مقدمه    

در سال 1403 وزارت تحقیقات، علوم و فناوری دروس جدیدی را برای رشته مهندسی برق تعریف کرد و در زمره سرفصل دروس قرار گرفت. یکی از این دروس، درس هوش‌مصنوعی و تحول دیجیتال است که یک درس دو واحدی با دو مرجع اصلی است. اولین مرجع آن کتاب تحول دیجیتال: زنده ماندن و رشد در انقراض دسته‌جمعی نوشته توماس سیبل است که در سال 1403 ترجمۀ آن را به پایان رساندم و دو نیمسال این کتاب را تدریس کردم. سپس برای آنکه این کتاب مطابق با سرفصل مصوب باشد با تغییر و حذف بخش‌هایی از این کتاب و استفاده از مرجع دوم یعنی کتاب یادگیری ماشین: اولین درس برای مهندسان و دانشمندان نوشته آندراس لیندوم و همکاران، کتاب حاضر فراهم شد. این کتاب مطابق با سرفصل 1403 تهیه شده است و سعی شده هم مفاهیم به‌صورت علمی بیان شود و هم روابط ریاضی به‌صورت حداقلی ارائه شود تا برای دانشجویان ترم سوم مهندسی برق مفید و قابل بهره‌برداری باشد. در انتهای هر فصل تمرینات مفصلی ارائه شده است که می‌تواند به نحوی مکمل آن فصل باشد. لذا اساتید می‌توانند همه یا برخی از این تمرینات را به دانشجویان واگذار کنند تا پیرامون آن تحقیق کنند و مطالب را جمع‌آوری کنند. می‌توان این تمرینات را بین دانشجویان تقسیم کرد و هر دانشجو تعدادی از آنها را انجام دهد. حتی برخی تمرینات قابلیت تهیه مطالب مناسب و ارائه آن در کلاس را هم دارد.

کتاب شامل 12 فصل است که 10 فصل اول کتاب دربرگیرنده کامل سرفصل مصوب است و دو فصل انتهایی مطالبی عملی و کاربردی پیرامون موضوعات مطرح شده است که توصیه می‌شود مخاطبان آن‌ها را فراگیرند تا در پیاده‌سازی عملی با مشکلات کمتری مواجه شوند.

بسیار خرسند خواهم شد که استاتید بزرگوار و دانشجویان نقطه‌نظرات خویش را برای اینجانب ارسال کنند تا در ویرایش‌های بعدی به‌نحو مطلوب از آن‌ها استفاده شود.

در خاتمه از ریاست انتشارات دانش بنیاد و همکاران محترم آن مؤسسه که در تدوین و چاپ این اثر نهایت همکاری را داشتند کمال تشکر را دارم.

سعید قاضی مغربی

S-ghozi 2002@yahoo.com


مراجع

1. Machin Learning, Andreas Lindholm, Niklas Wahlström, Fredrik Lindsten, Thomas B. schön، Cambridge University Press, 2022.

2. تحول دیجیتال: زنده ماندن و رشد در انقراض دسته‌جمعی، نوشته توماس سیبل، ترجمه سعید قاضی مغربی، انتشارات دانش‌بنیاد، 1403.

3. اصول امنیت سیستم‌ها و شبکه‌های رایانه‌ای، نوشته شهرام بختیاری و سعید قاضی مغربی، انتشارات دانشگاه صنعتی شریف، 1396.

4. مبانی بلاک‌چین، مقدمه‌ای غیرفنی در 25 گام نوشته دنیل درشر، ترجمه سیاوش تفضلی، انتشارات راه پرداخت، 1400.

5. سیستم‌های فناوری دفتر کل توزیع شده: یک چارچوب مفهومی، نوشته میشل رکس و اندروگلیدن، ترجمه ریحانه خیربخش و فاطمه عبدالله، انتشارات 

راه‌ پرداخت، 1400.


فهرست مطالب

 فصل 1: جوامع انسانی   1 

1.1 جوامع ‌‌‌‌پیش‌صنعتی   3

1.2 جوامع صنعتی   4

1.3 جوامع ‌‌‌‌پساصنعتی   5

1.4 عصر اطلاعات   6

1.5 تکرار تاریخ و مقایسه آن با عصر اطلاعات   8

تمرینات   13

 

 فصل 2  :  تحول دیجیتال   15 

2.1 موج اول‌‌‌‌: دیجیتالی شدن   17

2.2 موج دوم‌‌‌‌: اینترنت    18

2.3 تأثیر دو موج   20

2.4 سازگاری تکاملی   22

2.5 تحول دیجیتال امروز   23

2.6 آیندۀ تحول دیجیتال    34

تمرینات   38

 

 فصل 3 :   ابر الاستیک   41 

3.1 رایانش ابری   43

3.2 رایانش ابری امروز   45

3.3 ویژگی‌های ابر   46

3.4 مدل‌های استقرار ابری   47

3.5 چند ابری و ابر ترکیبی   49

3.6 مجازی‌سازی و کانتینرها   49

3.7 مدل‌های خدمات ابری   53

3.8 قابلیت اتصال به ابر   55

3.9 مزایای اضافی ابر الاستیک عمومی   56

3.10 رایانش ابری در ایران   60

تمرینات   64

 

 فصل 4  :  کلان داده   67 

4.1 کلان داده   68

4.2 انفجار کلان‌داده   69

4.3 ذخیره‌سازی ‌‌رایانه: تاریخچه مختصر   75

4.4 تکامل فضای ذخیره‌سازی ‌‌رایانه از سال 1940   77

4.5 ذخیره‌سازی مرکز داده   81

4.6 حافظه CPU   82

4.7 ذخیره‌سازی داده‌ها در ابر   82

4.8 تکامل کلان‌داده   83

4.9 ابعاد تکاملی کلان داده   84

4.10 وعده کلان داده برای سازمان‌های مدرن   86

4.11 چالش‌های کلان داده در یک سازمان مدرن   87

تمرینات   92

 

 فصل 5  :  هوش مصنوعی   95 

5.1 پارادایم جدید برای علوم ‌رایانه‌   97

5.2 هوش مصنوعی ایدۀ جدیدی نیست   100

5.3 زمستان هوش مصنوعی   103

5.4 رنسانس هوش مصنوعی   104

5.5 نرم‌افزار ‌متن باز هوش‌مصنوعی   106

5.6 یادگیری ماشین   107

5.7 یادگیری عمیق   107

5.8 شبکه‌های عصبی   110

5.9 حوزۀ کلی هوش مصنوعی امروزی   112

5.10 مزایای تجاری هوش‌مصنوعی   114

5.11 هوش مصنوعی در عمل   115

5.12 اثرات اقتصادی و اجتماعی هوش مصنوعی   116

5.13 نبرد برای استعدادهای هوش‌مصنوعی   119

5.14 موفقیت به‌عنوان یک شرکت مبتنی بر هوش‌مصنوعی   121

تمرینات   122

 

 فصل 6 : اینترنت اشیا   127 

6.1 اینترنت ‌‌‌‌‌اشیا (IoT)    129

6.2 برنامه‌‌های کاربردی هوش‌مصنوعی و اینترنت ‌‌‌‌‌اشیا   131

6.3 معماری مدل محور   133

6.4 خاستگاه اینترنت ‌‌‌‌‌اشیا   133

‌‌‌6.5 راه حل فناوری اینترنت ‌‌‌‌‌اشیا   136

‌‌‌6.6 پتانسیل و تأثیر اینترنت ‌‌‌‌‌اشیا   139

6.7 ایجاد ارزش توسط اینترنت ‌‌‌‌‌اشیا   145

6.8 موارد استفاده از اینترنت ‌‌‌‌‌اشیا   146

6.9 صنایعی که بیشتر تحت‌تاثیر اینترنت ‌‌‌‌‌اشیا قرار گرفته‌‌‌اند   151

6.10 چشم‌انداز بازار اینترنت ‌‌‌‌‌اشیا   152

6.11 توانمندسازها و موانع   153

6.12 پیامدها برای مشاغل   154

‌‌‌‌‌‌6.13 سکوی محاسباتی نهایی هوش‌مصنوعی و اینترنت ‌‌‌‌‌اشیا   158

تمرینات   161

 

 فصل 7 : یادگیری ماشین   165 

7.1 یادگیری ماشین   167

7.2 یادگیری عمیق   170

7.3 یادگیری ماشین: توسعه و استقرار گردش کار   172

7.4 یادگیری نظارت شده و بدون نظارت   176

7.5 یادگیری نظارت شده: رویکرد اول   193

‌7.6 طبقه‌بندی و رگرسیون   196

7.8 روش مبتنی بر فاصله: k-NN   201

7.8 روش مبتنی بر قانون درخت تصمیم   210

7.9 رگرسیون خطی   226

7.10 طبقه‌بندی و رگرسیون لجستیک   238

7.11 ابزارهای اضافی برای ارزیابی طبقه‌بندی‌کننده‌های دودویی   248

تمرینات   255

 

 فصل 8 :   اخلاق در یادگیری ماشین   259 

8.1 توابع انصاف و خطا   260

8.2 ادعاهای گمراه‌کننده در مورد عملکرد   267

8.3 محدودیت‌های داده‌های آموزشی   279

تمرینات   284

 

 فصل 9 :   شبکه‌های عصبی   287 

9.1 شبکه‌های عصبی و یادگیری عمیق   288

9.2 مدل شبکه عصبی   291

9.3 شبکه عصبی عمیق   300

9.4 آموزش یک شبکه عصبی   306

تمرینات   309

 

 فصل 10:  بلاکچین   311

10.1 بلاک‌چین   313

10.2 اجزای بلاک‌چین   319

10.3 عملکرد بلاک‌چین   324

10.4 مزایا و معایب بلاک‌چین   327

10.5 کاربردهای فناوری بلاک‌چین   333

10.6 مرکز پژوهش‌های مجلس شورای اسلامی و بلاک‌چین   341

10.7 لایه‌های فناوری بلاک‌چین   342

10.8 امنیت بلاک‌چین   345

تمرینات   348

 

 فصل 11 :  اقدامات عملی   351 

11.1 مدیر‌عامل تحول‌آفرین   352

11.2 برنامه اقدام مدیرعامل برای تحول دیجیتال   354

11.3 مسیر تحول دیجیتال   373

تمرینات   375

 

 فصل 12 :  جنبه کاربری یادگیری ماشین   377 

12.1 تعریف مسئله یادگیری ماشین   378

12.2 بهبود مدل یادگیری ماشین   384

12.3 جمع‌آوری داده‌های بیشتر   396

12.4 مسائل داده‌های عملی   402

تمرینات   407