loading...

هوش مصنوعی

بازدید : 183
يکشنبه 23 آذر 1399 زمان : 20:23

طراحی گرافیکی و شیوه های نوین آن

روند فعلی طراحی گرافیک امروز تحت تأثیر همه چیز از فناوری موجود برای ایجاد تصاویر جذاب تر و پاسخگو ، گرفته تا رفتار خرید مشتریان خاص است. به هر حال ، با تغییر ترجیحات مخاطبان ، تصاویری که برای ساختن برند خود استفاده می کنید نیز تکامل می یابد و شیوه های نوین برای آن ایجاد می گردد. باید به این نکته دقت داشته باشید که هر چقدر هم که محصول یا پیام شما جذاب باشد اگر طراحی گرافیکی مناسبی نداشته باشد تاثیر چندانی نخواهد داشت. اگرچه هر زمان مد و روند جدیدی ایجاد می شود ، تغییر طراحی ها خوب نیست ، اما مهم است که در جریان صنعت قرار بگیرید. دانش اولیه از روندهای فعلی در طراحی گرافیک به شما کمک می کند تا یک تصویر “مناسب” و حرفه ای برای برند خود ارائه دهید.

طراحی گرافیکی چیست و شیوه های نوین آن کدامند ؟

طراحی گرافیکی مهارت ایجاد محتوای بصری برای رساندن پیام ها است. با استفاده از تکنیک سلسله مراتب و طرح بندی صفحه های بصری،تایپوگرافی و تصاویر طراحان گرافیک نیازان مشتریان خود را برآورده می کنند. طراحان گرافیکی تمرکز خود را بر منطق نمایش عناصر در طرح های تعاملی برای بهینه سازی تجربه کاربر می گذارند. با پیشرفت امکانات طراحی به لطف ورود فناوری جدید ، فضای گرافیک مطمئناً در سالهای آینده هیجان انگیزتر خواهد شد. این فرصت های جدید بسیاری را برای برندهایی که به دنبال تغییر چهره خود هستند فراهم می کند. با این حال ، مهم است که زیاد پایبند این روند های جدید نباشید.صرف جدید بودن چیزی به این معنی نیست که برای شرکت شما بهتر است. هنگام بررسی روندهای مدرن طراحی گرافیک ، بهتر است با کمی تردید به هر مفهوم بپردازید. به عنوان مثال ، از خود بپرسید:

آیا پذیرفتن این روندها در طراحی گرافیکی مشکلی را برای مشتریان یا من حل می کند؟

آیا این روندها به تعامل کمک می کند یا صدمه می زند؟

آیا در حال حاضر شرکت هایی مانند من با موفقیت از این روند استفاده می کنند؟

این روندهای جدید طراحی گرافیکی چگونه با هویت برند فعلی شما سازگار است؟

پاسخ دادن به این س سوالات به شما کمک می کند تا تصمیم بگیرید که آیا فقط برای پرش به باند از یک روند استقبال می کنید یا گامی را برای شرکت خود ارزشمند بر می دارید.

از رنگ ها برای برند خود استفاده کنید

رنگ در طراحی گرافیک یک رکن اساسی است. چه در حال ایجاد یک وب سایت باشید ، چه در حال طراحی لوگوی نام تجاری خود ، رنگ های مناسب حکایت از برجسته بودن دارایی های بصری شما و نوع تأثیر احساسی شما بر مخاطبان خود دارند. در گذشته ، بسیاری از شرکت ها به رنگهای “آشکار” صنعت خود پایبند بودند. به عنوان مثال ، رنگ آبی به ویژه به دلیل توانایی پرورش احساس اعتماد ، محبوبیت خاصی دارد. با این حال ، شرکت های امروزی در هنگام مطابقت با طرح های گرافیکی مدرن ، شروع به کشف رنگ های کمتر متعارف می کنند. سایه های ملایم و خنثی شروع به جایگزینی با رنگ های روشن تر و تصاویر در رنگ می کنند.

تایپوگرافی فوق العاده و فونت های خارق العاده

همانطور که انتخاب مناسب رنگ از شخصیت برند شما پشتیبانی می کند ، تایپوگرافی نیز در دنیای طراحی گرافیک نقش بسزایی دارد. شکل ، اندازه و ماهیت فونت مورد استفاده شما در تبلیغات ویدئویی، رسانه چاپی و وب سایت ، به هویت برند شما عمق می بخشد.فونت های Serif معمولاً مارک های پیشرفته و حرفه ای را نشان می دهند ، در حالی که فونت های sans-serif مدرن تر و غیررسمی هستند. علاوه بر این ، نوع پررنگ یا همان bold جلب توجه می کند و بیانگر اعتماد به نفس شماست. یکی از بزرگترین روندهای طراحی گرافیک که در سال 2018 مشاهده شد ، تقاضای بیشتر برای فونت های دست نویس بود. در حالی که شرکت ها تلاش می کنند تا در یک محیط بیش از حد اشباع خودنمایی کنند ، فونت های دست نویس، عنصر اضافی برای تمایز را به مارک ها می دهند ، اگرچه برای همه مناسب نیستند.

تصاویر سفارشی

حال که صحبت از این است که روند طراحی گرافیک برای تمایز بسیار مناسب است ، بسیاری از مشاغل مدرن شروع به آزمایش تصاویر و نمادهای سفارشی می کنند. شرکت های امروزی طراحی را به عنوان یک مفهوم عملی و هم روش انتقال شخصیت منحصر به فرد خود تجربه می کنند. به هر حال ، مصرف کنندگان مدرن نمی خواهند محصولات و خدمات را از یک شرکت بی نام خریداری کنند. مشتریان امروز می خواهند ارتباطات واقعی با مارک های مورد علاقه خود برقرار کنند و این بدان معنی است که شرکت ها باید در ایجاد یک تصویر “انسانی” تلاش بیشتری کنند.

طراحی گرافیکی شیوه های نوین آن
با ویرا سگال کارو همراه باشید

بازدید : 142
يکشنبه 23 آذر 1399 زمان : 20:07

کشاورزی و هوش مصنوعی

طبق گفته شرکت بین المللی داده (IDC) ، هزینه های جهانی برای هوش مصنوعی بیش از 50 درصد افزایش می یابد و تا سال 2021 تقریباً به 58 میلیارد دلار می رسد. نیمی از هزینه های جهان به ابزارها و ماشین آلات هوش مصنوعی اختصاص خواهد یافت و این امر به خاطر تغییر در سبک زندگی ، تولید و امور مالی و بانکی است. یکی از صنعت هایی که هوش مصنوعی به آن وارد شده کشاورزی است. در کارهای باغبانی و کشاورزی به طور فزاینده ای از چت بات ها و ابزارهای مجهز به هوش مصنوعی استفاده می شود. به ویژه در آسیا و آمریکای جنوبی. با گذراندن دوره های هوش مصنوعی که به آنها کمک می کند جنبه پیچیده و آینده نگرانه هوش مصنوعی را درک کنند ، تعداد بیشتری از افراد در مورد هوش مصنوعی و برنامه های باغبانی آن یاد می گیرند.

چرا از هوش مصنوعی در کشاورزی و باغبانی باید استفاده کنیم ؟

تشخیص و رفع اشکالات

باغداران و کشاورزان در سراسر جهان با مشکلاتی مانند حشرات و آفات ناخواسته که محصولات زراعی را می خورند ، عدم آگاهی از آفت کش مناسب برای محصولات خود ، عدم اطلاع از زمان مناسب برای کاشت محصول خاص ، عدم درک کمبود تغذیه محصول و بلد نبودن نحوه خرید تجهیزات برای مزارع مواجه هستند. گیاهان می توانند از طریق آب ، هوا، و خاک به بیماری هایی مبتلا شوند که در نبود کارشناس متخصص می تواند تشخیص داده نشود و مشکلاتی را برای مزرعه و باغداران ایجاد کند. امروزه هوش مصنوعی می تواند مشکلات واقعی را تشخیص دهد و در امر کشت کمک کند. هوش مصنوعی همچنین در انجام اقداماتی از قبیل مدیریت و بازرسی محصول ، آبیاری گیاه و سمپاشی سموم دفع آفات کمک خواهد کرد. این فناوری تعاملی ، شهودی و آموزشی است ، و موجب می شود که سیستم هوشمند تر و آینده نگر تر شود.

راهکار های هوش مصنوعی

از طریق رباتیک کشاورزی ، نظارت بر خاک و گیاهان ، و با انجام پیش بینی های پشتیبانی شده از داده ها ، هوش مصنوعی در زمینه کشاورزی و کشاورزی در حال ظهور است. داده های خاک و داده های عملکرد محصول ذخیره می شود و برای تولید الگوریتم هایی که تصمیم می گیرند آب و نور در اختیار گیاه قرار گیرد یا خیر ، تجزیه و تحلیل می شود. دانشمندان حدس می زنند که تا سال 2050 جمعیت کره زمین به نه میلیارد نفر خواهد رسید که این امر موجب می شود تا برای افزایش 70 % محصولات کشاورزی به هوش مصنوعی روی آورده شود. همچنین با استفاده از این فناوری می توان کشاورزی شهری را گسترش داد تا افراد بتوانند محصولات مورد نیاز خود را تولید کنند.

آینده کشاورزی با هوش مصنوعی

غذای بیشتر با مصرف آب و منابع کمتر

در مواقع کمبود آب ، استفاده از هوش مصنوعی در کشاورزی و باغبانی، به صرفه جویی در مصرف آب کمک می کند. این سیستم ها از انرژی خورشیدی برای عملکرد استفاده می کند ، بنابراین راهی بدون آلودگی نیز هستند. کشاورزی هوشمند بازده سرمایه گذاری را به حداکثر می رساند و آن را به یک انتخاب هوشمندانه اقتصادی تبدیل می کند.

صنعت کشاورزی غیرمتمرکز

اگر سناریو یک آرمانشهر عملی شود و اگر هرکس از گزینه های قابل حمل کشاورزی در خانه استفاده کند ، خواه یک شهرک شهری باشد یا روستایی ، این صنعت به طور عملی منحل می شود.

غذای تازه و سالم بر سر سفره ها

محصولات مزرعه ای با استفاده ناچیز از سموم دفع آفات و علف کش ها برای از بین بردن آفات در خانه پرورش داده می شوند. غذاخوری ها می توانند مواد اولیه خود را پرورش دهند و ظرف چند ساعت پس از برداشت از آنها استفاده کنند.

غذای ارزانتر

از آنجا که گیاهان در خانه پرورش می یابند ، کشورها مجاز به واردات محصولات غذایی در سطح بین المللی نخواهند بود. صنایع غذایی بسیار محلی و آزمایشی خواهند شد. مردم قادر خواهند بود گیاهان مورد نیاز خود را به جای خرید با نرخ های گران از بازار، تولید کنند.

حضور کشاورزی در مناطق غیر حاصلخیز جهان

كشاورزی عمودی در مناطق خشك ، نيمه خشك و خشکسالی جهان ، يا توليد محصولات زراعی محدود و گونه های نادر، كاربرد مستقيم دارد.

از این رو بسیاری از شرکت هایی که در زمینه هوش مصنوعی فعالیت می کنند در این صنعت سرمایه گذاری کرده اند تا بتوانند در آینده نه چندان دور محصولات تغذیه ای در کره زمین را تامین کنند.

تفاوت سئو کلاه سفید و سیاه

بازدید : 153
يکشنبه 23 آذر 1399 زمان : 18:57

تفاوت سئو کلاه سفید و سیاه

شاید به نظر شما این اصطلاح ها بسیار عجیب و غریب باشند اما در واقع تفاوت سئو کلاه سفید و کلاه سیاه فقط و فقط در روش ها وتکنیک هایی است که استفاده می شود. در واقع این اصطلاح ها از 1920 و در صنعت سینما شکل گرفت که برای قهرمان داستان کلاه سفید و برای افراد شرور کلاه سیاه در نظر گرفته می شد تا مخاطب بتواند این دو را تشخیص دهد. از آن زمان به بعد از این اصطلاح در زمینه های بسیاری استفاده شد که یکی از آنها سئو می باشد. اگر بخواهیم ساده توضیح دهیم سئو کلاه سفید با استفاده از راه های قانونی صورت می پذیرد و سئو کلاه سیاه شامل استفاده از تاکتیکهایی که مغایر با دستورالعملهای موتورهای جستجو گرفته و فعالیتهای خطرناک تر است. این روش ها ممکن است که کارآمد باشند اما همیشگی نیستند.

تفاوت میان سئو کلاه سفید و کلاه سیاه در چیست؟

برای اینکه به خوبی متوجه این تفاوت بشوید باید به نکاتی توجه داشته باشید. به طور کلی سئو و یا بهینه سازی موتور جستجو فرآیند بهبود کیفیت و کمیت ترافیک بازدید کننده به یک وب سایت یا یک صفحه وب از طریق موتورهای جستجو است.

سئو کلاه سفید

سئو کلاه سفید به استفاده از تکنیک ها و استراتژی هایی گفته می شود که مخاطبان انسانی مخالف موتور جستجو را هدف قرار می دهند. تکنیک هایی که به طور معمول در سئو کلاه سفید استفاده می شود شامل استفاده از کلمات کلیدی و تجزیه و تحلیل کلمات کلیدی ، انجام تحقیقات ، بازنویسی برچسب های متا برای ارتباط بیشتر آنها با مطلب ، لینک دادن مجدد ، ایجاد لینک و همچنین نوشتن محتوا برای خوانندگان انسانی است. کسانی که از SEO کلاه سفید استفاده می کنند انتظار دارند که در دراز مدت در وب سایت خود سرمایه گذاری کنند ، زیرا نتایج طولانی مدت است. و در مدت زمان کوتاه مشهود نیست.

سئو کلاه سیاه

سئو کلاه سیاه به تکنیک ها و استراتژی هایی گفته می شود که برای دستیابی به رتبه بندی بالاتر جستجو و با نقض قوانین موتور جستجو استفاده می شوند. سئو کلاه سیاه فقط بر روی موتورهای جستجو تمرکز دارد و نه مخاطبان انسانی. سئو کلاه سیاه به طور معمول توسط افرادی که به دنبال بازخورد بالای سریع برای سایت خود هستند ، به جای سرمایه گذاری طولانی مدت در سایت خود استفاده می شود. برخی از تکنیک های مورد استفاده در سئو کلاه سیاه عبارتند از: پر کردن کلمات کلیدی ، تولید لینک ، نوشتارها و پیوندهای پنهان و ارسال هرزنامه به محتوای وبلاگ. پیامدهای سئو کلاه سیاه ممکن است منجر به ایجاد ممنوعیت سایت شما در موتور جستجو شود و به عنوان جریمه ای برای استفاده از روش های غیراخلاقی ، از فهرست بندی خارج شود.

مزایای سئو وبسایت چیست؟

سئو به صاحبان مشاغل کوچک کمک می کند تا یک وب سایت سریعتر ، روان و کاربرپسندتر ایجاد کنند. اگرچه اکثر مردم هنوز به تعریف قدیمی SEO نگاه نمی کنند و فکر می کنند که این فقط بهینه سازی برای موتورهای جستجو است ، اما امروزه SEO همچنین به بهبود تجربه کاربر نیز کمک می کند.SEO احتمالاً کارآمدترین و مقرون به صرفه ترین استراتژی بازاریابی است که امروزه وجود دارد. علاوه بر این ، فقط مشتریانی را به ارمغان می آورد که فعالانه بدنبال یافتن محصول یا خدمات شما هستند. وب سایت های بهینه سازی شده سریعتر بارگیری می شوند ، خواندن و گشت و گذار در آنها آسان است و تقریباً در همه انواع دستگاه ها از جمله تلفن همراه و تبلت به درستی نمایش داده می شوند. وب سایت هایی که خواندن و پیمایش آنها آسان است احتمالاً توجه خوانندگان یا بازدیدکنندگان شما را جلب می کند که این یعنی به احتمال زیاد مشتری های وفادار ، مشترکان و بازدیدکنندگان برگشتی شما می شوند.یکی از مزایای کسب رتبه های بالاتر در SERP ایجاد آگاهی از برند است. هنگامی که سایت های شما در صفحه اول موتورهای جستجوی اصلی مانند Google ، Yahoo و Bing ظاهر می شوند ، مشتریان بالقوه شما بیشتر از برندهای دیگر که حضور قوی در وب ندارند ، به نام شما اعتماد می کنند ، زیرا اصطلاح خاصی را جستجو می کنند. این کار باعث می شود که شما نسبت به رقیبان خود برتری داشته باشید.

تفاوت سئو کلاه سفید و سیاه

با ویرا سگال کارو همراه باشید

بازدید : 153
يکشنبه 23 آذر 1399 زمان : 18:39

تفاوت هوش مصنوعی و اتوماسیون

در برخی از مواقع افراد هوش مصنوعی و اتوماسیون را با هم اشتباه می گیرند اما باید توجه داشت که تفاوت هایی میان این دو وجود دارد. دکتر مارک نسیلا ، مدیر تحلیلی FNB برای بانکداری مصرف کننده ، توضیح می دهد که اختلاف اصلی این است که هوش مصنوعی تصمیمات و اقدامات هوش انسانی را تقلید می کند ، در حالی که اتوماسیون بر ساده سازی کارهای تکراری و آموزنده تمرکز دارد. وی افزود: اتوماسیون مدت زمانی است که وجود داشته است و احتمالاً آنقدر در بیشتر فعالیت های تجاری ادغام شده است که دیگر قابل تشخیص نیست به عنوان مثال ، تولید خودکار ایمیل های بازاریابی و پیام کوتاه به مشتریان از نمونه های اتوماسیون می باشد.”

تعریف هوش مصنوعی و اتوماسیون و تفاوت میان آنها

اگر بخواهیم خیلی ساده به اختلاف میان این دو اشاره کنیم اتوماسیون نرم افزاری است که از قوانین از پیش برنامه ریزی شده پیروی می کند. هوش مصنوعی برای شبیه سازی تفکر انسان طراحی شده است. آنچه هم سیستم های خودکار را هدایت می کند و هم هوش مصنوعی همان چیزی است که مشاغل را پیش می برد: داده ها. ماشین های خودکار داده ها را جمع می کنند و سیستم های هوش مصنوعی آن را “درک” می کنند.

هوش مصنوعی علم ایجاد ماشین هایی است که وظیفه دارند مشکلات را حل کنند و برخی از کارهایی را انجام دهند که پردازش آنها برای مغز انسان پیچیده باشد. از طرف دیگر ، اتوماسیون استفاده از فناوری برای اتوماسیون فرآیندها با حداقل دخالت انسان یا بدون آن است. اتوماسیون توانایی ماشین ها در انجام کارهایی است که انجام آنها توسط انسان غیرممکن یا دشوار است در حالی که هوش مصنوعی شبیه سازی هوش انسان است. تمرکز هوش مصنوعی بر ایجاد ماشین های بسیار هوشمند برای انجام وظایفی است که به معنای طبیعی تفکر یا رفتار هوشمندانه نامیده می شوند. این علم و مهندسی ساخت ماشین آلات به اندازه کافی هوشمند است که می تواند از هوش و رفتار انسان تقلید کند. ایده پشت هوش مصنوعی ایجاد فناوری است که به کامپیوترها و ماشین آلات اجازه می دهد مانند انسان فکر کنند ، مانند انسان رفتار کنند و از آنها بیاموزند. هدف اصلی اتوماسیون ساده سازی و تسریع در انجام کارهای متداول و تکراری برای افزایش بهره وری و کارایی تولید ، با درگیری کمتر یا بدون درگیری انسان است.

مثال هایی از هوش مصنوعی و اتوماسیون

نمونه هایی از هوش مصنوعی شامل برنامه های اشتراک تاکسی مانند Uber و Lyft ،تشخیص گفتار ، حل مسئله ، یادگیری ماشین ، دسته بندی ایمیل هوشمند ، فیلترهای هرزنامه ، دستگاه های Alexa Alexa ، Chatbots ، Apple’s Siri ، Google Now ، Internet of Things ، جستجوی پیش بینی Google ، توصیه های محصول و موارد دیگر می باشد.

نمونه هایی از اتوماسیون شامل پر کردن خودکار فرم ، پشتیبانی مشتری ، امضاهای دیجیتالی ، مونتاژ خودکار ، تجزیه و تحلیل کارمندان ، بانکداری آنلاین ، پردازش پرداخت ، ماشین آلات کنترل عددی ، ربات های کنترل مواد ، سیستم های بزرگراهی ، مدیریت خودکار پسماند ، خرده فروشی خودکار ، نظارت تصویری و غیره است. یکی از نمونه های متداول سیستم خودکار ، ترموستات مورد استفاده در لوازم خانگی است.

در نهایت ، یادگیری ماشین می تواند عناصر اتوماسیون را در خود داشته باشد اما توانایی پاسخگویی پویا به ورودی های تغییر یافته باعث می شود که یادگیری ماشین برای بسیاری از فرایندهایی که می توانند خودکار شوند ، بیش از حد خوب باشد. از آنجا که پیشرفت های فن آوری ایجاد فرآیندهای یادگیری ماشین را آسان تر می کند ، ممکن است یادگیری ماشین در رویه های خودکار به به شکست منجر شود. در حال حاضر ، یادگیری ماشینی برای روشهای کار در صنعت متناسب است و اتوماسیون همچنان اصل غالب در استفاده از فناوری در تجارت است.

در نهایت هوش مصنوعی می تواند نوعی اتوماسیون ، رباتیک و نرم افزار باشد سه زمینه ای که گزارش اتوماسیون روی آنها تمرکز کرده است.

طراحی سایت

بازدید : 149
شنبه 26 مهر 1399 زمان : 11:41

هوش مصنوعی و داده کاوی

هوش مصنوعی

در هوش مصنوعی و یادگیری ماشینی ، داده کاوی یا کشف دانش در پایگاه های اطلاعاتی ،

استخراج غیرمعمول اطلاعات ضمنی ، از قبل ناشناخته و بالقوه مفید از داده ها .است. در این

رویکرد از روش های آماری استفاده می شود که باعث می شود روندها و سایر روابط در

پایگاه های داده بزرگ شناسایی شوند. دلیل عمده اینکه داده کاوی جلب توجه کرده است،

دسترسی گسترده به داده های عظیم و نیاز به تبدیل این داده ها به اطلاعات و دانش مفید

می باشد. از این اطلاعات به دست آمده می تواند برای برنامه های مختلف مانند نظارت بر

ریسک ، مدیریت تجارت ، کنترل تولید ، تجزیه و تحلیل بازار ، مهندسی و اکتشاف علوم

استفاده شود.

انواع تکنیک ها و روش های داده کاوی در هوش مصنوعی


به طور کلی سه روش داده کاوی وجود دارد. یکی از این روش ها تجزیه وتحلیل هم بستگی است.

کشف قوانین تداعی گرایی است که شرایط مقدار ویژگی را نشان می دهد که اغلب با هم در یک

مجموعه داده خاص رخ می دهد. تجزیه و تحلیل همبستگی به طور گسترده ای برای شناسایی همبستگی

محصولات جداگانه در سبد خرید استفاده می شود. تجزیه و تحلیل رگرسیوندومین گزینه در این زمینه

است. تحلیل رگرسیون مدل هایی را ایجاد می کند که متغیرهای وابسته را از طریق تجزیه و تحلیل

متغیرهای مستقل توضیح می دهند. به عنوان مثال ، پیش بینی عملکرد فروش محصول می تواند با

همبستگی قیمت محصول و سطح متوسط درآمد مشتری ایجاد شود. نوع آخر طبقه بندی و پیش بینی

است. طبقه بندی فرآیند طراحی مجموعه ای از مدل ها برای پیش بینی کلاس اشیایی است که برچسب

کلاس آنها ناشناخته است. مدل مشتق شده ممکن است در اشکال مختلف ، مانند قوانین اگر- پس (if-then)

، درخت تصمیم ، یا فرمول های ریاضی نشان داده شود. درخت تصمیم یک نمودار است که ساختاری شبیه به

درخت دارد که در آن هر گره یک آزمون را روی مقدار ویژگی نشان می دهد ، هر شاخه نشان دهنده نتیجه

آزمایش است و هر برگ درخت یک کلاس یا کلاس توزیع را نشان می دهد. درختان تصمیم را می توان به

قوانین طبقه بندی تبدیل کرد. برای پیش بینی برچسب کلاس داده می توان از طبقه بندی استفاده کرد.

پیش بینی شامل شناسایی روند توزیع بر اساس داده های موجود می باشد.

فرایند داده کاوی
هوش مصنوعی و داده کاوی دو معقوله ای هستند که از هم نمی توان جدا کرد. فرایند داده کاوی شامل یک

توالی تکراری از این مراحل است:

انسجام و تمیز کردن داده ها برای حذف ناهنجاری ها و داده های متناقض
ادغام داده ها به گونه ای که ممکن است چندین منبع داده با هم ترکیب شوند
انتخاب داده که در آن داده های مربوط به تجزیه و تحلیل بازیابی می شود
تبدیل داده ها در جایی که داده ها به فرم های مناسب استخراج تلفیق می شوند
برای استخراج الگوها جدید، از الگوها و تکنیک های آماری استفاده می شود
ارزیابی الگو برای شناسایی الگوهای جالب نشان دهنده اطلاعات
از تکنیک های تجسم برای ارائه اطلاعات استخراج شده به کاربران استفاده می شود

محدودیت های داده کاوی
وارد شدن و خارج شدن اطلاعات با کیفیت پایین به داده کاوی نسبت داده می شود زیرا

زیرا کیفیت اطلاعات به دست آمده از داده کاوی به کیفیت داده های تاریخی بستگی دارد.

ما می دانیم که مغایرت داده ها و برخورد با چندین منبع داده مشکلات بزرگی را در مدیریت

داده ایجاد می کند. تکنیک های تمیز کردن داده ها برای مقابله با شناسایی و از بین بردن

خطاها و ناسازگاری ها برای بهبود کیفیت داده ها استفاده می شود. با این حال ، تشخیص

این ناسازگاری ها بسیار دشوار است. چگونه می توانیم تبادلی را شناسایی کنیم که به

اشتباه به عنوان مشکوک برچسب گذاری شده است؟ یادگیری از داده های نادرست منجر

به مدل های نادرست می شود محدودیت دیگر داده کاوی این است که فقط اطلاعات محدود به

مجموعه خاص داده های تاریخی را استخراج می کند و پاسخ ها را فقط می توان با توجه به

روندهای قبلی آموخته شده از داده ها بدست آورد و تفسیر کرد. این توانایی فرد را برای بهره مندی

از روندهای جدید محدود می کند. از آنجا که درخت تصمیم به طور خاص در مجموعه داده های

تاریخی آموزش دیده است ، شخصی سازی درخت را در بر نمی گیرد. علاوه بر این ، داده کاوی

غیر افزایشی است و در هنگام تولید سازگار نیست.

مزایای داده کاوی
داده کاوی به شرکت های بازاریابی کمک می کند مدل هایی را بر اساس داده های تاریخی بسازند

تا پیش بینی کنند چه کسی به فعالیت های بازاریابی جدید مانند نامه های مستقیم ، کمپین بازاریابی

آنلاین و غیره پاسخ خواهد داد. از طریق نتایج ، بازاریابان رویکرد مناسبی در فروش محصولات

سودآور به مشتریان هدف خواهند داشت. داده کاوی همانند بازاریابی ، مزایای زیادی را برای

شرکت های خرده فروشی به همراه دارد. از طریق تجزیه و تحلیل سبد بازار ، یک فروشگاه می تواند

یک ترتیب تولید مناسب داشته باشد به گونه ای که مشتریان بتوانند خرید مکرر محصولات دلپذیر را

دارا باشند. علاوه بر این ، همچنین به شرکت های خرده فروشی کمک می کند تا تخفیف های خاصی

را برای محصولات خاص ارائه دهند که مشتریان بیشتری را به خود جلب کند. داده کاوی به موسسات

مالی اطلاعاتی در مورد وام و گزارشگری اعتبار می دهد. با ساخت یک مدل از داده های مشتری تاریخی ،

بانک و موسسه مالی می توانند وام های خوب و بد را تعیین کنند. علاوه بر این ، داده کاوی به بانک ها کمک

می کند تا معاملات جعلی کارت اعتباری را برای محافظت از صاحب کارت اعتباری شناسایی کنند. با استفاده

از داده کاوی در داده های مهندسی عملیاتی ، تولید کنندگان می توانند تجهیزات معیوب را شناسایی کرده و

پارامترهای کنترل بهینه را تعیین کنند. به عنوان مثال ، تولیدکنندگان نیمه هادی این چالش را دارند که حتی شرایط

محیط های تولید در کارخانه های مختلف تولید ویفر مشابه است ، کیفیت ویفر بسیار یکسان است و برخی به دلایل

نامعلوم حتی دارای نقص هستند. داده کاوی برای تعیین دامنه پارامترهای کنترلی که منجر به تولید ویفر طلایی

می شود مورد استفاده قرار گرفته است. سپس از آن پارامترهای کنترل بهینه برای تولید ویفر با کیفیت مطلوب

استفاده می شود.

طراحی سایت

بازدید : 172
سه شنبه 8 مهر 1399 زمان : 17:04

انواع هوش مصنوعی

هوش مصنوعی

با کمک انواع هوش مصنوعی امروزه این فناوری نه تنها با ما صحبت می کند بلکه اتومبیل ها را

کنترل می کند بازی های کامپیوتری انجام می دهد و تمام این کار ها را بهتر از ما انسان ها

انجام می دهد. به نظر می رشد که در مدت زمان کوتاهی هوش مصنوعی ذدر میان ما راه برود.

دیدگاه متداول و مکرر آخرین موفقیت در تحقیقات هوش مصنوعی این است که ماشین های هوشمند

به زودی در دسترس همگان قرار خواهند گرفت. گزارش جدید کاخ سفید در مورد هوش مصنوعی

دیدگاه کاملاً بدبینانه ای در مورد این رویا دارد. این گزارش می گوید که طی 20 سال آینده به احتمال

زیاد در ماشین آلات “اطلاعات کاملاً قابل اجرا قابل مقایسه با انسانها یا بیش از آنها” مشاهده نخواهد شد.

انواع هوش مصنوعی کدامند ؟
ماشین های واکنش پذیر

ابتدایی ترین انواع سیستم های هوش مصنوعی کاملاً واکنشی هستند و نه توانایی تشکیل خاطرات و نه استفاده

از تجربیات گذشته برای اطلاع رسانی تصمیمات فعلی را دارند. Deep Blue ، ابر رایانه شطرنج باز IBM

، که در اواخر دهه 1990 استاد بزرگ بین المللی گری کاسپاروف را شکست داد ، نمونه عالی این نوع ماشین ها است.

Deep Blue می تواند مهره های روی صفحه شطرنج را شناسایی کرده و از نحوه حرکت هر یک مطلع شود. این

کامپیوتر می تواند پیش بینی کند که ممکن است حریف چه حرکات بعدی داشته باشد. و می تواند بهینه ترین حرکت ها

را از بین احتمالات انتخاب کند.اما هیچ مفهومی از گذشته و هیچ خاطره ای از آنچه قبلاً اتفاق افتاده ندارد. جدا از

یک قانون خاص شطرنج که به ندرت استفاده می شود که در مورد تکرار سه بار حرکت مشابه است ، Deep Blue

همه چیز را قبل از لحظه حال نادیده می گیرد. تمام آنچه که انجام می دهد این است که به مهره های موجود

در صفحه شطرنج در حال حاضر نگاه می کند و حرکت های بعدی را انتخاب می کند. این مدل از انوع هوش مصنوعی

جهان را به صورت مستقیم درک می کند و براساس آنچه می بیند عمل می کند. این نوع از هوش به مفهوم درونی جهان

متکی نیست. در یک مقاله اساسی ، رادنی بروکس ، محقق هوش مصنوعی استدلال کرد که ما فقط باید ماشین هایی از این

دست بسازیم. دلیل اصلی او این بود که مردم در برنامه نویسی دقیق دنیاهای شبیه سازی شده برای استفاده کامپیوترها

مهارت ندارند ، چیزی که در بورس تحصیلی AI “نمایندگی” جهان نامیده می شود.

حافظه محدود

این کلاس نوع دوم از انواع هوش منصوعی شامل ماشین هایی است که می توانند به گذشته نگاه کنند. اتومبیل های

خودران هم اکنون برخی از اسین کارها را انجام می دهند به عنوان مثال ، آنها سرعت و جهت اتومبیل های دیگر

را مشاهده می کنند.این کار فقط در یک لحظه امکان پذیر نیست ، بلکه به شناسایی اشیا به صورت خاص و نظارت

بر آنها در طول زمان نیاز دارد. این مشاهدات به المان های از پیش برنامه ریزی شده اتومبیل های خودران اضافه

می شوند که شامل خط کشی خیابان ها ، چراغ راهنمایی و سایر عناصر مهم مانند پیچ های جاده می شوند. هنگامی

که اتومبیل تصمیم می گیرد که خط عوض کند یا از تصادف با سایر اتومبیل ها کهدر جهات گوناگون حرکت می کنند

جلوگیری کند، تمامی مواردی را که ذکر شد را مد نظر قرار می دهد. اما این اطلاعات ساده درباره گذشته فقط گذرا

هستند. آنها به عنوان بخشی از کتابخانه تجربه اتومبیل که می تواند از آن یاد بگیرد عمل نمی کنند، شیوه ای که انسان ها

در هنگام رانندگی به آن صورت عمل می کنند.

نظریه ذهن

در این نقطه تفاوت بین ماشین هایی که تا کنون ساخته ایم و ماشین هایی که در آینده آنها را خواهیم ساخت مشخص می شود.

ماشین آلات در کلاس بعدی که پیشرفته تر است ، نه تنها تمثال هایی را درباره جهان دارند ، بلکه عوامل یا موجودیت های دیگر

در جهان را نیز تشخیص می دهند. در روانشناسی ، این “تئوری ذهن” نامیده می شود مفهوم این تئوری درک این مسئله است که

افراد موجودات و اشیا می توانند استدلال و احساسات منحصر به فرد خود را داشته باشند گکه بر روی رفتار و عملکرد خودشان

تاثیر می گذارد. این نوع درک برای چگونگی تشکیل جوامع انسانی بسایر حیاتی است. بدون داشتن همچون درکی از اطراف و

فهمیدن قصد از انجام کار های مختلف،در بهترین حالت تشکیل جوامع بسیار سخت خواهد وبود و در بدترین حالت تشکیل جوامع

غیر ممکن می شود. اگر سیستم های هوش مصنوعی واقعاً بخواهند در میان ما گام بردارند ، باید بتوانند درک کنند که هر یک از

ما افکار و احساسات و انتظاراتی از نحوه رفتار با ما داریم. و آنها باید رفتار خود را متناسب با آن تنظیم کنند.

خود آگاهی

مرحله آخر توسعه هوش مصنوعی ساخت سیستم هایی است که بتوانند بازنمایی و خود آگاهی درباره خودشان ایجاد کنند. درنهایت ،

محققان هوش مصنوعی نه تنها باید هوشیاری را درک کنند بلکه باید ماشین هایی بسازند که دارای آن باشند. این عملکرد، به تعبیری ،

شاخه ای از “نظریه ذهن” است که توسط هوش مصنوعی نوع سوم اعمال می شود. به یک دلیل به آگاهی “خودآگاهی” نیز گفته می شود.

برای مثال وقتی می گوییم من آن مورد را می خواهم یک جمله بسیار متفاوتی نسبت به من می دانم که آن مورد را می خواهم است.

موجودات هوشیار از خود آگاه هستند ، از حالات درونی خود اطلاع دارند و قادر به پیش بینی احساسات دیگران هستند. ما تصور می کنیم

شخصی که در ترافیک پشت سر ما بوق می زند عصبانی یا بی تاب است ، زیرا وقتی برای دیگران بوق می زنیم چنین احساسی داریم.

بدون نظریه ذهن ، ما نمی توانیم چنین استنباط هایی داشته باشیم.

تعداد صفحات : 0

درباره ما
موضوعات
آمار سایت
  • کل مطالب : 43
  • کل نظرات : 0
  • افراد آنلاین : 1
  • تعداد اعضا : 0
  • بازدید امروز : 2
  • بازدید کننده امروز : 1
  • باردید دیروز : 0
  • بازدید کننده دیروز : 0
  • گوگل امروز : 0
  • گوگل دیروز : 0
  • بازدید هفته : 5
  • بازدید ماه : 17
  • بازدید سال : 72
  • بازدید کلی : 7210
  • <
    پیوندهای روزانه
    اطلاعات کاربری
    نام کاربری :
    رمز عبور :
  • فراموشی رمز عبور؟
  • خبر نامه


    معرفی وبلاگ به یک دوست


    ایمیل شما :

    ایمیل دوست شما :



    کدهای اختصاصی