در این مطلب، ویدئو هوش مصنوعی با پایتون توضیح داده شد | پایتون برای هوش مصنوعی | آموزش هوش مصنوعی ML | Edureka Live با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:47:35
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:05,520 –> 00:00:07,600
ظهر همگی بخیر این ankit
2
00:00:07,600 –> 00:00:08,240
اینجا
3
00:00:08,240 –> 00:00:10,559
خوش آمدید از طرف edureka لطفا به
4
00:00:10,559 –> 00:00:13,759
من اطلاع دهید اگر می توانید صدای من را بشنوید
5
00:00:14,480 –> 00:00:17,279
از تأیید شما متشکرم پس
6
00:00:17,279 –> 00:00:18,640
بگذارید با موضوع امروز شروع کنیم
7
00:00:18,640 –> 00:00:21,279
که هوش مصنوعی با
8
00:00:21,279 –> 00:00:23,680
پایتون است
9
00:00:23,680 –> 00:00:28,800
که چند نفر از شما از نور مصنوعی استفاده می کنید
10
00:00:28,960 –> 00:00:31,840
چند نفر از شما از
11
00:00:31,840 –> 00:00:33,440
نور مصنوعی استفاده کردهاید، میدانم که این یک سؤال بسیار احمقانه است،
12
00:00:33,440 –> 00:00:34,640
13
00:00:34,640 –> 00:00:36,559
اما من فقط از همه شما میپرسم که چند نفر از
14
00:00:36,559 –> 00:00:38,399
شما از نور مصنوعی استفاده کردهاید،
15
00:00:38,399 –> 00:00:40,399
بدیهی است که همه شما در حال حاضر دقیقاً در حال استفاده از
16
00:00:40,399 –> 00:00:41,920
17
00:00:41,920 –> 00:00:44,480
لپتاپ یا تلفن همراه خود هستید، بنابراین
18
00:00:44,480 –> 00:00:46,000
واضح است که
19
00:00:46,000 –> 00:00:48,320
دسترسی دارید. به الکتریسیته و ممکن است
20
00:00:48,320 –> 00:00:49,600
از نور استفاده کنید
21
00:00:49,600 –> 00:00:53,039
درست است آیا ما حتی فکر می کنیم در حین استفاده از
22
00:00:53,039 –> 00:00:59,840
نور مصنوعی
23
00:01:00,960 –> 00:01:03,440
نمی دانم فکر می کنم در ضمیر ناخودآگاه ما
24
00:01:03,440 –> 00:01:05,040
روشن شدن مانند
25
00:01:05,040 –> 00:01:07,280
روشن کردن برق خاموش کردن
26
00:01:07,280 –> 00:01:08,479
27
00:01:08,479 –> 00:01:11,840
برق همه چیز در ذهن ماست همین
28
00:01:11,840 –> 00:01:13,920
الان ضمیر ناخودآگاه ما حتی
29
00:01:13,920 –> 00:01:15,600
در حال حاضر دو بار در مورد آن فکر نمی کنیم
30
00:01:15,600 –> 00:01:19,439
، همان چیزی
31
00:01:19,439 –> 00:01:22,880
است که در مورد هوش مصنوعی وجود دارد،
32
00:01:22,880 –> 00:01:26,000
بنابراین در حال حاضر اگر
33
00:01:26,000 –> 00:01:29,200
به تازگی سه چهار سال را ببینیم.
34
00:01:29,200 –> 00:01:32,560
همه ما بر اساس
35
00:01:32,560 –> 00:01:36,079
هوش طبیعی خود تصمیم
36
00:01:37,759 –> 00:01:39,520
می گرفتیم، امیدوارم که شما
37
00:01:39,520 –> 00:01:41,360
دیدگاهی در مورد چگونگی فکر
38
00:01:41,360 –> 00:01:42,880
39
00:01:42,880 –> 00:01:46,079
40
00:01:46,079 –> 00:01:48,240
41
00:01:48,240 –> 00:01:50,399
کردن در مورد هوش مصنوعی
42
00:01:50,399 –> 00:01:52,840
داشته باشید. امیدوارم این به شما این ایده را بدهد
43
00:01:52,840 –> 00:01:54,720
44
00:01:54,720 –> 00:01:57,040
که تمام تصمیمات ما قبلاً
45
00:01:57,040 –> 00:01:59,280
مبتنی بر هوش طبیعی بوده است، یعنی
46
00:01:59,280 –> 00:02:02,960
چگونه تجربیات خود را از زندگی آموزش داده ایم،
47
00:02:02,960 –> 00:02:05,439
بنابراین در شغل شما می دانید که تصمیمات ما
48
00:02:05,439 –> 00:02:07,520
هر دو بر اساس تجربه بوده است،
49
00:02:07,520 –> 00:02:10,080
اما اکنون جهان به سمت داده ها در حال حرکت است.
50
00:02:10,080 –> 00:02:10,560
51
00:02:10,560 –> 00:02:13,680
52
00:02:13,680 –> 00:02:16,959
بنابراین در حال حاضر تصمیمات مبتنی بر داده
53
00:02:16,959 –> 00:02:20,319
در حال حاضر به منظور
54
00:02:20,319 –> 00:02:23,120
اتخاذ تصمیمات مبتنی بر داده اتخاذ
55
00:02:23,120 –> 00:02:26,000
می
56
00:02:26,000 –> 00:02:26,400
57
00:02:26,400 –> 00:02:30,080
58
00:02:30,080 –> 00:02:32,400
59
00:02:32,400 –> 00:02:34,319
60
00:02:34,319 –> 00:02:36,720
شوند. در
61
00:02:36,720 –> 00:02:37,920
یک
62
00:02:37,920 –> 00:02:40,879
مدل کاشته می شود و این مدل در سر یا
63
00:02:40,879 –> 00:02:42,959
در تصمیمات ما به عنوان یک
64
00:02:42,959 –> 00:02:46,000
هوش مصنوعی کاشته می شود، بنابراین اساساً برای
65
00:02:46,000 –> 00:02:49,200
ما خوب است زیرا ما از نور مصنوعی به طور مشابه استفاده می کنیم.
66
00:02:49,200 –> 00:02:50,160
ما از هوش مصنوعی استفاده خواهیم کرد،
67
00:02:50,160 –> 00:02:54,480
68
00:02:54,959 –> 00:02:59,040
بنابراین امروز می خواهیم در مورد
69
00:02:59,040 –> 00:03:05,280
هوش مصنوعی
70
00:03:05,280 –> 00:03:07,440
بیاموزیم که چگونه این هوش مصنوعی را به کار بگیریم،
71
00:03:07,440 –> 00:03:08,959
درست به شما گفتم که
72
00:03:08,959 –> 00:03:10,720
هوش مصنوعی در یک مدل ذخیره می شود،
73
00:03:10,720 –> 00:03:11,760
74
00:03:11,760 –> 00:03:13,840
اکنون این سوال پیش می آید که چگونه
75
00:03:13,840 –> 00:03:16,640
این مدل را بسازیم
76
00:03:16,959 –> 00:03:20,239
. این مدل با
77
00:03:20,239 –> 00:03:24,159
استفاده از زبان پایتون ساخته شده
78
00:03:24,879 –> 00:03:27,440
است به همین دلیل موضوع امروز
79
00:03:27,440 –> 00:03:29,760
هوش مصنوعی با پایتون
80
00:03:29,760 –> 00:03:32,319
است.
81
00:03:32,319 –> 00:03:33,280
82
00:03:33,280 –> 00:03:35,680
83
00:03:35,680 –> 00:03:36,560
84
00:03:36,560 –> 00:03:41,120
85
00:03:41,120 –> 00:03:42,799
86
00:03:42,799 –> 00:03:45,040
87
00:03:45,040 –> 00:03:48,959
ما تحت تاثیر بسیاری از ai هستیم
88
00:03:48,959 –> 00:03:51,440
حالا اجازه بدهید مثالی بزنم اگر
89
00:03:51,440 –> 00:03:53,760
باید از a به b
90
00:03:53,760 –> 00:03:55,760
درست بروید اولین کاری که انجام میدهید و
91
00:03:55,760 –> 00:03:57,840
مسیرها
92
00:03:57,840 –> 00:04:00,560
را نمیدانید، مسیرها را درست نمیدانید چه
93
00:04:00,560 –> 00:04:04,560
کاری انجام دهید. شما کاری را انجام می دهید که به طور طبیعی به شما می رسد
94
00:04:04,560 –> 00:04:07,680
نقشه گوگل به طور مشابه
95
00:04:07,680 –> 00:04:11,360
در نقشه گوگل درست نقشه گوگل همچنین
96
00:04:11,360 –> 00:04:12,400
به ما می گوید که چقدر
97
00:04:12,400 –> 00:04:14,480
تخمین زده می شود تا از a به b برسیم،
98
00:04:14,480 –> 00:04:16,959
بنابراین فرض کنید آنها 50 دقیقه
99
00:04:16,959 –> 00:04:20,478
درست است مدلی که
100
00:04:20,478 –> 00:04:24,400
50 دقیقه را پیشنهاد می کند اکنون آنقدر دقیق است
101
00:04:24,400 –> 00:04:26,160
که اگر بیشتر اوقات
102
00:04:26,160 –> 00:04:27,440
بین
103
00:04:27,440 –> 00:04:30,800
45 تا 50 دقیقه و 55 دقیقه
104
00:04:30,800 –> 00:04:33,040
درست برسید، آنقدر دقیق شده است که
105
00:04:33,040 –> 00:04:34,400
در واقع
106
00:04:34,400 –> 00:04:36,479
زمان درست را پیش بینی می کند که چقدر طول می کشد.
107
00:04:36,479 –> 00:04:38,560
بدیهی است که عوامل دیگری وجود دارد
108
00:04:38,560 –> 00:04:41,199
که با استفاده از داده های دیگران میزان ترافیک را بررسی می کند،
109
00:04:41,199 –> 00:04:43,360
اما در پایان شما
110
00:04:43,360 –> 00:04:45,120
یک مدل دقیق دریافت می کنید،
111
00:04:45,120 –> 00:04:48,400
می توانم بگویم تصمیم شما برای رفتن از a
112
00:04:48,400 –> 00:04:49,120
به b
113
00:04:49,120 –> 00:04:51,040
در واقع تحت تاثیر چیزی
114
00:04:51,040 –> 00:04:52,800
به نام نقشه گوگل بوده است
115
00:04:52,800 –> 00:04:54,840
، فکر می کنم این به شدت در حال حاضر اتفاق می افتد.
116
00:04:54,840 –> 00:04:56,720
درست است
117
00:04:56,720 –> 00:04:59,919
همچنین بسیاری از ما اکنون می دانیم که
118
00:04:59,919 –> 00:05:03,280
آیا شما به یک رستوران جدید می روید
119
00:05:03,280 –> 00:05:06,639
قبلاً
120
00:05:06,639 –> 00:05:08,639
قبلاً تجربه کسی به ما می گفت
121
00:05:08,639 –> 00:05:10,320
خوب است رستوران خوبی است دوست شما می
122
00:05:10,320 –> 00:05:12,160
گوید هی رستوران جدیدی وجود دارد که
123
00:05:12,160 –> 00:05:14,639
می توانید بروید و آن را بررسی کنید. اما
124
00:05:14,639 –> 00:05:16,720
اکنون چه میکنید، آیا فقط به چنین
125
00:05:16,720 –> 00:05:20,000
شنیدههایی وابسته هستید،
126
00:05:20,000 –> 00:05:21,759
نه، میروید و در مورد آن رستوران جستجو میکنید
127
00:05:21,759 –> 00:05:23,360
و نظرات رستوران را به
128
00:05:23,360 –> 00:05:25,039
129
00:05:25,039 –> 00:05:26,960
درستی دریافت میکنید، هیچکس نمیتواند بدون خواندن این رستوران به آنجا برود.
130
00:05:26,960 –> 00:05:28,800
او بررسی می کند مگر اینکه خیلی
131
00:05:28,800 –> 00:05:30,880
ضروری باشد
132
00:05:30,880 –> 00:05:34,479
درست است، بنابراین می توانیم بگوییم
133
00:05:34,479 –> 00:05:38,479
هوش طبیعی شما در مورد رفتن
134
00:05:38,479 –> 00:05:41,280
به این رستوران جدید توسط هوش مصنوعی پشتیبانی شده
135
00:05:41,280 –> 00:05:42,160
136
00:05:42,160 –> 00:05:45,039
است
137
00:05:45,199 –> 00:05:48,080
درست این دقیقا همان چیزی است که در
138
00:05:48,080 –> 00:05:48,960
139
00:05:48,960 –> 00:05:50,880
حال حاضر از نظر فنی هوش مصنوعی است که ممکن است مردم به شما
140
00:05:50,880 –> 00:05:52,720
141
00:05:52,720 –> 00:05:54,560
توضیح دهند. برای همین ما نیز
142
00:05:54,560 –> 00:05:55,840
این کار را انجام خواهیم داد
143
00:05:55,840 –> 00:05:57,840
اما اساساً اینگونه است که شما باید
144
00:05:57,840 –> 00:06:00,319
هوش مصنوعی را به
145
00:06:00,319 –> 00:06:03,919
وضوح درک کنید و دوباره چرا من در مورد پایتون صحبت می کنم
146
00:06:03,919 –> 00:06:04,880
147
00:06:04,880 –> 00:06:06,960
زیرا برای ایجاد این
148
00:06:06,960 –> 00:06:08,400
هوش مصنوعی
149
00:06:08,400 –> 00:06:11,039
زبانی مانند زبانی که من
150
00:06:11,039 –> 00:06:13,360
با شما در ارتباط هستم انگلیسی است.
151
00:06:13,360 –> 00:06:15,280
پس زبانی که در اینجا قرار است
152
00:06:15,280 –> 00:06:17,759
از آن استفاده
153
00:06:18,840 –> 00:06:21,759
کنیم پایتون است،
154
00:06:21,759 –> 00:06:23,520
درست است که من با شما به زبان انگلیسی ارتباط برقرار میکنم
155
00:06:23,520 –> 00:06:25,440
زیرا اکثر شما از
156
00:06:25,440 –> 00:06:27,360
پیشینه انگلیسی زبان هستید،
157
00:06:27,360 –> 00:06:30,080
به طور مشابه اکثر مردم جهان
158
00:06:30,080 –> 00:06:31,840
159
00:06:31,840 –> 00:06:32,720
160
00:06:32,720 –> 00:06:36,720
با استفاده از پایتون هوش مصنوعی ایجاد میکنند، بنابراین ما باید یاد بگیریم.
161
00:06:36,800 –> 00:06:40,080
همچنین نیازی نیست روی آن تاکید کنم، اما
162
00:06:40,080 –> 00:06:44,160
پایتون رایگان است،
163
00:06:44,160 –> 00:06:46,160
وقتی میگویم رایگان است، زبان رایگان است، بنابراین باز است. بنابراین
164
00:06:46,160 –> 00:06:47,840
این کلمه فنی برای آن
165
00:06:47,840 –> 00:06:50,240
خوب است، بنابراین برای نصب پایتون نیازی به پرداخت هیچ هزینه ای ندارید،
166
00:06:50,240 –> 00:06:51,680
167
00:06:51,680 –> 00:06:53,919
بر خلاف زبان های دیگر، در بسیاری از
168
00:06:53,919 –> 00:06:55,599
زبان ها که باید
169
00:06:55,599 –> 00:06:58,720
در اینجا هزینه کنید، نیازی به پرداخت ندارید خوب،
170
00:06:58,720 –> 00:07:00,720
اکنون متوجه خواهیم شد که چگونه ایجاد می کنیم
171
00:07:00,720 –> 00:07:02,720
یا چه چیزی آیا ابزارهایی که
172
00:07:02,720 –> 00:07:03,520
173
00:07:03,520 –> 00:07:07,440
برای ایجاد ai در پایتون باید یاد بگیرند صحیح هستند،
174
00:07:07,440 –> 00:07:09,680
بنابراین امیدوارم هدف امروز برای
175
00:07:09,680 –> 00:07:12,160
همه روشن باشد،
176
00:07:12,319 –> 00:07:17,840
امروز متوجه خواهیم شد که
177
00:07:19,759 –> 00:07:24,960
چگونه ai می تواند
178
00:07:24,960 –> 00:07:31,680
با استفاده از
179
00:07:31,680 –> 00:07:35,120
زبان پایتون
180
00:07:35,120 –> 00:07:38,319
درست شود، اکنون اینطور نیست که ai
181
00:07:38,319 –> 00:07:40,080
را فقط با استفاده از او بسازیم. python
182
00:07:40,080 –> 00:07:41,520
زبانهای دیگری در راه است،
183
00:07:41,520 –> 00:07:45,039
مانند شما میدانید جولیان و غیره
184
00:07:45,039 –> 00:07:48,479
در حال حاضر ما از بسیاری از زبانهای شما
185
00:07:48,479 –> 00:07:50,720
در دنیا استفاده میکنیم، به همین دلیل است که ما میخواهیم پایتون را همین
186
00:07:50,720 –> 00:07:52,160
الان درک کنیم، بسیار
187
00:07:52,160 –> 00:07:55,280
خوب و برای
188
00:07:55,280 –> 00:07:56,479
پنج سال آینده فکر میکنم
189
00:07:56,479 –> 00:07:59,680
پایتون اینجاست تا بمانید، ما
190
00:07:59,680 –> 00:08:00,240
نیازی به
191
00:08:00,240 –> 00:08:03,599
نگرانی در مورد آن
192
00:08:04,319 –> 00:08:06,319
نداریم، پس مقدمه ای بر
193
00:08:06,319 –> 00:08:07,360
هوش مصنوعی که چرا
194
00:08:07,360 –> 00:08:09,840
پایتون برای ai اکنون به شما یک
195
00:08:09,840 –> 00:08:10,800
196
00:08:10,800 –> 00:08:13,199
درک بسیار غیرمستقیم داده ام، درک بسیار شهودی
197
00:08:13,199 –> 00:08:14,560
، فکر می کنم با این
198
00:08:14,560 –> 00:08:15,759
درک شما در موقعیت بهتری خواهید بود
199
00:08:15,759 –> 00:08:16,560
200
00:08:16,560 –> 00:08:20,720
که خیلی چیزها را درک کنید،
201
00:08:21,039 –> 00:08:24,160
اما اجازه دهید از لحاظ فنی ai را هم
202
00:08:24,160 –> 00:08:27,120
بفهمیم که چرا پایتون برای ai ویژگی های
203
00:08:27,120 –> 00:08:29,199
پایتون و بسته های پایتون برای ai
204
00:08:29,199 –> 00:08:34,000
چیست، اکنون مشخص است که
205
00:08:34,479 –> 00:08:37,279
اگر بتوانم بگویم از
206
00:08:39,120 –> 00:08:42,320
کدام زبان استفاده می کنیم. برای ایجاد ai
207
00:08:42,320 –> 00:08:44,080
ما از پایتون استفاده می کنیم، بنابراین متوجه می شویم
208
00:08:44,080 –> 00:08:45,920
که چرا python برای ai
209
00:08:45,920 –> 00:08:48,160
در حال حاضر اگر همین سوال را از شما بپرسم
210
00:08:48,160 –> 00:08:49,839
این خواهد بود که چرا من از انگلیسی استفاده می کنم
211
00:08:49,839 –> 00:08:51,279
212
00:08:51,279 –> 00:08:54,560
چرا از انگلیسی استفاده می کنم
213
00:08:54,560 –> 00:08:58,640
تا چیزها را به شما توضیح دهم.
214
00:08:58,640 –> 00:09:00,399
با استفاده از
215
00:09:00,399 –> 00:09:02,160
پایتون آیا همه شما متوجه می شوید که من می
216
00:09:02,160 –> 00:09:02,640
217
00:09:02,640 –> 00:09:04,640
گویم، زبان های دیگری
218
00:09:04,640 –> 00:09:07,519
مانند golang
219
00:09:07,519 –> 00:09:10,640
julia وجود دارد و همچنین
220
00:09:10,640 –> 00:09:13,760
بسیاری از ai را می توان با استفاده از جاوا
221
00:09:13,760 –> 00:09:16,560
درست کرد، اما ما پایتون را برای ایجاد ai انتخاب کرده ایم
222
00:09:16,560 –> 00:09:17,600
223
00:09:17,600 –> 00:09:21,839
زیرا این
224
00:09:21,839 –> 00:09:23,839
زبان پرکاربردترین زبان در حال حاضر برای آ.آی
225
00:09:23,839 –> 00:09:25,360
این همان روشی است که من از
226
00:09:25,360 –> 00:09:26,560
انگلیسی برای توضیح استفاده
227
00:09:26,560 –> 00:09:28,959
میکنم، این همان روشی است که پایتون برای هوا استفاده میشود،
228
00:09:28,959 –> 00:09:30,000
خوب
229
00:09:30,000 –> 00:09:32,000
دوم اینکه چه ویژگیهای پایتون
230
00:09:32,000 –> 00:09:33,440
آن را بسیار جهانی میکند،
231
00:09:33,440 –> 00:09:36,640
مانند ویژگیهای انگلیسی
232
00:09:36,640 –> 00:09:38,959
آن را بسیار جهانی میکند، زیرا al
233
00:09:38,959 –> 00:09:40,880
234
00:09:40,880 –> 00:09:43,519
مردم اهمیت استفاده انگلیسی از انگلیسی را درک کردهاند
235
00:09:43,519 –> 00:09:44,560
236
00:09:44,560 –> 00:09:47,360
و همچنین یکی از زبانهای رسمی
237
00:09:47,360 –> 00:09:48,000
238
00:09:48,000 –> 00:09:50,320
هند است، بنابراین اکثر ما در هند از
239
00:09:50,320 –> 00:09:51,440
240
00:09:51,440 –> 00:09:54,080
بستههای پایتون مناسب انگلیسی برای ai استفاده میکنیم، بنابراین چه بخشی از
241
00:09:54,080 –> 00:09:54,800
پایتون
242
00:09:54,800 –> 00:09:57,600
را میتوان برای ai استفاده کرد، خب حالا پایتون میتواند
243
00:09:57,600 –> 00:09:59,200
همچنین برای توسعه وب استفاده شود
244
00:09:59,200 –> 00:10:00,959
این زبانی است که برای توسعه وب استفاده می شود
245
00:10:00,959 –> 00:10:02,800
همچنین
246
00:10:02,800 –> 00:10:04,720
درست زبانی است که برای ساخت بازی ها استفاده می شود
247
00:10:04,720 –> 00:10:07,440
248
00:10:08,240 –> 00:10:10,160
همچنین زبانی است که برای ایجاد
249
00:10:10,160 –> 00:10:11,920
نرم افزار نیز استفاده می
250
00:10:11,920 –> 00:10:14,240
شود اما ما به این چیزها علاقه نداریم
251
00:10:14,240 –> 00:10:15,200
252
00:10:15,200 –> 00:10:17,600
درست است آیا شما به این علاقه مند خواهید شد نه
253
00:10:17,600 –> 00:10:19,360
ما میخواهیم بفهمیم که از کدام بستههای پایتون
254
00:10:19,360 –> 00:10:20,399
255
00:10:20,399 –> 00:10:23,600
برای ai استفاده میشود، ما از
256
00:10:23,600 –> 00:10:25,760
python استفاده خواهیم کرد، امروز تمرکز
257
00:10:25,760 –> 00:10:27,600
خواهیم کرد که اگر زمانی باشد برای هوا استفاده
258
00:10:27,600 –> 00:10:29,360
میشود، من همچنین به شما
259
00:10:29,360 –> 00:10:31,360
چند مورد عملی میدهم، فقط به شما نشان
260
00:10:31,360 –> 00:10:33,600
میدهم نسخه ی نمایشی عملی به طوری که شما
261
00:10:33,600 –> 00:10:34,880
این ایده را دریافت کنید
262
00:10:34,880 –> 00:10:39,200
خوب
263
00:10:39,519 –> 00:10:41,600
مقدمه ای عالی برای ai من قبلاً آن را ارائه داده ام،
264
00:10:41,600 –> 00:10:44,079
اما بیایید آن را از نظر فنی
265
00:10:44,079 –> 00:10:48,880
به طور اساسی ببینیم همانطور که قبلاً گفتم.
266
00:10:49,519 –> 00:10:52,079
267
00:10:52,079 –> 00:10:52,640
268
00:10:52,640 –> 00:10:55,279
269
00:10:55,279 –> 00:10:56,079
ارزش بیشتری
270
00:10:56,079 –> 00:10:58,640
داشتید، فرض کنید باید تصمیم بگیرید
271
00:10:58,640 –> 00:10:59,519
همانطور که توضیح دادم
272
00:10:59,519 –> 00:11:01,839
حالا بیایید به یک محیط رسمی
273
00:11:01,839 –> 00:11:04,000
فکر کنیم، فرض کنید شما همان
274
00:11:04,000 –> 00:11:07,600
کارخانه ای هستید که می
275
00:11:07,600 –> 00:11:10,959
دانید یک کارخانه شیمیایی را
276
00:11:10,959 –> 00:11:13,519
راه اندازی می کنید.
277
00:11:13,519 –> 00:11:15,760
278
00:11:15,760 –> 00:11:18,959
بنابراین وقتی به شما می گویم
279
00:11:18,959 –> 00:11:19,360
280
00:11:19,360 –> 00:11:20,959
باید خوشحال باشید من شما را
281
00:11:20,959 –> 00:11:23,200
لاغر کرده ام
282
00:11:24,560 –> 00:11:26,560
پس همه شما اکنون در چشمان من بسیار لاغر هستید،
283
00:11:26,560 –> 00:11:27,600
خوب
284
00:11:27,600 –> 00:11:31,920
به عنوان یک چوب دیده می شود، اما به هر حال پس
285
00:11:31,920 –> 00:11:33,680
اکنون اگر مجبور باشید در کارخانه شیمیایی تصمیم بگیرید، به
286
00:11:33,680 –> 00:11:35,120
287
00:11:35,120 –> 00:11:37,680
شما وابسته خواهید شد. در مورد کسی که می گوید
288
00:11:37,680 –> 00:11:42,000
آن کارخانه را به مدت 25 سال کار کرده است،
289
00:11:42,000 –> 00:11:43,360
درست فرض کنید شما باید
290
00:11:43,360 –> 00:11:45,360
تصمیم بگیرید که به سراغ شما بروید
291
00:11:45,360 –> 00:11:47,760
به شخصی که 25 سال تجربه
292
00:11:47,760 –> 00:11:50,959
اداره آن کارخانه را دارد، باید
293
00:11:50,959 –> 00:11:52,399
به این
294
00:11:52,399 –> 00:11:53,920
موضوع پرداخت کنید. باید
295
00:11:53,920 –> 00:11:55,680
برای کارخانه شیمیایی خود مشاوری بگیرید که
296
00:11:55,680 –> 00:11:57,040
به سراغ کسی خواهید رفت
297
00:11:57,040 –> 00:11:59,519
که تجربه خوبی دارد، درست است
298
00:11:59,519 –> 00:12:01,120
فکر می کنم همین اتفاق
299
00:12:01,120 –> 00:12:02,560
در حال حاضر در حال رخ دادن است، شما به اینجا آمده اید
300
00:12:02,560 –> 00:12:05,120
تا از کسی که تجربه خوبی دارد یاد بگیرید
301
00:12:05,120 –> 00:12:07,600
. اگر در زمینه هوش مصنوعی کار می کنم
302
00:12:07,600 –> 00:12:12,959
اکنون به طور
303
00:12:13,360 –> 00:12:15,680
مشابه دنیا تغییر کرده است که من
304
00:12:15,680 –> 00:12:19,440
از این تجربه کمک
305
00:12:20,320 –> 00:12:22,720
خواهم گرفت، اما همچنین می خواهم از یک هوش مصنوعی پشتیبانی کنم
306
00:12:22,720 –> 00:12:25,200
307
00:12:25,200 –> 00:12:27,839
که
308
00:12:29,040 –> 00:12:31,760
309
00:12:33,279 –> 00:12:36,839
تمام داده های
310
00:12:36,839 –> 00:12:40,079
گذشته را درک کرده باشد، برای دست خط بد متاسفم.
311
00:12:40,079 –> 00:12:43,040
در 25 سال گذشته
312
00:12:43,040 –> 00:12:45,920
چند نفر از شما این را دریافت می کنید که در
313
00:12:45,920 –> 00:12:47,680
دنیای امروز ما فقط به
314
00:12:47,680 –> 00:12:50,000
تجربه وابسته نیستیم، همچنین به
315
00:12:50,000 –> 00:12:53,600
علاوه به علاوه ai نیاز داریم، خوب
316
00:12:53,600 –> 00:12:56,880
اکنون این ai که می تواند تمام
317
00:12:56,880 –> 00:12:58,560
داده های 25 سال گذشته را درک
318
00:12:58,560 –> 00:13:01,600
کند باید ایجاد شود که
319
00:13:01,600 –> 00:13:04,079
چگونه ایجاد می شوند. چرا آنها
320
00:13:04,079 –> 00:13:05,519
ابتدا ایجاد می شوند زیرا قبلاً
321
00:13:05,519 –> 00:13:06,800
قدرت محاسباتی بیشتری
322
00:13:06,800 –> 00:13:08,959
داشتیم ، ما قبلاً
323
00:13:08,959 –> 00:13:11,040
قدرت محاسباتی برای ایجاد
324
00:13:11,040 –> 00:13:11,760
چنین مدل
325
00:13:11,760 –> 00:13:13,920
هایی نداشتیم ، اما اکنون
326
00:13:13,920 –> 00:13:16,720
الگوریتم های بهتری داریم زیرا قدرت خوبی
327
00:13:16,720 –> 00:13:19,360
برای حل معادلات ریاضی داریم ،
328
00:13:19,360 –> 00:13:20,720
همچنین بهتر است
329
00:13:20,720 –> 00:13:24,720
الگوریتمها اوکی هستند، بنابراین با این دو ما
330
00:13:24,720 –> 00:13:26,079
یک ai ایجاد کردیم،
331
00:13:26,079 –> 00:13:27,760
حالا زبانی
332
00:13:27,760 –> 00:13:29,040
که برای ایجاد آن استفاده کردهایم چیست،
333
00:13:29,040 –> 00:13:30,480
334
00:13:30,480 –> 00:13:34,079
اکنون بر اساس این هوش به اضافه
335
00:13:34,079 –> 00:13:36,480
تجربیات شما، از زبان پایتون استفاده کردهایم. پس چه خواهید کرد
336
00:13:36,480 –> 00:13:38,959
، تصمیمات خود را
337
00:13:39,040 –> 00:13:42,399
می گیرید، تصمیمات خود را می گیرید
338
00:13:42,399 –> 00:13:43,839
که آیا می خواهید در این کارخانه شیمیایی سرمایه گذاری کنید
339
00:13:43,839 –> 00:13:45,600
یا می خواهید از آن خارج شوید
340
00:13:45,600 –> 00:13:47,279
،
341
00:13:47,279 –> 00:13:48,639
بنابراین اکنون به
342
00:13:48,639 –> 00:13:50,720
343
00:13:50,720 –> 00:13:52,560
تعریف رسمی تئوری و توسعه سیستم های کامپیوتری می رسیم که
344
00:13:52,560 –> 00:13:54,880
قادر به انجام آن هستند. انجام کارهایی
345
00:13:54,880 –> 00:13:57,600
که معمولاً به هوش انسانی نیاز دارند،
346
00:13:57,600 –> 00:13:58,399
مانند
347
00:13:58,399 –> 00:14:00,720
ادراک بصری تشخیص گفتار
348
00:14:00,720 –> 00:14:02,560
تصمیم گیری و ترجمه بین
349
00:14:02,560 –> 00:14:04,079
زبان
350
00:14:04,079 –> 00:14:06,720
ها به عنوان ai شناخته می شود، بنابراین من اکنون به شما توضیح می دهم،
351
00:14:06,720 –> 00:14:07,839
352
00:14:07,839 –> 00:14:17,199
بنابراین این توضیح
353
00:14:17,199 –> 00:14:20,560
فنی در حال حاضر است، بنابراین در حال حاضر از لحاظ فنی
354
00:14:20,560 –> 00:14:24,480
ai شامل همه این قسمت ها است.
355
00:14:24,480 –> 00:14:28,079
356
00:14:28,079 –> 00:14:31,839
می توان ایجاد کرد
357
00:14:32,000 –> 00:14:36,079
با استفاده از یادگیری ماشینی می توان ایجاد کرد بسیار
358
00:14:36,079 –> 00:14:38,959
359
00:14:39,199 –> 00:14:41,760
خوب اکنون می دانم که بسیاری از شما ممکن است
360
00:14:41,760 –> 00:14:43,680
تعاریف مختلفی را خوانده باشید، بسیار از
361
00:14:43,680 –> 00:14:45,360
شما ممکن است خوانده باشید
362
00:14:45,360 –> 00:14:47,120
که من از آن برای توضیح به دانش آموزانم استفاده نمی کنم،
363
00:14:47,120 –> 00:14:48,639
اما بسیاری از شما ممکن
364
00:14:48,639 –> 00:14:50,160
است با این تعاریف درک کرده باشید.
365
00:14:50,160 –> 00:14:52,079
یک جورهایی می دانید نمودارهای جریانی که
366
00:14:52,079 –> 00:14:53,360
این در
367
00:14:53,360 –> 00:14:55,600
داخل این است، شما باید یادگیری ماشینی
368
00:14:55,600 –> 00:14:56,800
در داخل آن داشته باشید،
369
00:14:56,800 –> 00:14:58,720
یادگیری عمیق دارید و سپس شما چیزی علم داده دارید
370
00:14:58,720 –> 00:15:00,160
371
00:15:00,160 –> 00:15:01,680
. اگر این نوع
372
00:15:01,680 –> 00:15:04,320
نقشهها همه در یوتیوب
373
00:15:04,320 –> 00:15:08,000
در بسیاری از دورههای آموزشی و غیره وجود دارد، بسیار خوب است،
374
00:15:08,000 –> 00:15:11,040
من به این تکیه نمیکنم،
375
00:15:11,040 –> 00:15:12,480
آن را به این صورت توضیح دادم
376
00:15:12,480 –> 00:15:16,000
که اکنون میخواهید ai را ایجاد کنید
377
00:15:16,000 –> 00:15:18,160
، ابزارهایی که برای ایجاد ai یک دارید چیست؟
378
00:15:18,160 –> 00:15:19,440
یادگیری ماشینی
379
00:15:19,440 –> 00:15:21,920
یکی یادگیری عمیق است همانطور که به شما گفتم
380
00:15:21,920 –> 00:15:22,800
381
00:15:22,800 –> 00:15:26,000
اینها ماژول های مختلف یا
382
00:15:26,000 –> 00:15:29,120
شاخه های مختلف هوش مصنوعی شما هستند، بسیار خوب بنابراین
383
00:15:29,120 –> 00:15:31,759
بینایی کامپیوتری این است که بخشی از هوش مصنوعی شما
384
00:15:31,759 –> 00:15:33,279
مانند مغز ما
385
00:15:33,279 –> 00:15:36,000
بخشی از مغز ما به گوش ما نگاه می کند و تصمیم می گیرد.
386
00:15:36,000 –> 00:15:37,279
387
00:15:37,279 –> 00:15:39,519
گوش می دهد و سپس مغز ما
388
00:15:39,519 –> 00:15:40,959
آن را پردازش می
389
00:15:40,959 –> 00:15:45,519
کند به طور مشابه به تقلید که
390
00:15:45,519 –> 00:15:49,600
شبیه به تقلید است که چه کار کنیم به
391
00:15:49,600 –> 00:15:52,800
طور مشابه تقلید کنیم که ai شاخه های مختلفی دارد
392
00:15:52,800 –> 00:15:53,759
393
00:15:53,759 –> 00:15:57,759
اگر می خواهید از چشم انسان تقلید کنید
394
00:15:59,040 –> 00:16:01,759
اگر می خواهید تقلید کنید من از این کلمه
395
00:16:01,759 –> 00:16:02,639
چشم انسان استفاده می
396
00:16:02,639 –> 00:16:04,079
کنم که شما دارید چیزی به نام دید کامپیوتر بسیار
397
00:16:04,079 –> 00:16:05,920
خوب است
398
00:16:05,920 –> 00:16:08,320
اگر می خواهید بینایی کامپیوتری را تقلید کنید یا بسازید،
399
00:16:08,320 –> 00:16:09,839
باید یادگیری عمیق کامپیوتر را یاد بگیرید،
400
00:16:09,839 –> 00:16:10,399
401
00:16:10,399 –> 00:16:13,360
بسیار خوب، من به آن می رسم، اما
402
00:16:13,360 –> 00:16:15,040
در حال حاضر می توانید آن را به این صورت انتخاب کنید
403
00:16:15,040 –> 00:16:18,399
که اینها ابزارهای مختلفی در داخل Ai هستند
404
00:16:18,399 –> 00:16:20,800
که توسط آنها ما میتوانیم هوش مصنوعی بیشتر و بیشتری ایجاد کنیم،
405
00:16:20,800 –> 00:16:22,480
406
00:16:22,480 –> 00:16:26,160
یکی یادگیری ماشینی یادگیری عمیق
407
00:16:26,160 –> 00:16:28,000
در حال حاضر در یادگیری عمیق است، من میگویم این
408
00:16:28,000 –> 00:16:30,480
دو در یادگیری عمیق هستند، اما به هر حال سیستم خبره
409
00:16:30,480 –> 00:16:33,360
مبتنی بر دانش بینایی کامپیوتر nlp
410
00:16:33,360 –> 00:16:34,880
411
00:16:34,880 –> 00:16:37,839
خوب است،
412
00:16:38,160 –> 00:16:40,399
بنابراین اولین اصطلاح
413
00:16:40,399 –> 00:16:42,800
هوش مصنوعی در سال 1956 توسط جان ابداع شد.
414
00:16:42,800 –> 00:16:45,839
مک کارتی گفت علم
415
00:16:45,839 –> 00:16:46,399
و
416
00:16:46,399 –> 00:16:48,079
مهندسی ساخت
417
00:16:48,079 –> 00:16:49,759
ماشین های هوشمند این همان چیزی است که
418
00:16:49,759 –> 00:16:52,959
یک تعریف ساده از ai خوب است،
419
00:16:52,959 –> 00:16:54,800
بنابراین اکنون من درک فنی را به شما داده ام،
420
00:16:54,800 –> 00:16:57,199
جزئیات بیشتری را در
421
00:16:57,199 –> 00:16:57,839
مورد آن توضیح
422
00:16:57,839 –> 00:16:59,839
خواهم داد، همچنین به شما درک شهودی
423
00:16:59,839 –> 00:17:01,680
از نحوه استفاده از آن داده ام.
424
00:17:01,680 –> 00:17:05,199
یا هر زمان که به کلمه ai گوش میدهید واکنش نشان میدهید
425
00:17:05,199 –> 00:17:08,480
426
00:17:09,839 –> 00:17:12,720
حالا انواع ai چیست که من
427
00:17:12,720 –> 00:17:14,160
همین الان برای شما توضیح دادم
428
00:17:14,160 –> 00:17:16,079
هوش مصنوعی باریک هوش
429
00:17:16,079 –> 00:17:17,599
مصنوعی
430
00:17:17,599 –> 00:17:19,119
هوش مصنوعی هوش مصنوعی فوقالعاده
431
00:17:19,119 –> 00:17:20,799
حالا
432
00:17:20,799 –> 00:17:24,880
اینها هستند
433
00:17:24,880 –> 00:17:26,640
شما میدانید اصطلاحات مختلفی را میشناسید،
434
00:17:26,640 –> 00:17:29,280
خوب من نمیدانم میخواهم وارد
435
00:17:29,280 –> 00:17:30,000
436
00:17:30,000 –> 00:17:33,679
اصطلاحات آن شوید، اما مانند
437
00:17:33,679 –> 00:17:35,200
هوش مصنوعی است که
438
00:17:35,200 –> 00:17:37,840
روی چیزی شبیه a متمرکز شده است رباتی
439
00:17:37,840 –> 00:17:40,400
درست که تبدیل به یک هوش مصنوعی باریک می شود
440
00:17:40,400 –> 00:17:41,840
441
00:17:41,840 –> 00:17:43,360
که تعمیم می یابد و
442
00:17:43,360 –> 00:17:45,760
برای نیاز خاصی نیست، به عنوان هوش عمومی مصنوعی شناخته می شود
443
00:17:45,760 –> 00:17:47,360
444
00:17:47,360 –> 00:17:50,480
و هوش مصنوعی فوق العاده است
445
00:17:50,480 –> 00:17:52,160
که هر دو چیزهایی را دارد که
446
00:17:52,160 –> 00:17:54,320
همه چیز در داخل آن وجود دارد، خوب است،
447
00:17:54,320 –> 00:17:56,559
اما اجازه دهید برای آن خیلی فنی نرویم.
448
00:17:56,559 –> 00:17:58,240
فکر می کنم اکنون
449
00:17:58,240 –> 00:18:00,480
با توضیح من
450
00:18:00,480 –> 00:18:03,919
برای ai کمی درک دارید که
451
00:18:04,559 –> 00:18:08,240
این درست است که ما به مدل های داده پارامترهای خاصی وابسته هستیم
452
00:18:08,240 –> 00:18:09,840
453
00:18:09,840 –> 00:18:12,240
که به ما کمک می کند
454
00:18:12,240 –> 00:18:14,240
اساساً تصمیم بگیریم که ai چیست
455
00:18:14,240 –> 00:18:16,320
و من توضیح دادم می توانم به شما اجازه دهم
456
00:18:16,320 –> 00:18:18,000
با رنگ سفید توضیح دهم. دوباره کد کنید
457
00:18:18,000 –> 00:18:21,760
که در ai چگونه می توانید
458
00:18:21,760 –> 00:18:25,679
آن را ایجاد کنید چگونه می توانید آن را ایجاد کنید
459
00:18:26,400 –> 00:18:28,720
بنابراین شاخه های مختلفی در ai وجود دارد.
460
00:18:28,720 –> 00:18:31,919
461
00:18:33,360 –> 00:18:37,120
462
00:18:38,960 –> 00:18:42,400
463
00:18:42,400 –> 00:18:44,960
464
00:18:44,960 –> 00:18:47,760
465
00:18:47,760 –> 00:18:53,120
تحت نظارت بدون نظارت
466
00:18:54,480 –> 00:18:57,840
و یادگیری تقویتی
467
00:18:59,840 –> 00:19:02,480
خوب است، اکنون من کمی فنی می روم، اگر
468
00:19:02,480 –> 00:19:04,240
بسیاری از شما راحت نیستید
469
00:19:04,240 –> 00:19:04,880
نگران نباشید
470
00:19:04,880 –> 00:19:07,760
من فقط هستم با کمی عمیقتر کردن مسائل
471
00:19:07,760 –> 00:19:08,880
فنی،
472
00:19:08,880 –> 00:19:11,919
اکنون یادگیری عمیق بینایی رایانهای خواهد داشت
473
00:19:11,919 –> 00:19:15,200
که در مورد آن صحبت
474
00:19:16,320 –> 00:19:18,799
کردم، بسیار خوب است و دارای nlp است که
475
00:19:18,799 –> 00:19:20,320
پردازش زبان طبیعی است،
476
00:19:20,320 –> 00:19:23,600
خوب حالا استفاده از این مانند
477
00:19:23,600 –> 00:19:25,840
من میدانم که بسیاری از شما ممکن
478
00:19:25,840 –> 00:19:27,679
است از چت استفاده کرده باشید. رباتها درست است که
479
00:19:27,679 –> 00:19:29,600
بسیاری از شما ممکن است از رباتهای چت در
480
00:19:29,600 –> 00:19:30,960
برخی از برنامهها
481
00:19:30,960 –> 00:19:34,559
یا وبسایتها استفاده کرده باشید، بنابراین اینها
482
00:19:34,559 –> 00:19:36,840
اساساً چه هستند، این افراد
483
00:19:36,840 –> 00:19:39,360
مصنوعی
484
00:19:39,360 –> 00:19:42,799
هستند که با ما
485
00:19:42,799 –> 00:19:45,679
چت میکنند و با ما چت میکنند، بنابراین
486
00:19:45,679 –> 00:19:48,000
اساساً همانطور که گفتم ai
487
00:19:48,000 –> 00:19:49,919
دارای دو بخش است. یادگیری و
488
00:19:49,919 –> 00:19:52,000
یادگیری عمیق و از آنها برای
489
00:19:52,000 –> 00:19:54,960
ایجاد هوش مصنوعی استفاده می شود، افراد ممکن است به شما اینگونه توضیح دهند،
490
00:19:54,960 –> 00:19:57,360
بسیار
491
00:19:59,919 –> 00:20:02,640
خوب، من به این اعتقاد ندارم، من به این باور
492
00:20:02,640 –> 00:20:03,600
دارم،
493
00:20:03,600 –> 00:20:05,600
بنابراین با یادگیری ماشینی آنچه انجام می دهید،
494
00:20:05,600 –> 00:20:07,600
با یادگیری عمیق
495
00:20:07,600 –> 00:20:09,360
هوش مصنوعی ایجاد می کنید.
496
00:20:09,360 –> 00:20:11,919
آیا واضح است که زبانی که ما با آن
497
00:20:11,919 –> 00:20:13,520
یادگیری ماشین و یادگیری عمیق انجام می دهیم
498
00:20:13,520 –> 00:20:15,840
پایتون است
499
00:20:15,840 –> 00:20:17,440
و این چیزی است که من به شما نشان خواهم داد
500
00:20:17,440 –> 00:20:19,360
که از کدام قسمت پایتون
501
00:20:19,360 –> 00:20:21,200
برای انجام
502
00:20:21,200 –> 00:20:24,559
یادگیری ماشین استفاده می کنیم و d خوب یاد
503
00:20:24,880 –> 00:20:28,720
بگیرید حالا چرا ما در
504
00:20:28,720 –> 00:20:31,039
حال حاضر به زبان انگلیسی صحبت می کنیم،
505
00:20:31,039 –> 00:20:34,240
بنابراین بسیاری از شما تجربه زیادی دارید
506
00:20:34,240 –> 00:20:36,000
و این زبان رایج ترین زبان بین
507
00:20:36,000 –> 00:20:37,440
همه ما است،
508
00:20:37,440 –> 00:20:41,120
درست مانند یک زبان جهانی است،
509
00:20:41,120 –> 00:20:44,720
به طور مشابه
510
00:20:44,720 –> 00:20:50,400
python بیشترین استفاده را برای ایجاد
511
00:20:50,400 –> 00:20:54,799
مدل هایی برای ai
512
00:20:54,799 –> 00:20:56,640
دارد. واضح است که بارها آن را تکرار کرده
513
00:20:56,640 –> 00:20:58,159
ام این پرکاربردترین مورد برای
514
00:20:58,159 –> 00:20:58,960
ایجاد یک مو است
515
00:20:58,960 –> 00:21:00,320
اکنون
516
00:21:00,320 –> 00:21:02,159
پاسخ های فنی آن را به شما
517
00:21:02,159 –> 00:21:04,960
می دهم که کد کمتری دارد بنابراین شما با
518
00:21:04,960 –> 00:21:06,559
کد کمتری
519
00:21:06,559 –> 00:21:09,520
می توانید به راحتی مدل های ai را ایجاد کنید.
520
00:21:09,520 –> 00:21:10,960
کتابخانه های از پیش ساخته شده
521
00:21:10,960 –> 00:21:14,159
در حال حاضر زمانی که من دکتری خود را به پایان رساندم، می دانید که
522
00:21:14,159 –> 00:21:16,559
من دکترای خود را در چیزی به نام بهینه سازی به پایان رساندم. Ok.
523
00:21:16,559 –> 00:21:18,720
524
00:21:18,720 –> 00:21:21,280
525
00:21:21,280 –> 00:21:23,440
526
00:21:23,440 –> 00:21:25,200
527
00:21:25,200 –> 00:21:29,440
528
00:21:29,440 –> 00:21:32,720
سالها از زندگی من
529
00:21:32,720 –> 00:21:36,080
برای ایجاد یک ابزار بهینه سازی
530
00:21:36,080 –> 00:21:39,200
این ابزاری که من
531
00:21:39,200 –> 00:21:41,840
ایجاد کردم، آن را به صورت یک کتابخانه به صورت رایگان در اینترنت قرار دادم،
532
00:21:41,840 –> 00:21:43,280
533
00:21:43,280 –> 00:21:46,880
بنابراین به صورت رایگان به عنوان منبع باز شناخته می شود.
534
00:21:47,280 –> 00:21:51,280
535
00:21:51,280 –> 00:21:52,559
536
00:21:52,559 –> 00:21:55,760
در یک کتابخانه آنلاین که می
537
00:21:55,760 –> 00:21:57,120
توانید آن را دانلود کنید،
538
00:21:57,120 –> 00:21:59,760
اجازه دهید دوباره شما را ترسیم کنم که چگونه شما را کاملاً درک می
539
00:21:59,760 –> 00:22:01,200
540
00:22:01,200 –> 00:22:04,240
کنم، می توانید دانلود کنید و
541
00:22:04,240 –> 00:22:06,480
از آن در یک خط استفاده کنید وقتی می گویم یک خط به
542
00:22:06,480 –> 00:22:07,360
این معنی است که
543
00:22:07,360 –> 00:22:10,480
فرض کنید فقط ankit
544
00:22:10,480 –> 00:22:13,039
x کاما y را بنویسید یعنی چه اجرا می شود
545
00:22:13,039 –> 00:22:16,720
الگوریتمی را که من به مدت چهار سال ایجاد
546
00:22:16,720 –> 00:22:20,960
547
00:22:21,200 –> 00:22:24,240
کردم، میتوانید با یک خط از آن استفاده کنید، بنابراین چنین یک خط از کدها
548
00:22:24,240 –> 00:22:26,559
در پایتون در دسترس هستند.
549
00:22:26,559 –> 00:22:28,240
550
00:22:28,240 –> 00:22:30,080
551
00:22:30,080 –> 00:22:32,240
552
00:22:32,240 –> 00:22:33,600
553
00:22:33,600 –> 00:22:36,960
در mit همه در حال
554
00:22:36,960 –> 00:22:37,840
ایجاد چنین
555
00:22:37,840 –> 00:22:41,760
ابزارهایی هستند که می توانید از آنها برای ایجاد ai استفاده کنید
556
00:22:41,760 –> 00:22:43,440
حالا آن ابزارهایی که در
557
00:22:43,440 –> 00:22:45,679
آن ابزارها نوشته شده است در پایتون نوشته شده است
558
00:22:45,679 –> 00:22:50,720
بنابراین من از پایتون استفاده می کنم بنابراین ankit استفاده از پایتون
559
00:22:50,720 –> 00:22:54,400
درست است کسی در فیس بوک استفاده از پایتون
560
00:22:54,400 –> 00:22:57,039
کسی در mit استفاده از پایتون کسی در
561
00:22:57,039 –> 00:22:58,799
استنفورد است با استفاده از پایتون،
562
00:22:58,799 –> 00:23:01,760
بنابراین همه در حال ایجاد دارایی در پایتون هستند و
563
00:23:01,760 –> 00:23:02,960
همه آن رایگان است،
564
00:23:02,960 –> 00:23:05,840
می توانید آن را دانلود کنید و در یک
565
00:23:05,840 –> 00:23:07,039
خط
566
00:23:07,039 –> 00:23:10,559
567
00:23:10,559 –> 00:23:10,799
568
00:23:10,799 –> 00:23:12,880
از آن استفاده کنید. با
569
00:23:12,880 –> 00:23:14,400
یک خط کد، حتی
570
00:23:14,400 –> 00:23:16,080
بدون اینکه بفهمید پشت آن چه اتف