صنعت دریایی و هوش مصنوعی در صنعت دریایی هوش مصنوعی می‌تواند برای ساخت کشتی‌های خودران، بهینه سازی عملیات ناوگان، بهبود کارآیی مسیر‌های حمل‌و‌نقل، تجزیه و تحلیل داده‌های مربوط به GPS، آب و هوا و ترافیک به کمک دریانوردان بشتابد. در واقع زمانی خواهد رسید که همه فعالیت انسانی در صنعت دریایی به هوش مصنوعی سپرده خواهد شد برای مثال هوش مصنوعی پیش‌بینی تعمیر و نگهداری و نحوۀ پایان کار و فرسودگی ماشین‌آلات و تجهیزات کشتی را به خوبی تشخیص داده و مدیران و کارکنا‌ن خشکی از یک سو و فرماندهان و خدمه کشتی را آگاه خواهد کرد در چه روز و ساعتی عمر قطعات مورد نظر به پایان می‌رسد؛ به تعبیر دیگر کشتی چه زمانی به تعمیر و نگهداری نیاز دارند. نکته‌ای را که باید به آن اشاره کرد آن است که از هوش مصنوعی سال‌هاست به منظور توسعه کشتی‌های خودران استفاده می‌شود تا به تنهایی بتواند ناوبری دریایی را در کمال ایمنی و کارآیی به سر‌منزل مقصود برساند. در این راستا فعالیت‌های غیر‌قابل تصوری نیز انجام شده و در بخش‌های مختلف حمل‌ونقلی وسایل نقلیه خودران تولید شده و هم اینک در حال انجام وظیفه هستند. در کنار آن هوش مصنوعی در بهینه سازی بارگیری و تخلیه محموله‌ها همزمان با تجزیه و تحلیل داده‌ها دربارۀ وزن و حجم محموله، تشخیص محموله‌های داخل کانتینر بدون نیاز به باز کردن پلمپ و تجهیز زیر‌ساخت‌های بندری مورد استفاده قرار می‌گیرد. 🛰 پژوهش سرای جوان قشم قطب کشوری فناوری‌های حوزه فضایی وحمل ونقل پیشرفته https://shad.ir/havafazadarya_src

دوره جامع پایتون - پست شماره 8 پیاده سازی‌های مختلف پایتون (بخش دوم): در پست قبل پیاده سازی‌های مختلف پایتون را معرفی کردیم. اما شاید شما به دنبال پاسخ این سوال باشید که چرا چندین پیاده سازی مختلف از پایتون وجود دارد؟ همه زبان‌های برنامه نویسی متشکل با توجه به قواعد نگارش مربوط به آن زبان توسط برنامه نویس‌های آشنا به زبان مربوطه قابل خواندن هستند. اما کامپیوتر تنها زبان ماشین را می‌فهمد. پس کد شما به هر زبانی که نوشته شده باشد بایستی پیش از اجرا تبدیل به زبان ماشین شود. این فرآیند برای زبان‌های کامپایلری مانند C توسط کامپایلر مربوطه و برای زبان‌های مفسری مانند پایتون توسط مفسر زبان پایتون انجام می‌شود (در مورد تفاوت زبان‌های مفسری و کامپایلری در پست دیگری صحبت خواهیم کرد) مشکل اینجا به وجود می‌آید که کدهای ماشین قابل فهم برای کامپیوتر شما، با توجه به پردازنده شما متفاوت است و کد C کامپایل شده روی سیستم عامل ویندوز توسط سیستم مک قابل اجرا نیست. برای حل این مشکل از جاوا کمک گرفته می‌شود. کامپایلر جاوا کدهای جاوا را تبدیل به یک زبان قابل حمل به نام جاوا بایت کد می‌کند که مستقل از پلتفرم سخت افزاری است و در ادامه ماشین مجازی جاوا (JVM) این بایت کدها را تبدیل به کد ماشین می‌کند. زبان‌های #C و Python با بهره گیری از چنین مسیری خود را مستقل از پلتفرم سخت افزاری نموده‌اند. گردآورنده: علی مختاری (دبیر پژوهش سرای علوم و فنون قم) 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom

دوره جامع پایتون - پست شماره 9 پیاده سازی‌های مختلف پایتون (بخش سوم): با توجه به توضیحات فوق قابل درک است که پیاده سازی‌های مختلف پایتون با این هدف ایجاد شده اند تا ارتباطات پایتون با سایر زبان‌های برنامه نویسی اصلی و مهم گسترش دهند. برای نمونه مفسر Jython کدهای پایتون نوشته شده توسط شما را تبدیل به Java ByteCode می‌کند تا در ادامه این بایت‌ کدها به همراه سایر کدهای پروژه توسط JVM تبدیل به کدهای ماشین شوند که مستقل از پلتفرم سخت افزاری شما خواهد بود. پیاده سازی IronPython نیز به شما اجازه می‌دهد تا پایتون را روی کتابخانه‌های استاندارد CLR و NET. مایکروسافت اجرا کنید که می‌تواند در موارد زیادی برای برنامه نویسان پایتون راهگشا باشد. شاید ذکر این نکته در پایان این پست ضروری باشد که پیاده سازی‌های مختلف پایتون لزوما همه کتابخانه‌های پایتون پشتیبانی نمی‌کنند و بسیاری از کتابخانه‌های پایتون صرفا توسط CPython پشتیبانی می‌شوند. گردآورنده: علی مختاری (دبیر پژوهش سرای علوم و فنون قم) 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom

معرفی نرم افزار VirtualMEC با نصب این نرم افزار روی ویندوز می‌توانید هر نوع مدلی را بسازید، آن را در رندرهای مختلف نمایش دهید، چاپ کنید، طرح‌های رنگی مختلف را به آن اعمال کنید و فایل‌های مدل را با سایر کاربران به اشتراک بگذارید. هنگامی که یک مدل را ساختید، می‌توانید کل فرایند ساخت را از اولین قطعه تا آخرین قطعه، به صورت یک "فیلم" پیوسته یا یک قطعه در هر زمان به دلخواه خود مشاهده کنید. این ساده‌ترین راه برای ساخت نسخه "واقعی" یک مدل است. فقط هر مرحله را مشاهده کنید و آن را به مدل واقعی اعمال کنید. گردآورنده: مسعود محمدی (دبیر تخصصی رباتیک پژوهش سرای علوم و فنون قم) 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom

انیماترونیک یا Animatronics چیست؟ دانش و فناوری ساخت مدل‌های متحرک موجودات و اشیاء، به شکل طبیعی یا فانتزی آن‌ها است. انیماترونیک فصل مشترک دانش مهندسی و هنر بوده و از ترکیب مکاترونیک و هنر تشکیل شده‌است و اگر رباتیک را محصول شاخص مکاترونیک بدانیم، شاید در تعریفی ساده‌تر بتوان انیماترونیک را ساخت ربات‌هایی به شکل انسان، جانوران یا موجودات تخیلی دانست. امروزه واژه‌هایی نظیر حیوانات رباتیک یا جانوران رباتیک بسیار رایج هستند؛ اما اگر منظور از این اصطلاحات، اشاره به محصولات انیماترونیک باشد، در این صورت اصطلاح درست این واژه‌ها، حیوانات انیماترونیک یا «جانوران انیماترونیک» می‌باشد. گردآورنده: مسعود محمدی (دبیر تخصصی رباتیک پژوهش سرای علوم و فنون قم) 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom

دوره جامع پایتون - پست شماره 10 متغیرها در پایتون (بخش اول): متغیرها همانند برچسب‌هایی هستند که به فضایی در حافظه که مقدار آن‌ها در آنجا ذخیره شده است، ارجاع داده می‌شوند. داده‌های اصلی را می‌توان در انواع مختلف متغیرها (اعداد Numbers: Integer, Float متغیرهای منطقی Booleans و رشته‌ها Strings ذخیره کرد. نکته: پایتون یک زبان برنامه نویسی حساس به کوچک و بزرگ بودن حروف است. لذا ددر نامگذاری متغیرها بایستی به کوچک و بزرگ بودن حروف دقت کرد. نامگذاری و تعریف متغیرها: ▫️بهتر است در نامگذاری از اسامی معنادار و توضیحی استفاده شود تا خوانایی کد برای دیگران بیشتر شود. به همین دلیل استفاده از _ (زیرخط یا Undescore) در نامگذاری مجاز است تا بتوان اسامی چند بخشی را خواناتر کرد. استفاده از هیچ علامت دیگری بجز _ در نام متغیر مجاز نیست. ▫️در نامگذاری فقط می‌توان از حروف بزرگ و کوچک انگلیسی و اعداد و علامت _ استفاده کرد، اما استفاده از اعداد در ابتدای نام متغیر مجاز نیست. ▫️نامگذاری را با یکی از شکل‌های زیر انجام دهید اما پیشنهاد ما استفاده از حروف کوچک و جداکردن کلمات با _ است: course_name (Snake Case ) CourseName (Pascal Case ) courseName (Camel Case) COURSE_NAME (Upper Case) iCourseName(Hungarian Notation) ▫️بهتر است قبل و بعد از علامت = یک فاصله قرار داده شود. ▫️استفاده از نام های فرامین پایتون به عنوان نام متغیر مجاز نیست. گردآورنده: علی مختاری (دبیر پژوهش سرای علوم و فنون قم) 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom

🤔شبکه عصبی هوش مصنوعی چیست؟ شبکه های عصبی با شبیه سازی مغز انسان به آنالیز داده های پیچیده می پردازند. شبکه های عصبی مصنوعی (ANN) که به اختصار شبکه های عصبی نیز گفته می شوند، نوع خاصی از مدل یادگیری هستند که روش کارکرد سیناپس ها در مغز انسان را تقلید می کنند. در روش های محاسباتی سنتی، از یک سری عبارات منطقی برای اجرای یک عمل استفاده می شود؛ اما در مقابل، شبکه های عصبی از مجموعه نودها (به عنوان نرون) و یال ها (در نقش سیناپس) برای پردازش داده بهره می گیرند. در این سیستم، ورودی ها در شبکه به جریان افتاده و یک سری خروجی تولید می گردد. پس از این کار، خروجی ها با داده های معتبر مقایسه می گردند. مثلاً فرض کنید می خواهید کامپیوتر خود را به گونه ای آموزش دهید که تصویر سگ را تشخیص دهد. برای این کار میلیون ها تصویر از سگ های مختلف را وارد شبکه کرده و آنهایی که از سوی سیستم به عنوان خروجی انتخاب می شوند را دریافت می کنید. در این مرحله، کاربر انسانی می تواند به سیستم بگوید که کدام یک از خروجی ها، دقیقاً تصویر سگ هستند. بدین ترتیب، مسیرهایی که به تشخیص موارد درست منجر شده، از طرف شبکه تقویت خواهند شد. با تکرار این فرایند در دفعات زیاد، شبکه نهایتاً قادر است به دقت بسیار خوبی در اجرای وظیفه موردنظر دست یابد. البته شبکه های عصبی را نمی توان پاسخ تمام مسائل محاسباتی پیش روی انسان دانست، اما در مواجهه با داده های پیچیده، بهترین گزینه به شمار می رود. گوگل و مایکروسافت از شبکه های عصبی برای تقویت اپلیکیشن های ترجمه خود بهره گرفته اند و به نتیجه بسیار خوبی دست یافته اند، زیرا عمل ترجمه از جمله فرایندهای بسیار پیچیده محسوب می گردد. بدین ترتیب با استفاده از قابلیت یادگیری شبکه های عصبی، سیستم ترجمه می تواند ترجمه های صحیح را برای یادگیری به کار گرفته و به مرور زمان به دقت بیشتری دست یابد. گردآورنده: مسعود محمدی (دبیر تخصصی رباتیک پژوهش سرای علوم و فنون قم) 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom

چگونگی تشخیص استعداد فرزندان در زمینه رباتیک ۱. علاقه به ساخت و ساز: اگر فرزند شما علاقه به ساخت وسایل با مواد مختلف از جمله مقوا، چوب و قطعات آماده داشته باشد، این نشانه ای از استعداد در رباتیک است. ۲. کنجکاوی راجع به چگونگی کارکرد وسایل مختلف: اگر فرزند شما مدام درباره روش کار دستگاه های مختلف سوال بپرسد و کنجکاوی نشان دهد، احتمالا در رباتیک استعداد دارد. ۳. ایده پردازی: اگر فرزند شما روش های جدیدی برای انجام کارهای مختلف ارائه دهد، به احتمال زیاد در رباتیک موفق خواهد بود. ۴. توانایی حل مسئله: کودکان با توانایی ارائه راه حل های مختلف برای حل مشکلات دارای استعداد در رباتیک هستند. نویسنده: مسعود محمدی (دبیر تخصصی رباتیک پژوهش سرای علوم و فنون قم) 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom

دوره جامع پایتون - پست شماره 11 متغیرها در پایتون (بخش دوم - رشته ها: تعریف): رشته‌ها مجموعه ای از اعداد، حروف و علامت‌ها هستند که به ترتیب مشخص شده، توسط پایتون ذخیره می‌شوند. با توجه به اینکه علامت فاصله یا Space نیز می‌تواند در داخل یک رشته ذخیره شود، ابتدا و انتهای رشته در هنگام تعریف بایستی توسط دو علامت دابل کوتیشن " محدود شود. برای تعریف رشته های چندخطی بجای علامت " در ابتدا و انتهای رشته از """ استفاده می‌شود. نکته1: برای تعریف رشته ها در پایتون از علامت کوتیشن ' نیز می‌توان استفاده کرد اما باید دقت شود که رشته با علامت مشابه بسته شود. نکته2: در صورت نیاز به استفاده از علامت های ' و " در داخل رشته برای نقل قول بایستی از توالی فرار استفاده کرد. چند روش کاربرد مهم توالی فرار به شکل زیر است: '/: ایجاد یک علامت ' در داخل یک رشته "/: ایجاد یک علامت " در داخل یک رشته //: ایجاد یک علامت / در داخل یک رشته /n: ایجاد یک خط جدید و ادامه رشته در خط بعدی رشته‌های فرمت بندی شده: برای ایجاد یک رشته با فرمت دلخواه و استفاده از متغیرهای از پیش تعریف شده می‌توان از کلمه f پیش از تعریف رشته استفاده نمود. full_name = f"{first_name} {last_name}" همان گونه که در مثال فوق مشخص است متغیرها بایستی در داخل کروشه {} قرارگیرند تا مقدار آن‌ها بجای نامشان در داخل رشته نهایی قرار داده شود. سایر کاراکترهای موجود در داخل " که داخل {} نباشند عیناٌ وارد رشته می‌شوند. گردآورنده: علی مختاری (دبیر تخصصی کدنویسی) 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom

دوره جامع پایتون - پست شماره 12 متغیرها در پایتون (بخش دوم - رشته ها: توابع پیش فرض): پیش از آشنایی با برخی توابع و متدهای پیش فرض پایتون، یادآوری این نکته ضروری به نظر میرسد که رشته‌ها در پایتون متغیرهای قابل شمارش هستند. یعنی هر یک از کاراکترهای داخل رشته اندیس مخصوص به خود را دارند که توسط آن قابل فراخوانی هستند. لازم به ذکر است که شماره اندیس‌ها از صفر برای اولین کاراکتر سمت چپ رشته شروع می‌شود. my_string[0]: اولین کارکتر سمت چپ رشته را برمیگرداند my_string[-1]: اولین کاراکتر از انتهای رشته را فراخوانی ‌کند my_string[0:3]: کاراکترهای اندیس های صفر تا 2 را فراخوانی می‌کند. نکته: در مثال آخر دقت کنید که حد بالای رنج اندیس‌های فراخوانی شده بصورت غیرمشمول است یعنی کاراکتر با اندیس 3 فراخوانی نخواهد شد. این یکی از مهترین نکاتی است که در فراخوانی اندیس ها باید مد نظر قرار گیرد. تابع ()len: این تابع طول رشته داخل پرانتز را به صورت یک عدد صحیح برمیگرداند. نکته: بر طبق نکته بخش قبل، پرواضح است که: طول رشته = آخرین اندیس رشته + 1 تابع ()del: این تابع مقدار رشته تعریف شده در داخل پرانتز را از حافظه پاک می‌کند. در پست بعدی برخی از متدهای مربوط به رشته‌ها را معرفی خواهیم کرد. متدها و توابع از جهات زیادی مشابه هم هستند و تفاوت‌های جزئی بین آن‌ها را در آینده مورد بررسی قرار خواهیم داد. گردآورنده: علی مختاری (دبیر تخصصی کدنویسی) 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom

دوره جامع پایتون - پست شماره 13 متغیرها در پایتون (بخش دوم - رشته ها: متدها): 👨‍🏫یکی از تفاوت‎های اصلی متدها با توابع شکل بکارگیری آن‌هاست. توابع در هر جایی از کد بعد از تعریف خود قابل اجرا هستند اما متدها وابسته به آبجکت‌ها هستند و بایستی بلافاصله به شکل زیر با فاصله یک نقطه روی آبجکت مورد نظر فراخوانی شوند. string_name.method_name(input_arguments) با توجه به اینکه رشته‌ها در پایتون به عنوان شیئ در نظر گرفته می‌شوند، متدهای بسیار پرکاربردی برای آن‌ها قابل استفاده است که در ادامه برخی از آن‌ها را مورد بررسی قرار می‌دهیم. .upper(): این متد همه حروف داخل رشته ورودی را به شکل حروف بزرگ برمی‌گرداند. .lower(): این متد همه حروف داخل رشته ورودی را به شکل حروف کوچک برمی‌گرداند. .capitalize(): حروف اول جملات را به شکل حروف بزرگ درمی‌آورد. .title(): حرف اول همه کلمات متن مورد نظر را به شکل بزرگ در می‌آورد. 📌نکته: این فرامین تنها در مورد حروف بزرگ و کوچک زبان انگلیسی به درستی عمل می‌کنند و در سایر زبان‌ها عملکرد چندان درستی ندارند. .count(".."): تعداد رخدادهای آرگومان ورودی در رشته مورد نظر را برمی‌گرداند. .find("..."): اندیس آغاز آرگومان ورودی در رشته مورد نظر را در صورت وجود برمی‌گرداند و در صورت عدم وجود آرگومان در رشته اصلی 1- را برمی‌گرداند. .replace("...", "..."): تنها در صورت یافتن آرگومان اول در رشته مورد نظر، آرگومان دوم را جایگزین آن می‌کند. گردآورنده: علی مختاری (دبیر تخصصی کدنویسی) 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom

دوره جامع پایتون - پست شماره 14 متغیرها در پایتون (بخش دوم - رشته ها: متدها - ادامه): .strip(), .lstrip(), .rstrip(): این متد به ترتیب از چپ به راست تمام فاصله‌های اضافی ابتدا و انتها، فاصله‌های اضافی سمت چپ و فاصله های اضافی سمت راست رشته مورد نظر را پاک می‌کند. .split(" "): این متد رشته مورد نظر را از موقعیت‌های رخداد آرگومان ورودی خود برش می‌زند و به صورت یک لیست برمی‌گرداند. تذکر: معرفی نوع داده لیست در پست‌های بعدی ارائه خواهد شد. .max(), .min(): این دو متد به ترتیب از چپ به راست بزرگترین و کوچکترین کاراکتر داخل رشته را برمی‌گرداند. نکته: شاید مقایسه بزرگتر و کوچکتر بودن کاراکترها از نظر شما کمی عجیب به نظر برسد اما با نوشتن کاراکتر مورد نظر در تابع ()ord متوجه خواهید شد که هر کدام از کاراکتر‌ها یک عدد متناظر به خود دارند، که در چنین مقایسه‌ای، پایتون این اعداد را با هم مقایسه می‌کند و کاراکتر با بزرگترین یا کوچکترین عدد متناظر موجود در رشته را برمی‌گرداند. .join(): این متد می‌تواند با قراردادن رشته‌ای که روی آن اجرا می‌شود، در فواصل بین اجزای ورودی داخل پرانتز که حتما باید یک داده شمارشی از رشته ها باشد (رشته، لیستی از رشته‌ها یا ...)، یک رشته جدید ایجاد کند. برای درک بهتر مثال زیر را ببینید. >>> ','.join(['1','2','3']) ‘1,2,3’ گردآورنده: علی مختاری (دبیر تخصصی کدنویسی) 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom