بیایید اولین رایانه کوبا را بیابیم

این CID-201b است ، اولین کامپیوتری است که توسط Centro de Investigaciones Digitales کوبا در سال 1969–70 ساخته شده است:

با توجه به ژئوپلیتیک قرن بیستم ، کوبا باید کامپیوترهای خود را برای ورود به انقلاب دیجیتال طبق گزارش EcuRed ، CID-201a یک ماشین حساب بود و CID-201b اولین رایانه قابل برنامه ریزی آنها بود. این برنامه به FORTRAN ، COBOL ، ALGOL و دو زبان برنامه نویسی کوبا اجرا شد. این مقاله همچنین 25000 محاسبه در ثانیه و حافظه 4096 کلمه (12 بیت در کلمه) می گوید.

تصاویر رایانه نادر است -تنها رنگی این یکی است ، برای یک مهر پستی.

اطلاعات آنلاین نیز کمیاب است. جزئیات فنی در مجله ComputerWorld چند بار ذکر شد ، کوبا اینترنشنال نوشت که بیش از 150 نفر در این کشور بودند و دیگران به اتحاد جماهیر شوروی صادر شدند (طبق EcuRed). امروزه باید در کوبا نمودارها ، کتابچه های راهنما و ماشین های دست نخورده وجود داشته باشد.

ما تا پیدا کردن این رایانه بسیار نزدیک هستیم

هنگامی که من در مورد اولین کامپیوتر در هر کشور تحقیق می کردم ، این داستان قانع کننده بود من از طریق GitHub با استاد دانشگاه هاوانا تماس گرفتم. او پاسخ داد (ترجمه tl ؛ دکتر دنبال می شود)

En la Universidad de la Habana no tenemos ninguna pieza، pero creo que debe haber alguna en uno de los centros que trabajaron en ello. … Recientemente hicimos una conferencia aquí en la Universidad sobre la historyia de la computación در کوبا ، y vinieron varios de los que trabajaron en el proyecto original، trajeron fotos، textos و غیره. … - Alejandro Piad

ترجمه tl؛ dr: دانشگاه یکی ندارد ، اما ممکن است دفتر دیگری داشته باشد. آنها اخیراً یک کنفرانس تاریخ کامپیوتر با تعدادی از مهندسان اصلی برگزار کرده بودند و بسیاری از پرونده ها و عکس ها را جمع آوری کردند. (!!!!)

الخاندرو سپس عکس هایی را با من به اشتراک گذاشت که شامل دو برد مدار بود که هیچ جای دیگر آنلاین نبود. اگر این موارد را به اشتراک می گذارید ، لطفاً منبع را به این شرح ذکر کنید: max/426/1*gzROHhoXXjEPvZQfimyV9g.jpeg "> p> من تحقیقاتی انجام داده ام و این شاخه از تاریخ کامپیوتر عمدتاً حل نشده یا آفلاین است. اولین دانشمندان کامپیوتر کوبا چه کسانی بودند؟ آیا هنوز یک CID-201 سالم وجود دارد؟ آیا می توانیم به یک موزه محلی در بررسی این امر کمک کنیم؟

طرح

من سفر 2017 به کوبا را پیشنهاد می کنم ، هدف: پیگیری CID-201b برای علم و اینترنت. این داستان یک جنبه انسانی نیز دارد که با یا بدون کامپیوتر موفق می شود - امیدوارم بتوانیم با برخی از تکنسین های اصلی کوبا ملاقات و مصاحبه کرده و پروژه های منبع باز را با نسل بعدی دانش آموزان به اشتراک بگذاریم.

بسیار که من نمی دانم من می توانم از برخی کمک ها برای تحقق این امر استفاده کنم ، به ویژه در مورد هماهنگی سفر ، حساسیت به گفتن و مالکیت این داستان ، ضبط صدا و ترجمه (از آنجا که ما همه چیز را تحت مجوز Creative Commons منتشر خواهیم کرد) و بودجه.

< p> اگر می توانید کمک کنید ، منتظر انتشار پادکست نباشید. امروز با من تماس بگیرید: ایمیل: ndoiron_mapmeld_com mapmeld در توییتر و GitHub

قدرت دختر: طراحی آینده با فناوری

< h4> نوشته استفانی کوریگان

موزه تاریخ کامپیوتر (CHM) فرصتی منحصر به فرد برای آموزش دانش آموزان در مورد رایانه ها و دنیای فناوری محور است که در آن زندگی می کنیم. به عنوان یک موزه تاریخ ، ما به داستانها و افراد پشت این فناوری نگاه می کنیم ، آن را متناسب و زنده می کنیم تا برای بازدیدکنندگان قابل مقایسه باشد. و از طریق برنامه های آموزشی خود ، ما نه تنها به دانش آموزان کمک می کنیم تا با تاریخ رایانه ارتباط شخصی برقرار کنند ، بلکه همچنین نقش فناوری را در همه جنبه های زندگی ما می شناسند و در کاوش و تعامل با فناوری در داخل و خارج از آن احساس اعتماد به نفس می کنند. موزه.

به عنوان بخشی از تلاش های ما برای برقراری ارتباط با هرچه بیشتر دانش آموزان و کمک به این دانش آموزان برای دیدن مکانی برای خود در زمینه های علم ، فناوری ، مهندسی و ریاضیات (STEM) ، ما همیشه به دنبال این هستیم همکاری با سازمان هایی که از آموزش فناوری برای ایجاد تغییرات مثبت در زندگی جوانان استفاده می کنند. بنابراین ما برای فرصت همکاری با آموزش غیرانتفاعی Iridescent و دانش آموزان از Challenge Technovation خود در CHM در تابستان امسال بسیار هیجان زده بودیم.

موزه تاریخ کامپیوتر را دنبال کنید Facebook | توییتر ربات گروهش در کارگاه CHM's Design the Future.

چالش Technovation از سال 2010 "دختران برای تغییر" را درگیر کرده است. هر سال ، Technovation ، یک برنامه کارآفرینی فناوری جهانی برای دختران ، از شرکت کنندگان از سراسر جهان دعوت می کند جهان بیاموزد که چگونه از فناوری برای حل مشکلات دنیای واقعی استفاده کند. تیم های شرکت کننده برنامه های تلفن همراه را توسعه می دهند که مسئله یا مشکل خاصی را هدف قرار می دهند. فینالیست های امسال شامل برنامه ای برای کمک به زنان باردار در هند برای دسترسی به مراقبت و اطلاعات بودند ، دو برنامه برای کمک به جوامع در کاهش زباله و دیگری برای کمک به پناهندگان در ایالات متحده طراحی شده بود. از زمان شروع برنامه ، بیش از 15000 دختر در بیش از 100 کشور جهان در Technovation شرکت کرده اند و از برنامه های خود برای حل طیف وسیعی از مسائل استفاده می کنند.

Technovation فراتر از ایجاد دختران برای ایجاد یک برنامه تلفن همراه است. همچنین یک برنامه درسی ارائه می دهد که آنها را در مراحل توسعه راهنمایی می کند و مهارت هایی را که برای ساختن و بازاریابی برنامه خود نیاز دارند به آنها می آموزد. در برنامه نویسی و همچنین در مورد نام تجاری ، ارائه ایده ها و توسعه برنامه های تجاری درس هایی وجود دارد. Technovation همچنین دارای مربیان داوطلب است که در سراسر جهان برای کمک به تیم ها در جهت برنامه ریزی ، توسعه و ارائه فرایندها کار می کنند. کل برنامه درسی به منظور حمایت از هدف بزرگتر برنامه برای کمک به دختران برای کارآفرینان و رهبران فناوری همکاری می کند.

در مرحله نهایی مسابقات سالانه ، 12 تیم فینالیست انتخاب می شوند: 6 تیم از گروه خردسالان (سنین 10-14) و شش نفر از ارشد (سنین 15-18). 12 تیم نهایی به مدت یک هفته در ماه آگوست به اجلاس World Pitch در سیلیکون ولی دعوت می شوند تا فرصتی برای ملاقات با تیم های دیگر ، کشف منطقه خلیج و به اشتراک گذاشتن پروژه خود با دیگران داشته باشند. هر تیم برنامه و برنامه تجاری خود را در اختیار هیئت داوران قرار می دهد که یک برنده جایزه بزرگ را انتخاب می کنداز هر دسته. ایده های خود را ، و سپس آنها را با سایر گروه ها به اشتراک بگذارید. > img src = "https://cdn-images-1.medium.com/max/426/1*UmxlKfFZ3umC-O-kz7exMA.png"> برنامه یک گروه برای یک ربات برای کمک به خانواده ها در سال 2040.

اجلاس جهانی پیچ 2017 در 7 تا 11 آگوست برگزار شد و CHM از استقبال تیمهای بازدید کننده امسال برای کارگاه ویژه روز چهارشنبه هیجان زده شد ، 9 اوت. همه 23 دختر قبلاً به عنوان بخشی از چالش Technovation یک برنامه طراحی ، ساخته و راه اندازی کرده بودند ، بنابراین تعجب آور نبود که آنها به سرعت به چالش طراحی ارائه شده در کارگاه طراحی آینده ما رسیدند.

طراحی آینده شرکت کنندگان را تشویق می کند تا تصور کنند که آینده چگونه می تواند باشد ، با تأکید ویژه بر نقش فناوری. دانش آموزان به تغییراتی فکر می کنند که امیدوارند در آینده ببینند و با طراحی یک فناوری یا محصول برای پاسخگویی به نیازهای مخاطبان هدف ، خود را به عنوان محرک این تغییر در نظر می گیرند. این با بحث در مورد ظاهر جهان در سال 2040 آغاز می شود. گروه Technovation افکار خود را در مورد چگونگی تغییر جهان ، پیش بینی افزایش اتوماسیون ، پیشرفت در پزشکی و سایر تغییرات فناوری ، به اشتراک گذاشت. سپس ایده های آنها در مورد آینده نقطه شروع برای بقیه کارگاه بود ، زیرا دختران گروهی برای طراحی محصول (ربات یا وسیله نقلیه خودران) برای مخاطبان هدف کار کردند.

دانش آموزانی که روی طراحی خود برای استفاده از ربات در بیمارستان ها کار می کنند.

گشت و گذار در گالری های موزه بخش مهمی از کارگاه ، با استفاده از مثال های تاریخی برای الهام بخشیدن به ایده های آینده. این تور یک بحث مبتنی بر بحث درباره داستانها و مصنوعات است که عوامل مهمی را که باید در روند طراحی مورد توجه قرار گیرد ، برجسته می کند. گروه ها هم روبات ها و هم یک خودروی خودران را بررسی کردند و بررسی کردند که در حال حاضر چه فناوری در هر منطقه وجود دارد ، چگونه در طول زمان تغییر کرده است و چگونه ممکن است در 20 سال آینده بیشتر توسعه یابد. و در طول تور ، ما سوالات ادغام ، قابلیت استفاده و مخاطبان را بررسی کردیم. ما مشاهده کردیم که روبات ها چگونه برای مخاطبین مختلف از نظر طراحی و ظاهر متفاوت طراحی شده اند و نحوه ارتباط خودروهای خودران با سایر فناوری ها و یکدیگر را مورد بحث قرار داده ایم. طراحی محصول موفق بسیار بیشتر از فناوری است و این کارگاه دانش آموزان را تشویق می کند تا عوامل مختلفی را در طرح های خود لحاظ کنند.

شرکت کنندگان با توجه به اینکه گروهی دیگر ایده های خود را ارائه می دهند ، به دقت گوش می دهند.

پس از تور ، هر گروه طراحی خود را نهایی کرد و ایده های خود را در یک ارائه پایانی به اشتراک گذاشت. ما چندین سال است که کارگاه طراحی آینده را ارائه می دهیم ، و من همیشه تحت تأثیر ایده های خلاقانه ای هستم که در ارائه ها به اشتراک گذاشته شده است. کارگاه Technovation نیز از این قاعده مستثنی نبود. گروهی یک ربات را طراحی کردند تا با پرواز در خانه به هر کجا که نیاز است به خانواده ها کمک کند. تیمی دیگر خودرویی خودران را برای شهرهایی طراحی کردند که می توانند برای جلوگیری از تردد پرواز کنند. آنها این را با هواپیماهای بدون سرنشین ترافیکی - چراغ راهنمایی برای آسمان - همراه کردند. گروه دیگری برنامه خود را برای یک روبات به عنوان کمک در بیمارستان ها به اشتراک گذاشتند ، و گروه نهایی یک وسیله نقلیه خودران ایجاد کردبرای شهرهای کوچک و مناطق روستایی هر ایده منحصر به فرد و متفکرانه بود و ارائه ها درک روشنی از نحوه فروش ایده داشت.

گروهی طرح خود را برای یک وسیله نقلیه مستقل برای استفاده در مناطق شهری ارائه می دهند. آنها یک ماشین پرنده با چراغ های راهنمای شناور برای تنظیم تردد در زمین و هوا تولید کردند.

هدف از طراحی آینده این است که به دانش آموزان کمک کند نه تنها در مورد این که فناوری در 20 سال آینده چگونه به نظر می رسد ، فکر کنند. ، بلکه درباره آنچه برای رسیدن به آنجا لازم است. دانش آموزان نه تنها ایده ای برای یک فناوری جدید ارائه نمی دهند ، بلکه بررسی می کنند که توسعه و فروش این ایده به مخاطبان موردنظر چه چیزی طول می کشد. آنها متوجه می شوند که ایجاد یک محصول جدید چیزی بیشتر از مهارت های کد نویسی یا تکنولوژیکی است ، بلکه شامل تحقیقات مخاطبان ، طراحی ، بازاریابی ، مارک تجاری و موارد دیگر نیز می شود. و امیدوارم آنها بخشهایی از فرایند را ببینند که آنها را برای تحقیق بیشتر هیجان زده و علاقه مند می کند.

درس های چالش طراحی آینده با درس های تکنوواسیون هماهنگ است ، زیرا آنها دختران شرکت کننده را برای ایجاد برنامه ای طراحی می کنند که آدرس واقعی را ارائه دهد. -مشکلات جهان آنها یاد می گیرند که ایجاد یک برنامه یا هر محصول تکنولوژیکی چیزی فراتر از نوشتن کد است. و مزایای کار در تیمی را یاد می گیرند که اعضای مختلف دارای نقاط قوت و علایق متفاوتی هستند. همکاری با Technovation و همکاری با این دختران فرصتی عالی برای گردهم آوردن دو برنامه ما در طول اجلاس جهانی پیچ 2017 بود.

درباره نویسنده

به عنوان مدیر برنامه های مدرسه و معلم در موزه تاریخ کامپیوتر ، استفانی کوریگان برنامه های K -12 را برای دانش آموزان در هر رده سنی هدایت می کند ، از جمله روزهای سفر میدانی ، صحبت با آینده و برنامه کارگاهی. او همچنین با معلمان ملاقات می کند و منابعی را توسعه می دهد که به افزایش تجربه گروه مدرسه کمک می کند. استفانی دارای مدرک کارشناسی ارشد در زمینه تاریخ و مطالعات موزه از دانشگاه دلاور است و بیش از 10 سال سابقه کار در محیط های یادگیری رسمی و غیر رسمی را دارد.

ابتدا در www.computerhistory.org منتشر شده است.

برنامه طراحی فناوری

(30): باران لوتا ، درد کامپیوتر

کامپیوتر من در یک خلق و خوی.

بالاخره در حدود سه ماه برای اولین بار زنبور از همه چیز باران می بارد (فکر می کنم-برای اطمینان از این موضوع باید با تقویم آب و هوای زیرزمینی آن را بررسی کنم). البته این بدان معناست که احساس می کنم در جهان دیگری هستم ، زیرا این مدت طولانی در اینجا اتفاق نیفتاده است. حتی رایانه خانگی من تصمیم گرفت که امروز عقل خود را از دست بدهد و فراموش کند که Norton Internet Security را نصب کرده است ، آن را رد کرد ، سپس آن را پذیرفت اما از اجرای آن یا حذف نصب خودداری کرد. بنابراین ، زمانی که باید برای نوشتن یک پست متفکرانه صرف می کردم ، سعی کردم به خاطر بسپارم که چگونه این مشکل را برطرف کنم.

وب سایت نورتون از نظر رایانه همه چیز را از آخرین بازدید من تغییر داده بود ( البته من فقط زمانی ملاقات می کنم که به چیزی احتیاج دارم ، مانند کودک ناسپاسی که هستم). اکنون کارم را تمام می کنم و به نورتون اجازه می دهم که چیزهای فقیرنشین را روانکاوی کند (این روزها 6 برای رایانه ها قدیمی است!). فقط امیدوارم که دارویی تجویز نشود ، زیرا نمی دانم چگونه آن را در رایانه قدیمی Gateway (از طریق درگاه USB ، سینی CD؟ شاید یک دانگل باشد؟)

< p> یادداشت پایانی: این ممکن است یکی از آن چیزهای کارمای کیهانی باشد زیرا من به تخریب/جایگزینی حافظه در یک لپ تاپ قدیمی در خانه خود افتخار می کردم. شاید جهان سعی می کند مرا متواضع نگه دارد. خوب ، خدا ، من اعتراف می کنم! من یک زن خانه دار بی سر و صدا هستم که گاهی اوقات موفق می شود کامپیوتر خود را تعمیر کند و گاهی اوقات موفق می شود آن را بیش از هر اندازه خراب کند! (شاید دروازه با مادر مشکل داشته باشد ، اما من تنها کسی هستم که با آن صحبت می کنم!) خوب ، پایان پست بی فکر احمقانه.

منبع: https://blog.keras.io/building-autoencoders-in-keras. html

رمزگذارهای خودکار در بینایی رایانه ای

پیاده سازی با پایتون

در مقاله قبلی من ، در مورد شبکه های مخالف تولیدی صحبت کرده ام ، یک کلاس از الگوریتم های مورد استفاده در Deep Learning که به دسته مدلهای مولد تعلق دارد.

در این مقاله ، من قصد دارم راه دیگری برای ایجاد تصاویر جدید ، با رویکرد متفاوت را معرفی کنم. الگوریتم هایی که ما برای این منظور استفاده می کنیم…

چشم انداز رایانه ای با بودجه

پیاده سازی طبقه بندی کننده زنده در زیر 20 خط کد

در حالی که سعی داشت پیچیدگی های بینایی رایانه را برای برادر کوچکترم توضیح دهد ، از من درباره ساده ترین راه پیاده سازی طبقه بندی کننده تصویر زنده (نه کلمات دقیق او) سوال کرد. ).

مدتی به آن فکر کردم و به راه حلی رسیدم که تقریباً قادر به درک آن بود. از کتابخانه openCV استفاده می کند و باید در ارتباط با یک مدل از قبل استفاده شود. با این حال ، می توان آن را در کمتر از 20 خط کد پایتون اجرا کرد (وابستگی های بارگذاری بخشی از شمارش نیستند). > اگر نمی خواهید مدل خود را از ابتدا آموزش دهید ، می توانید وزن مدل های از پیش آموزش دیده را از Keras/Caffe

Prep Work

ابتدا بارگیری کنید کتابخانه های مورد نیاز و طبقه بندی کننده.

 وارد کردن cv2
وارد کردن numpy به عنوان np
از keras.applications import imagenet_utils ، VGG19 

 model = VGG19 (weights = 'imagenet') # بارگذاری وزن مدل 

برای این تمرین ، من از VGG19 ، یکی از مدل هایی که بر روی ImageNet آموزش دیده اند. VGG19 را می توان با استفاده از کتابخانه Keras بارگذاری کرد.

ما برای پیش پردازش تصاویر و رمزگشایی طبقه بندی های ارائه شده توسط VGG19 به imagenet_utils نیاز داریم.

بیایید شروع کنیم

 cam = cv2.VideoCapture (0) # باز کردن وب کم 

ایده این طبقه بندی کننده زنده این است که ضبط وب کم را در قالب فرعی قرار داده و هر فریم را به عنوان یک تصویر طبقه بندی شده در نظر بگیرید. برای انجام این کار ، ما باید یک حلقه بی نهایت ایجاد کنیم تا به طور مداوم فریم ها را ضبط کنیم.

 while True:
    
    ret، frame = cam.read ()
    k = cv2.wait کلید (1) 

 اگر k٪ 256 == 27: # اگر کلید esp فشار داده شود
        break 

این حلقه قاب بعدی (فریم) و اینکه آیا قاب قبلی وجود دارد (ret) را ثبت می کند. ما همچنین یک شرط خروج را وارد می کنیم ، به ویژه هنگامی که کلید فرار فشار داده می شود. برای نگاشت سایر کلیدهای مورد انتظار می توانید به Ascii Table مراجعه کنید.

در مرحله بعد ، می خواهیم قاب را گرفته و آن را مانند هر تصویر معمولی طبقه بندی کنیم. این همه در حلقه ما است.

 frame_pred = cv2.resize (قاب ، (224 ، 224))
   frame_pred = cv2.cvtColor (frame_pred ، cv2.COLOR_BGR2RGB). نوع (np.float32)
   frame_pred = frame_pred.reshape ((1 ،) + frame_pred.shape)
   frame_pred = imagenet_utils.preprocess_input (frame_pred) 

 predictions = model.predict (frame_pred)
   (imageID ، label ، score) = imagenet_utils.decode_predictions (پیش بینی ها) [0] [0] 

یک سری اتفاقات در اینجا در حال رخ دادن است. بیایید خط به خط برویم:

اندازه تصویر به (224 ، 224) تغییر کرده است ، اندازه ورودی پیش فرض برای VGG19 تصویر به فرمت RGB تبدیل می شود. OpenCV از فرمت BGR استفاده می کند در حالی که Keras (و تقریباً همه چیز دیگر) از RGB تصویر را تغییر می دهد تا متناسب با الزامات ورودی مدل ورودی با فرمت مورد نیاز پیش پردازش شود ما پیش بینی را بازیابی می کنیم پیش بینی را رمزگشایی می کنیم تا کلاس ، برچسب و امتیاز (احتمال حضور در آن کلاس)

برای همپوشانی پیش بینی ها در بالایخوراک وب کم:

 cv2.putText (قاب ، "٪ s با احتمال٪ .2f"٪ (برچسب ، امتیاز) ، (25 ، 25) ، cv2. FONT_HERSHEY_DUPLEX ، 0.9 ، (0 ، 0 ، 250 ) ، 2) 

 cv2.imshow ("چشم انداز کامپیوتر در بودجه" ، قاب) 

یکبار دیگر ، این در داخل حلقه اجرا می شود. آخرین خط ، ضبط وب کم اصلی (نه آنچه برای مدل افزایش یافته است) را با متن برچسب مورد نظر برمی گرداند.

در نهایت ، می خواهید وب کم خود را ببندید. این مرحله خارج از حلقه است و تنها در صورت فشار دادن کلید فرار اجرا می شود.

 cam.release ()
cv2.destroyAllWindows () 

برای مشاهده کامل 20 خط کد ، اینجا را کلیک کنید.

برخی از طبقه بندی های انجام شده. در گذشته ، قرمز رنگ خوبی برای برچسب نبود.

< /img>

این یک راه حل هک است که از رویکرد بیش از حد ساده برای مقابله با یک مشکل بسیار پیچیده طبقه بندی کننده اشیاء جداگانه را در فریم متمایز نمی کند و نمی شناسد. بسته به مدل استفاده شده ، می تواند بسیار کند نیز باشد. در حال خواندن!

اگر از این مقاله لذت بردید ، مقالات دیگر من در زمینه علوم داده ، ریاضی و برنامه نویسی را بررسی کنید. برای اطلاع از آخرین به روزرسانی ها ، Medium مرا دنبال کنید.