eitaa logo
پژوهش‌سرای علوم و فنون قم
901 دنبال‌کننده
274 عکس
156 ویدیو
31 فایل
پژوهش سرای علوم و فنون قم برگزار کننده دوره‌های علمی-پژوهشی، فناوری و کار آفرینی قطب رباتیک و هوش مصنوعی استان قم شماره تماس: 02536706777 ارتباط با ادمین: @OlomFonunAdmin لینک عضویت: https://digiform.ir/olumfonunqom آدرس: قم، خیابان ایستگاه، بین ک ۷و ۹
مشاهده در ایتا
دانلود
7.15M حجم رسانه بالاست
مشاهده در ایتا
ربات اندرویدی زحمتکش Kaliedo 8.0 این ربات اندرویدی در ابتدا به عنوان ربات امدادگر طراحی شد. به همین دلیل توانایی حرکت در سطوح مختلف همانند بالا رفتن از نردبان و عبور از موانع را دارد. اما اکنون این ربات در کار‌های بشر دوستانه مانند پاک کردن زباله‌ها از طبیعت یا تخلیه کامیون‌ها با انسان همکاری می‌کند. ۱۸۰ سانتیمتر ارتفاع و ۸۶ کیلوگرم وزن باعث شباهت بیشتر این ربات به انسان شده است. همچنین با ۳۲ درجه آزادی مشکلی برای انجام وظایف خود ندارد. 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom
دوره جامع پایتون - پست شماره 5 اولین برنامه شما با پایتون: برای نگارش اولین برنامه پایتون خود تنها کافیست تا یک فایل به نام دلخواه و فرمت py. در پوشه دلخواه ایجاد کنید و در داخل آن تایپ کنید: print("Hello World!") print("*" * 11) اجرا با IDLE: حال این فایل را با استفاده از گزینه Edit with IDLE از منوی کلیک راست باز کرده و با فشردن دکمه F5 اجرا کنید. اجرا با VS Code: فایل مورد نظر را با توسط برنامه باز کرده و با فشردن Ctrl+F5 اجرا کنید. اجرا در ترمینال: برای فعال سازی ترمینال برنامه '+Ctrl را فشرده و سپس تایپ کنید: python نام_فایل_شما.py 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 6 کدنویسی پایتون با VS Code: همانگونه که اشاره شد نرم افزار VS Code همانند Pycharm یک IDE تخصصی پایتون نیست، اما با نصب افزونه‌ Pyhton و سایر افزونه های معرفی شده در این پست می‌تواند تبدیل به یک IDE کاملا حرفه ای برای پایتون شود و قابلیت‌های مهم زیر را برای تسهیل کدنویسی شما در اختیار قرار دهد: ویژگی Linting: چک کردن لحظه‌ای کدهای در حال نگارش برای خطاهای احتمالی با نصب افزونه Pylint ویژگی Debugging: قابلیت خطایابی و روش اشکال برنامه به کمک کاربر با نصب افزونه Python Debugger ویژگی Autocompletion: افزایش سرعت کدنویسی با استفاده از تکمیل خودکار کدها ویژگی Code Formatting: پاکسازی و خوانا کردن کدها برای سایرین با نصب افزونه Autopep8 و فعالسازی پاکسازی خودکار بعد از ذخیره سازی از مسیر: File>Preferences>Settings>Format On Save>Enable در صورت عدم تمایل به استفاده از روش خودکار می‌توانید کلیدهای Ctrl+Shift+P را هر بار بفشارید. ویژگی Unit Testing: قابلیت نگارش دسته ای از تست ها برای چک کردن عملکرد کد به صورت خودکار ویژگی Code Snippet: ایجاد بلوک های کد با قابلیت بکارگیری مجدد اجرای کد: اجرای کدهای پایتون نوشته شده با فشردن کلید ترکیبی Ctrl+Alt+n با نصب افزونه Code Runner 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 خلاقیت الگوریتمی و برنامه‌نویسی پایتون (مخصوص دانش‌آموزان متوسطه‌ی اول و دوم) خلاقیت، یکی از ارزشمند‌ترین توانایی‌های انسان است. خلاقیت الگوریتمی راهی‌است برای ورود دانش‌آموزان به دنیای زیبای علوم کامپیوتر، حل مساله و بارورکردن استعدادهایشان. مخاطب این دوره‌، همه‌ی دانش‌آموزان مقطع متوسطه‌ی اول و دوم (کلاس‌های هفتم تا دوازدهم) هستند و مطالب دوره به شکلی انتخاب شده‌اند که قابل فهم برای عموم دانش‌آموزان باشند. این دوره به صورت رایگان و ده هفته در طول تابستان ۱۴۰۲ در دانشگاه صنعتی شریف (حضوری) و سامانه‌ی محیط (مجازی) برای بیش از ۴۵۰۰ نفر از دانش‌آموزان سراسر کشور برگزار می‌شود. کلاس‌های اصلی دوره در هر هفته شامل یک ساعت آموزش نظری و یک ساعت آموزش برنامه‌نویسی پایتون است. علاوه بر آن، دانش‌آموزان در قالب گروه‌های حدودا ۲۰ نفره در هر هفته یک جلسه کلاس حل تمرین دارند. تمرین‌های نظری دوره در سامانه‌ی www.learn-python.ir و تمرین‌های عملی دوره روی سامانه‌ی جونیورا (کوئرا) انجام می‌گیرد. یک تیم ۱۱۰ نفره از بهترین دانشجویان و دانش‌آموختگان دانشگاه‌های برتر کشور در تهیه‌ی محتوا و برگزاری کلاس‌های حل تمرین این دوره سهیم هستند. این دوره به همت مرکز آموزش‌های تخصصی دانشگاه صنعتی شریف ضبط و تدوین گردیده است. مسیر جایگزین برای دسترسی به محتوای دوره: https://ocw.sharif.ir/course/id/522 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom
دوره جامع پایتون - پست شماره 7 پیاده سازی‌های مختلف پایتون (بخش اول): شاید به عنوان یک برنامه نویس پایتون خالی از لطف نباشد که بدانید که علاوه بر تفاوت نسخه، پیاده سازی (Implementation) های مختلفی نیز از پایتون وجود دارد. مرسوم ترین و متداول ترین پیاده سازی پایتون که احتمالا شما نیز از آن استفاده می‌کنید با استفاده از زبان C نوشته شده است و CPython خوانده می‌شود. علاوه بر CPython پیاده سازی های دیگری نیز از پایتون وجود دارند که در ادامه توضیح مختصری در مورد آن‌ها خواهیم داد. پیاده سازی Jython: پایتون نگارش شده به کمک زبان Java را جایتون می‌نامند. پیاده سازی IronPython: پایتون نگارش شده توسط #C را آیرون پایتون نامیده اند. پیاده سازی PyPy: این پیاده سازی پایتون توسط زیر مجموعه ای از پایتون نوشته شده است. در پست بعدی به این موضوع خواهیم پرداخت که اصولا چرا این پیاده سازی های مختلف از پایتون وجود دارد. گردآورنده: علی مختاری (دبیر پژوهش سرای علوم و فنون قم) 🏢پژوهش سرای علوم و فنون قطب رباتیک، کدنویسی و هوش مصنوعی استان قم: @OlomFonunQom
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