مطالب پربازدید

1405/04/06 - 17:47- جنگ سایبری

نقد و بررسی فیلم سینمایی قمارباز | فیلمی درباره هک شدن بانک سپه در جنگ دوازده روزه

قمار باز یک تریلر ایرانی محصول سال ۱۴۰۴ است که توسط محسن بهاری کارگردانی شده است. تهیه کنندگی این فیلم را سجاد نصراللهی نسب بر عهده داشته و بهجت شریف اصفهانی هم نگارش فیلمنامه را انجام داده است. کوروش تهامی، آرمین رحیمیان، امیر نوروزی و شبنم قربانی از باز

1405/05/12 - 15:10- آمریکا

تشکیل نخستین فرماندهی «چنددامنه‌ای» در نیروی زمینی آمریکا

نیروی زمینی ایالات متحده از تشکیل نخستین فرماندهی چنددامنه‌ای خود خبر داد؛ اقدامی که به‌عنوان یکی از مهم‌ترین گام‌های برنامه نوسازی نیروهای زمینی آمریکا برای آمادگی در جنگ‌های آینده ارزیابی می‌شود.

1405/06/18 - 20:26- ایران

از آسمان تا اعماق دریا؛ شکار زیردریایی پیشرفته آمریکا توسط ایران

از آسمان تا اعماق دریا؛ ایران با ارتقای یک تکنیک پیروز، زیردریایی پیشرفته آمریکا را شکار کرد.

انتشار شده در تاریخ 1397/02/19 - 16:34

اجلاس Google I/O 2018، معرفی کیت هوشمندسازی اپلیکیشن

شرکت گوگل کیت توسعه نرم افزاری جدیدی را به منظور ساده سازی ادغام برنامه ها با هوش مصنوعی معرفی کرد.

به گزارش کارگروه فناوری اطلاعات سایبربان، به نقل از «techcrunch»؛ گوگل در رویداد سالانه ی «Google I/O 2018» از «ML Kit»، کیت توسعه نرم افزار (SDK) جدیدی برای توسعه دهندگان اندروید و iOS معرفی کرد. این کیت به کاربران اجازه می دهد تعدادی از مدل های یادگیری ماشینی ارائه شده توسط شرکت نام برده را در محصولات خود ادغام کنند.

مدل های یاد شده شامل موارد پیچیده ای مانند شناسایی متن، تشخیص چهره، اسکن بارکد، برچسب گذاری تصویر و شناخت علامت ها می شود. این قابلیت ها با توجه به نوع دسترسی به شبکه و اولویت توسعه دهندگان به هر دو صورت آفلاین و آنلاین قابل استفاده هستند.

گوگل قصد دارد در چند ماه آینده دو رابط برنامه نویسی کاربردی (API) دیگر را به نمونه های فعلی اضافه کند. اولین رابط، عملکردی مشابه ویژگی پاسخ هوشمند (Smart Replies) را ارائه می دهد و دومین آنها به تشخیص چهره مربوط می شود.

یکی از ویژگی های اصلی ML Kit، رایگان بودن مدل های آفلاین آن است؛ اما این نمونه ها با محدودیت توان پردازش مواجه هستند. در مقابل الگوریتم هایی که در فضای ابری اجرا می شوند محدودیت اندازه و قدرت نداشته، به منظور استفاده از آن کاربر باید هزینه ای پرداخت کند.

برای مثال مدل های آفلاین تنها 400 تصویر را نشانه گذاری می کنند؛ اما نمونه ی آنلاین آن بیش از 10 هزار عکس را برچسب گذاری خواهد کرد. به علاوه اعلام شد الگوریتم های آفلاین، در اندروید و iOS از رابط های برنامه نویسی کاربردی استاندارد شبکه های عصبی بهره می برند.

به علت ویژگی کراس پلتفرم (Cross-platform) محصولات توسعه دهندگان دیگر نیازی نیست، نگران ایجاد مدل های اختصاصی، برای سیستم عامل های گوناگون باشند. همچنین ML Kit از مدل های «تنسورفلو لایت» (TensorFlow Lite) نیز پشتیبانی می کند.

کیت توسعه ی مذکور تحت نام «Firebase» قرار گرفته است. این موضوع نشان می دهد استفاده از الگوریتم های یادگیری ماشینی برای توسعه دهندگان ساده تر خواهد شد. البته مدل های موجود در Firebase و تنسور فلو لایت قابلیت کار به صورت آفلاین را ندارند. به همین دلیل گوگل سعی در بهینه سازی آنها دارد.

Paragraphs