پردازش هوشمند

توضیح مبانی یادگیری ماشین کوانتومی توسط سیراج
---------------------------------------------
https://www.aparat.com/v/KPVjD
---------------------------------------------
#کوانتم #یادگیری_ماشین #یادگیری_ماشین_کوانتومی
#پردازش_هوشمند_آراد #یادگیری_ماشین #هوش_مصنوعی
#محاسبات_کوانتومی #یادگیری_عمیق
#SirajRaval

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

جایزه ویژه گوگل برای پیشبرد یادگیری ماشین کوانتومی
----------------------------------------------
اختصاصی از کانال پردازش هوشمند آراد :
تیمی از محققین تحت نظر پروفسور "آهیم کمپف" در آزمایشگاه اطلاعات کوانتومی وابسته به دانشگاه واترلو کانادا ، برنده جایزه ویژه یادگیری ماشین کوانتومی شرکگت 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 تواندد 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 کنن تا بفهمیم که جهان چگونه کار میکند.
https://uwaterloo.ca/physics-of-information-lab/
----------------------------------------------------------------------
#کوانتم #یادگیری_ماشین #یادگیری_ماشین_کوانتومی
#پردازش_هوشمند_آراد #یادگیری_ماشین #هوش_مصنوعی
#محاسبات_کوانتومی #یادگیری_عمیق
#آهیم_کمپف

پروفسور مایکل جردن :انقلاب واقعی هوش مصنوعی هنوز رخ نداده است!
یادگیری ماشین معادل هوش مصنوعی نیست !
---------------------------------------------
مایکل جردن دانشمند معروف جهان هوش مصنوعی اعتقاد دارد آنچه امروزه به نام انقلاب نوین هوش مصنوعی معرفی میشود در واقع نه هوش مصنوعی واقعی بلکه تنها یادگیری ماشین است و بین هوش مصنوعی ویادگیری تفاوت وجود دارد!
--------------------------------------------
"اختصاصی از کانال پردازش هوشمند آراد "
به عقیده پروفسور جردن آنچه امروزه در اخبار درباره پیشرفت های هوش مصنوعی می بینیم غالبا برچسبی یادگیری ماشین را با خود دارند .یادگیری ماشین الگوریتم هایی برای پردازش داده ها با الهام از روش های آماری و علوم کامپیوتری به منظور پیش بینی وتصمیم گیری بوده است .در حالی هدف هوش مصنوعی تولید موجودیتی بوده است که حداقل از جنبه ذهنی مانند انسان باشد .الگوریتم های یادگیری ماشین روی مدل سازی فرایند های تصمیم گیری در سطوح پایین تمرکز دارند در حالی که هدف هوش مصنوعی مدل سازی فرایند های تصمیم گیری در سطوح بالاست.یعنی باز تولید فرایند های شناختی و فکری انسان در حالی که یادگیری ماشین امروزه بیشتر مبتنی بر شناسایی آماری الگو ها و انجام تخمین ها متمرکز است.
--------------------------------------
مشاهده اصل مقاله :
https://hdsr.mitpress.mit.edu/pub/wot7mkc1
--------------------------------------
#کوانتم #یادگیری_ماشین #یادگیری_ماشین_کوانتومی
#پردازش_هوشمند_آراد #یادگیری_ماشین #هوش_مصنوعی
#محاسبات_کوانتومی #یادگیری_عمیق
#Michael I. Jordan

برنامه جدید و قدرتمند طراحی شده توسط محققین دانشگاه ام آی تی(MIT) برای استفاده از ابزارهای آنالیز دیتا و یادگیری ماشین بدون استفاده از برنامه نویسی و تنها مبتنی بر رابط کاربری !
---------------------------------------------------
روند جدیدی برای استفاده از هوش مصنوعی و یادگیری ماشین برای مردم عادی بدون داشتن هیچ دانشی از برنامه نویسی
-----------------------------------------------
"اختصاصی از کانال پردازش هوشمند آراد "
از حدود 2 سال گذشته به نظر می رسد مرحله جدیدی در توسعه ابزارهای هوش مصنوعی و داده کاوی به وجود آمده است.مرحله ای که در آن استفاده از برنامه نویسی های پیچیده برای استفاده های کاربردی از این دانش ها به تدریج برای کاربران نهایی بلا استفاده می شود و جای این زبان های برنامه نویسی را ابزارهای مبتنی بر رابط کاربری و سرویس های پردازش ابری پر میکنند.در واقع شاید در حال حرکت به نقطه ای باشیم که استفاده از زبان های برنامه نویسی در دنیای هوش مصنوعی تنها به کار محققین و دانشمندان این حوزه بیاید و کاربران نهایی نیازی به استفاده از زبان های برنامه نویسی نداشته باشند.به همین منظورگوگل ،مایکروسافت و آمازون در سال های اخیر سرویس های پردازش ابری خود مانند (AZURE) را برای تجاری سازی هوش مصنوعی برای کاربران و سازمان هایی که نیاز به استفاده از این دانش دارند توسعه داده اند.
حال خبری منتشر شده است که نشان میدهد حتی محققین دانشگاه ام ای تی به سراغ توسعه چنین ابزارهای رفته اند.این محققین در پروژه ای به نام (northstar)کامپوننتی به نام (VDS) را برای بصری سازی و آنالیز داده ها توسعه داده اند که می تواند ابزارهای یادگیری ماشین را برای تخمین های روی داده ها در اختیار کاربران خود قرار دهد.این ابزار تنها با استفاده از درگ و دراپ کردن (کشیدن و رها کردن) عمل میکند و نیاز به هیچ برنامه نویسی ای ندارد.کاربرد آن به اندازه ساده است که حتی گروه هایی مانند پزشکان می توانند از آن به راحتی استفاده کنن و مثلا مراجعین خود را که احتمال بیشتری برای ابتلا به بیماری خاصی دارند پیش بینی نمایند !
"تیم کراسکا" از محققین این دانشگاه و از توسعه دهندگان این برنامه می گوید هدف از توسعه این برنامه ساخت ابزاری بوده است که استفاده از آن به قدری ساده باشد که حتی یک کافه دار بدون هیچگونه دانشی درباره برنامه نویسی و هوش مصنوعی بتواند فروش قهوه خود را در مثلا 4 هفته آینده پیش بینی کند !!
---------------------------------------------
اطلاعات بیشتر درباره این ابزار را در لینک زیر به دست آورید :
http://northstar.mit.edu/
---------------------------------------------
#کوانتم #یادگیری_ماشین #یادگیری_ماشین_کوانتومی
#پردازش_هوشمند_آراد #یادگیری_ماشین #هوش_مصنوعی
#محاسبات_کوانتومی #یادگیری_عمیق
#northstar

زمان یادگیری درباره محاسبات کوانتومی همین حالاست !
----------------------------------------------
کورس آنلاین آموزش محاسبات کوانتومی دانشگاه ام آی تی(MIT) :
https://learn-xpro.mit.edu/quantum-computing?utm_medium=sem&utm_source=mitxpro&utm_campaign=quantum-3t-2019&utm_content=aw-us&gclid=Cj0KCQjw1MXpBRDjARIsAHtdN-27wMc1YHvM10jPWFZV5jfnmiRcVnAgsfQr09yEPEuR-Jtk4YVPuFkaAog1EALw_wcB

آشنایی با رایانش کوانتومی
----------------------------------
منبع : سایت (git.ir)
---------------------------------
امروزه در مرکز درک رایانش کوانتومی، دانشی از این امر وجود دارد که آیا و چگونه رایانش کوانتومی برای شرکت شما مزایایی به ارمغان می آورد. در این دوره با مفاهیم رایانش کوانتومی، نحوه کارکرد رایانش کوانتومی، مزایای رایانش کوانتومی، استفاده از رایانش کوانتومی آشنا می شوید. در پایان این دوره دانشی از نحوه کارکرد کامپیوترهای کوانتومی و مزایای آنها یاد خواهید گرفت.

-------------------------------------------------
سرفصل:

معرفی دوره
رایانش کوانتومی چیست؟
واحد محاسبه کلاسیک
واحد رایانش کوانتومی
Light Switch Analogy
احتمالات رایانش کوانتومی
کاربرد در امور مالی
کاربرد در رمزنگاری
کاربرد در پزشکی
مشترک بودن مشکلات حل شده کوانتومی
حالت کوانتوم
ابزارهای موجود
خلاصه
--------------------------------------------------
#کوانتم #پردازش_هوشمند_آراد
https://git.ir/pluralsight-quantum-computing-the-big-picture/

آموزش یادگیری ماشین با وب سرویس های آمازون
-----------------------------------------------

منبع : سایت (git.ir)
----------------------------------------------
سرویس های وب آمازون (AWS) ارائه دهنده سرویس ها و ابزارهای فراوانی است که به دانشمندان داده کمک می کند تا یادگیري ماشینی را به منظور ایجاد بهتر و راه حل های هوشمندانه تر انجام دهند. در این دوره، در مورد الگوها، سرویس ها، فرایندها و بهترین روش ها برای طراحی و اجرای یادگیري ماشینی با استفاده از AWS یاد بگیرید. مربی Lynn Langit نگاهی به مفاهیم اصلی و عمومی یادگیری ماشینی، از جمله انواع الگوریتم های اصلی یادگیری ماشینی می اندازد. همچنین انواع سرویس های موجود مانند AWS Learning Machine، Lex، Polly و Recognition را بررسی می کند که می توانید از آن برای پیش بینی برچسب های تصویر و ویدئو استفاده کنید. علاوه بر این، نحوه کار با سیستم عامل هایی نظیر AWS SageMaker که با نوت بوک های Jupyter میزبانی می شود را آموزش می دهد.

سرفصل:

چگونه یادگیری ماشین در تجزیه و تحلیل استفاده می شود؟
سرور AWS AI در مقابل سیستم عامل
پیش بینی استفاده از متن به گفتار پولی
پیش بینی استفاده از Recognition برای ویدیو
استفاده از Lex برای ساخت یک برنامه مکالمه
استفاده از AWS Machine Learning Service برای آموزش، میزبانی و پیش بینی
کار با MXNet در Databricks
کار با EMR برای یادگیری ماشین
----------------------------------------
https://git.ir/lynda-amazon-web-services-machine-learning-essential-training/