که صحبت از یادگیری عمیق به میان می‌آید و نیاز دارید تا مدل‌های خود را روی سیستم‌هایی با منابع محدود اجرا کنید) سی پلا‌س‌پلاس مهم‌ترین گزینه پیش روی توسعه‌دهندگان است.
خوشبختانه کدنویسی با ++C مدرن به سختی و پیچیدگی گذشته نیست. شما میتوانید با استفاده از کتابخانه‌هایی مثل کودا شرکت انودیا کدهایی بنویسید که مستقیما روی پردازنده گرافیکی اجرا شوند یا میتوانید برای دستیابی به APIهای سطح بالا و انعطاف‌پذیر از TensorFlow یا PyTorch استفاده کنید. هر دو مورد اجازه می‌دهند تا مدل‌های تولید شده در پایتون (یا TorchScript که زیرمجموعه‌ای از پایتون است) را بارگیری کنید، آنها را به‌طور مستقیم در سی‌پلاس‌پلاس اجرا کنید و ضمن حفظ انعطاف‌پذیری در توسعه به یک عملکرد سریع و باثبات دست پیدا کنید.
به‌طور خلاصه سی‌پلاس‌پلاس به بخش مهمی از ابزارهای مورد نیاز برای توسعه اپلیکیشن‌های هوش مصنوعی لبه تبدیل شده که می‌توان برنامه‌های ساخته شده به این زبان را روی سامانه‌های کوچک توکار یا کلاسترهای عظیم اجرا کرد. هوش مصنوعی در لبه (AI at the edge) به این معنا است که دقیق بودن دیگر به تنهایی کافی نیست و توسعه‌دهندگان باید در کار خود حرفه‌ای و سریع باشند.
📍جاوا و سایر زبان‌های JVM
زبان‌های خانواده JVM (شامل Java ،Scala ،Kotlin ، Clojure و غیره) به یکی از بهترین انتخاب‌ها در حوزه ساخت و توسعه برنامه‌های هوش مصنوعی تبدیل شده‌اند. شما برای تمام بخش‌های مورد نیاز یک برنامه کاربردی که ممکن است عملکردی هوشمندانه داشته باشند به مجموعه‌ای غنی از کتابخانه‌های قدرتمند دسترسی دارید. مهم نیست به دنبال پردازش زبان طبیعی (CoreNLP)، عملیات تانسور (ND4J) یا یادگیری عمیق مبتنی بر پردازنده گرافیکی (DL4J) باشید، در تمامی موارد زبان‌های خانواده JVM پاسخ‌گوی نیازها هستند. توسعه‌دهندگان به راحتی به پلتفرم‌های بزرگ داده‌ها همچون Apache Spark و Apache Hadoop دسترسی دارند. جاوا زبانی است که توسط بیشتر سازمان‌ها برای ساخت برنامه‌های سازمانی استفاده میشود و به عبارت دقیق‌تر به یک زبان برنامه‌نویسی سازمانی تبدیل شده است. ساختارهای جدیدی که در نسخه 8 جاوا و نسخه‌های بعد از آن قرار گرفته‌اند به برنامه‌نویسان اجازه داده‌اند ساده‌تر و روان‌تر از گذشته از جاوا استفاده کنند. در نسخه‌های جدید دیگر خبری از پیچیدگی‌ها و دردسرهای رایج نیست. ساخت یک اپلیکیشن هوش مصنوعی با جاوا شاید کمی خسته کننده باشد، اما جاوا به خوبی از عهده کار بر می‌آید و اجازه می‌دهد از تمام زیرساخت‌های موجود در این زبان برای توسعه و برنامه خود استفاده کنید.
📍جاوااسکریپت برای برنامه‌نویسی هوش مصنوعی
در ظاهر به نظر نمی‌رسد توسعه‌دهندگان برای نوشتن اپلیکیشن‌های هوش مصنوعی به سراغ یادگیری جاوااسکریپت بروند، اما TensorFlow.js گوگل راهکارهای خلاقانه و جالبی ارائه کرده که توسعه‌دهندگان می‌توانند بر مبنای این راهکارها به شیوه‌ای جالب مدل‌های Keras و TensorFlow را در مرورگرهایشان پیاده‌سازی کنند یا از طریق Node.js و با استفاده از WebGL محاسبات مبتنی بر پردازنده گرافیکی را پیاده‌سازی کنند. زمانی که گوگل TensorFlow.js را منتشر کرد، توسعه‌دهندگان کمی برای برنامه‌نویسی هوش مصنوعی به سراغ TensorFlow.Js رفتند. یکی از دلایل عدم استقبال به فقدان کتابخانه‌های جامع و کاربردی باز می‌گردد که در مقایسه با زبان‌هایی همچون پایتون در جاوااسکریپت وجود نداشت. امروزه این مسئله تا حدود زیادی برطرف شده و توسعه‌دهندگان می‌توانند از جاوااسکریپت برای این منظور استفاده کنند. در سمت سرور امکانات و مزایای زیادی برای پیاده‌سازی مدل‌ها با Node.js به نسبت گزینه‌های موجود در پایتون وجود ندارد، بنابراین در آینده نزدیک بیشتر شاهد باقی ماندن اپلیکیشن‌های هوش مصنوعی مبتنی بر جاوااسکریپت در محیط مرورگرها خواهیم بود.
📍زبان Swift برای برنامه‌نویسی هوش مصنوعی
با معرفی Swift For TensorFlow که آخرین و بهترین ویژگی‌های TensorFlow را به خدمت گرفته و همچنین امکان وارد کردن کتابخانه‌های پایتون به همان شکلی که یک توسعه‌دهنده در پایتون از آن استفاده می‌کند در نظر گرفته شده، سوئیفت به یک زبان مناسب برای توسعه هوش مصنوعی تبدیل شده است. گروه (Fastai (https://www.fast.ai مشغول کار روی طراحی کتابخانه معروف خود ویژه زبان سوئیفت هستند و به توسعه‌دهندگان وعده داده‌اند که بهینه‌سازی‌ها و اجرای مدل‌های زیادی با انتقال تنسورهای هوشمند به کامپایلر LLVM در دسترس‌شان قرار خواهد گرفت، البته کتابخانه‌ای که قرار است در دسترس توسعه‌دهندگان قرار گیرد، آمادگی لازم برای تولید یک محصول را ندارد، اما ممکن است راه برای ساخت نسل بعدی مدل‌های یادگیری عمیق هموار شود.
به همین دلیل ایده بدی نیست در مورد تحولات پیرامون سوئیفت و توانایی این زبان در ساخت برنامه‌های هوش مصنوعی اطلاعاتی کسب کن
خوشبختانه کدنویسی با ++C مدرن به سختی و پیچیدگی گذشته نیست. شما میتوانید با استفاده از کتابخانه‌هایی مثل کودا شرکت انودیا کدهایی بنویسید که مستقیما روی پردازنده گرافیکی اجرا شوند یا میتوانید برای دستیابی به APIهای سطح بالا و انعطاف‌پذیر از TensorFlow یا PyTorch استفاده کنید. هر دو مورد اجازه می‌دهند تا مدل‌های تولید شده در پایتون (یا TorchScript که زیرمجموعه‌ای از پایتون است) را بارگیری کنید، آنها را به‌طور مستقیم در سی‌پلاس‌پلاس اجرا کنید و ضمن حفظ انعطاف‌پذیری در توسعه به یک عملکرد سریع و باثبات دست پیدا کنید.
به‌طور خلاصه سی‌پلاس‌پلاس به بخش مهمی از ابزارهای مورد نیاز برای توسعه اپلیکیشن‌های هوش مصنوعی لبه تبدیل شده که می‌توان برنامه‌های ساخته شده به این زبان را روی سامانه‌های کوچک توکار یا کلاسترهای عظیم اجرا کرد. هوش مصنوعی در لبه (AI at the edge) به این معنا است که دقیق بودن دیگر به تنهایی کافی نیست و توسعه‌دهندگان باید در کار خود حرفه‌ای و سریع باشند.
📍جاوا و سایر زبان‌های JVM
زبان‌های خانواده JVM (شامل Java ،Scala ،Kotlin ، Clojure و غیره) به یکی از بهترین انتخاب‌ها در حوزه ساخت و توسعه برنامه‌های هوش مصنوعی تبدیل شده‌اند. شما برای تمام بخش‌های مورد نیاز یک برنامه کاربردی که ممکن است عملکردی هوشمندانه داشته باشند به مجموعه‌ای غنی از کتابخانه‌های قدرتمند دسترسی دارید. مهم نیست به دنبال پردازش زبان طبیعی (CoreNLP)، عملیات تانسور (ND4J) یا یادگیری عمیق مبتنی بر پردازنده گرافیکی (DL4J) باشید، در تمامی موارد زبان‌های خانواده JVM پاسخ‌گوی نیازها هستند. توسعه‌دهندگان به راحتی به پلتفرم‌های بزرگ داده‌ها همچون Apache Spark و Apache Hadoop دسترسی دارند. جاوا زبانی است که توسط بیشتر سازمان‌ها برای ساخت برنامه‌های سازمانی استفاده میشود و به عبارت دقیق‌تر به یک زبان برنامه‌نویسی سازمانی تبدیل شده است. ساختارهای جدیدی که در نسخه 8 جاوا و نسخه‌های بعد از آن قرار گرفته‌اند به برنامه‌نویسان اجازه داده‌اند ساده‌تر و روان‌تر از گذشته از جاوا استفاده کنند. در نسخه‌های جدید دیگر خبری از پیچیدگی‌ها و دردسرهای رایج نیست. ساخت یک اپلیکیشن هوش مصنوعی با جاوا شاید کمی خسته کننده باشد، اما جاوا به خوبی از عهده کار بر می‌آید و اجازه می‌دهد از تمام زیرساخت‌های موجود در این زبان برای توسعه و برنامه خود استفاده کنید.
📍جاوااسکریپت برای برنامه‌نویسی هوش مصنوعی
در ظاهر به نظر نمی‌رسد توسعه‌دهندگان برای نوشتن اپلیکیشن‌های هوش مصنوعی به سراغ یادگیری جاوااسکریپت بروند، اما TensorFlow.js گوگل راهکارهای خلاقانه و جالبی ارائه کرده که توسعه‌دهندگان می‌توانند بر مبنای این راهکارها به شیوه‌ای جالب مدل‌های Keras و TensorFlow را در مرورگرهایشان پیاده‌سازی کنند یا از طریق Node.js و با استفاده از WebGL محاسبات مبتنی بر پردازنده گرافیکی را پیاده‌سازی کنند. زمانی که گوگل TensorFlow.js را منتشر کرد، توسعه‌دهندگان کمی برای برنامه‌نویسی هوش مصنوعی به سراغ TensorFlow.Js رفتند. یکی از دلایل عدم استقبال به فقدان کتابخانه‌های جامع و کاربردی باز می‌گردد که در مقایسه با زبان‌هایی همچون پایتون در جاوااسکریپت وجود نداشت. امروزه این مسئله تا حدود زیادی برطرف شده و توسعه‌دهندگان می‌توانند از جاوااسکریپت برای این منظور استفاده کنند. در سمت سرور امکانات و مزایای زیادی برای پیاده‌سازی مدل‌ها با Node.js به نسبت گزینه‌های موجود در پایتون وجود ندارد، بنابراین در آینده نزدیک بیشتر شاهد باقی ماندن اپلیکیشن‌های هوش مصنوعی مبتنی بر جاوااسکریپت در محیط مرورگرها خواهیم بود.
📍زبان Swift برای برنامه‌نویسی هوش مصنوعی
با معرفی Swift For TensorFlow که آخرین و بهترین ویژگی‌های TensorFlow را به خدمت گرفته و همچنین امکان وارد کردن کتابخانه‌های پایتون به همان شکلی که یک توسعه‌دهنده در پایتون از آن استفاده می‌کند در نظر گرفته شده، سوئیفت به یک زبان مناسب برای توسعه هوش مصنوعی تبدیل شده است. گروه (Fastai (https://www.fast.ai مشغول کار روی طراحی کتابخانه معروف خود ویژه زبان سوئیفت هستند و به توسعه‌دهندگان وعده داده‌اند که بهینه‌سازی‌ها و اجرای مدل‌های زیادی با انتقال تنسورهای هوشمند به کامپایلر LLVM در دسترس‌شان قرار خواهد گرفت، البته کتابخانه‌ای که قرار است در دسترس توسعه‌دهندگان قرار گیرد، آمادگی لازم برای تولید یک محصول را ندارد، اما ممکن است راه برای ساخت نسل بعدی مدل‌های یادگیری عمیق هموار شود.
به همین دلیل ایده بدی نیست در مورد تحولات پیرامون سوئیفت و توانایی این زبان در ساخت برنامه‌های هوش مصنوعی اطلاعاتی کسب کن
fast.ai
fast.ai—Making neural nets uncool again – fast.ai
ید.
📍زبان R برای برنامه‌نویسی هوش مصنوعی
زبانR در انتهای فهرست ما قرار دارد و شاید برای بیشتر خوانندگان نام‌آشنا نباشد. R زبان مورد علاقه دانشمندان علم داده‌ها است. به اعتقاد برخی از برنامه‌نویسان، زبان R به دلیل رویکرد دیتافریم‌محوری که دارد کمی گیج‌کننده است. اگر تیم تحت سرپرستی شما متشکل از توسعه‌دهندگان R است، معقول به نظر می‌رسد تا از یکپارچه‌سازی این زبان با TensorFlow، Keras یا H2O برای انجام تحقیقات، نمونه‌سازی و آزمایش استفاده کنید. دقت کنید به دلیل نگرانی‌هایی که پیرامون اجرا و عملکرد وجود دارد، زبان R برای ساخت یک محصول مستقل هوش مصنوعی پیشنهاد نمی‌شود.
📍سایر گزینه‌های برنامه‌نویسی هوش مصنوعی
بدون شک Python ،C++ ،Java ، JavaScript ،Swift و R تنها زبان‌های موجود برای برنامه‌نویسی هوش مصنوعی نیستند. دو زبان برنامه‌نویسی دیگر نیز وجود دارد که برای انجام این کار مناسب و مفید هستند:
📌زبان Lua
چند سال پیش به واسطه فریم‌ورک Torch که یکی از معروف‌ترین کتابخانه‌های یادگیری ماشین برای تحقیق و تولید محصول است، Lua در دنیای هوش مصنوعی مطرح شد. اگر به بررسی تاریخچه الگوهای یادگیری عمیق بپردازید اغلب منابعی پیدا می‌کنید که از Torch و کدهای Lua استفاده کرده‌اند. پروژه‌هایی که در مخازن قدیمی گیت‌هاب پیدا می‌شوند.
📌زبان Julia
یک زبان برنامه‌نویسی با عملکرد بالا است که روی محاسبات عددی تمرکز دارد و همین ویژگی باعث میشود تا برای انجام محاسبات سنگین ریاضی هوش مصنوعی مناسب باشد. اگر چه در حال حاضر نمی‌توان جولیا را به عنوان یک زبان معروف در نظر گرفت، اما فریم‌ورک‌هایی مثل TensorFlow.jl و Mocha که برای این زبان آماده شده‌اند به خوبی از یادگیری عمیق پشتیبانی می‌کنند.
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
📍زبان R برای برنامه‌نویسی هوش مصنوعی
زبانR در انتهای فهرست ما قرار دارد و شاید برای بیشتر خوانندگان نام‌آشنا نباشد. R زبان مورد علاقه دانشمندان علم داده‌ها است. به اعتقاد برخی از برنامه‌نویسان، زبان R به دلیل رویکرد دیتافریم‌محوری که دارد کمی گیج‌کننده است. اگر تیم تحت سرپرستی شما متشکل از توسعه‌دهندگان R است، معقول به نظر می‌رسد تا از یکپارچه‌سازی این زبان با TensorFlow، Keras یا H2O برای انجام تحقیقات، نمونه‌سازی و آزمایش استفاده کنید. دقت کنید به دلیل نگرانی‌هایی که پیرامون اجرا و عملکرد وجود دارد، زبان R برای ساخت یک محصول مستقل هوش مصنوعی پیشنهاد نمی‌شود.
📍سایر گزینه‌های برنامه‌نویسی هوش مصنوعی
بدون شک Python ،C++ ،Java ، JavaScript ،Swift و R تنها زبان‌های موجود برای برنامه‌نویسی هوش مصنوعی نیستند. دو زبان برنامه‌نویسی دیگر نیز وجود دارد که برای انجام این کار مناسب و مفید هستند:
📌زبان Lua
چند سال پیش به واسطه فریم‌ورک Torch که یکی از معروف‌ترین کتابخانه‌های یادگیری ماشین برای تحقیق و تولید محصول است، Lua در دنیای هوش مصنوعی مطرح شد. اگر به بررسی تاریخچه الگوهای یادگیری عمیق بپردازید اغلب منابعی پیدا می‌کنید که از Torch و کدهای Lua استفاده کرده‌اند. پروژه‌هایی که در مخازن قدیمی گیت‌هاب پیدا می‌شوند.
📌زبان Julia
یک زبان برنامه‌نویسی با عملکرد بالا است که روی محاسبات عددی تمرکز دارد و همین ویژگی باعث میشود تا برای انجام محاسبات سنگین ریاضی هوش مصنوعی مناسب باشد. اگر چه در حال حاضر نمی‌توان جولیا را به عنوان یک زبان معروف در نظر گرفت، اما فریم‌ورک‌هایی مثل TensorFlow.jl و Mocha که برای این زبان آماده شده‌اند به خوبی از یادگیری عمیق پشتیبانی می‌کنند.
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
python-persian-cookbook-v2_[@LearnPY]j.pdf
3.7 MB
✅عادات مردمان موثر از نگاه استیو کاوی :
عادت ۱: عامل بودن
عادت ۲: از آخر به اول شروع کردن
عادت ۳: اولویت را به موضوع‌های مهم اختصاص دادن
عادت ۴: رويكرد برنده - برنده
عادت ۵: اول درک کردن و بعد درک شدن
عادت ۶: داشتن سینرژی و انرژی جمعی
عادت ۷: تيز كردن اره
#رشد_شخصیتی
#منهایGita
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
عادت ۱: عامل بودن
عادت ۲: از آخر به اول شروع کردن
عادت ۳: اولویت را به موضوع‌های مهم اختصاص دادن
عادت ۴: رويكرد برنده - برنده
عادت ۵: اول درک کردن و بعد درک شدن
عادت ۶: داشتن سینرژی و انرژی جمعی
عادت ۷: تيز كردن اره
#رشد_شخصیتی
#منهایGita
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
Media is too big
VIEW IN TELEGRAM
#منهایGita
🔹در این ویدیو هیجان انگیز گرگ گیج(Gerg Gage ) از علم اعصاب صحبت می کند طبق گفته های او مغز عملکرد بسیار پیچیده ای دارد زمانی که شما می خواهید دست خود را تکان دهید سیگنالهایی از مغز شما به دستتان فرستاده می شود و بنابراین شما میتوانید دستتان رو حرکت دهید اگر بتوان این سیگنال ها را به دست فرد دیگری فرستاد باعث حرکت دست وی خواهد شد این آزمایش را در این ویدیوی فوق العاده مشاهده کنید.
#تکنولوژی #Ted
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
🔹در این ویدیو هیجان انگیز گرگ گیج(Gerg Gage ) از علم اعصاب صحبت می کند طبق گفته های او مغز عملکرد بسیار پیچیده ای دارد زمانی که شما می خواهید دست خود را تکان دهید سیگنالهایی از مغز شما به دستتان فرستاده می شود و بنابراین شما میتوانید دستتان رو حرکت دهید اگر بتوان این سیگنال ها را به دست فرد دیگری فرستاد باعث حرکت دست وی خواهد شد این آزمایش را در این ویدیوی فوق العاده مشاهده کنید.
#تکنولوژی #Ted
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
✅حالت رانندگی خودکار تسلا با یک تکه چسب هک شد
به گزارش خبرگزاری مهر به نقل از اینترستینگ اینجینیرینگ، گروهی از پژوهشگران مؤسسه امنیتی مک آفی حالت رانندگی خودکار یا اتوپایلوت مدل‌های ایکس و اس اتومبیل‌های تسلا را فریب دادند و محدودیت سرعت تنظیم شده در جاده‌ها را نقض کردند.
خودروهای تسلا مجهز به دوربین‌های EyeQ۳ است که با خواندن تابلوهای مشخص کننده محدودیت سرعت، اطلاعات لازم برای تنظیم سرعت را به خودرو منتقل می‌کنند. اما این دوربین‌ها نقاط ضعفی دارند که می‌توان آنها را فریب داد.
دو محقق مک آفی برای فریب دوربین‌های یادشده یک تکه نوار چسب برق را بر روی تابلویی که محدودیت سرعت را ۳۵ مایل در ساعت نشان می‌داد نصب کردند و کاری کردند تا عدد ۳ شبیه به ۸ به نظر برسد. اگر چه این دستکاری به راحتی توسط افراد عادی قابل درک است، اما دوربین‌های دو خودروی تسلا نتوانستند آن را تشخیص دهند و لذا سرعت خودروها به شدت افزایش یافت.
در جریان این دستکاری تنها دندانه وسطی عدد ۳ به انگلیسی مقداری طولانی‌تر شد و از تبدیل کامل ۳ به ۸ خودداری شد. اما خودروهای تسلا باز هم فریب خوردند.
✅باشگاه فناوران اطلاعات مکانی
🆔 @GITAnet
به گزارش خبرگزاری مهر به نقل از اینترستینگ اینجینیرینگ، گروهی از پژوهشگران مؤسسه امنیتی مک آفی حالت رانندگی خودکار یا اتوپایلوت مدل‌های ایکس و اس اتومبیل‌های تسلا را فریب دادند و محدودیت سرعت تنظیم شده در جاده‌ها را نقض کردند.
خودروهای تسلا مجهز به دوربین‌های EyeQ۳ است که با خواندن تابلوهای مشخص کننده محدودیت سرعت، اطلاعات لازم برای تنظیم سرعت را به خودرو منتقل می‌کنند. اما این دوربین‌ها نقاط ضعفی دارند که می‌توان آنها را فریب داد.
دو محقق مک آفی برای فریب دوربین‌های یادشده یک تکه نوار چسب برق را بر روی تابلویی که محدودیت سرعت را ۳۵ مایل در ساعت نشان می‌داد نصب کردند و کاری کردند تا عدد ۳ شبیه به ۸ به نظر برسد. اگر چه این دستکاری به راحتی توسط افراد عادی قابل درک است، اما دوربین‌های دو خودروی تسلا نتوانستند آن را تشخیص دهند و لذا سرعت خودروها به شدت افزایش یافت.
در جریان این دستکاری تنها دندانه وسطی عدد ۳ به انگلیسی مقداری طولانی‌تر شد و از تبدیل کامل ۳ به ۸ خودداری شد. اما خودروهای تسلا باز هم فریب خوردند.
✅باشگاه فناوران اطلاعات مکانی
🆔 @GITAnet
شکوفایی تمدن بشر، برآیند ایده های مهندسین تلاشگر است.
پنجم اسفند روز مهندس مبارک.
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
پنجم اسفند روز مهندس مبارک.
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
✅به بهانه پنجم اسفند, روز مهندس
سنگ ها گرچه سخت اند اما مردها سر سخت ترند.
دریغم آمد که پستی جداگانه برای معرفی فیلم جذاب و پرمعنی " کوهستان تسوروگیداکی" اختصاص ندهم. فیلمی که هر بار از دیدنش لذت بردم.
درام جذابی که عزم یک نقشه بردار عضو یگان جغرافیایی ارتش ژاپن را برای فتح قله تسوروگیداکی (کوهستان مرگ) جهت ایستگاه گذاری و تکمیل نقشه ژاپن به نمایش میگذارد.
داستان فیلم در سال ۱۹۰۷ شکل میگیرد و ابزار های نقشه برداری قرن ۱۹، عملیات شناسایی و نکات فنی که در طول فیلم به آنها اشاره میشود مانند انتخاب ایستگاه های نقشه برداری، روش های قرائت مشاهدات و فاصله ایستگاه ها برای مثلث بندی نوع ۳، میز ترسیم و همچنین تئودلیت های مکانیکی ابتدایی از دیگر ویژگی های جذاب در این فیلم است که برای نقشه برداران خیلی جذاب خواهد بود.
دیالوگ های پر انرژی که حکایت از سخت کوشی، عزم و اراده ملت ژاپن برای دسترسی به اهدافشان دارد در کنار لوکیشنهای جذابی که داستان در آن شکل میگیرد، مسیرهای کوهستانی صعب العبور و قطار که سمبل هایی از عزم و اراده و سرسختی و حرکت کردن دارد از جذابیت های دیگر این فیلم می باشد.
و در آخر چند جمله از دیالوگ های فیلم:
✔اگر کسی تلاشی نکند راهی به وجود نخواهد آمد.
✔نقشه برداری مهارت نیست امتحان اراده است.
✔برای من هیچ چیز به اندازه ی روحیه سرکش ارزش ندارد
✔اگر در گذشته باقی بمانیم یقینا شکست میخوریم.
#منهایGITA
#فاضل_شاهچراغ
#کوهستان_تسوروگیداکی
لینک دانلود فیلم:
https://www.telewebion.com/episode/1555164
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
سنگ ها گرچه سخت اند اما مردها سر سخت ترند.
دریغم آمد که پستی جداگانه برای معرفی فیلم جذاب و پرمعنی " کوهستان تسوروگیداکی" اختصاص ندهم. فیلمی که هر بار از دیدنش لذت بردم.
درام جذابی که عزم یک نقشه بردار عضو یگان جغرافیایی ارتش ژاپن را برای فتح قله تسوروگیداکی (کوهستان مرگ) جهت ایستگاه گذاری و تکمیل نقشه ژاپن به نمایش میگذارد.
داستان فیلم در سال ۱۹۰۷ شکل میگیرد و ابزار های نقشه برداری قرن ۱۹، عملیات شناسایی و نکات فنی که در طول فیلم به آنها اشاره میشود مانند انتخاب ایستگاه های نقشه برداری، روش های قرائت مشاهدات و فاصله ایستگاه ها برای مثلث بندی نوع ۳، میز ترسیم و همچنین تئودلیت های مکانیکی ابتدایی از دیگر ویژگی های جذاب در این فیلم است که برای نقشه برداران خیلی جذاب خواهد بود.
دیالوگ های پر انرژی که حکایت از سخت کوشی، عزم و اراده ملت ژاپن برای دسترسی به اهدافشان دارد در کنار لوکیشنهای جذابی که داستان در آن شکل میگیرد، مسیرهای کوهستانی صعب العبور و قطار که سمبل هایی از عزم و اراده و سرسختی و حرکت کردن دارد از جذابیت های دیگر این فیلم می باشد.
و در آخر چند جمله از دیالوگ های فیلم:
✔اگر کسی تلاشی نکند راهی به وجود نخواهد آمد.
✔نقشه برداری مهارت نیست امتحان اراده است.
✔برای من هیچ چیز به اندازه ی روحیه سرکش ارزش ندارد
✔اگر در گذشته باقی بمانیم یقینا شکست میخوریم.
#منهایGITA
#فاضل_شاهچراغ
#کوهستان_تسوروگیداکی
لینک دانلود فیلم:
https://www.telewebion.com/episode/1555164
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
بیمارستان‌های پذیرای بیماران مبتلا به کرونا که به صورت داوطلبانه در انجمن راهنمایان محلی ایران تهیه شده است از طریق لینک زیر در گوگل مپ قابل مشاهده است
نارنجی:بیمارستان ریفرال
قرمز:بیمارستان با تخلیه اضطراری
https://goo.gl/maps/2hC44Sg9aKukH1uB7
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
نارنجی:بیمارستان ریفرال
قرمز:بیمارستان با تخلیه اضطراری
https://goo.gl/maps/2hC44Sg9aKukH1uB7
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
Fuzzy-Topsis-Solver-2013-v3.zip
3.8 MB
یکی از روش های تصمیم گیری چندمعیاره، تاپسیس فازی است که برای اولین بار توسط چن و هونگ در سال 1992 ابداع شد. در این مدل وزن‌ها و ماتریس تصمیم گیری به صورت اعداد فازی تعریف می‌شوند و همانند تاپسیس کلاسیک بر اساس فاصله از ایده آل مثبت و منفی رتبه‌بندی می‌کند.
نرم افزار تاپسیس فازی به عنوان یک ابزار قدرتمند جهت حل تصمیم گیری چند معیاره به کمک اعداد فازی مثلثی، طراحی شده است. به علت فراوانی استفاده از این تکنیک در مقالات و پایان نامه ها و هم چنین عدم وجود یک نرم افزار جامع در این خصوص بسیاری از پژوهشگران با حجم زیادی از محاسبات روبرو می شوند که علاوه بر صرف وقت زیاد در بیشتر اوقات با اشتباهات محاسباتی همراه می شود. نرم افزار تاپسیس فازی قادر است با دریافت اطلاعاتی چون معیارها، وزن معیارها(اعداد فازی یا اعداد قطعی)، نوع معیارها(مثبت یا منفی)،گزینه ها و داده های ماتریس تصمیم گیری(بصورت اعداد فازی مثلثی)، کلیه گام های روش تاپسیس فازی را بصورت خودکار انجام دهد و در خروجی، ضریب نزدیکی هر یک از گزینه‌ها را محاسبه نماید.
@GITAnet
نرم افزار تاپسیس فازی به عنوان یک ابزار قدرتمند جهت حل تصمیم گیری چند معیاره به کمک اعداد فازی مثلثی، طراحی شده است. به علت فراوانی استفاده از این تکنیک در مقالات و پایان نامه ها و هم چنین عدم وجود یک نرم افزار جامع در این خصوص بسیاری از پژوهشگران با حجم زیادی از محاسبات روبرو می شوند که علاوه بر صرف وقت زیاد در بیشتر اوقات با اشتباهات محاسباتی همراه می شود. نرم افزار تاپسیس فازی قادر است با دریافت اطلاعاتی چون معیارها، وزن معیارها(اعداد فازی یا اعداد قطعی)، نوع معیارها(مثبت یا منفی)،گزینه ها و داده های ماتریس تصمیم گیری(بصورت اعداد فازی مثلثی)، کلیه گام های روش تاپسیس فازی را بصورت خودکار انجام دهد و در خروجی، ضریب نزدیکی هر یک از گزینه‌ها را محاسبه نماید.
@GITAnet
Location Based Services and TeleCartography
دانلود در پست بعدی
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
دانلود در پست بعدی
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
bok-3A978-3-540-36728-4.pdf
11.2 MB
Location Based Services and TeleCartography
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
15 ابزار کاربردی علم‌داده جهت یادگیری در سال 2020
انتخاب مسیر یادگیری درست براساس آخرین روندهای تکنولوژی و نیازهای بازار یکی از الزامات موفقیت در هر فیلدکاری هست. در ادامه برترین ابزارهای پیشنهادی جهت کسب موفقیت در فیلدکاری Data Science که توسط وبسایت springboard ارائه شده را معرفی میکنیم.
قابل ذکر است با توجه به تفاوت بازارکار ایران با سایر کشورها برخی از ابزارها با علامت * بعنوان جایگزین موارد پیشنهادی این سایت معرفی شده‌اند.
زبان برنامه‌نویسی:
▪️Python
▪️R
ابزارهای یادگیری ماشین:
▪️Scikit Learn
▪️Weka
* در میان نرم‌افزارهای داده‌کاوی در مقابل Weka پیشنهاد به یادگیری ابزارهایی همانند Knime, RapidMiner یا IBM Spss Modeler است.
فریم‌ورک‌های یادگیری عمیق:
▪️TensorFlow
▪️Keras
▪️Pythorch
ابزارهای تحلیل کلان‌داده:
▪️Apache Spark
▪️Hadoop MapReduce
* در حوزه تحلیل تحلیل کلان‌داده با توجه به وجود برخی محدویت‌های پردازشی در معماری Map Reduce پیشنهاد استفاده از کتابخانه‌های تحلیلی Apache Spark هست.
کتابخانه‌های مصورسازی:
▪️Matplotlib
▪️Seaborn
@GITAnet
انتخاب مسیر یادگیری درست براساس آخرین روندهای تکنولوژی و نیازهای بازار یکی از الزامات موفقیت در هر فیلدکاری هست. در ادامه برترین ابزارهای پیشنهادی جهت کسب موفقیت در فیلدکاری Data Science که توسط وبسایت springboard ارائه شده را معرفی میکنیم.
قابل ذکر است با توجه به تفاوت بازارکار ایران با سایر کشورها برخی از ابزارها با علامت * بعنوان جایگزین موارد پیشنهادی این سایت معرفی شده‌اند.
زبان برنامه‌نویسی:
▪️Python
▪️R
ابزارهای یادگیری ماشین:
▪️Scikit Learn
▪️Weka
* در میان نرم‌افزارهای داده‌کاوی در مقابل Weka پیشنهاد به یادگیری ابزارهایی همانند Knime, RapidMiner یا IBM Spss Modeler است.
فریم‌ورک‌های یادگیری عمیق:
▪️TensorFlow
▪️Keras
▪️Pythorch
ابزارهای تحلیل کلان‌داده:
▪️Apache Spark
▪️Hadoop MapReduce
* در حوزه تحلیل تحلیل کلان‌داده با توجه به وجود برخی محدویت‌های پردازشی در معماری Map Reduce پیشنهاد استفاده از کتابخانه‌های تحلیلی Apache Spark هست.
کتابخانه‌های مصورسازی:
▪️Matplotlib
▪️Seaborn
@GITAnet
📍6 گام برای یادگیری علم داده در سال 2020
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
https://www.medrxiv.org/content/10.1101/2020.02.25.20021568v2
محققین چینی یک شبکه یادگیری عمیق برای تشخصیص بیماری نوظهور کروناویروس (COVID-19) از روی سیتی اسکن ریه طراحی کرده اند. در این مقاله به تسریع در زمان تشخیص این بیماری توسط مدل یاد شده اشاره شده است.
#منهایGITA
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
محققین چینی یک شبکه یادگیری عمیق برای تشخصیص بیماری نوظهور کروناویروس (COVID-19) از روی سیتی اسکن ریه طراحی کرده اند. در این مقاله به تسریع در زمان تشخیص این بیماری توسط مدل یاد شده اشاره شده است.
#منهایGITA
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
medRxiv
Deep learning-based model for detecting 2019 novel coronavirus pneumonia on high-resolution computed tomography: a prospective…
Background: Computed tomography (CT) is the preferred imaging method for diagnosing 2019 novel coronavirus (COVID19) pneumonia. Our research aimed to construct a system based on deep learning for detecting COVID-19 pneumonia on high resolution CT, relieve…
دانلود کتاب داده کاوی مکانی در پست بعد
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
Forwarded from Deleted Account
Harvey_J__Miller,_Jiawei_Han_Geo.pdf
12.7 MB
✅ 10 روند تکنولوژی در سال 2020
براساس آخرین گزارش کمپانی Baidu ده روند تکنولوژی در سال جدید به شرح زیر است. گسترش جایگاه هوش مصنوعی، یادگیری عمیق، اینترنت اشیا، بلاک‌چین و پردازش کوانتومی از برترین روندهای سال جاری خواهد بود.
✔1- بهره‌برداری عملیاتی کارخانه‌ها از هوش مصنوعی (AI Factories)
✔2- تولید تراشه‌های هوش مصنوعی (AI Chips)
✔3- نفوذ یادگیری عمیق در صنایع
✔4- گسترش یادگیری ماشین اتوماتیک (AutoML)
✔5- ارتقا جایگاه فناوری‌های هوش محاسباتی و درک معنایی
✔6- یکپارچگی بیشتر پردارش زبان طبیعی(NLP) با پلتفرم‌های پردازشی
✔7- رشد تکنولوژی IOT به وسیله فناوری‌های 5G و محاسبات لبه‌ای
✔8- گسترش حمل و نقل هوشمند در سطوح شهری
✔9- بهره‌برداری بیشتر از بلاک‌چین
✔10- رشد پردازش‌های ابری و هوش مصنوعی بواسطه پردازش کوانتومی
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
براساس آخرین گزارش کمپانی Baidu ده روند تکنولوژی در سال جدید به شرح زیر است. گسترش جایگاه هوش مصنوعی، یادگیری عمیق، اینترنت اشیا، بلاک‌چین و پردازش کوانتومی از برترین روندهای سال جاری خواهد بود.
✔1- بهره‌برداری عملیاتی کارخانه‌ها از هوش مصنوعی (AI Factories)
✔2- تولید تراشه‌های هوش مصنوعی (AI Chips)
✔3- نفوذ یادگیری عمیق در صنایع
✔4- گسترش یادگیری ماشین اتوماتیک (AutoML)
✔5- ارتقا جایگاه فناوری‌های هوش محاسباتی و درک معنایی
✔6- یکپارچگی بیشتر پردارش زبان طبیعی(NLP) با پلتفرم‌های پردازشی
✔7- رشد تکنولوژی IOT به وسیله فناوری‌های 5G و محاسبات لبه‌ای
✔8- گسترش حمل و نقل هوشمند در سطوح شهری
✔9- بهره‌برداری بیشتر از بلاک‌چین
✔10- رشد پردازش‌های ابری و هوش مصنوعی بواسطه پردازش کوانتومی
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
🔷️🔷️استارت آپ های مبتنی بر فناوری اطلاعات مکانی و هوش مصنوعی در کنترل و مبارزه با اپیدمی کرونا🔷️🔷️
بخش اول:
🔴استارتاپ بلودات (BlueDot): پیش‌بینی بیماری سارس و کرونا
بلودات، استارتاپی در زمینه هوش مصنوعی، سیستم‌های هوشمندی را ایجاد کرده است که داده‌های افراد را به طور دقیق بررسی می‌کند تا به کمک آن بتواند احتمال وقوع بیماری را پیش‌بینی کند.
نکته بسیار جالب درباره این پلتفرم این است که بیماری همه‌گیر سارس را پیش‌بینی کرد و این پیش‌بینی دقیقاً به واقعیت پیوست. هشدار شیوع بیماری کرونا در دسامبر سال ۲۰۱۹، نمونه دیگری از ماهیت قدرتمند فناوری هوش مصنوعی این استارتاپ است. این پیش‌بینی همانند بیماری سارس دقیقاً به واقعیت پیوست که نتیجه آن شیوع کرونا در فوریه سال ۲۰۲۰ بود.
🔴تعیین موقعیت مکانی بیماری و جلوگیری از شیوع با استفاده از هوش مصنوعی
پلتفرم هوش مصنوعی بلودات از جمله جدیدترین پیشرفت‌‌های فناورانه است که از تحلیل داده برای پیدا کردن موقعیت مکانی بیماری و جلوگیری از شیوع آن استفاده می‌کند.
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
بخش اول:
🔴استارتاپ بلودات (BlueDot): پیش‌بینی بیماری سارس و کرونا
بلودات، استارتاپی در زمینه هوش مصنوعی، سیستم‌های هوشمندی را ایجاد کرده است که داده‌های افراد را به طور دقیق بررسی می‌کند تا به کمک آن بتواند احتمال وقوع بیماری را پیش‌بینی کند.
نکته بسیار جالب درباره این پلتفرم این است که بیماری همه‌گیر سارس را پیش‌بینی کرد و این پیش‌بینی دقیقاً به واقعیت پیوست. هشدار شیوع بیماری کرونا در دسامبر سال ۲۰۱۹، نمونه دیگری از ماهیت قدرتمند فناوری هوش مصنوعی این استارتاپ است. این پیش‌بینی همانند بیماری سارس دقیقاً به واقعیت پیوست که نتیجه آن شیوع کرونا در فوریه سال ۲۰۲۰ بود.
🔴تعیین موقعیت مکانی بیماری و جلوگیری از شیوع با استفاده از هوش مصنوعی
پلتفرم هوش مصنوعی بلودات از جمله جدیدترین پیشرفت‌‌های فناورانه است که از تحلیل داده برای پیدا کردن موقعیت مکانی بیماری و جلوگیری از شیوع آن استفاده می‌کند.
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
استارت آپ بلودات:
ادامه....
🔴ردیابی مسیر بیماری با استفاده از پردازش زبان
پردازش زبان‌های طبیعی (NLP – Natural Language Processing) ابزاری است که در بلودات برای ردیابی و دنبال کردن مسیر بیماری استفاده میشود. به عنوان مثال، بلودات زبان‌های گفتاری مردم جهان و شبکه‌های اجتماعی را تجزیه و تحلیل می‌کند و از سخنان مردم که در مورد بیماری یا نشانه‌های آن حرف می‌زنند، به جمع‌آوری اطلاعات می‌پردازد. سپس به کمک این اطلاعات، مکان بعدی گسترش ویروس را مشخص می‌کند و راه‌های پیشگیری از آن را ارائه می‌دهد.
🔴پیش‌بینی احتمال وقوع بیماری با استفاده از یادگیری ماشین
یادگیری ماشین تکنولوژی دیگری است که در استارتاپ بلودات به کار گرفته شده است. بلودات به کمک این تکنولوژی می‌تواند اطلاعات جدید را درباره احتمال وقوع بیماری ارائه کند. علاوه بر این، تکنولوژی هوش مصنوعی بلودات با ارائه اطلاعات و توانمندسازی متخصصان حوزه بهداشت و سلامت می‌تواند در زمان و منابع صرفه‌جویی کند.
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet
ادامه....
🔴ردیابی مسیر بیماری با استفاده از پردازش زبان
پردازش زبان‌های طبیعی (NLP – Natural Language Processing) ابزاری است که در بلودات برای ردیابی و دنبال کردن مسیر بیماری استفاده میشود. به عنوان مثال، بلودات زبان‌های گفتاری مردم جهان و شبکه‌های اجتماعی را تجزیه و تحلیل می‌کند و از سخنان مردم که در مورد بیماری یا نشانه‌های آن حرف می‌زنند، به جمع‌آوری اطلاعات می‌پردازد. سپس به کمک این اطلاعات، مکان بعدی گسترش ویروس را مشخص می‌کند و راه‌های پیشگیری از آن را ارائه می‌دهد.
🔴پیش‌بینی احتمال وقوع بیماری با استفاده از یادگیری ماشین
یادگیری ماشین تکنولوژی دیگری است که در استارتاپ بلودات به کار گرفته شده است. بلودات به کمک این تکنولوژی می‌تواند اطلاعات جدید را درباره احتمال وقوع بیماری ارائه کند. علاوه بر این، تکنولوژی هوش مصنوعی بلودات با ارائه اطلاعات و توانمندسازی متخصصان حوزه بهداشت و سلامت می‌تواند در زمان و منابع صرفه‌جویی کند.
✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی
🆔 @GITAnet