en
Feedback
مدرسه علم و فناوری

مدرسه علم و فناوری

Open in Telegram

«مدرسه علم و فناوری» ترکیب فناوری و پزشکی فناوری های نوین پزشکی هوش مصنوعی و یادگیری ماشین تحلیل داده 💊💻📈

Show more
246
Subscribers
No data24 hours
No data7 days
No data30 days
Posts Archive
🔺 حتما توی نظرسنجی بالا 👆👆 شرکت کنید، میخواییم‌ راجب این قابلیت در هوش مصنوعی صحبت کنیم

طنز 🔸 به نظرم هوش مصنوعی اونوقتی جالب میشه که ۵ دوره سوال‌های قبلی استاد رو بدی بهش، سوال‌های امتحان فردا رو برات پیدا کنه و بهت بده به نظرتون این قابلیت عملی میشه؟ (حتما پاسخ بدید) بله 👍 خیر 👎 #دنیای_هوش_مصنوعی #طنز @AIGPTofficial_Medical

دانشجویان عزیز، خوندن این کتاب 👆 برای درک مفاهیم آماری و کار با نرم افزار SPSS توصیه میشه حتما مطالعه کنید

معرفی کتاب 📚عنوان کتاب: راهنمای آسان تحلیل آماری با SPSS 🔸توضیحات کلی:  در این کتاب به شیوه تصویری و با زبانی ساده و روان به آموزش آزمون های مهم و پرکاربرد آماری پرداخته شده است و شامل آزمون های مقدماتی تا پیشرفته (تحلیل مسیر، تحلیل عاملی اکتشافی، رگرسیون لجستیک و...) می شود. آموزش بر اساس نسخه جدید این نرم افرار (نسخه 22) انجام شده است و آموزش های به همراه مثال و با ارائه تمرین صورت گرفته است. آموزش های این کتاب بر اساس منابع و رفرنس های معتبر علمی داخلی و خارجی است. منبع: کانال تحلیلگران آمار #مفاهیم_آماری #دنیای_هوش_مصنوعی #معرفی_کتاب

آزمون های پارامتریک و ناپارامتریک 🔸 آزمون‌های پارامتریک برای بررسی فرضیات درباره پارامترهای جمعیتی مانند میانگین و واریانس استفاده می‌شوند. این آزمون‌ها برای داده‌هایی که از توزیع نرمال پیروی می‌کنند مناسب هستند. برخی از آزمون‌های پارامتریک عبارتند از: - آزمون t: برای بررسی فرضیات درباره میانگین دو گروه داده استفاده می‌شود. - آزمون F: برای بررسی فرضیات درباره واریانس دو گروه داده استفاده می‌شود. - آزمون ANOVA: برای بررسی فرضیات درباره میانگین بیش از دو گروه داده استفاده می‌شود. 🔸 آزمون‌های غیرپارامتریک برای داده‌هایی که از توزیع نرمال پیروی نمی‌کنند مناسب هستند. این آزمون‌ها برای بررسی فرضیات درباره میانه و توزیع داده‌ها استفاده می‌شوند. برخی از آزمون‌های غیرپارامتریک عبارتند از: - آزمون رنک ویلکاکسون: برای بررسی فرضیات درباره میانه دو گروه داده استفاده می‌شود. - آزمون کروسکال-والیس: برای بررسی فرضیات درباره میانه بیش از دو گروه داده استفاده می‌شود. 🔺 بسته به نوع داده‌ها و فرضیاتی که می‌خواهید بررسی کنید، می‌توانید از یکی از آزمون‌های پارامتریک یا غیرپارامتریک استفاده کنید. #مفاهیم_آماری #دیتا_ساینس @AIGPTofficial_Medical

هوش مصنوعی و شناسایی آنتی‌بیوتیک مقاوم به عفونت ها 🔸محققان دانشگاه MIT و McMaster با الگوریتم یادگیری ماشینی ترکیب دارویی آن
هوش مصنوعی و شناسایی آنتی‌بیوتیک مقاوم به عفونت ها 🔸محققان دانشگاه MIT و McMaster با الگوریتم یادگیری ماشینی ترکیب دارویی آنتی‌بیوتیکی را شناسایی کرده‌اند که می‌تواند عفونت‌های مقاوم به دارو ازجمله یکی از باکتری‌های بیمارستانی به نام «اسینتوباکتر بومانی» را از بین ببرد. 🔸باکتری بیمارستانی اسینتوباکتر بومانی، گونه‌ای از باکتری است که اغلب در بیمارستان‌ها وجود دارد و می‌تواند منجر به ذات الریه، مننژیت و سایر عفونت‌های جدی شود. 🔸رویکردهای یادگیری ماشینی می‌توانند برای کارهای پیچیده‌ای همچون کشف آنتی‌بیوتیک به خوبی مورد استفاده قرار بگیرند. محققان در این مطالعه مجموعه‌ای از ۶۶۸۰ ترکیب دارویی را که قبلاً ندیده بودند مورد بررسی قرار دادند. 🔸تحلیل داده‌ها کمتر از دو ساعت طول کشید و نتایح خوبی به همراه داشت. این تحقیقات ادامه دارد و امید آن می‌رود بتواند به دستاوردهای بزرگ‌تری منجر شود. #دنیای_هوش_مصنوعی #خبر 🌐آیدی ڪانال @AIGPTofficial_Medical

هوش مصنوعی های کاربردی برای ادیت ویدیوها: 1⃣ CapCut قدرتمندترین ویرایشگر ویدیوی رایگان www.capcut.com 2⃣ Topaz Video کیفیت ویدئو را تا 4k/60fpf افزایش می‌دهد www.topazlabs.com 3⃣ Vidyo ai فوراً یک ویدیوی طولانی را به چند ویدیوی کوتاه تقسیم می کند. vidyo.ai 4⃣ simplified ترکیبی خوب از طراحی، ویرایش ویدئو و نوشتن متن با استفاده از هوش مصنوعی app.simplified.com #ابزار #دنیای_هوش_مصنوعی 🌐آیدی کانال: @AIGPTofficial_Medical

All Distribution in Statistics 🔸توزیع های مهم آماری #مفاهیم_آماری #دیتا_ساینس منبع تصویر https://www.kaggle.com/general/2564
All Distribution in Statistics 🔸توزیع های مهم آماری #مفاهیم_آماری #دیتا_ساینس منبع تصویر https://www.kaggle.com/general/256424

انواع توزیع های آماری 🔺توزیع های آماری به دو دسته توزیع های پیوسته و گسسته تقسیم می‌شوند. 🔸 توزیع های گسسته: 1. توزیع یکنواخت (Uniform Distribution) 2. توزیع برنولی (Bernoulli Distribution) 3. توزیع دوجمله‌ای (Binomial Distribution) 4. توزیع هندسی (Geometric Distribution) 5. توزیع پواسون (Poisson Distribution) 🔸 توزیع های پیوسته: 1. توزیع نرمال (Normal Distribution) 2. توزیع تی‌استون (T-Distribution) 3. توزیع فیشر (F-Distribution) 4. توزیع کای دو (Chi-Square Distribution) 5. توزیع لاپلاس (Laplace Distribution) #مفاهیم_آماری #دیتا_ساینس #دنیای_هوش_مصنوعی @AIGPTofficial_Medical

توزیع های آماری ▫️توزیع آماری، روشی است که برای توصیف و تحلیل داده‌های آماری و احتمالاتی استفاده می‌شود. توزیع آماری به توزیع احتمالاتی یک مجموعه از داده‌ها گفته می‌شود. 🔸به عبارت دیگر، توزیع آماری نشان می‌دهد که چه مقدار از داده‌ها در هر بازه از مقادیر ممکن آنها قرار دارند. این توزیع‌ها، به شکل تابعی از متغیرهای تصادفی تعریف می‌شوند و به کمک آن‌ها می‌توان احتمال وقوع یک رویداد را محاسبه کرد. 🔸 توزیع آماری می‌تواند گسسته یا پیوسته باشد و برای توصیف و تحلیل داده‌ها و استنباط نتایج آماری استفاده می‌شود. با استفاده از توزیع آماری، می‌توانیم احتمال وقوع یک رویداد خاص را محاسبه کنیم، همچنین می‌توانیم مقایسه‌ی دو یا چند توزیع آماری را انجام دهیم. ▫️هر توزیع آماری، خصوصیات و ویژگی‌های خاص خود را دارد. #مفاهیم_آماری #دیتا_ساینس @AIGPTofficial_Medical

آزمون های آماری 🔸 آزمونهای آماری به روش‌هایی گفته می‌شود که برای تحلیل داده‌ها و استخراج نتایج آماری از آن‌ها، استفاده می‌شود. این آزمون‌ها معمولا برای تست فرضیات آماری و تصمیم‌گیری درباره اینکه آیا داده‌ها تفاوت معناداری با یکدیگر دارند یا خیر، استفاده می‌شوند. 🔺بعضی از معروف‌ترین آزمونهای آماری عبارتند از: - آزمون تی (تی تک نمونه، تی مستقل و تی زوجی) - آزمون آنووا (Anova) - آزمون کای-دو -آزمون من ویتنی یا U - آزمون کروسکال والیس -آزمون ویلکاکسون - آزمون فیشر - آزمون رگرسیون - آزمون های ضرایب همبستگی اسپیرمن و پیرسون 🔸به طور کلی، هدف این آزمون‌ها این است که با استفاده از نتایج به دست آمده، اطمینان حاصل کنیم که تفاوت مشاهده شده در داده‌ها نسبت به خطای تصادفی نیست و واقعیت دارد. #مفاهیم_آماری #دیتا_ساینس @AIGPTofficial_Medical

🔸فرضیه آماری ▫️فرضیه آماری یک جمله یا گزاره یا گمانه ای است که برای بررسی یک مسئله یا درباره پارامترهای یک جامعه (مثلا میانگین، واریانس، فراوانی و...) ارائه می‌شود. 🔸به عنوان مثال، فرضیه می‌تواند به اینصورت باشد که میانگین دو گروه از داده‌ها با یکدیگر برابر است یا فرض شود که دو گروه از داده‌ها تفاوت معناداری با یکدیگر ندارند. (بین مصرف سیگار و ابتلا به سرطان ریه ارتباطی وجود دارد) ▫️فرضیه معمولاً به دو بخش تقسیم می‌شود: ۱- فرضیه صفر (null hypothesis) و ۲-فرضیه جایگزین (alternative hypothesis). فرضیه صفر به معنای عدم وجود هیچ گونه تفاوت معنادار بین دو یا چند مجموعه داده است، در حالی که فرضیه جایگزین به معنای وجود تفاوت معنادار است (فرضیه پژوهشگر). برای بررسی صحت و درستی فرضیه آماری، از روش‌های آماری مانند آزمون فرض آماری استفاده می‌شود. #مفاهیم_آماری #دیتا_ساینس @AIGPTofficial_Medical

🔸مهم ترین شاخص در آمار استنباطی چیست؟ سطح معنی داری ▫️با p یا p-value نشان می دهند. ▫️تعمیم پذیری نتایج از نمونه به جامعه را نشان می دهد ▫️تایید یا ردشدن فرضیه ها با این شاخص بررسی می شود ▫️ اگر p کمتر از 05/. (5 صدم) شود، نشانه معنی داری رابطه و تایید فرضیه پژوهشی (رد فرضیه صفر) است #مفاهیم_آماری #دیتا_ساینس #پست_آموزشی @AIGPTofficial_Medical

🔺توجه ▫️سلام به همه دانشجویان و اعضا محترم کانال، باتوجه به اینکه امروزه هوش مصنوعی و تحلیل داده از مهمترین مباحث محافل علمی و حتی غیر علمی در جهان هست، سعی ما در این کانال آموزش و یاددهی مفاهیم پایه ای این دو موضوع بوده، به ویژه ترکیب این دو موضوع با حیطه پزشکی و مراقبت سلامت ▫️ به همین منظور ابتدا شروع به آموزش روزانه مفاهیم پایه ای و مرتبط میکنیم (مفاهیم آماری، مفاهیم برنامه نویسی و کامپیوتری و مفاهیم پزشکی و حوزه مراقبت سلامت) تا به حدی برسیم که تدریجا مفاهیم پیشرفته تر و آموزش های تخصصی تر رو ارائه بدیم #دنیای_هوش_مصنوعی دنیای هوش مصنوعی، رسانه آموزشی درک دنیای هوشمند @AIGPTofficial_Medical

🔺هوش مصنوعی و تشخیص های پزشکی 🔸 هوش مصنوعی یا AI می‌تواند در تشخیص بیماری‌ها با استفاده از الگوریتم‌های یادگیری عمیق و شبکه‌های عصبی کمک کننده باشد. این الگوریتم‌ها می‌توانند اطلاعات بیشتری را از داده‌های پزشکی بیماران جمع آوری کنند و با دقت بیشتری در تشخیص بیماری‌ها کمک کنند. به عنوان مثال، با استفاده از تصاویر پزشکی مانند اسکن‌های CT و MRI، هوش مصنوعی می‌تواند در تشخیص سرطان و دیگر بیماری‌های مزمن مفید باشد. همچنین، با استفاده از داده‌های پزشکی بزرگ مانند نتایج آزمایش‌های خون و فشار خون نیز می‌تونه در این تشخیص ها کمک کننده باشه. هوش مصنوعی در تشخیص بیماری‌های قلبی و اختلالات عصبی هم کمک کننده است. 🔸 نکته ای که مهمه اینه که هوش مصنوعی هنوز نمی‌تواند جایگزین تجربه و دانش پزشکان باشد و قرار هم نیست تنهایی در امر طبابت مشغول بکار بشه، صرفا می‌تواند نقش دستیار رو برای پزشکان داشته باشد. #دنیای_هوش_مصنوعی دنیای هوش مصنوعی، رسانه درک دنیای هوشمند @AIGPTofficial_Medical

☝️▪️ ابزارهای هوش مصنوعی که می‌تونه مفید باشه #ابزار #دنیای_هوش_مصنوعی دنیای هوش مصنوعی، رسانه درک دنیای هوشمند @AIGPTofficia
☝️▪️ ابزارهای هوش مصنوعی که می‌تونه مفید باشه #ابزار #دنیای_هوش_مصنوعی دنیای هوش مصنوعی، رسانه درک دنیای هوشمند @AIGPTofficial_Medical

بهترین درس ها از بدترین شرایط آموخته میشه #انگیزشی دنیای هوش مصنوعی، رسانه درک دنیای هوشمند @AIGPTofficial_Medical
بهترین درس ها از بدترین شرایط آموخته میشه #انگیزشی دنیای هوش مصنوعی، رسانه درک دنیای هوشمند @AIGPTofficial_Medical

🔸انواع ساختار داده در علوم کامپیوتر (Data structure) #دنیای_هوش_مصنوعی #پست_آموزشی @AIGPTofficial_Medical
🔸انواع ساختار داده در علوم کامپیوتر (Data structure) #دنیای_هوش_مصنوعی #پست_آموزشی @AIGPTofficial_Medical

پیش‌بینی ترسناک بانک آمریکایی: هوش مصنوعی روی ۳۰۰ میلیون شغل اثر می‌گذارد 🔹 مدیران گلدمن ساکس در یادداشتی خطاب‌به سرمایه‌گذا
پیش‌بینی ترسناک بانک آمریکایی: هوش مصنوعی روی ۳۰۰ میلیون شغل اثر می‌گذارد 🔹 مدیران گلدمن ساکس در یادداشتی خطاب‌به سرمایه‌گذاران نوشته‌اند اگر وعده‌های مربوط‌به هوش مصنوعی مولد رنگ حقیقت به خود بگیرند، «اختلال قابل‌توجه» در بازار نیروی کار رخ خواهد داد. به گفته‌ی گلدمن ساکس، دو‌سوم از شغل‌های آمریکا در معرض تأثیرپذیری از سیستم‌های خودکار مبتنی‌بر هوش مصنوعی هستند و وظایف کاری بالغ‌بر ۵۰ درصد از این شغل‌ها را می‌توان با هوش مصنوعی جایگزین کرد. 🔹 پیش‌بینی ترسناک بانک آمریکایی: هوش مصنوعی روی ۳۰۰ میلیون شغل اثر می‌گذارد #دنیای_هوش_مصنوعی #خبر @AIGPTofficial_Medical

شبکه عصبی مصنوعی چیست؟ (بخش سوم) عملکرد شبکه های عصبی مصنوعی ▫️ شبکه عصبی مصنوعی یک سیستم یادگیری ماشینی است که بر اساس ساختار و عملکرد سیستم عصبی بشر ساخته شده است. این سیستم شامل یک یا چند لایه از نورون‌ها است که با هم ارتباط دارند و توانایی یادگیری الگوهای پیچیده را دارند. هر نورون در شبکه عصبی مصنوعی یک ورودی دریافت کرده و با استفاده از تابع فعال‌سازی، خروجی را تولید می‌کند. این خروجی به عنوان ورودی برای نورون‌های لایه بعد ارسال می‌شود تا شبکه به صورت تدریجی الگوهای پیچیده را یاد بگیرد. ▫️ با تعریف دقیق‌تر، شبکه عصبی مصنوعی یک سیستم پردازش اطلاعات است که با استفاده از الگوریتم‌های یادگیری، قادر به تشخیص الگوهای پیچیده و ارائه پاسخ‌های مناسب به سوالات و مسائل مختلف است. #دنیای_هوش_مصنوعی #شبکه_عصبی_مصنوعی #پست_آموزشی @AIGPTofficial_Medical