هوش مصنوع‪ی‬ Mostapha Kalami Heris

مجموعه پادکستکاربردهای هوش مصنوعی در کسب و کاربخش پانزدهم: والمارت – Walmartبرخی مطالب پوشش داده شده:– تاریخچه و سوابق والمارت– روش کار والمارت در بازار خرده‌فروشی– اهمیت انبارداری و کنترل موجودی در خرده‌فروشی– تحلیل و پیش‌بینی تقاضا– نوآوری‌های والمارت برای بهبود تجربه مشتریان– اپلیکیشن والمارت– روبات‌های مستقر فروشگاه‌های والمارت– ابزارها و فناوری‌های مورد استفاده– کلان‌داده یا بیگ‌دیتا در والمارت– نتایج، چالش‌ها و ایده‌هامراجع:[1] کتاب Artificial Intelligence in Practice، انتشارات وایلی، ۲۰۱۹[2] مدخل والمارت در ویکی‌پدیا[3] رقابت والمارت و آمازون[4] روبات‌های مستقر در شعب والمارت[5] استفاده از روبات‌ها در فروشگاه‌های والمارت[6] اخبار مربوط به بوسا نووا[7] استفاده از کلان‌داده یا بیگ‌دیتا در والمارت[8] استفاده از بینایی ماشین توسط والمارت[9] کاربرد هوش مصنوعی در والمارت

مجموعه پادکستکاربردهای هوش مصنوعی در کسب و کاربخش چهاردهم: جان دیر – John Deereبرخی مطالب پوشش داده شده:– تاریخچه و سوابق جان دیر– ابتکارات جان دیر در حوزه تکنولوژی– چالش جهانی تأمین غذا و کشاورزی– مشکلات ناشی از کودها و سموم– استفاده از یادگیری ماشین در سم‌پاشی– دستاوردهای شرکت بلو ریور– مفهوم کشاورزی دقیق (Precision Agriculture)– تأثیرات استفاده از کشاورزی دقیق– سیستم FarmSight– فرصت‌های موجود در کشاورزی دیجیتال– چالش‌ها و موانع کشاورزی هوشمندمراجع:[1] کتاب Artificial Intelligence in Practice، انتشارات وایلی، ۲۰۱۹[2] مدخل جان دیر در ویکی‌پدیا[3] دستاوردهای جان دیر در حوزه نرم‌افزار و یادگیری ماشین[4] کشاورزی دقیق[5] مرور فعالیت‌های بلو ریور[6] مجموعه ابزارهای نرم‌افزاری و هوشمند جان دیر[7] گزارش سازمان ملل در خصوص چشم‌انداز جمعیت جهان

مجموعه پادکستکاربردهای هوش مصنوعی در کسب و کاربخش سیزدهم: اینفرویژن - InferVisionبرخی مطالب پوشش داده شده:– تاریخچه و سوابق اینفرویژن– دستاوردها و محصولات– بررسی عوامل مرگ‌ومیر در چین– اهمیت تشخیص زودهنگام– بیماری‌های تحت پوشش اینفرویژن– نحوه عملکرد سیستم تشخیص سرطان ریه– استفاده از عکس‌های رادیولوژی قدیمی– مفهوم یادگیری نظارت شده– اثرگذاری روش اینفرویژن در عمل– اهمیت استفاده از هوش مصنوعی در حوزه پزشکی و سلامت– چالش‌های موجودمراجع:[1] کتاب Artificial Intelligence in Practice، انتشارات وایلی، ۲۰۱۹[2] سایت شرکت اینفرویژن[3] کاربرد هوش مصنوعی در تشخیص سرطان[4] بیماری‌های شایع در چین[5] معرفی اینفرویژن در تک‌کرانچ[6] گزارش تک‌کرانچ از گسترش فعالیت‌های اینفرویژن[7] گزارش اکسس‌وایر از عملکرد اینفرویژن[8] یک نمونه از مقالات علمی استفاده کننده از فناوری اینفرویژن[9] گزارش نیوزوایر از حضور اینفروین در اروپا.

مجموعه پادکستکاربردهای هوش مصنوعی در کسب و کاربخش دوازدهم: نتفلیکس - Netflixبرخی مطالب پوشش داده شده:– تاریخچه و سوابق– اطلاعات مالی و عملکردی– هدف اصلی نتفلیکس چیست؟– چالش‌های صنعت محتوا و سرگرمی– پیشنهاد محتوای مناسب به کاربران– طبقه‌بندی فیلم‌ها و سریال‌ها– مسابقه نتفلیکس– آشنایی با Vectorflow– چرخه توسعه محصول در نتفلیکس– الگوریتم بهینه‌سازی و فشرده‌سازی نتفلیکس– ورود نتفلیکس به صنعت تولید محتوا– استفاده از هوش مصنوعی در برنامه‌ریزی تولید محتوامراجع:[1] کتاب Artificial Intelligence in Practice، انتشارات وایلی، ۲۰۱۹[2] مدخل نتفلیکس در ویکی‌پدیا[3] مدخل جایزه نتفلیکس در ویکی‌پدیا[4] گزارش ویژه سهام‌داران نتفلیکس در نیمه سال ۲۰۱۸[5] نتفلیکس چطور علایق شما را با هوش مصنوعی متوجه می‌شود؟[6] ثبت رکورد ۳۵۰ میلیون ساعت مشاهده فیلم بر روی نتفلیکس[7] آشنایی با وکتورفلو[8] صفحه پروژه وکتورفلو روی گیت‌هاب[9] نتفلیکس چطور از هوش مصنوعی برای یافتن موضوع برنامه‌های آتی استفاده می‌کند؟[10] رویکرد نتفلیکس برای فشرده‌سازی و بهینه‌سازی کیفیت تصویر.

مجموعه پادکستکاربردهای هوش مصنوعی در کسب و کاربخش یازدهم: BMW – بی‌اِم‌ویبرخی مطالب پوشش داده شده:– تاریخچه و سوابق– اطلاعات مالی و عملکردی– چالش‌های صنعت خودروسازی– همکاری BMW با IBM– همکاری BMW و اینتل– آزمایشگاه شبیه‌سازی جاده– هوش مصنوعی Eleanor برای رولزرویس– هوش مصنوعی برای خودروهای مینی– هوشمندسازی عملیات تولید با Teradata– آینده صنعت خودروسازیمراجع:[1] کتاب Artificial Intelligence in Practice، انتشارات وایلی، ۲۰۱۹[2] مدخل BMW در ویکی‌پدیا[3] همکاری BMW و IBM[4] همکاری BMW و اینتل[5] راه‌اندازی مرکز شبیه‌سازی آزمایشگاهی رانندگی[6] مصاحبه با Sam Huang از کارشناسان BMW iVentures

مجموعه پادکستکاربردهای هوش مصنوعی در کسب و کاربخش دهم: امریکن اکسپرس (American Express)برخی مطالب پوشش داده شده:- بررسی تاریخچه و سوابق َAmex- اطلاعات مالی و عملکردی Amex- مشکلات موجود در حوزه پرداخت اعتباری- تشخیص تقلب یا Fraud Detection- بررسی ابعاد تقلب در پرداخت‌ها- حفظ و بهبود تجربه مشتریان- نحوه تشخیص پرداخت‌های تقلب و غیر مجاز- دشواری‌های ذخیره، بازیابی و پردازش اطلاعات- اپلیکیشن دستیار Mezi- افزایش امنیت تراکنش‌ها با دستیار شخصی- تکنولوژی‌ها و ابزارهای به کار رفته- آشنایی با Apache Hadoop- بررسی نتایج به دست آمدهمراجع:[1] کتاب Artificial Intelligence in Practice، انتشارات وایلی، 2019[2] مدخل American Express در ویکی‌پدیا[3] گزارش مصور شرکت Amex در سال 2018[4] گزارش نیلسون در زمینه ابعاد مالی تقلب در کارت اعتباری[5] بررسی کاربردهای یادگیری ماشین در تشخیص تقلب[6] رویکرد Amex برای استفاده از یادگیری ماشین[7] شرکت Amex چطور از کلان‌داده و هوش مصنوعی استفاده می‌کند؟[8] یادگیری ماشین در شرکت American Express[9] خرید Mezi توسط شرکت Amex