بستن× ارتباط ۸۴۹۷۷۶۷۲
بستن×

فرم جستجو

هوش مصنوعی و تحلیل داده عظیم: فرصت‌ها و چالش‌ها

زمان برگزاری: 11/04/1395 - 10:00 الی 12:00
نوع: کارگاه آموزشی
زبان: فارسی
سازمان ارائه دهنده: پژوهشگاه ارتباطات و فناوری اطلاعات
ارائه دهنده: علی رضایی یزدی
تلفن تماس:
مکان: سالن آموزش
نشانی تارنما:

   در یک دهه اخیر فناوری تحلیل داده و اطلاعات  (Data and information analysis)به یکی از مهمترین مکانیزم‌های بهینه‌سازی فرایند‌ها و تصمیم‌ها و در نتیجه افزایش سودآوری تبدیل شده است. فناوری‌ای که در سالهای اخیر از آن با عنوان "علوم داده"  (Data Science)یاد می‌کنند. علوم داده تقریبا در همه زمینه‌ها و حوزه‌های علم، فناوری، خدمات و صنعت مولد تغییرات و تاثیرات بسیار شگرفی بوده است، و در پنج سال اخیر پیشرفت‌های شایانی در ابعاد استراتژیک، نرم‌افزاری و سخت‌افزاری ِ این شاخه از علوم وجود داشته است. اما با افزایش چشمگیر سرعت تولید داده که در بعضی موارد  به "هزاران در ثانیه" می‌رسد و همچنین نیاز روز افزون دنیای صنعت و تجارت به بهینه‌سازی‌های سریع و دقیق، پژوهشگران متوجه شده‌اند که برای تحلیل و استفاده  کارآمد از این حجم داده  که بعضا تا  مرز  داده  عظیم Big Data  میرسد نیازمند تغییراتی هم در زمینه استراتژی مورد نیاز برای تحلیل داده و هم در زمینه سیستم‌های نرم افزاری و سخت افزاری هستند. از طرف دیگر، در سالهای اخیر با پیشرفت فناوری هوش مصنوعی  (Artificial Intelligence AI)و علوم معنایی (Cognitive Science) و درنتیجه نیازمندی بشر به رفتار انسانگونه ماشین فرصتهای استثنایی و البته چالش‌های جدیدی در زمینه استفاده موثر از علوم داده بوجود آماده است. با این مقدمه، محقق اولا به بررسی گذرای کاربردهای نوین علوم داده در حوزه‌هایی که با داده‌های عظیم مواجه هستند میپردازد. دوما با ذکر و توضیح چند پروژه از پروژه‌هایی که محقق بر روی آن کار کرده است، خصوصیات (characteristics)  و چالشهای استراتژیک، نر‌افزاری و سخت‌افزاریِ[1] تحلیل داده‌های عظیم مورد بررسی قرار خواهد گرفت. در مرحله سوم مشخصات، تفاوت‌ها و خصوصیت‌های منحصر بفرد استفاده از علوم داده (از جمله داده عظیم) در زمینه هوش مصنوعی و رابطه تنگاتنگ این دو حوزه از علم بیان خواهد شد. لازم به ذکر است، از آنجا که حوزه علوم داده و هوش مصنوعی بسیار وسیع و گسترده میباشد، طبیعتا صحبت درباره هر کدام از ابعاد مختلف این حوزه (که در بالا به آنان اشاره شده) به تنهایی نیازمند چندین جلسه صحبت و گفتگو خواهد بود. درنتیجه محقق تلاش خواهد کرد که در حد زمان فقط به برجسته‌ترین و محسوس‌ترین نکات و موضوعات بپردازد، نکات و موضوعاتی که برگرفته از یافته‌ها و تجربه‌های شخصی محقق است. سخنرانی با ترسیم یک افق تحقیقاتی برای بهینه‌سازی استفاده از علوم داده و هوش مصنوعی در کشور به پایان خواهد رسید.

[1] نرم افزاری و سخت افزاری مانند استراتژی‌ها و ابزار ذخیره سازی، انتقال، تحلیل و نمایش داده

مستنداتی یافت نشد.