10 دلیل برتر برای یادگیری AI در سال 2020

اهمیت یادگیری AI در ۲۰۲۰

AI (هوش مصنوعی) فن آوری است که در آن ماشین های هوشمند به گونه ای طراحی شده اند که مانند انسان عمل میکنند. هوش مصنوعی داغترین موضوعی است که در سال 2020 مورد بحث قرار می گیرد. و در دهه آینده ، این داغترین فرصت شغلی خواهد بود.

اگر شما قصد دارید رشته هوش مصنوعی را دنبال کند ، مطمئناً درخشانترین فرصت های آینده را برای حرفه خود در سال 2020 خواهید داشت. این رشته نیاز به دانش کافی از منطق ، ریاضیات ، آمار و تجزیه و تحلیل داده ها دارد.

در دهه آینده ، AI قصد دارد بخش عظیمی از صنعت فناوری را تحت الشعاع قرار دهد. در فن آوری قدیمی ، هوش مصنوعی مبتنی بر شرایط صرفاً از پیش برنامه ریزی شده بود. هوش مصنوعی مدرن قابل تنظیم تر است. شما می توانید مطابق با نیاز خود آن را تطبیق داده و تغییر دهید.به هوش مصنوعی اغلب یادگیری ماشینی گفته می شود.این فناوری است که هر شرکتی می خواهد آن را پیاده سازی کند.

با گوش دادن به این پادکست میتوان اهمیت یادگیری AI را بهتر درک کنید :

چرا باید AI را یاد بگیریم

ثابت شده است که هوش مصنوعی مطمئن ترین و دقیق ترین فن آوری در هر نوع مدیریت و تجزیه و تحلیل داده ها است.

افراد مشتاق به دست آوردن بهترین فرصت های شغلی باید آن را همانطور استفاده می شود یاد بگیرند:

زمینه بهداشت و درمان

در این عصر دیجیتال ، همه چیز با استفاده از فناوری و اینترنت امکان پذیر است. ما می بینیم که پزشکان می توانند با بیماران خود ارتباط برقرار کرده و بیماریهای آن ها را از موقعیتی دور تشخیص دهند. این امر نیاز به تعامل شخصی با پزشک را به حداقل رسانده است. به همین روش ، وضعیت بیمار توسط یک سیستم  تعیین شده  و دارومناسی برای او تجویز می شود. این باعث تحول در کل صنعت بهداشت شده است. این می تواند هم کار بیمار و هم پزشک را راحت تر کند. 

دنیای موبایل

گوشی های هوشمند به عنوان کیف پول دیجیتال در نظر گرفته می شوند. آنها حتی به عنوان دستیار شخصی شما فعالیت می کنند.و با توجه به دستیار شخصی ، ‘سیری’ می تواند بهترین نمونه معرفی هوش مصنوعی و یادگیری ماشین باشد. ‘سیری’ طراحی شده است تا بر اساس داده های شخصی شما در آن ، به تمام سؤالات شما پاسخ دهد و حتی پیشنهادات ارزشمندی نیز به شما می دهد. بنابراین به راحتی می توان پیش بینی کرد که نسل بعدی دارای تلفن هوشمند است که با فرمان صوتی مانند ‘سیری’ کار می کند ، بنابراین AI برای یادگیری برای افراد در فن آوری تلفن همراه نیز مفید است.

اتومبیل
آیا تا به حال در مورد ماشین یا هواپیما که بدون راننده رانندگی می کند فکر کرده اید؟ اکنون ، این فقط به فکر محدود نمی شود. انواع مختلفی از تحقیقات در حال انجام است تا این امر واقعاً رخ دهد. آینده هوش مصنوعی در صنعت خودرو روشن است.

خرده فروشی
فناوری هوش مصنوعی همچنین برای افرادی که مشغول تجارت خرده فروشی هستند مفید است. آنها واقعاً چنین سیستمی را می خواهند که به آنها در درک الگوی خرید مناسب و تقویت فروش آنها کمک می کند.

به کمک این سیستم میتوانند آنها به مشتریان چنین چیز هایی را پیشنهاد کنند:

  • کوپن
  • تبلیغات تخفیفی را ارائه دهید
  • هدف گذاری بازار
  • انبار 

آمازون راه حل خود را با نام ‘pantry’ طراحی کرده است. آنها دارای چنین سیستم خودکار هستند تا به شما در انتخاب محصول مورد نظرتان کمک کنند و آنها را به صورت دوره ای توسط یک سیستم خودکار تحویل می دهند. بنابراین این یک نشانه بارز از عملکرد فناوری هوش مصنوعی در تجارت خرده فروشی است.

تشخیص تقلب

سیستم نظارت بر بخش کلاهبرداری برای ما یک موفقیت بزرگ محسوب می شود زیرا پول ما با گرفتن یک سیستم معامله مناسب محافظت می شود. هر وقت مقداری پول از بانک خود برداشت می کنید ، یک ایمیل یا پیام متنی دریافت می کنید. این پیام تراکنش های اخیر در حساب بانکی شما را نشان می دهد. این سیستم از فناوری AI بهره می برد. معاملات ، برداشت مبلغ یا استفاده از کارتهای خودپرداز تمام این داده ها ذخیره می شوند و مورد تجزیه و تحلیل قرار می گیرند تا از فعالیت های مشکوک خبر داشته باشید. الگوریتم AI به گونه ای طراحی شده است که شما را از هرگونه فعالیت مشکوک در مورد حساب کاربری خود آگاه سازد.

پشتیبانی آنلاین مشتری

اکنون همه ی مشاغل یک وب سایت آنلاین برای نشان دادن مشاغل و محصولات خود دارند.با افزایش استفاده از تلفن های هوشمند و اینترنت ، تعداد زیادی از مشتری ها دوست دارند هر نوع اطلاعات را از طریق اینترنت بگیرند. بسیاری از مشاغل آنلاین سیستم چت آنلاین با مشتریان دارند تا سریعاً پاسخ دهند. این مسلماً برای هر انسانی امکان پذیر نیست که تمام وقت برای پاسخگویی به هر یک از سؤالات مشتریان حضور داشته باشد. بنابراین برای اطمینان از زنده بودن یک تجارت در تمام طول روز اکثر مشاغل در حال انتخاب گزینه رباتهای اطلاعاتی هستند که مانند انسانهای واقعی عمل می کنند. آنها براساس مشکل موجود در سیستم به شما پاسخ می دهند. این سیستم به دلیل ارائه اطلاعات دقیق و سریع ، روز به روز محبوبیت بیشتری پیدا می کند.

بخش های امنیتی

همانطور که می دانیم امنیت نیاز اساسی هر فرد یا سازمان است. راه‌اندازی یک سیستم امنیتی مؤثر با دوربین امنیتی و سیستم نظارت بسیار سودمند است. اما تماشای تعدادی دوربین و صرف تمام وقت خود برای کنترل های امنیتی کار ساده ای نیست.


بیشتر بخوانید >>‌ IDE چیست و چگونه کار میکند؟


یک سیستم الگوریتم از پیش تعریف شده مرتبط برای نظارت بر امنیت بهترین گزینه است. این سیستم میتواند فعالیت های مشکوک را تحلیل کند. همچنین به طور خودکار به نگهبانان امنیت بشر هشدار می دهد تا فعالیت مشکوک را دنبال و بررسی کنند.

پاسخ به ایمیل

هوش مصنوعی همچنین به شما کمک می کند تا با تجزیه و تحلیل محتوای ایمیل خود به ایمیل های خود پاسخ دهید. دستگاه های داخل خانه

دستگاه های داخل خانه

هوش مصنوعی نیازهای دما و نورپردازی خانه شما را به صورت دقیق بررسی میکند. ومطابق با الزامات مورد نظر شما کار می کند.

بهترین آموزش برای هوش مصنوعی
آموزش هوش مصنوعی از موسسه حرفه ای مانند Knowledgehut می تواند شما را با داشتن دانش عالی از هوش مصنوعی به یک کارگر ماهر و کارآمد تبدیل کند. همچنین میتوانید CV خود را ارتقا داده و یک کار هوش مصنوعی بدست آورید.

خستگی هشدار چیست و چه تاثیری دارد؟

خستگی هشدار

براساس گزارش Ponemon در سال 2015 ، یک سازمان می تواند 16937 هشدار بدافزار در هفته دریافت کند ، که از این تعداد فقط 3،128 (19٪) قابل اعتماد محسوب می شوند. بقیه به نظر مثبت کاذب بودند. و از میان این افراد معتبر ، فقط 705 مورد (22.55٪) مورد بررسی قرار گرفتند.

این اعداد فقط برای هشدارهای بدافزار است. این شامل هشدارهایی برای حدس زدن رمزهای عبور ، تلاش برای دستیابی به حسابهای ریشه دار یا حسابهای غیرفعال ، نصب سرویس جدید یا هشدارهای دیگر ایجاد شده توسط بسیاری از ابزارهای امنیتی مورد استفاده در یک سازمان ، از جمله راه حلهای IDS / IPS یا SIEM ، امنیت نقطه انتهایی نیست. سیستم ها ، فایروال ها و نرم افزارهای ضد ویروس و تشخیص APT.

این موج هشدار سونامی – که بسیاری از آنها مثبت کاذب است – منجر به خستگی هشدار ، احساس ناامیدی ، غرق شدن و حساسیت زدایی نسبت به آنچه غیرقابل کنترل است تلقی می شود.

خستگی هوشیار چگونه است؟

شما به احتمال زیاد خستگی هشدار در زندگی روزمره خود را تجربه کرده اید. تلفن شما برای صدمین بار زنگ می زند  یا به صندوق پستی ایمیل خود نگاه می کنید و می بینید که 50 پیام جدید دریافت کرده اید در حالی که شما در یک جلسه حضور داردید بنابراین تلفن زنگ دار یا ایمیل را نادیده می گیرید.

و این یک روش عادی برای کاهش استرس است – هرگونه یادآوری ناخوشایند از آنچه باعث می شود احساس ناامید یا غرق شوید ، از آگاهی خودداری کنید. خود را حساس کنید.

اما ، خستگی هوشیار در زندگی شخصی شما عواقب کمتری نسبت به خستگی هشدار دهنده برای یک تیم امنیتی دارد. نقض داده Target در سال 2013 را به خاطر دارید ؟ تیم امنیتی این کشور قبل از سرقت هر گونه اطلاعات هشدارهای بدافزار دریافت کرده اند ، اما آنها را نادیده گرفت زیرا در گذشته بیش از حد بسیاری از انواع هشدار دریافت کرده بودند و همه مثبت بودند. به جز ، در این حالت ، هشدارها مثبت کاذب نبودند. هدف هنوز برای حل آن نقض امنیتی دعاوی در حال حل و فصل است.

عواملی که منجر به هشدار خستگی می شوند؟

محیط های پیچیده IT organizations سازمان های امروزه ردپای جهانی از منابع IT (از جمله پایگاه داده ها ، سایت های ابری ، مجازی سازی و داده های بزرگ) و برنامه های بی شماری را در اختیار دارند ، و برای محافظت از این منابع و برنامه ها به انواع ابزارهای امنیتی نیاز دارند. در نتیجه ، شما باید بر تعداد فزاینده ای از هشدارهای ایجاد شده توسط همه این ابزارهای امنیتی نظارت کنید.

فقدان زمینه – هشدارها معمولاً در صندوق پستی ایمیل شخصی +دریافت می شوند ، بدون هیچ زمینه و اطلاعات عملی. به عنوان مثال ، هشدار نشان می دهد ویروس در دستگاه انتهایی شناسایی شده است ، اما نشان نمی دهد که ویروس به طور تصادفی از یک ایمیل یا وب سایت آلوده به بدافزار بارگیری شده است یا به صورت جزئی به عنوان بخشی از حمله تزریق شده است. در نتیجه ، شما دستگاه انتهایی را تمیز می کنید ، اما هشدارهایی به ظاهر نامربوط در مورد ویروس ها در سایر دستگاه های انتهایی دریافت می کنید. احساس می کنید در یک چرخه شستشو و تکرار شستشوی بی پایان هستید.

افزونگی هشدار: ابزارهای امنیتی مختلف ممکن است هشدارهایی را برای همین موضوع صادر کنند.

مثبت کاذب — اگر ابزارهای امنیتی مختلف هشدارهایی را برای همین موضوع صادر می کنند ، و موضوع واقعاً مسئله ای نیست ، این طبیعت انسانی است که فرض کنیم همه هشدارهای مشابه نیز مثبت نادرست هستند. 

مسائل مربوط به تحویل o خیلی اوقات ، هشدارها برای همه در تیم امنیتی منفجر می شوند. اگر همه مسئول پاسخگویی به هشدار هستند ، این طبیعت انسانی است که فکر کند شخص دیگری از این مسئله مراقبت می کند. و هشدارها ادامه می یابد زیرا هیچ کس در حال تحقیق در مورد این مسئله نیست.

تأثیر خستگی هوشیار

برخی از تأثیرات متداول خستگی هشدار عبارتند از:

  • هشدار به عنوان نویز برای نادیده گرفتن ، زیرا مغز در تحریک مداوم هشدارها تنظیم می شود. چند بار شما از زنگ هشدار ماشین چشم پوشی کرده اید ، زیرا می دانید که این چیزهای زیادی را دوست ندارد؟
  • به دلیل نیاز به مرتب سازی دستی هشدارهای معتبر و نامعتبر ، رویدادهای مهم را از دست ندهید.
  • از دست دادن یکپارچگی داده ، محرمانه بودن یا در دسترس بودن به دلیل عدم پاسخ به موقع به هشدار معتبر.
  • افزایش اضطراب و روحیه پایین به دلیل اینکه افراد به جای بهبود خدمات روی آتش نشانی (پاسخ به هشدارها) تمرکز می کنند.

علاوه بر این ، هشدار بیش از حد بسیاری می تواند منجر به موارد زیر شود:

  • افزایش هزینه ها و اتلاف وقت در انجام تحقیقات دستی و پاسخ به هشدارهای مثبت کاذب.
  • صندوق ورودی های پر از ایمیل به عنوان هر وسیله امنیتی هشدارهای خاص خود را ارسال می کند.
  • توانایی اتصال نقاط کاهش یافته است ، به خصوص که اکثر ابزارهای امنیتی هشدارها را به عنوان حوادث گسسته تلقی می کنند.

کاهش خستگی هشدار

از آنجا که سازمان های بیشتری دارای ردپای جهانی از منابع IT (از جمله پایگاه داده ها ، و ابر ، مجازی سازی و سایت های بزرگ داده) هستند و از انواع ابزارهای امنیتی برای محافظت از آن منابع استفاده می کنند ، کاهش خستگی هشدار نیاز به کاهش نسبت نویز به سیگنال از طریق تعداد کمتری دارد. اما هشدارهای دقیق تر چند روش برای انجام این کار عبارتند از:

  • کشف و طبقه بندی داده ها را انجام دهید تا تعیین کنید که داده های حساس شما در کجا قرار دارند و سطح خطر ابتلا به یکپارچگی ، محرمانه بودن و در دسترس بودن آن را ارزیابی می کنند.
  • انجام یک تحلیل رفتاری برای ایجاد نمایه مبنای رفتاری یا ‘لیست سفید’ از الگوهای معمولی دسترسی به بانکهای اطلاعاتی ، اشتراک پرونده ها و برنامه های مبتنی بر ابر بر اساس واحد و نقش عملکردی. و سپس خطرات کاربران ، میزبان مشتری و سرورها را مورد توجه قرار دهید تا تیم های امنیتی بتوانند تحقیقات مربوط به هرگونه ناهنجاری را در اولویت قرار دهند.
  • مقیاسی از سطوح هشدار ، تعیین کانال های اولویت ، اطلاع رسانی و پیمایش و پاسخ ها ایجاد کنید.
  • آستانه های تشخیص ناهنجاری را بر اساس طبقه بندی ریسک ، تجزیه و تحلیل رفتاری و سطح هشدار تنظیم کنید تا از دریافت انواع هشدارهایی که می خواهید دریافت کنید (به عنوان مثال ، اسکن پرونده به خطر بیافتد ، ورود به سیستم در ریشه کردن حساب ها ، تلاش های فیشینگ) اطمینان حاصل کنید.
  • به منظور دیدن مسائل در محیط ، اسکن های شبکه ، برنامه و پرونده را تلفیق و به طور همزمان اجرا کنید.
  • از کنترل دسترسی مبتنی بر متن (CBAC) برای تأیید اعتبار کاربر و دستگاه استفاده کنید تا آنچه کاربر می تواند ببیند یا انجام دهد را کنترل کنید. به عنوان مثال ، یک کاربر مجاز که به داده های حساس از رایانه لوحی شخصی دسترسی دارد ، می تواند کمتر از این که دسترسی داشته باشد یا به یک داده لپ تاپ صادر شده از طریق رایانه دسترسی پیدا کند.
  • برای جمع آوری هشدارها از ابزارهای امنیتی سازمان از یک بستر واحد (به جای ایمیل) استفاده کنید. اطمینان حاصل کنید که این ابزار می تواند هشدارها – منبع ، کاربر و فعالیت منتهی به هشدار را به صورت متنی متناسب کند. این به تعیین اینکه آیا چندین هشدار از همان منبع ، کاربر یا فعالیت انجام می شود ، کمک می کند که ممکن است فعالیت های مخرب را نشان دهد.
  • بررسی و هشدار خودکار برای مقابله با برخی از هشدارهای رایج (به عنوان مثال ، ورود به سیستم خراب ، تلاش فیشینگ ، شناسایی بدافزار)

منبع