آزمایشگاه S4Lab دانشگاه شریف با همکاری کافه‌بازار برگزار می‌کند:

● مدرسه‌ی پرچم

• دوره‌ای برای آموزش امنیت سایبری و مسابقات آن
• از ۱۷ شهریور تا انتهای اسفند
• در هشت دستهٔ مختلفِ مرتبط با امنیت

○ برای کسب اطلاعات بیشتر به سایت زیر مراجعه کنید:
🔗 parcham.io

@ParchamIO
@ceit_ssc

🔴 @CEITStu

✅ گزارش سالیانه «دیوار» برای علاقه‌مندان علم داده + گزارش‌های پیشنهادی سال آینده

👉 https://vrgl.ir/kYxcV

@ComputerResearch

بورس شهریه رایگان ارشد و دکترا در روسیه :
https://od.globaluni.ru/en/register.php
https://od.globaluni.ru/en/

پوزیشن دکترا با بورس کامل در دانشگاه آنتورپ بلژیک در زمینه Software Intelligent Agents and Multi-agent Systems

https://bit.ly/33aaZyP

@ComputerResearch

مجموعه پادکست
کاربردهای هوش مصنوعی در کسب و کار

بخش دهم: امریکن اکسپرس

برخی مطالب پوشش داده شده:
- تاریخچه و سوابق
- اطلاعات مالی و عملکردی
- مشکلات موجود در حوزه پرداخت اعتباری
- تشخیص تقلب
- حفظ و بهبود تجربه مشتریان
- تشخیص پرداخت‌های تقلب و غیر مجاز
- دستیار Mezi
- افزایش امنیت تراکنش‌ها با دستیار شخصی
- آشنایی با Apache Hadoop
- بررسی نتایج به دست آمده


📚 مراجع:

1️⃣ کتاب Artificial Intelligence in Practice، انتشارات وایلی، 2019

2️⃣ مدخل American Express در ویکی‌پدیا

3️⃣ گزارش مصور شرکت Amex در سال 2018

4️⃣ گزارش نیلسون در زمینه ابعاد مالی تقلب در کارت اعتباری

5️⃣ بررسی کاربردهای یادگیری ماشین در تشخیص تقلب

6️⃣ رویکرد Amex برای استفاده از یادگیری ماشین

7️⃣ شرکت Amex چطور از کلان‌داده و هوش مصنوعی استفاده می‌کند؟

8️⃣ یادگیری ماشین در شرکت American Express


✴️ شنیدن این اپیزود در دیگر پلتفرم‌ها

🔗 کست‌باکس [+]

🔗 اینستاگرام [+]

#پادکست #هوش_مصنوعی
ـــــــــــــــــــــــــــــــــ

سید مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: @KalamiHeris

کانال پرسش و پاسخ: @Kalami_QA

‌

#سمینار_استاندارد

فرمت استاندارد سمینار و توضیحاتی در مورد فصل و بخش های مربوط به آن👇👇👇

@ComputerResearch

📚 سایت کتابخانه دانشگاه صنعتی شریف که معمولا برای پایان نامه ها تقریبا 30 صفحه اولش را بصورت رایگان در اختیار شما می‌گذارد.

🔗 : http://library.sharif.ir/parvan/home

➖➖➖➖➖➖➖➖
🆔: @Zangedanesh

همیشه دغدغه تایپ جزوه ها و پایان نامه ها برای دانشجویان و دانش آموزان وجود داشته.

اما الان دیگه جای نگرانی نیست.
خودتون راحت و بی دردسر، کار خودتون رو انجام بدین.
فقط کافیه یکبار از روی متن بخونید و فایل تایپ شده رو تحویل بگیرید.

هیچ نرم افزار و تجهیزات خاصی هم لازم ندارید.


#CTATir
#Voicetyping
#windows
اینستاگــرام

تلگــرام

@CTATir

🔵 دسترسی به داده‌های آماری و تحلیلی بزرگترین اندرویدمارکت ایران با «بینش»

🔷 کافه‌بازار سرویسی به نام بینش راه‌اندازی کرده تا توسعه‌دهندگان وب، فعالان کسب‌وکارهای آنللاین و کسانی که می‌خواهند از داده‌های این بازار اندرویدی ایران در توسعه فعالیت‌ها یا کسب‌وکار خود استفاده کنند بتوانند بی‌واسطه و فوری به آخرین گزارش‌های آماری یا تحلیل‌های کافه‌بازار دسترسی پیدا کنند.

🔷 بنا به اعلام کافه‌بازار، بینش جایگزین گزارش‌های فصلی کافه‌بازار خواهد شد تا استفاده از دیتاها و گزارش‌های تحلیلی و مقایسه‌ای آن در هر لحظه برای متقاضیان فراهم باشد.

🔶 برای آگاهی کامل از این سرویس به آی‌چیزها سر بزنید:
https://icheezha.ir/insight-of-cafebazaar/

@icheezha

🇳🇱 ۷ موقعیت دکترا در زمینه بینایی ماشین و یادگیری ماشین در دانشگاه آمستردام هلند

ددلاین: ۱۱ آذر ۹۹

اطلاعات بیشتر:
https://ivi.fnwi.uva.nl/quva/vacancies.html

#موقعیت_تحصیلی #یادگیری_ماشین #بینایی_ماشین

🙋🏻‍♀@meteorjournal

آموزش مباحث هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و ... در دانشگاه استنفورد به زبان فارسی:

https://stanford.edu/~shervine/l/fa/

https://stanford.edu/~shervine/l/fa/teaching/cs-229/


https://stanford.edu/~shervine/l/fa/teaching/cs-230/

@ComputerResearch

انتخاب پروژه برتر مقطع كارشناسي در حوزه اينترنت اشيا توسط دانشكده مهندسي كامپيوتر دانشگاه #اصفهان

http://iotlab.ui.ac.ir/iotaward/1/

@iotreport

✅ اعلام جذب چند دانشجو در مقطع دکتری توسط دکتر نگار توسلیان، استاد دانشکده مهندسی برق و کامپیوتر موسسه فناوری استیوِنز، واقع در ایالت نیوجرسی کشور آمریکا 🇺🇸

⬅️ متقاضیان رشته‌های مهندسی برق، علوم و مهندسی کامپیوتر، فناوری اطلاعات و رشته‌های نزدیک به آنها که علاقه‌مند به تحقیق در یکی از زمینه‌های زیر هستند:
- electromagnetic modeling and optimization
- bio-electromagnetics
- antennas
- mobile health
- personalized healthcare

میتونن به این استاد ایمیل بزنند.

⬅️ نحوه اقدام:
ارسال درخواست و سی‌وی به ایمیل
[email protected]

وب سایت استاد
https://web.stevens.edu/facultyprofile/?id=1903

@expertapply

🔴 @CEITStu

چگونه استعلام مدرک تحصیلی‌مان را بگیریم؟

Estelam.msrt.ir

@ComputerResearch

🔴فراخوان آزمون استعدادیابی دانشگاه صنعتی شریف

دانشگاه صنعتی شریف از تمامی دانش‌آموزان و دانشجویان علاقه‌مند به شناخت استعدادها و ارتقای توانمندی‌های خود برای شرکت در آزمون استعدادیابی دانشگاه صنعتی شریف دعوت به عمل می‌آورد.

https://kutt.it/S9Ekbc

@ComputerResearch

معرفی یک سایت ترجمه #ایرانی که گاهی جمله‌بندی بهتری نسبت به Google translate دارد.

آدرس وبسایت :
http://targoman.ir

➖➖➖➖
@ComputerResearch

لینک گروه پایان نامه

https://www.tgoop.com/joinchat-BzUHOz53Zzp3vGtHrPYr5w

🌐مقالات و پایان نامه های جدید اینترنت اشیا به صورت رایگان

💢 کاربرد کلان داده در اینترنت اشیاء
💢 چالش های اینترنت اشیا
💢 تخصیص منابع در اینترنت اشیا
💢 مدیریت مصرف انرژی در اینترنت اشیا
💢 کاربرد رایانش ابری در اینترنت اشیا
💢 امنیت در اینترنت اشیا
💢 کاربردهای اینترنت اشیا
💢 مقالات انگلیسی و کتاب
💢مقالات مروری انگلیسی

و....
دانلود رایگان در لینک زیر :

yun.ir/j9iekb

@ComputerResearch

📌 معرفی مقالات داغ حوزه عظیم‌داده

Analysis of Dimensionality Reduction Techniques on Big Data

🖋 نویسندگان:
G. THIPPA REDDY, M. PRAVEEN KUMAR REDDY, KURUVA LAKSHMANNA, RAJESH KALURI, DHARMENDRA SINGH RAJPUT, GAUTAM SRIVASTAVA (Senior Member, IEEE), AND THAR BAKER.

🔸 یکی از نتایج ورود به عصر دیجیتال، تولید حجم انبوهی از داده‌ها است. داده‌هایی که هم در تعداد رکورد و هم در تعداد ویژگی‌ها ارقام بالایی را به خود اختصاص داده‌اند. این موضوع باعث بروز چالش‌هایی در علم داده شده است. وجود چندین بعد برای مجموعه عظیم‌داده‌ها، کار تجزیه و تحلیل آنها یا کشف هر گونه الگویی در داده‌ها را بسیار سخت می‌کند. از طرف دیگر، برخی از ویژگی‌ها از درجه اهمیت پایینی برخوردار هستند و کمک چندانی به فرایند یادگیری الگوریتم‌های پیش‌بینی نخواهند کرد. بنابراین، رویکرد کاهش ابعاد برای حل این مساله ایجاد شده است. کاهش ابعاد، یک فرایند بسیار مهم در مرحله پیش‌پردازش داده‌ها محسوب می‌شود. در این فرایند شما با ترکیب یا ادغام، ویژگی‌های داده‌ها را به گونه‌ای کاهش می‌دهید که ویژگی‌های قابل توجه مجموعه داده اصلی از بین نروند.

در این مقاله، به مقایسه دو روش مطرح در زمینه کاهش ابعاد ( PCA و LDA ) بر روی چهار الگوریتم یادگیری ماشین (درخت تصمیم، ماشین بردار پشتیبان، نایو بیز و جنگل تصادفی) پرداخته است. با اعمال روش (PCA)، 95درصد از ویژگی‌ها حفظ شدند و تعداد متغیرهای وابسته به 26 کاهش یافت. در حالی که در روش LDA متغیرهای وابسته را به 1 کاهش می‌دهد. نتایج آزمایش ثابت می‌کند که PCA از LDA عملکرد بهتری داشته است. همچنین عملکرد دو روش طبقه‌بندی درخت تصمیم و جنگل تصادفی با اعمال کاهش ابعاد (PCA و LDA) تفاوت قابل توجهی نداشتند و حتی بدون استفاده از رویکرد کاهش ابعاد، عملکرد بهتری را ارایه کردند.