مقاله تجربیات برای ارتقاء رتبه شغلی عالی معاون پرورشی مدارس
در قالب فایل word و قابل ویرایش در 51 صفحه
عنوان مستندات تجربیات مدون: تاملی بر تجربه های تربیتی و آموزشی در مدرسه
مقدمه
انتخاب معاون حق مدیر مدرسه ؟!
بررسی مواردی از وظایف معاونان مدرسه و تجربیات نگارنده :
مدیریت شناخت فراگیران(یک تجربه )
چگونگی ایجاد نشاط در مدرسه
و ...
هوش مصنوعی چیست ؟
هوش مصنوعی دانش و مهندسی ساخت ماشین های هوشمند و به خصوص برنامه های رایانه ای هوشمند است. هوش مصنوعی با وظیفه مشابه استفاده از کامپیوتر ها برای فهم چگونگی هوش انسان مرتبط است، اما مجبور نیست خودش را به روش هایی محدود کند که بیولوژیکی باشند.
"هوش" چه چیزی است ؟
هوش بخش محاسباتی توانایی است در وجود یک نفر یا شیء برای رسیدن به یک سری اهداف دردنیا انواع و درجه های مختلفی از هوش در آدم ها، حیوانات و ماشینها وجود دارد.
آیا تعریف مستقلی از هوش (بدون ارتباط با هوش انسان) وجود دارد ؟
نه هنوز. مشکل این است که ما اهنوز نتوانسته ایم به طور کلی مشخص کنیم که به کدام یک از روش های محاسباتی می خواهیم «هوش» بگوییم. چون از بعضی از مکانیزم های هوش سر در آورده ایم و از بقیه نه.
آیا هوش مصنوعی درباره شبیه سازی هوش انسانی است ؟
گاهی اوقات بله اما نه همیشه. از یک طرف ما با مشاهده آدم های دیگر و یا فقط با مشاهده روش های خودمان، می توانیم چیزهایی درباره حل مسائل توسط ماشین ها یاد بگیریم. از طرف دیگر بیشتر کارها در هوش مصنوعی بیشتر از این که بر اساس مطالعه آدم ها و حیوانات باشد، شامل مطالعه مسایلی است که دنیا به هوش ارائه می کند. محققان هوش مصنوعی برای استفاده از روش هایی که آدم های از آن استفاده نمی کنند و یا استفاده از قدرت محاسباتی بیشتر از توانایی آدم ها آزاد هستند.
تحقیقات هوش مصنوعی از کی شروع شد ؟
بعد از جنگ جهانی دوم، تعدادی از آدم ها به طور مستقل کار روی ماشین های هوشمند را شروع کردند. اولین نفر احتمالا ریاضیدان انگلیسی، آلن تورینگ، است. او در سال 1947 در این باره سخنرانی کرد. او احتمالا اولین نفری هم هست که گفت تحقیقات هوش مصنوعی به جای ساخت ماشین ها بهتر است با برنامه نویسی رایانه ها ادامه پیدا کند. تا اواخر 1950 محققان زیادی در این حوزه فعالیت می کردند و بیشتر آن ها کارشان را بر اساس برنامه نویسی رایانه ها قرار داده بودند.
آیا هدف هوش مصنوعی ایجاد چیزی مثل فکر انسان برای رایانه ها است ؟
بعضی محققان می گویند که آن ها چنین هدفی دارند، اما شاید آن ها دارند از یک اصطلاح مشابه استفاده می کنند. چون فکر انسان ویژگی های عجیب و غریبی دارد و من مطمئن نیستم که کسی به طور جدی بخواهد ساخت همه ویژگی های فکر آدم را عملی کند.
آیا هدف هوش مصنوعی رسیدن به هوشی هم سطح هوش انسان است ؟
بله. نهایت تلاش، ساخت برنامه های رایانه ای است که بتواند به خوبی انسان مسائل را حل کنند و به اهداف مورد نظر برسند. اگر چه سطح آرزو های خیلی از آدم های در گیر در هوش مصنوعی، به خصوص در زمینه های تحقیقاتی، کمتر از این حرف هاست.
هوش مصنوعی چقدر با رسیدن به هوش هم سطح انسان فاصله دارد ؟ این اتفاق کی می افتد ؟
بیشتر محققان هوش مصنوعی عقیده دارند که برای رسیدن به هوش هم سطح انسان، ایده های جدیدی لازم است. برای همین نمی توان پیش بینی کرد چه وقتی می توان به هوش هم سطح انسان رسید.
آیا از بین ماشین ها، رایانه ها انتخاب خوبی برای هوشمند شدن هستند ؟
رایانه های می توانند برای شبیه سازی هر نوع ماشینی برنامه ریزی شوند. خیلی از محققان ماشین های غیر رایانه ها اختراع کردند به این امید که آن ها بتوانند با روش هایی غیر از روش هایی که برنامه های رایانه ای هوشمند می شوند، هوشمند شوند. اگر چه آن ها معمولا ماشین های اختراعی شان را در رایانه ها شبیه سازی می کنند و در شک و تردید می افتند که ماشین جدید ارزش ساخت دارد یا نه. به خاطر میلیارد ها دلاری که صرف سریع تر و سریع تر کردن رایانه ها شده است، ماشین جدید باید خیلی سریع باشد تا بتواند بهتر از برنامه ی رایانه ای، که همان ماشین را شبیه سازی می کند، عمل کند.
آیا رایانه های برای هوشمند شدن به اندازه کافی سریع هستند ؟
بعضی ها فکر می کنند هم به رایانه های سریع تر نیاز داریم و هم به ایده های جدید. عقیده شخصی من این است که رایانه های 30 سال پیش هم به اندازه کافی سریع بودند، اگر ما می دانستیم چگونه آن ها را برنامه ریزی کنیم.
آیا امکان ساخت «یک ماشین کودک» وجود دارد که با خواند و یاد گرفتن از تجربه هایش بتواند رشد کند و هوش خود را توسعه دهد ؟
این ایده بارها پیشنهاد شده است. اولین بار هم در دهه 1940 بود. سرانجام هم این کار انجام خواهد شد. به هر حال برنامه های هوش مصنوعی به سطحی نرسیده اند که قادر به یادگیری بیشتر از چیزهایی که بچه ها از تجربیات عملی یاد می گیرند، باشند. هم چنین برنامه های فعلی به اندازه کافی از زبان سر در نمی آورند که بخواهند با خواندن چیزی یاد بگیرند.
تعداد صفحات: 87
با فرمت ورد و با قابلیت ویرایش
این پاورپوینت درباره سیستم های خبره می باشد..در این پاور موضوعاتی از قبیل تعریف و جایگاه سیستم خبره ، کیفیت ، تاریخچه و عملکرد سیستم خبره و همچنین فواید و مشکلات سیستم خبره و .... به طور کامل بررسی شده اند. این پاور در 53 اسلاید زیبا تهیه شده است. مناسب برای پروژه های دانشجویی و کنفرانس های کلاسی.
چکیده :
این مقاله یک ES را برای ارزیابی افراد بیکار در خصوص پستهای معین نشان می دهد این خبره از تکنیکهای Neuro –Fuzry برای تجزیه و تحلیل یک پایگاه داده ها از افرادبیکار و بنگاهههای کاریابی استفاده می کنند فرآیند انطباق یک فرد بیکار با یک کار پیشنهاد شده انجام می شود از طریق یک ...........از سیستم Neuro –Fuzry مجموعه های ازمایشات گسترده تاریخچه ای از داده های افراد بیکار (که متعلق به یک کلاس اجتماعی هستند) پستهای متعددی را می پذیرند یا رد می کنند.
{ آزمایشات گسترده نشان می دهند که مجموعه های افراد بیکار (که به یک کلاس اجتماعی تعلق دارند) پستهای متعددی را می پذیرند یا رد می کنند.} که در این پروژه استفاده می شود جهت تعیین اوزان پارامتر های سیستم.
مثالهای جدید از Case هایی رسیده از قبول یا رد یک موقعیت بعنوان یک بخش از مجموعه آموزشی در نظر گرفته می شوند. آزمایشات مجدد بعد از دستیابی به یک میزان استاندارد از حالتهای از حالتهای جدید موجود بدست می آید .
خروجی سیستم یک میزانی از مناسب بودن هر فرد بیکار جهت یک کار معین می باشد.
1. معرفی :
یکپارچه سازی شبکه های عصبی و فازی منطقی سبب بوجود آمدن یکسری از سیستم ها تصمیم گیری خبره بسیار قوی شده است. در سالهای اخیر، دامنه مورد مطالعه از فرآیند شبکه های عصبی بصورت گسترده و قابل توجه ای در حال افزایش می باشد. بعلاوه یک میزان موفقیت در استفاده از سیستم های خبره تلفیق بصورت قابل ملاحظه ای افزایش یافته است در بسیاری از زمینه ها مانند طرح ها، درک زبان عصبی، روباتیک ، تشخیص ها بیماری، تشخیص عیب یابی ابزار آلات صنعتی، آموزش، توصیه یابی و بازیابی اطلاعات. بهر حال در مورد کاریابی خبره ادبیات موضوعی مشخصی در گذشته وجود ندارد. فرآیند انطباق یک فرد بیکار با یک شغل مشخص بندرت احتیاج به مطالعات ساختاری بسیار عمیق و هدف یابی کامل نسبت به یک روش Boolean matchin metchal که استفاده می کنند از یک صفحه web مانند A beater tast Europ's career market on the ) انتخاب جداگانه افراد واجد شرایط برای پستهای مختلف یک کار بسیار مشکل می باشد چه در شرکتهای بزرگ چه در شرکت های کوچک و نیاز به سیستمهای تصمیم گیری خبره دارد. نرم افزارSkills Analyzer tod (labate & Meds keys 1993) طراحی شده است برای حل مسائل مدیریتی که کلاس بندی کارمندان به گروههای مختلف را محور کار خود قرار می دهد و ترکیبی از شبکه های عصبی و آنالیزهایی برمبنای قانون را به منظور تقسیم کارمندان شرکت به گروههای کاری مختلف مورد استفاده قرار می دهد.
سیستم فوق یک سیستم خبره است هر چند تکنیک های تلفیقی مورد استفاده آن قدیمی تر می باشند.
تکنیکهای collaboration filtering در نرم افزار Casper (1) جهت بوجود آمدن موتور جستجوی مبتنی بر هوش مصنوعی بوجود آمد. سیستم Casper بر روی زیر سیستمهایی که ذیلا آورده می شوند تمرکز می نماید
1- یک سیستم مشخصه کاربر که یک پایگاه داده از مشخصات رفتاری فرد را بوجود می آورد درون سایت کاریابی که شامل یک موتور فیلترینگ مکانیزه توصیه سرویس ها و یک موتور برای جستجوی فردی می باشد.
2- تکنولوژی سرویس متحرک (2) که بعنوان EMA شناخته می شود یک سرویس توصیه فعال شمرده می شود و در جهت بوجودآوری اطلاعات بر اساس نیاز یا جایی که توجه به کارهای مرتبط می شود برای یک کاربر خاص استفاده می گردد.
متدهایی که بوسیله Casper و EMA استفاده شده است در زمینه توصیه و پدیدآوری اطلاعات می تواند بسیار با موفقیت زیادی در پدیدآوری اطلاعات استفاده شود.
هر چند چنین سیستم هایی خبره نیستند و هیچ مورد واقعی ای در زمینه کاریابی خبره به حساب نمی آیند. آموزش مجدد بر اساس رد نهایی و یا قبول نهایی استفاده کاربر بوسیله بنگاه ها یک نکته حساس می باشد و نمی بایست نادیده گرفته شود. کم نیستند موردهای توصیه شده که با درصدهای بالا یا متوسط توصیه شده اند ولی در یک مصاحبه معمولی رد شده اند توصیه گرهای خبره و سیستمهای پدید آوری آموزش را تضمین نمی کنند و باید بعنوان یک پایگاه داده اطلاعات کار در نظر گرفته شوند نه به عنوان یک کاریابی واقعی ساختار کنونی مقاله که در قسمت 2 آورده می شود معماری ساختار سیستم را نیز تحلیل می کند در قسمت 3 هر یک مطالعه موردی که در یک مثال واقعی کارهای انجام گرفته را بررسی می نماییم.
نتیجه گیری در قسمت 4 انجام گرفته است در ضمیمه 1 مباحث آماری را مورد بررسی دقیق قرار می دهیم.
2. تعریف سیستم :
سیستم ما در این مقاله شامل 4 مشخصه می باشد.
1- ارتباط با یک پایگاه داده فعال که شامل اطلاعات افراد بیکار شاغل و اطلاعات پیشنهاد شده می باشد.
2- استفاده از تکنیکهای فازی- عصبی برای آموزش استنتاجی پیچیدگی فازی واژگان فازی این واژگان استفاده می شوند برای ارزیابی داده ها و فاز و تصمیم گیری نهایی
3- آموزش مجدد سرپرستی شبکه های فازی – عصبی هر کجا که توسط Aolminstartel توصیه گردد.
4- مدل های فازی که طراحی و گسترش می دهد موتور استنتاج فازی
5- بوجود آوری ترکیبی از عناصر فازی برای ارزیابی نهایی یک داده.
6- بوجود آوری یک برنامه werfrindly و قابل انعطاف (توسط فرم های ورودی ویژوال بیسیک)
سیستم ما مبتنی بر مفاهیم شخصی می باشد (مطابق شکل1) که نیاز به یکپارچه سازی به یک سیستم خبره برای دستیابی به خروج نهایی دارد (یعنی برای ارزیابی یک فرد بیکار برای شغل مناسب ) تابع هدف ارزیابی بر مبنای پارامتر که در زیر می آیند فرموله شده اند (شکل 2)
1-سن
2- تحصیلات
3- آموزش های مرتبط
4- تجربه کاری مرتبط
5- زبان های خارجی
6- تسلط بر سیستمهای کامپیوتر
به طور کلی تابع هدف از دو قسمت تشکیل گردیده است. قسمت مقطعی و قسمت احتمالی (تقریبی) قسمت قطعی شامل صدهای صفر و یک در نظر گرفته می شود که فرد متقاضی حتما در یک شغل قرار گیرد.
در احتمالی که چندین محدودیت وجود دارد پایگاه داده بگونه ای فیلتر می شود که تابع هدف بصورت فاز در می آید و باز خود را بصورت که در مقاله sngeno (3) آمده است می آید.
خروجی Fis یک میزان ارزیابی از فرد متقاضی بیکار است که برای یک شغل معین در نظر گرفته می شود. ( یعنی تا چه اندازه فرد متقاضی برای شغل مورد نظر مناسب است)
این مسئله یک مسئله ریاضی احتمالی است با ورودی های پیوسته بدین معنی که شکل انتخاب سرپرست کار را تا اندازه ای حل می نماید.
ما از داده های ارزیابی قبلی به منظور پارامترهای ورودی FIS استفاده می نماییم
1.2 . Rule های مبتنی بر سیستم
در اینجا ما از یک قانون تازی برای کلیه شغل هایی که باید ویزیت شوند استفاده می کنیم بصورت زیر:
Candidate X matches Cnterion
در حالیکه x می تواند فقط یک محموله فازی را شامل شوند (سن – تحصیلات- آموزش- تجربه – زبان و کامپیوتر) مجموعه کلیه قانون های فوق ، قانون کلی سیستم را شامل می شود (جدول 1)
2.2 فازی سازی و قوانین ارزشیابی :
در متن های زیر با متدهای فازی سازی رشته های مرتبط را در تابع هدف فرمول می کنیم در این مقاله استفاده بسیاری از ارتباطات فازی می شود. ارتباطات فازی صفر و یک مجموعه ای از فازی هستند که در موقعیت هر عنصر در x,y را به یک عنصر جامعه امتیاز صفر و یک مشخص می نمایند بصورت دقیق تر : اگر x,y دو عنصر مجموعه باشند داریم:
تساوی فرق یک ارتباط فازی صفر و یک از Xn,Y می باشد هر گاه x,y گسسته باشند می توانیم ارتباط فازی با استفاده از ماتریس زیر تعریف کنیم.
فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد
تعداد صفحات این مقاله 14 صفحه
پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید