بایگانی ماهیانه: مهر ۱۳۹۶

معرفی ابزارهای جدید مایکروسافت برای ماشین لرنینگ

معرفی ابزارهای جدید مایکروسافت برای ماشین لرنینگ

از نوشته های من در سکان آکادمی

مایکروسافت هم مثل سایر شرکت‌های بزرگ فعال در زمینهٔ فناوری اطلاعات، با سرعت در حال افزایش فعالیت‌های خود در زمینهٔ ماشین لرنینگ (یادگیری ماشینی) است؛ این شرکت اخیراً ابزارهای جدیدی را معرفی کرده است که دولوپرها با استفاده از آن‌ها می‌توانند راحت‌تر از گذشته به ساخت اپلیکیشن‌ها و مدل‌های هوش مصنوعی بپردازند. ارائه‌ای از نمونه‌های آماده و نیمه‌آماده از سیستم‌های ماشین لرنینگ که به راحتی می‌توان در پروژه‌ها از آنها استفاده کرد این امکان را به برنامه‌نویسان حرفه‌ای و علاقه‌مندان به زمینه‌های هوش مصنوعی و یادگیری ماشین می‌دهد که با سرعت هرچه بیشتر ایده‌هایشان را به واقعیت تبدیل کنند و حتی دستاوردهای خود را برای فروش به بازار عرضه کنند.

سرویس‌های جدید معرفی شده توسط مایکروسافت عبارتند از:

– Azure Machine Learning Experimentation
– Azure Machine Learning Workbench
– Azure Machine Learning Model Management

همچنین برای کاربران حرفه‌ای و دولوپرهایی که از CNTK ،TensorFlow ،Theano ،Keras و Caffe2 استفاده می‌کنند نیز در ادیتور Visual Studio Code ابزارهایی معرفی شده است؛ کاربران نرم‌افزار اکسل از سری آفیس، و به طورکلی افرادی که دانش کمتری از برنامه‌نویسی و هوش مصنوعی دارند، هم می‌توانند با استفاده از موارد ارائه شده برای مدل‌های ماشین لرنینگ مبتنی بر آژور به راحتی از توابع هوش مصنوعی که پیش‌تر توسط متخصصان علوم دیتا برای آن صفحات ساخته شده است در جهت انجام فعالیت‌های خود استفاده نمایند.

معرفی سرویس Azure Machine Learning Experimentation
هدف اصلی مایکروسافت از ارائه این سرویس ارائه راه‌کارهایی کامل به برنامه‌نویسان برای افزایش سرعت انجام پروژه‌ها و البته مباحث مربوط به یادگیری و آموزش است؛ Experimentation Service از اکثر فریمورک‌های اپن‌سورس مثل PyTorch ،Caffe2 ،TensorFlow ،Cahiner و CNTK پشتیبانی می‌کند و با بهره‌مندی از کانتینرهای داکر و سرویس‌های آموزش هوش مصنوعی Azure Batch AI، می‌توان از آن در پروژه‌های کوچک و محدود به چند دستگاه لوکال گرفته تا پروژه‌های کلان و صدها GPU در بستر کلود استفاده نمود.

همچنین پشتیبانی از Apache Spark در کلاسترهای Azure HDInsight از جمله ویژگی‌های فنی است که نشان از اهمیت بسیار زیاد موضوع ماشین لرنینگ برای مایکروسافت دارد؛ علاوه بر موارد معرفی شده، امکان ذخیرهٔ دیتا در ریپازیتوری‌های گیت و‌‌ نگهداری عملکرد تمامی مدل‌ها نیز در این سرویس ارائه شده‌اند تا بهترین تجربه برای دولوپرها فراهم شود.

معرفی سرویس Azure Machine Learning Workbench
یک دسکتاپ کلاینت برای سیستم‌عامل‌های ویندوز و مک است (با توجه به فعالیت‌های اخیر مایکروسافت، تولید اپلیکیشن‌های سازگار با مکینتاش توسط این شرکت چیز جدیدی نیست!) که با توجه به گفته‌های مایکروسافت از آن می‌توان به عنوان یک کنترل پنل برای مدیریت چرخهٔ حیات توسعهٔ یک محصول نرم‌افزاری و همچنین یک گزینهٔ مناسب برای آغاز ماشین لرنینگ استفاده نمود.

این سیستم دارای قابلیت یکپارچه شدن با نوت‌بوک‌های Jupyter و ادیتورهایی مثل Visual Studio Code و PyCharm می‌باشد و به این ترتیب به دولوپرها این امکان را می‌دهد تا به راحتی مدل‌های مد نظر خود را در Python ،PySpak و Scala بسازند.

Joseph Sirosh یکی از کارشناسان برجستهٔ مایکروسافت، جذاب‌ترین ویژگی این سرویس را قابلیت تبدیل خودکار داده‌ها می‌داند که در نتیجهٔ آن الگوریتم‌های ماشین لرنینگ می‌توانند به راحتی با آن‌ها به تعامل بپردازند.

ادامه مطلب در سکان آکادمی

IBM کدهای پروژه WebSphere Liberty را به صورت اپن‌سورس منتشر کرد

IBM کدهای پروژه WebSphere Liberty را به صورت اپن‌سورس منتشر کرد

از نوشته های من در سکان آکادمی

Open Liberty از جملهٔ جدیدترین برنامه‌های شرکت IBM برای پشتیبانی از دولوپرهای جاوا به شمار می‌رود؛ دستاورد این پروژه، یک محیط بسیار سبک و کم حجم برای توسعهٔ برنامه‌های تحت وب و اپلیکیشن‌های مبتنی بر کلود است.

کدهای این پروژه در گیت‌هاب و تحت لیسانس  Eclipse Public License V1 منتشر شده و بدین ترتیب دولوپرها می‌توانند به راحتی به کامپوننت‌های پایه‌ای برای ساخت میکروسرویس‌ها و اپلیکیشن‌های جاوا دسترسی داشته باشند (در صورت تمایل به شروع یادگیری زبان برنامه‌نویسی Java، به دورهٔ آموزش زبان برنامه‌نویسی جاوا در سکان آکادمی مراجعه نمایید).

همچنین امکان ارتقاء به نسخهٔ تجاری WebSphere Liberty نیز با مزایایی نظیر پشتیبانی فنی ویژه و امکانات پیشرفته‌تر در هر زمانی برای دولوپرها فراهم است. Ian Robinson از مهندسان برجستهٔ IBM و معمار اصلی پروژهٔ WebSphere در این مورد می‌گوید:

ما امیدوارم پروژهٔ Open Liberty بتونه به دولوپرها کمک کنه تا اپلیکیشن‌های مفیدی بسازن و بتونن ایده‌های خود رو در بهترین حالت ممکن به واقعیت تبدیل کنن. ما همچنین امیدواریم خانوادهٔ WebSphere به قدری گسترده بشه که تمامی دولوپرهای جاوا در سازمان‌های کوچک و بزرگ در سراسر دنیا بتونن از مزایای آن بهره‌مند بشن و نوآوری‌های خود رو شکوفا کنن.

ادامه مطلب در سکان آکادمی

Fact-Check: امکان جدید بینگ برای بررسی صحت مطالب منتشر شده در وب

Fact-Check: امکان جدید بینگ برای بررسی صحت مطالب منتشر شده در وب

از نوشته های من در سکان آکادمی

Bing در راستای افزایش رضایت کاربران از عملکرد این موتور جستجو، برچسب Fact Check را به آیتم‌های صفحهٔ نتایج جستجوی خود اضافه کرده است؛ کاربران با استفاده از این برچسب می‌توانند اخبار و سایر صفحاتی که صحت آنها تأیید شده است را به آسانی از سایر محتواهای ارائه شده تشخیص دهند.

پیش از این در مقاله‌ای تحت عنوان Fact-Check: امکان جدید گوگل برای بررسی صحت مطالب منتشر شده در وب، به معرفی قابلیتی از گوگل پرداختیم که مطالب و اخبار را در صورتی که صحت آنها تأیید شده باشد، از سایر نتایج جستجو متمایز می‌کند. به تازگی موتور جستجوی بینگ نیز از ویژگی مشابهی در نتایج خود استفاده کرده است که در ادامه به بررسی دقیتر آن می‌پردازیم.

ارائهٔ برچسب Fact-Check به مطالب یک وب‌سایت در بینگ تنها محدود به مجموعه اخبار نمی‌شود و می‌تواند برای سایر موضوعات مثل مطالب مربوط به سلامتی، علوم، سیاست و … نیز مورد استفاده قرار گیرد.

نخستین شرط بینگ برای ارائه برچسب فکت‌چک استفاده از ساختار schema.org و مارک‌آپ ClaimReview در صفحات وب است؛ البته استفاده از این ویژگی‌ها به تنهایی عامل تأیید شدن مطلب نیست اما اگر صفحه‌ای این ساختار را نداشته باشد به احتمال زیاد در فرآیند بررسی صحت محتوا قرار نمی‌گیرد.

همچنین بینگ برای تأیید صحت یک محتوا، دیدگاه‌های سایر وب‌سایت‌ها و منابعی که دارای اعتبار قابل‌قبولی هستند مثل سازمان‌های بررسی اخبار و خبرگزاری‌های معتبر را نیز مورد بررسی قرار می‌دهد. همچنین میزان محبوبیت و نقل‌قول‌هایی که از محتوای یک صفحه ایجاد می‌شوند عامل دیگری در تعیین صحت مطالب آن صفحه است. به طور کلی، صفحات و یا محتوایی که برچسب فکت‌چک به آن‌ها تعلق می‌گیرد باید دارای ویژگی‌های زیر باشند:

– در هنگام ارائهٔ نتایج آنالیزها، باید شیوهٔ ارزیابی اطلاعات و همچنین منابع مورد استفاده در آن‌ها به طور کاملاً دقیق و شفاف توضیح داده شده باشند.

– منابعی که بخشی از محتوا به آنها تعلق دارد و همچنین ارجاعات انجام شده باید دقیقاً مشخص شده باشند.

– بخش‌هایی از محتوا که صحت آن‌ها پیش‌تر تأیید شده است و بخش‌هایی که ادعای نویسنده و یا نتایج کسب شده هستند باید به صورت کاملاً مشخص برای مخاطب قابل تشخیص باشند.

ادامه مطلب در سکان آکادمی

شبیه‌سازی بازی‌های کامپیوتری توسط هوش مصنوعی

شبیه‌سازی بازی‌های کامپیوتری توسط هوش مصنوعی

از نوشته های من در سکان آکادمی

بسیاری از شرکت‌های بازی‌سازی همواره به دنبال دولوپرهای حرفه‌ای هستند تا بتوانند پروژه‌های خود را پیاده‌سازی کنند، اما با دستاورد جدید هوش‌مصنوعی به نظر می‌رسد این موضوع در آیندهٔ نزدیک تغییر خواهد کرد!

محققان انستیتو تکنولوژی جورجیا یک سیستم هوش‌ مصنوعی را به عنوان دولوپر جدید پروژه‌های گیم معرفی کرده‌اند؛ تیم تکنولوژی جورجیا در یک مقالهٔ تحقیقاتی نشان داده‌اند که یک الگوریتم هوش‌ مصنوعی چگونه می‌تواند تنها با نگاه کردن به ویدیو یک بازی کامپیوتری و حتی بدون دسترسی به کدهای نوشته شده، به صورت کامل آن را شبیه‌سازی کند!

سیستم هوش‌ مصنوعی ساخته شده در این پروژهٔ علمی و تحقیقاتی توانسته ۲ بازی خاطره‌انگیز Super Mario و Mega Man را شبیه‌سازی کند. این شبیه‌سازی با آنالیز فریم‌به‌فریم یک فایل ویدیویی از بازی و در ادامهٔ آن ساخت یک دیکشنری بصری از مفاهیم پایه و حتی مواردی نظیر مکان آیتم‌های موجود در صفحه و سرعت حرکت آنها انجام شده است.

به گفتهٔ محققان این تیم تحقیقاتی، روش مورد استفاده در این پروژه در بررسی دقیق پیکسل‌های صفحه نمایش، یک رویکرد و دستاورد جدید به سمت یادگیری مدل‌های شبیه‌سازی به شمار می‌آید. همان‌طور که اشاره شد، این سیستم هوش مصنوعی ابتدا به بررسی هزاران فریم از بازی و آنالیز تک‌تک پیکسل‌ها و درک ارتباط بین آن‌ها می‌پردازد و در نهایت پس از کسب دانش لازم می‌تواند بازی و قوانین آن را با ایجاد یک موتور بازی‌سازی شبیه‌سازی کند. Matthew Guzdial نویسندهٔ این مقالهٔ علمی می‌گوید:

ما برای هر فریم یک پارسر در نظر گرفتیم که به جمع‌آوری اطلاعات و بررسی آیتم‌ها و موقعیت اون‌ها در صفحه می‌پردازه؛ همچنین سرعت حرکت اجسام رو توسط این سیستم آنالیز و شبیه‌سازی می‌‌کنیم. با بهره‌مندی از نتایج کسب شده توسط سیستم هوش مصنوعی در این پروژه، می‌شه عملکرد شخصیت‌ها و محیط بازی‌های مختلف نظیر Mario و Goomba رو به راحتی با یکدیگر ادغام کرد، به صورتی که در هر فریم تشکیل‌دهندهٔ بازی، شخصیت‌ها و آیتم‌های بازی‌ها با یکدیگر جابه‌جا بشن.

ادامه مطلب در سکان آکادمی

امکان تگ کردن ویدیو به Google Map اضافه شد

امکان تگ کردن ویدیو به Google Map اضافه شد

از نوشته های من در کلیک

رسانه کلیک – گوگل به تازگی و خارج از اطلاع رسانی های معمول، قابلیت جدیدی را به سرویس گوگل مپ اضافه کرده است که به کاربران این امکان را می ‌دهد تا به مکان های ثبت شده در نقشه، ویدیو هم اضافه کنند.
از این پس وقتی مکانی را در گوگل مپ جستجو می کنید در قسمتی از صفحه که پیش‌تر تصاویر مربوط به آن مکان را نمایش می داد، ویدیو مربوطه هم نشان داده می شود.
هم اکنون تنها راهنماهای محلی که پروفایل آن ها در گوگل مپ تایید شده است و به طور معمول درباره مکان های عمومی نظیر پارک ها، رستوران ها و غیره تصاویر و متن در این سرویس قرار می دهند، می توانند با استفاده از دستگاه های اندرویدی محتوای ویدیویی نیز آپلود کنند، اما پیش بینی می شود که در آینده نزدیک این امکان برای تمامی کاربران گوگل مپ نیز فراهم شود؛ بدین ترتیب شرکت ها، فروشگاه ها و غیره می توانند برای معرفی بهتر خود علاوه بر متن معرفی و تصاویر، محتوایی ویدیویی هم آپلود کنند.
گفتنی است؛ ویژگی جدید نمایش ویدیو در گوگل مپ در اواخر ماه گذشته میلادی (آگوست ۲۰۱۷) و به دور از اطلاع رسانی های معمول فعال شد و به تازگی اخبار آن در خبرگزاری ها منتشر شده است.

ادامه مطلب در click.ir

شبیه سازی بازی ماریو با استفاده از هوش مصنوعی

شبیه سازی بازی ماریو با استفاده از هوش مصنوعی

از نوشته های من در کلیک

رسانه کلیک – محققان موسسه فناوری جورجیا یک سیستم هوش مصنوعی ساخته اند که می تواند تنها با نگاه کردن به عملکرد یک فرد هنگام بازی سوپرماریو، این بازی را به صورت کامل شبیه سازی کند.
معمولا انتظار می رود که سیستم های هوش مصنوعی بعد از نگاه کردن به یک بازی بتوانند آن را به صورت خودکار بازی کنند، اما در پروژه اخیر محققان موسسه فناوری جورجیا سیستم هوش مصنوعی ساخته اند که تنها با دیدن دو دقیقه از ویدیو یک بازی دو بعدی مثل Super Mario و بدون دسترسی به کدهای آن، بازی را به صورت کامل بازسازی می کند.
این شبیه سازی بازی ماریو با بررسی دقیق و آنالیز پیکسل های تشکیل دهنده هر فریم از تصاویر بازی و تشخیص موقعیت آیتم های موجود در آن انجام می شود.
Matthew Guzdial نویسنده اصلی مقاله علمی مرتبط با این پروژه می گوید: «با استفاده از دستاوردهای هوش مصنوعی در این زمینه می توان عملکرد شخصیت ها و محیط بازی های مختلف نظیر Mario و Goomba را به راحتی با یکدیگر ادغام کرد، به طوری که در هر فریم، گیمر با موارد مربوط به یک بازی مراحل را ادامه دهد. البته نتایج این پروژه در حال حاضر محدود به بازی های دو بعدی است و استفاده از آن در محیط های واقعی تر نیازمند بررسی های بیشتری است.
همچنین این سیستم در مدت زمان کوتاهی می تواند منطق و قوانین بازی را نیز به طور کامل درک و آن ها را در نسخه شبیه سازی شده اجرا کند؛ به همین دلیل پیش بینی می شود نتایج این پروژه شبیه سازی بازی ماریو در زبان های برنامه نویسی مختلف باعث به وجود آمدن موتورهای بازی سازی جدید و متفاوتی شود که می توانند صنعت بازی سازی را به طور کامل متحول کنند.

ادامه مطلب در click.ir

انتشار نسخهٔ 3.0 کد ادیتور Sublime

انتشار نسخهٔ ۳٫۰ کد ادیتور Sublime

از نوشته های من در سکان آکادمی

بدون شک Sublime Text یکی از محبوبترین ادیتورهای کدنویسی در بین دولوپرهای حرفه‌ای است و چندی پیش شاهد عرضهٔ نسخهٔ ۳ از این نرم‌افزار محبوب بودیم و در این مطلب به بررسی ویژگی‌های جدید نسخهٔ ۳٫۰ سابلایم خواهیم پرداخت.

تغییراتی که در نخستین نگاه توجه را به خود جلب می‌کنند بیشتر مربوط به ظاهر این نرم‌افزار هستند و مواردی نظیر: آیکان جدید، تم‌های رنگی متفاوت، حرکت نرم‌تر اسکرول صفحه و … را شامل می‌شود اما این در حالی است که به طور کلی نسخهٔ ۳ به نسبت ورژن بتا ارائه شده در سپاتمبر ۲۰۱۶ و همچنین نسخهٔ ۲، از سرعت بالاتری در پردازش اطلاعات و کدهای نوشته شده برخوردار است. همچنین افزایش دقت در بررسی غلط‌های تایپی و تغییر رنگ سینتکس‌، به دولوپرها کمک می‌کند تا میزان خطاهای مربوط به زمان کدنویسی را به میزان قابل‌توجهی کاهش دهند.

Sublime Text 3.0 برای ۳ سیستم‌عامل لینوکس، مک و ویندوز ارائه شده است؛ در نسخهٔ لینوکس ریپازیتوری‌های apt ،yum ،pacman و سلکشن X11 متناسب با آپدیت‌ها به‌روزرسانی خواهند شد. در نسخهٔ مربوط به سیستم‌عامل مک، علاوه بر تغییرات ظاهری، پشتیبانی از قسمت تاچ‌بار، امکان تغییر رنگ عنوان پنجره و بهبود کارایی و هماهنگی با مرورگر از جمله مواردی هستند که تجربه بهتری را برای کاربر فراهم می‌کنند. در سیستم‌عامل ویندوز نیز پشتیبانی از فرمان‌های تاچ، بهبود عملکرد اسکرول صفحه در حالت تاچ، تشخیص سریع‌تر و دقیق‌تر تغییرات انجام شده از جمله تغییرات نسخه ۳٫۰ به نسبت نسخه‌های پیشین است.

همچنین لازم به ذکر است که لایسنس این نرم‌افزار برای کاربرانی که آن را از فوریه ۲۰۱۳ به بعد خریداری کرده‌اند در نسخهٔ ۳٫۰ نیز معتبر خواهد بود.

ادامه مطلب در سکان آکادمی