📍در نسخه جدید گوگل مپ، گوگل قابلیتی را اضافه کرده که برای توریست ها خیلی کاربردی است. با کمک این قابلیت وقتی نیاز هست که کاربر اسم یا ادرس مکان خاصی در یک شهر مثلا در ژاپن که نمی داند چگونه آن را تلفظ کند و به راننده تاکسی بگوید، گوگل مپ میتواند اسم یا ادرس آن مکان را به زبان محلی آن کشور به صورت بلند تلفظ کند.

#فناوری

🆔 @GITAnet

#سیستم_تصویر
#شاهکار_عکاسی


نمایی از یک‌ هزارم ثانیه از یک قطره آب که در پس زمینه آن نقشه جهان بر روی دیوار بوده است!



✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

کتاب ارزشمند سری های زمانی تک متغیره در علوم مکانی...تئوری ومثال

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی

@GITAnet

🔹️🔹️انسان مصنوعی سامسونگ معرفی شد🔹️🔹️

♻️سامسونگ از انسان مصنوعی خود با نام پروژه نئون رونمایی کرد.

#منهایgita


✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

✳️✅داده‌های باز دیجی‌کالا
شاید این خبر را شنیده باشید اما این حرکت بنظرم آنقدر ارزش دارد که بخواهيم یک پست به آن اختصاص بدهيم.دیجی‌کالا در یک حرکت انقلابی بخشی از داده‌های کاربرانش را برای تحلیل در اختیار عموم قرار داده است. این داده‌ها از حدود ۲ میلیون مشتری و صد هزار کالا جمع‌آوری شدند و برای کاربردهای هوش تجاري از قبیل پردازش زبان طبیعی بسیار ارزشمند هستند. همچنین در صورتی که نتیجه تحقیقات شما قابلیت تبدیل به محصول شدن داشته باشد، از طرف دیجی‌کالا مورد حمایت قرار می‌گیرید. برای دریافت اطلاعات بیشتر از نحوه دریافت داده‌ها و جزئیات این دیتابیس‌ها می‌توانید از لینک زیر استفاده کنید.

لینک: 👇
https://bit.ly/2uRiJ6O


✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

🔹فیسبوک فعالانه روی ساخت یک عینک واقعیت افزوده کار می کند و اخیرا اعلام کرده که می خواهد یک نقشه سه بعدی از زمین تهیه کند که به کاربران امکان خواهد داد در محیطی هایی بهبود یافته و تعاملی زندگی کنند

تکنولوژی LiveMaps در واقع با بهره گیری از بینایی کامپیوتری، بومی سازی VGI ( اطلاعات مکانی جمع سپاری شده)نوعی نقشه مشترک مجازی را تولید می کند که بازتابی از دنیای فیزیکی بیرون است. فیسبوک نیز با تزریق دیتایی که از ۲.۴ میلیارد کاربر خود جمع آوری کرده به توسعه LiveMaps کمک می کند و با استفاده از عکس هایی که ژئوتگ شده اند اقدام به ایجاد ابر نقاط و سپس یک دنیای مجازی واقعی می کند.

#واقعیت_افزوده #یادگیری_ماشین

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

❇️ گوگل تصاویر بیش از ۱۶ میلیون کیلومتر مسیر را در استریت ویو ثبت کرده است

♦️گوگل در استریت ویو سرویس نقشه، ۱۶ میلیون کیلومتر مسیر تصویربرداری و نقشه‌ی ۹۸ درصد از مکان‌‌های سکونت مردم در جهان را نیز آماده کرده است.

♦️خودروهای عکس‌بردار گوگل از آن زمان به سفرای شرکت در سرتاسر جهان تبدیل شده‌اند؛ خودروهایی که انواع مسیرهای شهری و فضاهای آزاد را برای ثبت تصاویر نقشه‌ای طی کرده‌اند.

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

نقشه پوشش Google street view جهان.


✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

تکنولوژی واقعیت افزوده و Indoor GIS

📍شاید برای شما هم اتفاق افتاده باشد که هنگام سفر با هواپیما، دیر به فرودگاه مورد نظر خود رسیده باشید یا در فرودگاهی بسیار بزرگ، سردرگم باشید و ندانید که برای سوار شدن به هواپیما از کدام گیت و از چه مسیری باید عبور کنید.
‌
🔹شرکت "امریکن ایرلاین"، برای رفاه بیشتر مسافران خود، اپلیکیشنی را مبتنی بر واقعیت افزوده ارائه کرده است.
‌‌
این اپلیکیشن، علاوه بر این که کوتاه ترین مسیر گیت مورد نظر را به مسافران این شرکت با علائم واقعیت افزوده نمایش می دهد، مسافران را به تمامی نیازهای رفاهی در فرودگاه از جمله رستوران، کافی شاپ، اتاق استراحت، فروشگاه، و بسیاری از موارد دیگر راهنمایی می کند.
‌
این اپلیکیشن، علاوه بر مزیت رقابتی بسیار بالایی که برای این شرکت هواپیمایی نسبت به رقبایش ایجاد می کند، داده های ارزشمندی را نیز در اختیار این شرکت قرار می دهد که می تواند با استفاده از این داده ها به بهترین نحو ممکن، حداکثر رضایت مسافران خود را بدست آورد.
‌
#واقعیت_افزوده
#Indoor_GIS


✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

🔅 ایده های بزرگ با چه زبان هایی توسعه یافته اند.
🔅جاوا زبان محبوب برای ایده های بزرگ

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

🔅 دسته بندی الگوریتم های یادگیری ماشین و موارد استفاده هر کدام

🔅یادگیری با ناظر مانند
🔸رده بندی
🔸رگراسیون

🔅یادگیری بدون ناظر مانند
🔸خوشه بندی
🔸کاهش ابعاد

🔅یادگیری تقویتی




✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

🛰 ماهواره ظفر برای پرتاب تحویل وزارت ارتباطات شد/ ویژگی‌های جدیدترین ماهواره ایرانی

🔹ماهواره ظفر دانشگاه علم و صنعت صبح امروز جهت پرتاب به سازمان فضایی وزارت ارتباطات تحویل داده شد.
🔹این ماهواره ۱۱۳ کیلوگرمی که می‌تواند حداقل یک سال و نیم در مدار‌های فضایی بماند، مأموریت تصویربرداری و ذخیره اطلاعات را دارد، همچنین این ماهواره می‌تواند به صورت واقعی اطلاعات را ذخیره کند و پیام را به صورت ارتباط صوتی یک طرفه بین دو کاربر ارسال کند.
🔹ماهواره ظفر کاربرد‌های بسیار متعددی دارد و می‌تواند نقشه‌های کاربری اراضی در مقیاس ملی و نقشه‌های ساختار همچون شناسایی گسل‌ها را تهیه کند، علاوه بر آن این ماهواره می‌تواند هر روزه به روزرسانی و پایش توسعه شهری را داشته باشد و مرز پهنه‌های کشاورزی در مقیاس ملی را به دست آورد.
🔹بر اساس گفته‌های مسئولان سازمان فضایی به زودی اقدامات اجرایی برای قرار گرفتن ماهواره ظفر در مدار انجام می‌شود.


✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

🔹️🔹️بیش از نیم میلیارد از ستارگان کهکشان راه شیری سیاراتی سکونت پذیر مانند زمین دارند..

✳وقتی ما به آسمان شب نگاه می‌کنیم این احساس را داریم که کسی هم آنجا دارد به ما نگاه می‌کند!

✳فراموش نکنید اگر فرازمینی‌ها بتوانند از سیاره‌ای که هزاران سال نوری با ما فاصله دارد خود را به زمین برسانند، به طور قطع به تکنولوژیی هزاران سال پیشرفته‌تر از ما دست یافته‌اند!

✍میچیو کاکو
#منهایGita

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

#منهایGita

جهان در آستانه انقلابی بزرگ!

🔆 دانشمندان در مجله نیچر فیزیک گزارش کرده‌اند برای اولین بار در تاریخ علم موفق شده‌اند که یک داده کوانتومی را بدون نیاز به بستر فیزیکی انتقال اطلاعات توسط تله پورت کوانتومی بین دو چیپ ست منتقل کنند.

🔸️دانشمندان دانشگاه بریستول موفق شدن در آزمایشگاه تنها با استفاده از درهم تنیدگی کوانتومی اطلاعات را بین دو چیپ ست قابل‌برنامه‌ریزی منتقل کنند. این دستاورد می‌تواند نقطه آغازین انقلاب بزرگی در جابه‌جایی اطلاعات شود.

🔸️آینده نزدیکی را تصور کنید که اطلاعات بین دو موبایل یا کامپیوتر در فاصله 100 کیلومتری بدون نیاز به هیچ ساختار فیزیکی با سرعت باورنکردنی جابه‌جا می‌شود و هیچ سیستم و ساختاری قادر به جلوگیری و مسدود کردن این انتقال اطلاعات نخواهد بود.

🔸️شما می‌توانید در ذهن خود با علم بجنگید اما در واقعیت تنها سر خود را در برف فرو کرده‌اید،در زمانی که شماعلم را نفی میکنید، علم به سمت حذف شما و تفکرتان از اکوسیستم پیش می‌رود.



منبع: کانال آینده پژوهی دکتر سعید خزایی

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

کامنت یکی از دوستان در رابطه با این پست: دلیلش این است که سالها جاوا زبان قویتر و مالتی پلتفرم بوده ولی در حال حاضر در بسیاری از تست ها عقب مانده و از سی شارپ ( dot net core) شکست خورده !

✅نظر شما در باره ی این پست چیست؟



Python vs Java (Python loses in every test): https://benchmarksgame-team.pages.debian.net/benchmarksgame/faster/python.html.Net Core (C#) vs Java (C# wins in every tests): https://benchmarksgame-team.pages.debian.net/benchmarksgame/faster/csharp.html.Net Core (C#) vs C++ (C# loses in every tests, but not by much): https://benchmarksgame-team.pages.debian.net/benchmarksgame/faster/csharpcore-gpp.html.Net Core 2.0 (2.1 is faster) vs other languages in Amazon Lambda: https://read.acloud.guru/comparing-aws-lambda-performance-of-node-js-python-java-c-and-go-29c1163c2581

 


https://read.acloud.guru/comparing-aws-lambda-performance-of-node-js-python-java-c-and-go-29c1163c2581


https://benchmarksgame-team.pages.debian.net/benchmarksgame/faster/csharpcore-gpp.html.Net


https://benchmarksgame-team.pages.debian.net/benchmarksgame/faster/csharp.html.Net


✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

#منهایGita
#رشد_شخصیتی
#موفقیت

⭕️موفقیت من به خاطر باهوش‌تر بودن من نیست بلكه به خاطر استقامت من در ماندن روی مشكلات و مسایل است.

آلبرت اینشتین

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet

⭕️به کارگیری یادگیری ماشین توسط گوگل و افزایش سرعت مدل‌های پیش‌بینی آب و هوا

🔸پژوهشگران گوگل باکمک هوش مصنوعی یادگیرنده توانسته‌‌اند مدلی کارآمد و سریع در پیش‌‌بینی وضعیت کوتاه‌‌مدت آب‌‌وهوا توسعه دهند.

🔹پیش‌بینی آب‌‌وهوا برای کارشناسان همواره امری دشوار بوده است؛ اما در سال‌‌های اخیر کارشناسان توانسته‌‌اند از قابلیت‌‌های یادگیری ماشین در این حوزه به‌‌خوبی بهره ببرند. گوگل ازجمله شرکت‌‌هایی بوده که به‌‌تازگی به این حرکت پیوسته است. این شرکت هفته‌‌ی گذشته از نتایج پژوهش‌‌های تازه‌‌‌‌ی خود در راستای قابلیت پیش‌‌بینی (تقریبا) آنی وضعیت آب‌‌وهوا پرده برداشت.

🔸البته تحقیقات یادشده هنوز در مراحل اولیه‌‌ی خود به‌‌سر می‌‌برد و باید منتظر نتایج عملکرد واقعی آن روی سیستم‌‌های تجاری بود. با این حال، نتایج اولیه بسیار امیدوارکننده به‌‌نظر می‌‌آیند. پژوهشگران گوگل طی مقاله‌‌ای (که هنوز مورد بازبینی قرار نگرفته است) توضیح داده‌‌اند که چگونه تنها با چند دقیقه محاسبات توانسته‌‌اند امکان وقوع بارش باران را ۶ ساعت پیش از وقوع، در منطقه‌‌ای با حد خطای یک کیلومتر پیش‌‌بینی کنند.

🔹چنین دستاوردی پیشرفتی عظیم نسبت‌‌به فناوری‌‌های موجود تلقی خواهد شد؛ چراکه در حال حاضر، برای انجام چنین پیش‌‌بینی‌‌هایی نیاز به صرف ساعت‌‌ها زمان در کنار تولید حجم بالایی از داده‌‌های پیچیده است. پژوهشگران می‌‌گویند که قابلیت محاسبات سریع خود به‌‌منزله‌‌ی «ابزاری ضروری برای سازگاری بهتر با سیر تغییرات اقلیمی، به‌‌ویژه در شرایط جوی شدید» خواهد بود. آن‌‌ها می‌‌گویند امروز که جهان ما درگیر الگوهای آب‌‌وهوایی به‌‌شدت پیش‌‌بینی‌‌ناپذیری شده است، قابلیت پیش‌‌بینی کوتاه‌‌مدت نقشی کلیدی در مدیریت بحران و کاهش تلفات جانی خواهد داشت.

🔸برترین مزیت روش به‌‌کارفته ازسوی گوگل نسبت به روش‌‌های سنتی پیش‌‌بینی آب‌‌وهوا در سرعت محاسبات آن است. پژوهشگران گوگل حاصل کار خود را با دو روش فعلی موجود مقایسه کرده‌‌اند. یکی از این روش‌‌ها «پیش‌‌بینی شار نوری» (OF) است که بر تغییرات پدیده‌‌هایی نظیر ابرها تکیه دارد؛ روش دیگر «پیش‌‌بینی برمبنای شبیه‌‌سازی» است که در آن، شبیه‌‌سازی‌‌های فیزیکی دقیقی از سیستم‌‌های آب‌‌وهوایی تولید می‌‌شود.

🔹مشکل اصلی این روش‌‌های قدیمی (به‌‌خصوص شبیه‌‌سازی‌‌های فیزیکی) آن است که وابسته به انجام حجم بسیار بالایی از محاسبات هستند. به‌‌عنوان مثال، برای انجام شبیه‌‌سازی‌‌های فعلی از سوی آژانس‌‌های دولتی پیش‌‌بینی آب‌‌وهوای ایالات متحده نیاز به پردازش روزانه‌‌ی بیش از ۱۰۰ ترابایت داده از سراسر ایستگاه‌‌های هوایی کشور است که تحقق آن خود مستلزم صرف ساعت‌‌ها پردازش باکمک ابررایانه‌‌هایی گران‌‌قیمت خواهد بود. جیسون هایکی، مهندس نرم‌‌افزار گوگل در وبلاگش چنین آورده است:

🔻 ۶ ساعت پیش به‌‌دست آمده‌‌اند. چنین فرایندی دانش ما را نسبت‌‌به آنچه هم‌‌اینک در حال وقوع است، با محدودیت مواجه خواهد کرد.

🔸اما روش‌‌های تازه ابداع‌شده توسط گوگل می‌‌توانند تنها در عرض چند دقیقه نتایج لازم را تولید کنند؛ چراکه در این روش‌‌ها، کل سیستم‌‌های پیچیده‌‌ی آب‌‌وهوایی مدل‌‌سازی نمی‌‌شوند؛ بلکه در عوض، از داده‌‌های راداری ساده به‌‌عنوان معیاری برای پیش‌‌بینی بارندگی بهره برده می‌‌شود.

🔹پژوهشگران گوگل مدل هوش مصنوعی خود را باکمک داده‌‌های راداری تاریخی جمع‌‌آوری‌‌شده در بازه‌‌ی زمانی سال‌‌های ۲۰۱۷ تا ۲۰۱۹ ازسوی اداره‌‌ی ملی جوی و اقیانوسی ایالات متحده (NOAA) آموزش دادند. آن‌‌ها می‌‌گویند نتایج این پیش‌‌بینی به خوبی نتایج حاصل از سه روش رایج فعلی بوده و حتی در مواردی از آن‌‌ها بهتر نیز بوده است. برتری این مدل جدید زمانی آشکار شد که توانست پیش‌‌بینی‌‌های خود را ۶ ساعت زودتر نسبت‌‌به مدل‌‌های قبلی ارائه کند.

🔸دستاورد یادشده نقطه‌‌عطفی در کاربرد یادگیری ماشین در پیش‌‌بینی‌‌های آب‌‌وهوایی است؛ چراکه می‌‌توان باکمک این ابزار، پیش‌‌بینی‌های کوتاه‌‌مدت را با سرعت بسیار بیش‌‌تری انجام داد و در عین حال، پیش‌‌بینی‌‌های بلندمدت‌‌تر را به مدل‌‌های قدرتمندتر واگذار کرد.

منبع: theverge و zoomit

✅باشگاه فناوران اطلاعات مکانی
🏹کانال نوآوری با نقشه و اطلاعات مکانی


🆔 @GITAnet