوریتم‌های هوشمند) باشه. توو این قسمت در مورد این موضوع صحبت کردیم که چطوری می‌تونیم ابعاد آرایه‌های نامپایی را تغییر بدیم.


💎Join Us: @AI_Lessons

#educational_video

🎉🎉🎉حضور هوش مصنوعی به عنوان 10 مهارت برتر سال 2020 از نگاه لینکداین


✅✅✅ با ما برای یادگیری هوش مصنوعی (از صفر تا صد) هم در دنیای آکادمیک و هم در دنیای صنعتی همراه باشین:
💎Join Us: @AI_Lessons

#news

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (stacking arrays in Numpy)
⏱Duration: 00:15:32
📺 Aparat Link: www.aparat.com/v/O7ICk
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: Numpy.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/8, t.iss.one/AI_Lessons_lib/11

📃 About:
در این قسمت در مورد نحوه ادغام آرایه‌ها در نامپای صحبت می‌کنیم. این بحث در آینده به ما کمک می‌کنه که بتونیم کارهای مختلفی مثل ترکیب داده‌های ورودی به مدل هوشمندمون رو انجام بدیم. راستی! در اول ویدیو ی گذری به مبحث قبلمون (تغییر ابعاد) زدم که با کاربرداش بیشتر آشنا بشین.


💎Join Us: @AI_Lessons

#educational_video

📣 🤖 این بار بات‌های هوشمند کاربران فیسبوک هستند

❇️ برای شبیه‌سازی رفتار کاربران انسانی در فیسبوک، اخیرا این شرکت اقدام به تولید نسخه جدیدی از شبکه اجتماعی خود کرده که به جای انسان‌ها، ماشین‌ها (الگوریتم‌ها یا بات‌های هوشمند) در حال تعامل با یکدیگرند. بیشتر بخوانید:

https://www.independent.co.uk/life-style/gadgets-and-tech/news/facebook-secret-social-network-ai-bots-simulation-scams-trolls-a9468026.html


💎Join Us: @AI_Lessons

#news

✅✅✅ در آینده آموزش‌هایی رو در این زمینه آماده خواهیم کرد.

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (splitting arrays in Numpy)
⏱Duration: 00:13:28
📺 Aparat Link: www.aparat.com/v/Owak5
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: Numpy.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/8, t.iss.one/AI_Lessons_lib/11

📃 About:
در این بخش به یک رویه برعکس نسبت به ادغام آرایه‌ها در نامپای پرداخته شده و در نظر داریم که آرایه نامپایی را به قسمت‌های کوچکتر تجزیه کنیم. برای پیش پردازش داده‌ها به عنوان ورودی به الگوریتم هوشمندمون نیاز هست که با این رویه‌ها آشنا باشیم.

💎Join Us: @AI_Lessons

#educational_video

📣🧠 آرزوی شبیه‌سازی مغز انسان...


✅ یکی از گروه‌های تحقیقاتی بین‌المللی که در چند سال اخیر با رشد فوق‌العاده‌ای پژوهش‌های نابی را انجام داده، DeepMind است که در حال حاضر عضوی از شرکت Google هستند. از زمان پیدایش DeepMind، این تیم تحقیقاتی تمرکز عمیقی بر روی یکی از الگوریتم‌های یادگیری ماشین تحت عنوان یادگیری تقویتی داشته‌اند. در این خبر هم در مورد یکی از کارهای اخیر این تیم در مورد شبیه سازی مکانیزم یادگیری مغز انسان، گزارشی منتشر شده است:
https://www.independent.co.uk/life-style/gadgets-and-tech/news/artificial-intelligence-deepmind-ai-human-brain-neuroscience-a9286661.html

🗂 لیستی از مقالات DeepMind:
https://deepmind.com/research?filters=%7B%22collection%22:%5B%22Publications%22%5D%7D

🔴 مقاله چاپ شده در ژورنال Nature:
https://www.nature.com/articles/s41586-019-1924-6

✳️ آشنایی با زمینه‌های تحقیقاتی DeepMind:
https://deepmind.com/research


💎Join Us: @AI_Lessons

#news

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (copies and views in Numpy)
⏱Duration: 00:09:46
📺 Aparat Link: www.aparat.com/v/UFIJ9
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: Numpy.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/8, t.iss.one/AI_Lessons_lib/11

📃 About:
زمانی که با متدهای موجود در نامپای کار می‌کنیم، برخی از آنها یک کپی از آرایه و برخی دیگر یک زاویه مشاهده جدید به آرایه را برمی‌گردانند. تفاوت بین کپی و مشاهده در چیست؟ توو این ویدیو به توضیح این دو مفهوم پرداخته شده است.

💎Join Us: @AI_Lessons

#educational_video

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (broadcasting rules in Numpy)
⏱Duration: 00:13:56
📺 Aparat Link: www.aparat.com/v/UhzIj
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: Numpy.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/8, t.iss.one/AI_Lessons_lib/11

📃 About:
با استفاده از broadcasting، نامپای می‌تواند تحت شرایطی محاسبات بین آرایه‌ای را با وجود تفاوت بعد انجام دهد. اگه یادتون باشه ی عدد می‌تونست در یک بردار ضرب بشه، این امکان بخاطر broadcasting نامپای هست که با وجود تفاوت بعد امکان ضرب فراهم شده. توو این بخش به موضوع broadcasting پرداخته شده که برای کارهای آیندمون بسیار کاربردی خواهد بود.

💎Join Us: @AI_Lessons

#educational_video

📣 کاربرد هوش مصنوعی در علوم زیستی


✅ در یکی از مقالاتی که در سال 2018 در Nature به چاپ رسیده است به یکی از کاربردهای الگوریتم‌های هوشمند در علوم زیستی اشاره و بررسی شده است. همانطور که در اینجا گفتم کاربردهای هوش مصنوعی بی‌شماره. یکی از روش‌هایی که اخیرا بازخوردهای خوبی در علوم زیستی داشته، به کارگیری شبکه‌های عصبی عمیق مصنوعیست. در این مقاله هدف اصلی طبقه‌بندی و تحلیل داده‌های زیستی مانند تصاویر نورون هست. به مرور به کاربردهای دیگر نیز اشاره خواهیم کرد و در پارت‌های آتی زوایای دقیق و فنی آن تدریس خواهد شد.

🔴 مقاله چاپ شده در ژورنال Nature:
https://www.nature.com/articles/d41586-018-02174-z


💎Join Us: @AI_Lessons

#news

📘AI Lessons: Part 8
📌Topic: First Step in Machine Learning with Python (broadcasting rules in Numpy)
⏱Duration: 00:13:56
📺 Aparat Link: www.aparat.com/v/UhzIj
👨‍🏫 By: Iman Khani Jazani
🆔 ID: @IKJ1992
🌐 Language: فارسی
📁 Resources: Numpy.org
🗂 Further Considerations: t.iss.one/AI_Lessons_lib/8, t.iss.one/AI_Lessons_lib/11

📃 About:
با استفاده از broadcasting، نامپای می‌تواند تحت شرایطی محاسبات بین آرایه‌ای را با وجود تفاوت بعد انجام دهد. اگه یادتون باشه ی عدد می‌تونست در یک بردار ضرب بشه، این امکان بخاطر broadcasting نامپای هست که با وجود تفاوت بعد امکان ضرب فراهم شده. توو این بخش به موضوع broadcasting پرداخته شده که برای کارهای آیندمون بسیار کاربردی خواهد بود.

❌ پ.ن: صرفا ویدیو هم به پست اضافه شده است. محتوا با این پست یکسان است.

💎Join Us: @AI_Lessons

#educational_video