✅ جایزه ویژه گوگل برای پیشبرد یادگیری ماشین کوانتومی

🔸تیمی از محققین تحت نظر پروفسور "آهیم کمپف" در آزمایشگاه اطلاعات کوانتومی وابسته به دانشگاه واترلو کانادا ، برنده جایزه ویژه یادگیری ماشین کوانتومی گوگل شدند.موضوع تحقیقاتی این تیم آن بود که چگونه می توان الگوریتم های هوش مصنوعی را بر روی یک کامپیوتر کوانتومی با هوش مصنوعی روی یک کامپیوتر کلاسیک ترکیب کرد و پیوند داد.این تیم در سال 2018 توجه گوگل را با انتشار مقالاتی مانند مقاله" الگوریتم جهانی اموزش برای یادگیری عمیق کوانتومی" جلب کرد.محققین آزمایشگاه کمپف در این مقاله نشان داده بودن که چگونه می توان از دینامیک کوانتومی برای بهینه سازی شبکه های عصبی کلاسیک و کوانتومی استفاده کرد.

🔸به گفته از اعضای ارشد این تیم تحقیقاتی ،کامپیوتر های کوانتومی در نهایت می توانند به ما در ازمایش مدل های نظری فیزیک و گرانش کوانتومی کمک کنند.این کامپیوترها می توانند عملکرد محاسباتی و ظرفیت مدل سازی ما را توسعه دهند و به ما کمک کنند تا بفهمیم که جهان چگونه کار میکند.


https://uwaterloo.ca/physics-of-information-lab/

🆔 @software_engineers_channel

✅ اصل مقاله منتشر شده توسط تیم تحقیقاتی کمپف که منجر به برنده شدن جایزه ویژه گوگل برای یادگیری ماشین کوانتومی توسط این تیم شد.
------------------------------------------------------------
We introduce the Backwards Quantum Propagation of Phase errors (Baqprop) principle, a central theme upon which we construct multiple universal optimization heuristics for training both parametrized quantum circuits and classical deep neural networks on a quantum computer.
-----------------------------------------------------------
https://arxiv.org/abs/1806.09729

♦️فیشینگ چیست؟

🔷فیشینگ راهی است که تبهکاران، اطلاعاتی نظیر کلمه کاربری، رمز عبور، شماره ۱۶ رقمی عابر بانک، رمز دوم و CVV2 را از طریق ابزارهای الکترونیکی ارتباطات به سرقت می برند.

♦️فیشینگ با ایمیل های فریبنده

🔷در این روش از حمله های فیشینگ، شخص کلاهبردار با ارسال ایمیل های فریبنده به قربانیانش را به وارد کردن اطلاعات بانکی خود وادار کند.
🔷ممکن است ایمیل به ظاهر از طرف بانک شما، یک شرکت معتبر فین‌تک و یا حتی بانک مرکزی ارسال شود و از شما درخواست کند ظرف زمان معینی اطلاعات بانکی خود را ارسال کنید.

♦️فیشینگ تلفنی

🔷فیشینگر ها در این روش از طریق تلفن با طعمه های خود ارتباط برقرار می کنند و ضمن اینکه خود را نماینده بانک، شرکت معتبر و یا سازمانی که شما می شناسید معرفی می‌کنند از شما می خواهند جهت دریافت جایزه خود اطلاعات بانکی خود را در اختیار ایشان قرار دهید.

♦️طراحی صفحه ای نظیر درگاه پرداخت بانک

🔷شخص فیشینگر در این روش صفحه ای مشابه درگاه پرداخت آنلاین بانک ها طراحی می‌کند و با قرار دادن این صفحه جعلی در فروشگاه‌های صوری و با ارائه پیشنهادهای وسوسه‌کننده خرید سعی می‌کند شما را وادار کند وارد صفحه پرداخت جعلی که طراحی کرده بشوید و وجه انتقال دهید.
🔷به محض ورود به این صفحه جعلی و ارائه اطلاعات بانکی اطلاعات شما به صورت خودکار برای فیشینگر ارسال می شود و او قادر خواهد بود حساب شما را خالی کند.

♦️فیشینگ با دستگاه های کارتخوان و ATM تقلبی

🔷برخی کلاهبرداران با استفاده از کارتخوان و ATM تقلبی کارت‌های بانکی طعمه‌های خود را کپی کرده و به بهانه فروش کالا، رمز عبور آن‌ها را می‌پرسند و سپس به راحتی حساب بانکی افراد را خالی می‌کنند.

♦️فیشینگ از طریق ربات تلگرام

🔷تلگرام بستر مناسبی برای انتقال وجه نیست و دیده شده به بهانه انتقال وجه اطلاعات بانکی افراد از این طریق سرقت شده است.

🆔 @software_engineers_channel

✅گیگابایت به عنوان اولین شرکت در زمینه صنعتی موفق به تولید سیستمی شده است که خنک کنندگی آن بر اساس خنک کننده مایع است.
سیستم سرور طراحی و توسعه داده شده گیگابایت این کمک را به کاربران می کند تا نهایت کاربری را در بهترین دمای ممکن برای کاربران به ارمغان آورد.

🆔 @software_engineers_channel

🛑 گوشی اندرویدی شما با پخش شدن فقط یک ویدیو کلیپ میتواند هک شود!

آسیب پذیری بسیار بحرانی در اندروید کشف شده که به هکر اجازه اجرای کد از راه دور را میدهد!

نسخه های آسیب پذیر:
Android-7.0
Android-7.1.1
Android-7.1.2
Android-8.0
Android-8.1
Android-9

اطلاعات بیشتر :
https://thehackernews.com/2019/07/android-media-framework-hack.html

🆔 @software_engineers_channel

💀 به احتمال زیاد شما با هیتمن ها اشنا هستید این سایت هم همون کار هیتمن ها رو انجام میده ولی اسکم نیست!

Link :
https://ogvtjb6bq4aco4s2ejrxsroswnbxvaxfvan4kjv636h5xvkhhqeokryd.onion

🆔 @software_engineers_channel

🔶 وقتی هوش مصنوعی به سراغ معماری میرود!‌طراحی نقشه ساختمان به کمک شبکه های GAN! ایده ای بسیار هوشمندانه!!

بیشتر بخوانید👇
lnkd.in/ehn_GRF

🆔 @software_engineers_channel

🔶 کار شگرف گروه گوگل DeepMind که با استفاده از تمامی TPUهای موجود در گوگل و شبکه های GAN و تماشای هزاران فیلم از یوتیوب، فیلم های کوتاه بدون وجود خارجی تولید کرده است!

بیشتر بخوانید👇
arxiv.org/abs/1907.06571

🆔 @software_engineers_channel

🔶 SearchOnions

Link :
https://wj3hovv2rpsrtwtx.onion/

🆔 @software_engineers_channel

✅ دوآپس (DEVOPS ) در علوم داده ! :

🔸 چگونه در فرایند توسعه برنامه های علوم داده و هوش مصنوعی ارتباط و یکپارچگی (DEVOPS) را حفظ کنیم؟

🔸 دوآپس (DEVOPS ) مجموعه اي از ابزارها و روش هايي است كه ارتباطات و يكپارچگي بين تيم هاي توسعه نرم افزار ، تيم هاي استقرار نرم افزار و تيم هاي بررسي كيفيت و تست را برقرار ميسازد يا بهبود ميدهد. مفهومی که غالبا مهندسان نرم افزار و توسعه دهندگان با آن سر و کار دارند و نه متخصصین هوش مصنوعی و علوم داده ! اما اهمیت این فرایند ها در تولید و توسعه برنامه ها از جمله برنامه های مرتبط با هوش مصنوعی و علوم داده به اندازه ایست که عدم به کار گیری آنها می تواند فرایند تولید و یا توسعه این برنامه ها را با مشکلات جدی مواجه کند.

🔸 یکی از نکاتی که شاید کمتر در توسعه پروژه های هوش مصنوعی و علوم داده در ایران مورد توجه قرار میگیرد استفاده از این فرایند های یکپارچگی و ارتباط بین اعضای کاری تیم است. سوالات اساسی در این حوزه این است که چگونه می توان بر روی این پروژه ها تغییراتی هماهنگ و زمان بندی شده اعمال نمود؟چطور میتوان فرایند توسعه و بهبود این برنامه ها را به صورت کنترل شده بین اعضای مختلف تیم به اشتراک گذاشت؟

🆔 @software_engineers_channel

✅ افزونه های مایکروسافت برای پیاده سازی هوش مصنوعی و یادگیری عمیق در ویژوال استدیو

مایکروسافت مجموعه ای از ابزارها را برای پیاده سازی راه حل های هوش مصنوعی ویادگیری عمیق در ویژوال استدیو فراهم آورده است که می توان با استفاده از آنها به ساخت و استقرار برنامه هوشمند توسط ویژوال استدیو پرداخت.مجموعه این افزونه ها و توضیح چگونگی استفاده از آنها در لینک زیر قرار دارد.

Link :
https://github.com/Microsoft/vs-tools-for-ai/

🆔 @software_engineers_channel

✅ مقاله تحقیقی جدید با همکاری شرکت مایکروسافت برای آموزش و ارزیابی عقل سلیم در هوش مصنوعی با تمرکز بر حوزه پردازش زبان طبیعی
(یک محقق ایرانی دکتری در دانشگاه مگ گیل کانادا به نام علی امامی نیز از نویسندگان این مقاله است)


هوش مصنوعی در سال های اخیر قدم های بزرگی برای پیشرفت برداشته است.از برتری هوش مصنوعی گوگل در بازی "go" گرفته تا خلق داستان و یادگیری برنامه نویسی و ...اما همچنان هوش مصنوعی کنونی یک نقطه ضعف اساسی دارد و آن هم اینکه فاقد عقل سلیم است. برای درک موضوع این جمله را در نظر بگیرید :
"ماموران آتش نشانی چون از فاصله خیلی دوری می آمدند بعد از نیروهای پلیس به محل حادثه رسیدند." آیا ماشین میتواند تشخیص دهد که در این سناریو کدام یک از نیروهای پلیس یا ماموران آتش نشانی از راه دورتری می آمدند؟ یک انسان به راحتی بر اساس تجربه این را تشخیص می دهد ولی درک این مسئله بسیار ساده برای یک ماشین هنوز ممکن نیست.اکنون سوال اینست که ما چگونه ماشین ها را برای چنین موضوعاتی آموزش دهیم و سوال دیگر اینکه چگونه پیشرفت به سوی این هدف را در آنها اندازه گیری کنیم؟
به تازگی جمعی از محققین دانشگاه "مک گیل" با همکاری شرکت مایکروسافت مقاله ای در این زمینه منتشر کرده اند که قصد پاسخ به این سوالات را داشته است که در ادامه می توانید اصل مقاله را نیز از لیک پایین دریافت کنید.

Link:
https://arxiv.org/abs/1811.01747

🆔 @software_engineers_channel

Chat Box-Encrypted Chatroom

Link:
https://chatboxdb7vifffz.onion/

🆔 @software_engineers_channel

خلق دنیای مجازی با هوش مصنوعی

🆔 @software_engineers_channel

کتابخانه پایتون برای علم داده ها

🆔 @software_engineers_channel

💢 چرا پایتون؟

۱- محبوبیت زبان پایتون و کسب درآمد زیاد از طریق آن
۲- استفاده از زبان پایتون در علم داده
۳- اسکریپت و اتوماسیون در پایتون
۴- استفاده از پایتون برای داده‌های بزرگ
۵- پشتیبانی پایتون از تست (Testing)
۶- گرافیک کامپیوتری در پایتون
۷- استفاده از پایتون در هوش مصنوعی
۸- استفاده از پایتون در توسعه وب
۹- سازگار و قابل انتقال بودن
۱۰- سادگی و یادگیری آسان

🆔 @software_enginners_channel

✅ ✳️تفاوت تجزیه و تحلیل‌های توصیفی (Descriptive)، پیشگویانه (Predictive) و دستورالعملی (Prescriptive)

#بخش_اول

با در نظر گرفتن حجم عظیم اطلاعاتی که از زنجیره‌ی تامین، در اختیار کسب و کارها قرار می‌گیرد، شرکت‌ها در جست‌و‌جوی راه حل‌های تحلیلی برای استخراج مفاهیم از حجم زیاد داده‌ها هستند به گونه‌ای که در امر تصمیم‌گیری آن‌ها را مشایعت نماید. شرکت‌هایی که در صدد هستند فرآیند‌های فروش و فعالیت‌های خویش را بهینه نمایند، نیازمند توانمندی‌هایی جهت بررسی داده‌های تاریخی و پیش‌بینی رویدادهای ممکن در آینده هستند. حرکت به سمت شیوه‌هایی که فرآیندهای سازمان را بر داده کاوی منطبق می‌سازند امر دشواری است. با این حال، این حوزه از جذابیت بالایی برخوردار است زیرا نرخ بازگشت سرمایه تحت اثر بهینه‌سازی زنجیره‌ی تامین، کاهش هزینه‌های عملیاتی، بهبود خدمات مشتریان و ارتقاء معماری محصولات افزایش می‌یابد.

در چنین فضایی، نظر به وجود رویکردهای تحلیلی متنوع، انتخاب راهکار مناسب از پیچیدگی بالایی برخوردار است. با این حال، خوش‌بختانه می‌توان به صورت کلی، ابزار تحلیل را در سه دسته‌ی کلی قرار داد. حقیقت امر آن است که هیچ یک از این دسته‌بندی‌ها بر یکدیگر برتری مطلق نداشته و عملا این روش‌ها مکمل یکدیگر هستند. برای آن که یک کسب و کار بتواند درک جامعی از بازار و نحوه‌ی رقابت در آن به دست آورد، یک رویکرد تحلیلی استوار مورد نیاز است که شامل بخش‌های زیر است:

🔹تجزیه و تحلیل توصیفی:
روش تحلیلی است که در آن از روش‌های تجمیع داده‎‌ها و داده‌کاوی برای دستیابی به بینشی نسبت به گذشته و آگاهی از آن چه رخ داده است، استفاده می‌شود.

🔹تجزیه و تحلیل پیشگویانه:
روش تحلیلی است که در آن از مدل‌های آماری و روش‌های پیش‌بینی به منظور آگاهی از آینده و آن چه ممکن است روی بدهد، استفاده می‌شود.

🔹تجزیه و تحلیل دستورالعملی:
روش تحلیلی است که در آن از تکنیک‌های بهینه‌سازی و شبیه‌سازی برای تشخیص آن چه باید انجام شود و نتایج اختمالی آن استفاده می‌شود.

📃 منبع:
https://halobi.com/blog/descriptive-predictive-and-prescriptive-analytics-explained/

🆔 @software_engineers_channel

@BIMining

✅ تفاوت تجزیه و تحلیل‌های توصیفی (Descriptive)، پیشگویانه (Predictive) و دستورالعملی (Prescriptive)

#بخش_دوم


☑️ تجزیه و تحلیل توصیفی، بینشی به گذشته:

تجزیه و تحلیل توصیفی یا آماری به تشریح و خلاصه سازی داده‌های خام می‌پردازد و بر آن است داده‌های خام را به طریقی، برای انسان قابل تقسیر نماید. نکته‌ی مثبت این رویکرد در آن است که امکان یادگیری از رفتار‌های گذشته را برای کسب و کارها فراهم می‌سازد و امکان درک اثر وقایع گذشته را بر آینده ایجاد می‌نماید.

روش‌های توصیفی در نشان دادن مواردی نظیر کل موجودی در انبار، میانگین هزینه به ازای هر مشتری، تغییرات سالیانه فروش و ... مناسب هستند. مثال‌های معمول این روش در کسب و کارها، شامل گزارش‌های تولید گذشته‌ی شرکت، اطلاعات مالی گذشته، فرآیندها، فروش، موجودی و مشتریان هستند.

📢 از روش مذکور در مواقعی استفاده می‌شود که کسب و کارها نیازمند نیل به درک جامعی از آن چه در شرکت روی می‌دهد هستند و همچنین زمانی که نیت توصیف جنبه‌های مختلف یک کسب و کار است


📃 منبع:
https://halobi.com/blog/descriptive-predictive-and-prescriptive-analytics-explained/


🆔 @software_engineers_channel

🔸مجموعه داده تقلب در تصافات رانندگی برای گرفتن پول بیمه

https://yon.ir/C2kn1

🆔 @software_engineers_channel

https://yon.ir/FJXgD دویست مقاله فارسی در حوزه اینترنت اشیاء


🆔 @software_engineers_channel