abcdonenumbe



توجه ترجمه این مقاله در ترنسلیت انجام شده که ممکن است کمی اشکال داشته باشد.

از کارشناسان تحرک ما در Android OnAir مطلع شوید
برای پشتیبانی از مشتریان Android Enterprise با ابتکارات تحرک خود ، ما یک سری وبینار در Android OnAir ایجاد کرده ایم که بهترین راه حل ها را در استقرار و مدیریت دستگاه ها ارائه می دهد. هر وبینار موضوعی اساسی را مورد توجه قرار می دهد که مورد توجه تصمیم گیرندگان و مدیر IT قرار گیرد. شرکت کنندگان می توانند در طول پخش به یک پرسش و پاسخ زنده بپیوندند تا مستقیماً از Google پاسخ دریافت کنند. اگر نمی توانید پخش مستقیم انجام دهید ، وبینارها در صورت تقاضا در دسترس هستند.

کاتالوگ فعلی وبینارهای درخواستی ما مباحث مهمی مانند استراتژی های استقرار و به روزرسانی های امنیتی Android را پوشش می دهد. برنامه آینده را بررسی کنید و امروز ثبت نام کنید تا بتوانید نقطه خود را رزرو کنید.


سرویس های امنیتی Google در Android
15 آوریل: دستگاه های اندرویدی توسط امنیت پیشرو صنعت پشتیبانی می شوند تا به امنیت دستگاه ها کمک کنند. بیاموزید که چگونه Google Play Protect ، مرور ایمن ، SafetyNet و سایر خدمات امنیتی Google به حفاظت از داده های شرکت و حفظ حریم شخصی کارکنان کمک می کنند و راهکارهایی را برای ادغام آنها در ابتکار تحرک خود کشف می کنید.


استفاده از موبایل برای بهبود تداوم مشاغل
13 مه: اندروید بدون توجه به جایی که هستند می توانند چگونگی ارتباط تیم های شما با یکدیگر و کارآمدتر کار را تغییر دهند. بیاموزید که چگونه می توانید دستگاه های تلفن همراه را فراتر از موارد استفاده سنتی قرار دهید و با دسترسی به خدمات داخلی مانند برنامه های خصوصی ، سایت های شرکت ها و سرویس های کلیدی ، کارمندان را برای دسترسی بیشتر به هر دستگاه راحت تر کنید.


چگونه Google استانداردهای امنیتی Android را اامی می کند
17 ژوئن: استانداردهای مداوم امنیتی و مدیریتی به شرکتها این اطمینان را می دهد که از دستگاههای مختلف نصب شده برای پشتیبانی از موارد مختلف استفاده تجاری استفاده کنند. درباره نحوه همکاری Google با تولید کنندگان دستگاه و توسعه دهندگان دستگاه برای پیاده سازی سیستم های امنیتی مستقر در دستگاه های سازمانی اطلاعات بیشتری کسب کنید.


جلوگیری از از دست دادن داده های سازمانی در Android
15 ژوئیه: از دست دادن داده ها می تواند برای هر شغلی فاجعه بار باشد. بیاموزید که چگونه ویژگیهای مدیریت Android Android Enterprise ابزاری را برای مدیریت برنامه های کاربردی و استفاده از داده های امن فراهم می کند که به جلوگیری از نشت و محافظت در برابر حملات بازیگران بد کمک می کند. استراتژی های مدیریت Android را کشف کنید تا ضمن دسترسی به محافظت از داده های مهم شرکت ، سطح دسترسی مورد نظر خود را به کارمندان بدهید.


کارگران خط مقدم خود را برای موفقیت با Android مجهز کنید
12 آگوست: کارگران خط مقدم مانند همراهان فروش ، مدیران انبار ، رانندگان تحویل و دیگران کارهای مهم و اساسی را انجام می دهند که باعث موفقیت مشتری می شود. با این حال ، سرمایه گذاری تلفن همراه در این کارمندان کم است. مشاغل می توانند با استفاده از دستگاه های تلفن همراه به توانمندسازی این تیم ها با تصمیمات محور داده و دسترسی به زمان واقعی به منابع شرکت بپردازند. بیاموزید که چگونه تجارت می تواند از تنوع دستگاه Android برای ارائه دستگاه مناسب برای هر مورد استفاده دیجیتال استفاده کند.


توضیح Android Enterprise
اامات توصیه شده و امنیتی
16 سپتامبر: Android Enterprise توصیه شده ، گزینه های تحرک را برای مشاغل دارای لیست کوتاه دستگاه ها ، خدمات و شرکای مصوب Google ، تأمین می کند. دریابید که چگونه این ابتکار عمل می تواند به تیم شما کمک کند دستگاه هایی با نیازهای امنیتی و نرم افزاری سازگار را انتخاب کند و شرکای معتبر سازمانی و مدیریت ارائه دهنده خدمات را پیدا کند.

نویسنده: پمپ وکیوم آبی ایرانی


شاخه ای از یادگیری ماشینی موسوم به یادگیری عمیق به رایانه ها کمک کرده است که در انجام کارهای تصویری تعریف شده مانند خواندن اسکن های پزشکی ، از انسانها پیشی بگیرند ، اما با گسترش فن آوری به تفسیر فیلم ها و رویدادهای دنیای واقعی ، مدل ها بزرگتر و از نظر محاسباتی فشرده تر می شوند.


با یک تخمین ، آموزش یک مدل تشخیص تصویری می تواند 50 برابر بیشتر از داده ها و هشت برابر قدرت پردازش بیشتری نسبت به آموزش یک مدل طبقه بندی تصویر داشته باشد. این یک مشکل است زیرا تقاضا برای قدرت پردازش برای آموزش مدل های یادگیری عمیق همچنان به صورت نمایی افزایش می یابد و نگرانی در مورد ردپای عظیم کربن AI افزایش می یابد . اجرای مدل های بزرگ تشخیص تصویری در دستگاه های تلفن همراه کم مصرف ، که بسیاری از برنامه های هوش مصنوعی در آن قرار دارند ، همچنان یک چالش محسوب می شود.

سونگ هان ، استادیار گروه مهندسی برق و علوم کامپیوتر (MIT) در MIT ، با طراحی مدلهای یادگیری عمیق کارآمد تر ، مشکل را برطرف کرده است . چوانگ گان در مقاله ای در کنفرانس بین المللی کامپیوتر ویژن ، هان ، دانشجوی فارغ التحصیل MIT و جی لین و MIT-IBM واتسون AI آزمایشگاه ، به تشریح روشی برای کوچک کردن مدل های تشخیص ویدیو برای سرعت بخشیدن به آموزش و بهبود عملکرد زمان اجرای گوشی های هوشمند و دیگر دستگاه های تلفن همراه روش آنها باعث می شود با کاهش 150 میلیون پارامتر در یک مدل پیشرفته به 25 میلیون پارامتر ، مدل را به اندازه یک ششم کوچک کنید.

هان می گوید: "هدف ما این است که هوش مصنوعی را برای هر کسی که دستگاه کم مصرف داشته باشد در دسترس قرار دهد." "برای انجام این کار ، ما باید مدل های AI کارآمد طراحی کنیم که از انرژی کمتری استفاده کنند و بتوانند به راحتی در دستگاه های لبه کار کنند ، جایی که بسیاری از هوش مصنوعی در آن حرکت می کند."

کاهش قیمت دوربین ها و نرم افزارهای ویرایش ویدیو و ظهور سیستم عاملهای جدید پخش ویدیویی ، اینترنت را با محتوای جدیدی روبرو کرده است. هر ساعت 30،000 ساعت فیلم جدید فقط در YouTube بارگذاری می شود. محققان می گویند ، ابزارهایی برای کارآمدتر کردن فهرست بندی مطالب ، به بینندگان و تبلیغ کنندگان کمک می کنند تا فیلم ها را سریعتر پیدا کنند. چنین ابزارهایی همچنین به مؤسساتی مانند بیمارستان ها و خانه های سالمندان کمک می کند تا برنامه های هوش مصنوعی را بصورت محلی و نه در ابر اجرا کنند تا داده های حساس را خصوصی و ایمن نگه دارند.


اعتبار: موسسه فناوری ماساچوست
مدلهای اساسی تصویر و تشخیص ویدیو ، شبکه های عصبی هستند که کاملاً از نحوه پردازش مغز اطلاعات استفاده می شوند. این که آیا این یک عکس دیجیتالی یا دنباله ای از تصاویر ویدئویی است ، شبکه های عصبی به دنبال الگوهای در پیکسل ها هستند و نمایشی انتزاعی به طور فزاینده از آنچه می بینند ایجاد می کنند. با نمونه های کافی ، شبکه های عصبی "یاد می گیرند" افراد ، اشیاء و نحوه ارتباط آنها را بشناسند.


 
مدلهای برتر تشخیص ویدیو در حال حاضر از پیچیدگی های سه بعدی برای رمزگذاری گذر زمان در یک توالی از تصاویر استفاده می کنند ، که باعث ایجاد مدل های بزرگتر و محاسباتی بیشتر می شود. برای کاهش محاسبات درگیر شده ، هان و همکارانش عملیاتی را طراحی کردند که آنها را یک ماژول تغییر موقتی می نامند که نقشه ویژگی های یک قاب ویدیویی انتخاب شده را به قاب های همسایه خود تغییر می دهد. با آمیختن بازنمایی های مکانی گذشته ، حال و آینده ، این مدل احساس گذر زمان می کند بدون اینکه صریحاً آن را بازنمایی کند.

نتیجه: مدلی که در تشخیص عملکردها در مجموعه داده ویدیویی Something-Something ، از همسالان خود فراتر رفته و در رده بندی های عمومی اخیر رتبه اول در نسخه 1 و نسخه 2 را کسب کرده است. نسخه آنلاین ماژول تغییر نیز به اندازه کافی زیرکانه است که خواندن حرکات در زمان واقعی است. در یک نسخه آزمایشی اخیر ، لین ، دکتری دانشجو در EECS ، نشان داد که چگونه یک کامپیوتر تک بورد به دوربین فیلمبرداری تقلب می کند ، می تواند بلافاصله حرکات دست را با مقدار انرژی برای قدرت یک چراغ دوچرخه طبقه بندی کند.

به طور معمول برای آموزش چنین مدل قدرتمندی در یک دستگاه با تنها یک پردازنده گرافیکی حدود دو روز زمان لازم است. اما محققان موفق به اتخاذ زمان در ابر ابر رایانه وزارت انرژی ایالات متحده ، در حال حاضر سریعترین سرعت در زمین هستند. محققان با قدرت فوق العاده Summit ، نشان دادند که با 1.536 پردازنده گرافیکی ، این مدل می تواند تنها در 14 دقیقه ، نزدیک به حد نظری آن ، آموزش یابد. آنها می گویند که این سه برابر سریعتر از مدل های پیشرفته 3 بعدی است.

داریو گیل ، مدیر تحقیقات آی بی ام ، در سخنان آغازین اخیر خود در هفته پژوهش هوش مصنوعی به میزبانی آزمایشگاه هوش مصنوعی MIT-IBM Watson ، این کار را در سخنان آغازین اخیر خود برجسته کرد.

وی بعدا گفت: "محاسبات مورد نیاز برای مشاغل بزرگ آموزش هوش مصنوعی هر 3.5 ماه دو برابر می شود." "توانایی ما برای ادامه دادن به محدودیت های فناوری به استراتژی هایی مانند این بستگی دارد که الگوریتم های کارآمد با ماشین های قدرتمند مطابقت دارند."


آخرین ارسال ها

آخرین جستجو ها


نرم افزار تبدیل شماره های موبایل به فایل اکسل Ladonna's life مجله اینترنتی مستر کامنت nashr اطراق trustiran راز زیبایی وبلاگ Mark سیدعلی شیخی
دزدگ