۱- کتابخانه‌ی scikit-learn بر پایه‌ی NumPy و SciPy شکل گرفته است و با افزودن مجموعه‌ای از الگوریتم‌های یادگیری ماشین، برای انجام امور یادگیری ماشین و داده کاوی رایج (مانند طبقه بندی، خوشه بندی و رگرسیون) مورد استفاده قرار می‌گیرد. scikit-learn بسیار وسیع است. توابع و قابلیت‌های موجود در این کتابخانه بصورت دقیق مستند شده است و همچنین توسعه دهندگان این کتابخانه از افراد حرفه‌ای و خبره در زمینه‌ی یادگیری ماشین می‌باشند.
۲- کتابخانه‌ی Theano از سینتکسی شبیه به NumPy، برای بهینه سازی و ارزیابی عبارت‌های ریاضی استفاده می‌کند. این کتابخانه برای کارایی بهتر از GPU ِ کامپیوتر به منظور انجام محاسبات فشرده، در کنار CPU کمک می‌گیرد که این امر باعث افزایش سرعتی نزدیک به ۱۰۰ برابر می‌شود. سرعتِ Theano، این کتابخانه را برای زمینه‌هایی چون یادگیری عمیق (deep learning) و سایر محاسبات پیچیده ارزشمند ساخته است.
۳-کتابخانه TensorFlow یکی دیگر از کتابخانه‌های موجود در زمینه‌ی یادگیری ماشین است. این کتابخانه توسط Google بصورت متن باز توسعه داده می‌شود و به عنوان جایگزینی برای DistBelief، به منظور آموزش شبکه‌های عصبی در نظر گرفته شده است. TensorFlow از سیستمی با گره‌های چند لایه استفاده می‌کند که ما را قادر می‌سازد تا بتوانیم به راه اندازی، آموزش و گسترش شبکه‌های عصبی مصنوعی، بر روی مجموعه داده‌های عظیم بپردازیم. Google با استفاده از همین ابزار است که می‌تواند اشیاء مختلف را درون یک عکس شناسایی کرده و همچنین در ابزار تشخیص صدا، صدا‌های مختلف را شناسایی کند.
در پست های آتی به کاربرد یادگیری ماشینی در اقتصاد و مالی خواهیم پرداخت.
۱- کتابخانه‌ی scikit-learn بر پایه‌ی NumPy و SciPy شکل گرفته است و با افزودن مجموعه‌ای از الگوریتم‌های یادگیری ماشین، برای انجام امور یادگیری ماشین و داده کاوی رایج (مانند طبقه بندی، خوشه بندی و رگرسیون) مورد استفاده قرار می‌گیرد. scikit-learn بسیار وسیع است. توابع و قابلیت‌های موجود در این کتابخانه بصورت دقیق مستند شده است و همچنین توسعه دهندگان این کتابخانه از افراد حرفه‌ای و خبره در زمینه‌ی یادگیری ماشین می‌باشند.
۲- کتابخانه‌ی Theano از سینتکسی شبیه به NumPy، برای بهینه سازی و ارزیابی عبارت‌های ریاضی استفاده می‌کند. این کتابخانه برای کارایی بهتر از GPU ِ کامپیوتر به منظور انجام محاسبات فشرده، در کنار CPU کمک می‌گیرد که این امر باعث افزایش سرعتی نزدیک به ۱۰۰ برابر می‌شود. سرعتِ Theano، این کتابخانه را برای زمینه‌هایی چون یادگیری عمیق (deep learning) و سایر محاسبات پیچیده ارزشمند ساخته است.
۳-کتابخانه TensorFlow یکی دیگر از کتابخانه‌های موجود در زمینه‌ی یادگیری ماشین است. این کتابخانه توسط Google بصورت متن باز توسعه داده می‌شود و به عنوان جایگزینی برای DistBelief، به منظور آموزش شبکه‌های عصبی در نظر گرفته شده است. TensorFlow از سیستمی با گره‌های چند لایه استفاده می‌کند که ما را قادر می‌سازد تا بتوانیم به راه اندازی، آموزش و گسترش شبکه‌های عصبی مصنوعی، بر روی مجموعه داده‌های عظیم بپردازیم. Google با استفاده از همین ابزار است که می‌تواند اشیاء مختلف را درون یک عکس شناسایی کرده و همچنین در ابزار تشخیص صدا، صدا‌های مختلف را شناسایی کند.
در پست های آتی به کاربرد یادگیری ماشینی در اقتصاد و مالی خواهیم پرداخت.
Telegram auto-delete message, expiring invites, and more
elegram is updating its messaging app with options for auto-deleting messages, expiring invite links, and new unlimited groups, the company shared in a blog post. Much like Signal, Telegram received a burst of new users in the confusion over WhatsApp’s privacy policy and now the company is adopting features that were already part of its competitors’ apps, features which offer more security and privacy. Auto-deleting messages were already possible in Telegram’s encrypted Secret Chats, but this new update for iOS and Android adds the option to make messages disappear in any kind of chat. Auto-delete can be enabled inside of chats, and set to delete either 24 hours or seven days after messages are sent. Auto-delete won’t remove every message though; if a message was sent before the feature was turned on, it’ll stick around. Telegram’s competitors have had similar features: WhatsApp introduced a feature in 2020 and Signal has had disappearing messages since at least 2016.
What is Telegram?
Telegram’s stand out feature is its encryption scheme that keeps messages and media secure in transit. The scheme is known as MTProto and is based on 256-bit AES encryption, RSA encryption, and Diffie-Hellman key exchange. The result of this complicated and technical-sounding jargon? A messaging service that claims to keep your data safe.Why do we say claims? When dealing with security, you always want to leave room for scrutiny, and a few cryptography experts have criticized the system. Overall, any level of encryption is better than none, but a level of discretion should always be observed with any online connected system, even Telegram.
