هابر ، مرحبا.
بعد أن قمت بتصفية عدد كبير من المقالات والمؤتمرات والاشتراكات ، جمعت لك أهم الأدلة والمقالات والمقتطفات من عالم التعلم الآلي والذكاء الاصطناعي. هل لديك قراءة لطيفة!
1. مشاريع الذكاء الاصطناعي التي يمكنك لعبها اليوم. ماذا تعرف عن الذكاء الاصطناعي والتعلم الآلي؟ الاتجاه الحالي أو قوة يحتمل أن تكون قوية يمكن أن تقتل الناس؟ يتم سماع هذه المفاهيم العصرية بشكل متزايد ، ولكن لا يعرف الجميع ما هي عليه حقًا. حان الوقت لتعلم هذه التقنيات باستخدام طريقة بسيطة ومثيرة للاهتمام - جرّب الذكاء الاصطناعي والشبكات العصبية بنفسك في الممارسة.
→
اقرأ المزيد2. تعلم الذكاء الاصطناعي ، إذا كنت لا تفهم أي شيء في الرياضيات. ربما ترغب في التعمق أكثر وتشغيل برنامج التعرف على الصور في TensorFlow أو Theano؟ قد تكون مطورًا رائعًا أو مهندس أنظمة وتعرف أجهزة الكمبيوتر جيدًا ، ولكن هناك مشكلة صغيرة واحدة فقط: أنك لا تفهم الرياضيات.
→
اقرأ المزيد3. كيفية بناء نظام الإشراف على الرسائل. عادة ما يتم تضمين أنظمة الإشراف التلقائي في خدمات الويب والتطبيقات حيث يجب معالجة عدد كبير من رسائل المستخدم. يمكن لمثل هذه الأنظمة أن تقلل من تكاليف الإشراف اليدوي وتسريع التعديل من خلال معالجة جميع رسائل المستخدم في الوقت الحقيقي. تناقش هذه المقالة تطوير نظام الإشراف التلقائي باستخدام خوارزميات التعلم الآلي.
→
اقرأ المزيد4. قائمة أدوات الذكاء الاصطناعي التي يمكنك استخدامها اليوم هي للاستخدام الشخصي (1/3). في غضون أسابيع قليلة ، انتقلت حرفيًا إلى آلاف المواقع (أكثر من 6000 رابط) لأقدم لك قائمة كاملة بأفضل منتجات الذكاء الاصطناعي والشركات الواعدة في هذا المجال.
→
اقرأ المزيد5. قائمة أدوات الذكاء الاصطناعي التي يمكنك استخدامها اليوم هي للأعمال (2/3). تشمل هذه القائمة الشركات التي تعمل على منتجات الذكاء الاصطناعي والتعلم الآلي ، وخاصةً لأغراض العمل ، ولا تقتصر على أي صناعة.
→
اقرأ المزيد6. قائمة أدوات الذكاء الاصطناعي التي يمكنك استخدامها اليوم - للعمل (2/3). عند إنشاء قائمة كاملة ، وجدت أنها أصبحت طويلة ومربكة للغاية ، لذلك قررت أنه سيكون من الأسهل تقسيم القائمة بأكملها إلى قسمين ، لسهولة الإدراك.
→
اقرأ المزيد7. قائمة أدوات الذكاء الاصطناعي التي يمكنك استخدامها اليوم هي لصناعة معينة (3/3). الجزء الأخير من اللغز هو الجزء 3. فيما يلي نظرة على شركات الصناعة التي تستخدم أشكالًا مختلفة من الذكاء الاصطناعي لحل مهام محددة ومثيرة للاهتمام حقًا لمختلف الأسواق.
→
اقرأ المزيد8. العمل مع البيانات بطريقة جديدة: Pandas بدلاً من SQL. في السابق ، كانت SQL كأداة كافية لتحليل البحوث: استرجاع البيانات بسرعة والإبلاغ الأولي عنها. الآن تأتي البيانات بأشكال عديدة ولا تعني دائمًا "قواعد البيانات العلائقية". يمكن أن تكون هذه ملفات CSV ونصًا عاديًا و Parquet و HDF5 وأكثر من ذلك بكثير. هذا هو المكان الذي سوف تساعدك فيه مكتبة Pandas.
→
اقرأ المزيد9. أفضل مجموعات البيانات للتعلم الآلي وتحليل البيانات. يتطلب تحليل البيانات والتعلم الآلي الكثير من البيانات. سيكون من الممكن تجميعها بنفسك ، لكنها متعبة. هنا ، مجموعات البيانات الجاهزة في مجموعة واسعة من الفئات تأتي لمساعدتنا.
→
اقرأ المزيد10. الصحة و blockchain - العقود الذكية والتأمين وسلاسل التوريد. كل ذلك مع تلميح من منظمة العفو الدولية. إلى ذلك جاءت العقود الذكية ، قابلة للبرمجة
if/then المشغلين ، والتي يمكن تنفيذها على شبكة blockchain. سيسمح لك ذلك بحساب وتنفيذ القرارات بسرعة وبفعالية مع البيانات المخزنة دون الحاجة إلى معالجة بشرية.
→
اقرأ المزيد11. كيفية تطوير مهارات رائعة لمساعدي الصوت في عام 2019. اقبل التقنيات الصحيحة للبدء في تطوير مهارتك التالية من خلال النظر إلى بعض العناصر الأساسية للواجهات الصوتية وتجربة المستخدم.
→
اقرأ المزيد12. لماذا ، متى ، وكيفية استخدام بيثون multithreading والمعالجة المتعددة. الغرض من هذا البرنامج التعليمي هو شرح سبب الحاجة إلى تعدد العمليات والمعالجة المتعددة في Python ، ومتى يجب استخدام أحدهما فوق الآخر ، وكيفية استخدامه في برامجك.
→
اقرأ المزيد13. نموذج شامل لعدة قطاعات لتحليل البيانات والتنبؤ بها باستخدام Python في بيانات جدول SAP HANA. تساعدك هذه المدونة على الاتصال بقاعدة بيانات SAP HANA (الإصدار 1.0 SPS12) ثم استخراج البيانات من جدول / عرض HANA وتحليل البيانات باستخدام مكتبة Python Pandas.
→
اقرأ المزيد14. إزالة الغموض عن بنية الشبكات مع الذاكرة على المدى القصير (LSTM). نحن نستخدم ذاكرة الوصول العشوائي طويلة المدى (LSTM) ووحدة البوابات المتكررة (GRU) ، وهي حلول فعالة للغاية لمشكلة التراجع التدريجي ، وتسمح لشبكة عصبية بالتقاط مزيد من التبعيات البعيدة.
→
اقرأ المزيد15. في الوقت الحقيقي الكشف عن السيارة في 50 لقطة في الثانية الواحدة على وحدة معالجة الرسومات AMD. نركز هنا على نماذج اكتشاف الأشياء التعلمية العميقة بسبب دقتها الفائقة.
→
اقرأ المزيد16. نظرة عامة على طرق التصنيف في التعلم الآلي باستخدام Scikit-Learn. هناك الكثير من المكتبات المكتوبة للتعلم الآلي في بيثون. اليوم سوف ننظر إلى واحدة من الأكثر شعبية - Scikit-Learn. يعمل Scikit-Learn على تبسيط عملية إنشاء مصنف ويساعد على إبراز مفاهيم التعلم الآلي بشكل أوضح وتحقيقها من خلال مكتبة مفهومة وموثقة جيدًا وموثوقة.
→
اقرأ المزيد17. مقدمة في الطب الشرعي. الطب الشرعي للكمبيوتر (الطب الشرعي) هو علم تطبيقي حول الكشف عن الجرائم المتعلقة بمعلومات الكمبيوتر ، ودراسة الأدلة الرقمية ، وطرق البحث ، والحصول على هذه الأدلة وتأمينها.
→
اقرأ المزيد18. الذكاء الاصطناعي في الممارسة العملية: نقوم بإنشاء نظام خبير لإعداد الشواء. يبدو مثل هذا: يسأل النظام سلسلة من الأسئلة ، والأسئلة اللاحقة تعتمد على الإجابات المستلمة. ثم يقوم النظام باستنتاج ويظهر سلسلة التفكير الكاملة التي أدت إلى ذلك. أي أن معرفة الخبير وتجربته تتكرر ، وليس أقل أهمية ، يتم تكرار مجرى تفكيره.
→
اقرأ المزيد19. تنفيذ وتحليل خوارزمية الغابات العشوائية في بيثون. في هذه المقالة ، سوف نتعلم كيفية إنشاء واستخدام خوارزمية Random Forest في Python. بالإضافة إلى الدراسة المباشرة للرمز ، سنحاول فهم مبادئ النموذج. تتكون هذه الخوارزمية من العديد من أشجار القرار ، لذلك سنكتشف أولاً كيف تحل هذه الشجرة مشكلة التصنيف. بعد ذلك ، باستخدام خوارزمية ، نحل المشكلة باستخدام مجموعة من البيانات العلمية الحقيقية. جميع التعليمات البرمجية المستخدمة في هذه المقالة متاحة على جيثب في Jupyter Notebook.
→
اقرأ المزيد20. الإنسان في الحلقة: كيفية تقليل الموارد لترميز البيانات. يتيح استخدام التعلم العميق والبيانات الموسومة الكبيرة محاكاة الطيف للظواهر المختلفة بدقة. ترميز البيانات هو عملية كثيفة الاستخدام للموارد ، وليس دائمًا البيانات التي تحمل علامات في المجال العام.
→
اقرأ المزيد21. سمبسنز تلقى البيانات التصور. بطبيعة الحال ، عندما اكتشفت أنه يمكنني تنزيل جميع البرامج النصية للحلقات التي كان يمكن أن أطلبها من أي وقت مضى (عبر kaggle) ، كنت أعرف ما يجب علي فعله. بعد أن تمكنت من الوصول إلى كل ما قاله هومر ، لم أتمكن من مقاومة وضع قبعتي لباحث بيانات للتعبير عن بعض الأفكار حول أحد أكثر البرامج التلفزيونية إثارة للانتباه خلال العقود الثلاثة الماضية.
→
اقرأ المزيد22. كيف يمكن للمبتدئين إنشاء تصورات رائعة للبيانات؟ بالنسبة إلى محللي البيانات ، يكون التصور دائمًا بحثًا دائمًا ، لأنه يكشف لنا القوانين التي تقوم عليها البيانات.
→
اقرأ المزيد23. تكوين تنبيهات تلقائية لـ AWS Lambda Data Pipeline.
→
اقرأ المزيد24. أداة تدريب حديثة شاملة للتعرف على الصور. تصنيف سريع متعدد الطبقات للصور باستخدام مكتبات fastai و PyTorch
→
اقرأ المزيد25. التكيف المجال العميق في رؤية الكمبيوتر. على مدى العقد الماضي ، حقق مجال رؤية الكمبيوتر نجاحًا هائلاً. هذا التقدم يرجع بشكل رئيسي إلى الفعالية التي لا يمكن إنكارها للشبكات العصبية التلافيفية (CNN). تسمح لك CNN بعمل تنبؤات دقيقة للغاية إذا تم تدريبهم باستخدام بيانات تدريب مشروحة عالية الجودة.
→
اقرأ المزيد26. الأمثل للشبكة العصبية. تغطية المحسن والزخم وسرعات التعلم التكيفية وتطبيع الدُفعات والمزيد.
→
اقرأ المزيد27. الحلول الخوارزمية للتحيز الخوارزمي: دليل تقني. أريد أن أتحدث عن الأساليب التقنية لتخفيف التحيز الحسابي.
→
اقرأ المزيد28. تصميم الكمبيوتر توحي. تسهيل التصميم من خلال التعلم الآلي.
→
اقرأ المزيد29. توليد مجموعة البيانات: إنشاء صور مصغرة باستخدام GAN. البيانات هي أساس نماذج ML و DL. لا يمكننا إنشاء برامج قوية إذا لم يكن لدينا مجموعة بيانات مناسبة لخوارزميات التدريب.
→
اقرأ المزيدالذي لم يقرأ ملخص الأخبار الخاص بي لشهر يونيو ،
اترك رابطًا .
على هذا لدينا هضم قصير جاء إلى نهايته. أضف إلى المواقع المفضلة ومشاركتها مع الزملاء واستخلص الاستنتاجات واعمل بشكل مثمر. على أساس مستمر ، يتم نشر هذا الملخص في
قناة التلغراف Neuron (neurondata) والاشتراك معي في Habré ، لا تفوت هذه الملخصات التالية.
كل المعرفة!