سخنرانی‌های حاصل از تحقیقات DeepMind را که منجر به دوره آموزشی David Silver در مورد یادگیری تقویتی می‌شود، که در دانشگاه کالج لندن تدریس می‌شود، تماشا کنید.

لینک پلی لیست

✨‼️ علاقه مندان به عمیق تر شدن در این مبحث می توانند در وبینار رایگان با عنوان "یادگیری تقویتی در مدل سازی شناختی" که توسط آقای علی شیراوند، دانشجوی دکترای École Normale Supérieure ارائه می شود، شرکت کنند. ‼️✨

👈 لینک ثبت نام در وبینار ➡️

✈️@IDS_AI_ML
✈️@IDSchools

📎 مقاله Ten simple rules for the computational modeling of behavioral data

در این مقاله از مدل‌سازی محاسباتی برای درک الگوریتم‌های زیربنایی رفتار استفاده شده است که می‌تواند شامل نقش یادگیری تقویتی نیز باشد. نویسندگان به طور خاص اشاره می‌کنند که مدل‌های محاسباتی به شکل معادلات ریاضی می‌توانند «متغیرهای قابل مشاهده تجربی (مانند محرک‌ها، نتایج، تجربیات گذشته) را به رفتار در آینده نزدیک مرتبط کنند». این امر نشان می‌دهد که مدل‌های توصیف شده می‌توانند اصول یادگیری تقویتی را در خود جای دهند، جایی که رفتار فرد تحت تأثیر محرک‌ها، نتایج و تجربیات گذشته قرار می‌گیرد.

نویسندگان نمونه‌هایی از تکنیک‌های مدل‌سازی محاسباتی را که برای مطالعه‌ی یادگیری تقویتی استفاده شده‌اند ارائه می‌دهند

🔴علاقه مندان به عمیق تر شدن در این مبحث می توانند در وبینار رایگان با عنوان "یادگیری تقویتی در مدل سازی شناختی" که توسط آقای علی شیراوند، دانشجوی دکترای École Normale Supérieure ارائه می شود، شرکت کنند. 🔴

⬅️ لینک ثبت نام در وبینار ➡️

✈️@IDS_AI_ML
✈️@IDSchools

🤩 سخنرانی های «یادگیری ماشین قابل اعتماد» در دانشگاه توبینگن

🔣 لینک پلی لیست

✉️@IDS_AI_ML
✉️@IDSchools

‼️🔔 6 ساعت تا برگزاری قسمت پنجم از سری وبینارهای رایگان «همگام با پیشتازان» 🔔‼️

5️⃣ قسمت پنجم: Reinforcement Learning (RL) in Cognitive Modeling

🗣با حضور: علی شیراوند

🔜 یکشنبه ۳۱ تیرماه ، ساعت ۱۸

🔴اطلاعات مربوط به شرکت در وبینار (لینک، نام کاربری و رمز عبور) به ایمیل شرکت کنندگان ارسال خواهد شد.🔴

✉️@IDS_AI_ML
✉️@IDSchools

‼️🔔 1 ساعت دیگر، قسمت پنجم از سری وبینارهای رایگان «همگام با پیشتازان» آغاز خواهد شد‼️🔔

5️⃣ قسمت پنجم: Reinforcement Learning (RL) in Cognitive Modeling

🗣با حضور: علی شیراوند

🔜 یکشنبه ۳۱ تیرماه ، ساعت ۱۸

🔴لینک ورود به وبینار، به ایمیل ثبت نام کنندگان گرامی ارسال شد، در صورت عدم دریافت ایمیل یا مشکلات دیگر به گروه دپارتمان هوش مصنوعی مدارس میان رشته ای مراجعه فرمایید.🔴

⬅️ گروه دپارتمان هوش مصنوعی ➡️

✉️@IDS_AI_ML
✉️@IDSchools

🧠دوره آموزشی "هوش مصنوعی قابل اعتماد و قابل تفسیر" در مؤسسه فدرال فناوری زوریخ (ETH Zurich)

🔣 لینک پلی لیست

✈️@IDS_AI_ML
✈️@IDSchools

🤩 به گروه گفتگوی تعاملی ما بپیوندید!

🥳علاوه بر مطالب عالی هوش مصنوعی که در اینجا پیدا می‌کنید، از راه‌اندازی گروه بحث و گفتگوی تعاملی بسیار هیجان‌زده هستیم! این فرصتی است برای شما تا:

✅ با سایر علاقه‌مندان به هوش مصنوعی ارتباط برقرار کنید: ایده‌ها را به اشتراک بگذارید، سوال بپرسید و از جامعه‌ای پرشور در مورد هوش مصنوعی کمک بگیرید.

✅ در بحث‌ها شرکت کنید: عمیق‌تر به مفاهیمی که در اینجا یاد می‌گیرید بپردازید، موضوعات جدید را کاوش کنید و در مورد آخرین پیشرفت‌ها بحث کنید.

✅ پاسخ سوالات خود را دریافت کنید: روی یک مفهوم گیر کرده‌اید؟ سوالی در مورد کاربردهای هوش مصنوعی دارید؟ گروه ما برای کمک به شما اینجاست!

لینک گروه تعاملی

✉️@IDS_AI_ML
✉️@IDSchools

📱 درک یادگیری ماشین با Shai Ben-David
⬅️شای بن-دیوید دانشمند کامپیوتر و استاد دانشگاه واترلو در کانادا است. زمینه تحقیقاتی او نظریه علوم کامپیوتر و یادگیری ماشین است. این کانال یوتوب توسط گروهی از دانشجویان برای جمع آوری سخنرانی‌ها و گفتگوهای او ایجاد شده است.

✉️@IDS_AI_ML
✉️@IDSchools

📝 مقاله Catalyzing next-generation Artificial Intelligence through NeuroAI

مقاله حاضر با تاکید بر ضرورت تلفیق علوم اعصاب و هوش مصنوعی، راه را برای پیشرفت‌های انقلابی در این حوزه هموار می‌سازد. در حالی که هوش مصنوعی در سال‌های اخیر پیشرفت‌های چشمگیری داشته، اما برای رسیدن به سطحی از هوشمندی که بتواند با انسان برابری کند، نیازمند الهام گرفتن از مغز انسان است. مطالعه دقیق ساختار و عملکرد مغز می‌تواند به توسعه مدل‌های هوش مصنوعی با قابلیت‌های پیچیده‌تر و هوشمندانه‌تر منجر شود.

⬅️ زمینه تحقیقاتی NeuroAI

تحقیقات NeuroAI ، به عنوان رشته‌ای که علوم اعصاب و هوش مصنوعی را در هم می‌آمیزد، نقش محوری در این تحول ایفا می‌کند. با بررسی مکانیسم‌های پردازش اطلاعات در مغز و پیاده‌سازی آن‌ها در سیستم‌های هوش مصنوعی، می‌توان به مدل‌هایی دست یافت که نه تنها در انجام وظایف مشخص، بلکه در درک و تعامل با دنیای اطراف نیز عملکرد بهتری از خود نشان دهند.

✈️@IDS_AI_ML
✈️@IDSchools

❓فرا یادگیری ( Meta- learning) چیست؟

فرا یادگیری، که اغلب به عنوان "learning to learn" شناخته می شود، یک حوزه پیشرفته در هوش مصنوعی است که بر توانایی سیستم های هوش مصنوعی برای سازگاری سریع و یادگیری وظایف جدید با حداقل داده تمرکز دارد. برخلاف مدل های یادگیری ماشین سنتی که برای یک کار خاص آموزش دیده می شوند، فرا یادگیرنده ها مهارت یادگیری را به دست می آورند.

تصور کنید یک مدل را در طیف وسیعی از کارهای مختلف، از طبقه بندی تصویر تا ترجمه زبان، آموزش دهید. به جای تخصص در یک کار واحد، فرا یادگیرنده الگوها و اصول اساسی در مورد فرآیند یادگیری را استخراج می کند. این دانش سپس برای رویارویی با کارهای جدید به طور موثر استفاده می شود.

فرا یادگیری پتانسیل عظیمی برای متحول کردن هوش مصنوعی دارد. با پیشرفت تحقیقات، می توانیم انتظار داشته باشیم که فرا یادگیرنده های پیچیده تری قادر به مقابله با چالش های پیچیده دنیای واقعی باشند.

✈️@IDS_AI_ML
✈️@IDSchools

✅ جنبه‌های مهم مقاله Catalyzing next-generation Artificial Intelligence through NeuroAI

🟢رویکرد بین رشته‌ای:

این مقاله بر هم‌افزایی بین نوروساینس و هوش مصنوعی تأکید دارد و پیشنهاد می‌دهد که بینش‌های حاصل از تحقیقات مغزی می‌تواند به توسعه هوش مصنوعی کمک کند و برعکس.

🟢زمینه تاریخی و انگیزه:

این مقاله یک مرور تاریخی از تعامل بین نوروساینس و هوش مصنوعی ارائه می‌دهد و نشان می‌دهد که چگونه مدل‌های اولیه هوش مصنوعی از فرآیندهای عصبی الهام گرفته شده‌اند و چگونه تکنیک‌های فعلی هوش مصنوعی می‌توانند از اکتشافات نوروساینس بهره‌مند شوند.

🟢چارچوب NeuroAI:

نویسندگان یک چارچوب جامع برای NeuroAI پیشنهاد می‌دهند و توضیح می‌دهند که چگونه اصول نوروساینس می‌تواند به‌طور سیستماتیک برای توسعه مدل‌های پیشرفته هوش مصنوعی استفاده شود.

🟢الهام‌گیری زیستی در هوش مصنوعی:

مقاله جنبه‌های خاصی از عملکرد مغز، مانند کدگذاری عصبی، پلاستیسیته سیناپسی و دینامیک شبکه را بررسی می‌کند و چگونگی مدل‌سازی این جنبه‌ها برای بهبود سیستم‌های هوش مصنوعی را توضیح می‌دهد.

🟢ادغام Embodied Turing Test :

مقاله Embodied Turing Test را به‌عنوان یک معیار عملی برای ارزیابی اثربخشی سیستم‌های NeuroAI پیشنهاد می‌دهد. با ادغام تجسم و تعامل فیزیکی در فرآیند ارزیابی، آزمون می‌تواند توانایی AI در کار کردن در محیط‌های واقعی را ارزیابی کند و معیار جامع‌تری از هوش ارائه دهد.

🟢گسترش اصول NeuroAI:

آزمون Embodied Turing Test استفاده از اصول NeuroAI را با نیاز به سیستم‌های هوش مصنوعی برای پردازش اطلاعات و ارتباط، و همچنین تعامل فیزیکی با محیط گسترش می‌دهد. این با مکانیسم‌های عصبی ادغام حسی-حرکتی که در سیستم‌های زیستی مشاهده می‌شود، همخوانی دارد.

🟢پیشرفت در هوش مصنوعی و رباتیک:

استفاده از Embodied Turing Test توسعه هوش مصنوعی را تشویق می‌کند که می‌تواند محرک‌های فیزیکی را درک و به آن‌ها پاسخ دهد و پیشرفت‌هایی در رباتیک و شناخت تجسم‌یافته را ترویج می‌دهد. این برای ایجاد سیستم‌های هوش مصنوعی که قادر به انجام وظایف پیچیده در محیط‌های دینامیکی هستند، بسیار حیاتی است.

✈️@IDS_AI_ML
✈️@IDSchools

😉 #میم_تایم
✈️@IDS_AI_ML
✈️@IDSchools

🆕🆕🆕🆕🆕🆕🆕🆕🆕🆕
🗣دپارتمان ریاضی، آمار و علوم کامپیوتر مجموعه علمی و پژوهشی مدارس میان رشته ای برگزار می کند:

🔣 سری وبینار‌های رایگان «همگام با پیشتازان»

6️⃣ قسمت ششم:
Investigating and analyzing the phenomenon of neuronal excitability using dynamical systems theory

👤با حضور: صفر محمدی

🔴دانشجوی کارشناسی ارشد ریاضی کاربردی دانشگاه شهید بهشتی
🔴 دستیار استاد در دانشگاه شهید بهشتی

🔜 چهارشنبه ۱۰ مرداد ماه، ساعت ۲۰

👈 در این وبینارهای رایگان که به همت مدارس میان‌رشته‌ای برگزار می‌شود، میزبان اساتید، پژوهشگران و دانشجویان برگزیده و نخبه در داخل و خارج کشور خواهیم بود و با مسیر موفقیت آکادمیک ایشان و نیز پژوهش‌های میان‌رشته‌ای آشنا خواهیم شد.


◀️ برای شرکت در این وبینار به کانال ریاضی، آمار و علوم کامپیوتر مدارس میان‌رشته‌ای مراجعه کنید.

✈️@IDS_Math
✈️@IDSchools

🧠 دنیای هوش مصنوعی (AI) پویا و در حال تکامل سریع است. در قلب این پیشرفت، کنفرانس‌های معتبری قرار دارند که محققان پیشرو، متخصصان صنعت و علاقه‌مندان را برای به اشتراک گذاشتن ایده‌های نوآورانه و تقویت همکاری گرد هم می‌آورند. در اینجا برخی از معتبرترین کنفرانس‌های هوش مصنوعی آورده شده است:

✅ کنفرانس‌های عمومی هوش مصنوعی

کنفرانس بین‌المللی مشترک هوش مصنوعی (IJCAI): یکی از قدیمی‌ترین و معتبرترین کنفرانس‌های هوش مصنوعی که طیف گسترده‌ای از موضوعات هوش مصنوعی را پوشش می‌دهد.
وبسایت

کنفرانس ملی هوش مصنوعی (AAAI): یکی دیگر از کنفرانس‌های پیشرو هوش مصنوعی با تمرکز بر جنبه‌های علمی و فنی هوش مصنوعی.
وبسایت

کنفرانس‌های یادگیری ماشین
کنفرانس بین‌المللی یادگیری ماشین (ICML): اختصاص یافته به تحقیقات یادگیری ماشین، ICML پیشرفت‌های پیشرفته در این زمینه را ارائه می‌دهد.
وبسایت

سیستم‌های پردازش اطلاعات عصبی (NeurIPS): در حالی که طیف گسترده‌تری از موضوعات را پوشش می‌دهد، NeurIPS به یک مکان اصلی برای تحقیقات یادگیری ماشین تبدیل شده است.
وبسایت

✅کنفرانس‌های یادگیری عمیق

کنفرانس بین‌المللی یادگیری نمایش (ICLR): به طور خاص بر روی یادگیری نمایش و یادگیری عمیق متمرکز است، ICLR در سال‌های اخیر اهمیت قابل توجهی پیدا کرده است.
وبسایت

✅کنفرانس‌های بینایی کامپیوتری

بینایی کامپیوتری و تشخیص الگو (CVPR): کنفرانس برتر تحقیقات بینایی کامپیوتری، CVPR آخرین پیشرفت‌ها در درک تصویر و ویدیو را نشان می‌دهد.
وبسایت

✅کنفرانس‌های پردازش زبان طبیعی

کنفرانس محاسباتی زبان طبیعی (ACL): کنفرانس پیشرو در تحقیقات پردازش زبان طبیعی، ACL طیف گسترده‌ای از موضوعات مرتبط با فناوری زبان انسانی را پوشش می‌دهد.
وبسایت

✉️@IDS_AI_ML
✉️@IDSchools

🆕🆕🆕🆕🆕🆕🆕🆕🆕🆕
🗣مدارس میان رشته ای برگزار می کند:

✨« داوری و اعلام نتایج جشنواره هنری سمفونی نورون‌ها همراه با سخنرانی اساتید »✨

🔣 اساتید سخنران :

👤دکتر کامران پاک نژاد، پژوهشگر و مدرس دانشگاه

🎙موضوع ارائه:
غریزه و فرهنگ: مسیرهای تجربه زیبایی شناختی

👤دکتر شقایق چیت ساز، رئیس گروه طراحی و خلاقیت پژوهشکده علوم شناختی

🎙موضوع ارائه:
ارزیابی آثار هنری با استفاده از داده های ردیابی چشم و ثبت سیگنال الکتروآنسفالوگرافی

👤 با حضور ویژه دکتر بهنام جامعی،
استاد تمام و عضو هیات علمی دانشگاه علوم پزشکی ایران
رئیس مرکز تحقیقات نوروساینس دانشگاه علوم پزشکی ایران

🎙موضوع ارائه:
Art and Science; From Egyptian Papiri to Eculid


👈 لینک گوگل فرم جهت ثبت نام رایگان: داوری و اعلام نتایج جشنواره هنری سمفونی نورون‌ها همراه با سخنرانی اساتید ➡️

🔜 پنج شنبه 11 مرداد، ساعت 20


✈️@IDSchools
✈️@IDS_NeuroSci
✈️@NeuroSci_IDSchools

کانال یوتیوب Alexander Amini بر موضوعات مرتبط با هوش مصنوعی، یادگیری ماشین و علوم کامپیوتر تمرکز دارد. محتوای این کانال شامل آموزش‌ها، ارائه‌های پژوهشی و بحث‌هایی درباره آخرین پیشرفت‌ها در زمینه هوش مصنوعی است. ایشون که که محقق دانشگاه MIT هستن، تلاش می‌کند مفاهیم پیچیده هوش مصنوعی را برای مخاطبان قابل فهم کند و اغلب از تجربیات آکادمیک و کاربردهای عملی در این زمینه می‌گوید. این کانال منبعی ارزشمند برای دانشجویان، پژوهشگران و علاقه‌مندان به تکنولوژی‌های هوش مصنوعی است.

⬅️ پلی لیست یوتوب ➡️

📱@IDS_AI_ML
📱@IDSchools

👤 آقای Yann LeCun یک دانشمند کامپیوتر فرانسوی-آمریکایی است که به دلیل سهم‌های پیشگامانه‌اش در زمینه هوش مصنوعی، به ویژه در یادگیری ماشین، بینایی کامپیوتری و رباتیک شناخته می‌شود. او اغلب به همراه Geoffrey Hinton و Yoshua Bengio به‌عنوان یکی از "پدرخوانده‌های یادگیری عمیق" شناخته می‌شود و کارهای او در شکل‌دهی چشم‌انداز هوش مصنوعی که امروز می‌بینیم، بسیار تاثیرگذار بوده است.

✨ دستاوردها و سهم‌های کلیدی:

*شبکه‌های عصبی کانولوشن (CNN): LeCun به دلیل کار پیشگامانه‌اش روی CNNها که ستون فقرات سیستم‌های تشخیص تصویر و بینایی کامپیوتری شده‌اند، شناخته شده است.

*تشخیص نوری کاراکتر (OCR): تحقیقات اولیه او بر استفاده از CNNها برای OCR متمرکز بود که منجر به پیشرفت‌های چشمگیری در این زمینه شد.

فشرده‌سازی تصویر DjVu: او به همراه همکارانش، فناوری فشرده‌سازی تصویر DjVu را توسعه داد.

*جایزه تورینگ: در سال 2018، LeCun، Hinton و Bengio به دلیل کارهای پیشگامانه‌شان در زمینه یادگیری عمیق، جایزه تورینگ را دریافت کردند که اغلب جایزه نوبل کامپیوتر نامیده می‌شود.

🟢 در حال حاضر، لوکان سمت معاون رئیس و دانشمند ارشد هوش مصنوعی در متا (قبلا فیس‌بوک) را بر عهده دارد و همچنین استاد دانشگاه نیویورک است.

🌐 پروفایل دانشگاهی
🌐 وبسایت شخصی
🌐 گوگل اسکالر

✉️@IDS_AI_ML
✉️@IDSchools