جای خالی ربات‌ها در بورس

آموزش خانه‌داری به ربات‌ها

تهران- ایرنا- پژوهشگران vوشی را طراحی کردند که با استفاده از آن ربات‌ها کارهای خانه را از طریق نگاه‌کردن یاد می‌گیرند و پس از چند بار تمرین همان کارها را انجام می‌دهند.

به گزارش گروه علم و آموزش ایرنا از پایگاه خبری ساینس دِیلی (Science Daily)، ربات به دانشمندی نگاه کرد که درِ یخچال را باز کرد. حرکات او، چرخش در، مکان یخچال و بقیه داده‌ها را ضبط کرد. سپس، این داده‌ها را تجزیه و تحلیل و خود را برای تقلید از آنچه او انجام داده بود، آماده کرد. در ابتدا، شکست خورد. گاهی اوقات نمی‌توانست دسته یخچال را در دستش بگیرد، آن را از جای اشتباهی می‌گرفت یا به اشتباه آن را می‌کشید؛ اما پس از چند ساعت تمرین، موفق شد و در را باز کرد.

شیکار بال (Shikhar Bahl) دانشجوی دکتری در مؤسسه روباتیکز دانشکده علوم کامپیوتر دانشگاه کارنگی ملون در آمریکا است. بال و همکارانش تلاش می‌کنند یک روش یادگیری جدید برای ربات‌ها طراحی کنند که وِرل (whirl) نامیده می‌شود. این کلمه مخفف «آموزش ربات تقلیدکننده از انسان در طبیعت» است. وِرل یک الگوریتم کارآمد برای تقلید بصری تک‌شات است.

او می‌گوید: یادگیری ربات‌ها از طریق تماشای مستقیم انسان‌ها یک مشکل حل‌نشده است؛ اما این پژوهش گامی مهم در ایجاد این توانایی است.

ربات‌ها می‌توانند به صورت مستقیم از ویدیوهای تعامل انسانی بیاموزند و آن اطلاعات را به کارهای جدید تعمیم دهند. این کار، ربات‌ها را برای یادگیری کارهای خانه مناسب‌سازی می‌کند.

مردم به طور مداوم، کارهای مختلفی را در خانه‌های خود انجام می‌دهند. با روش یادگیری ورل، ربات‌ها می‌توانند آن وظایف را مشاهده و داده‌های ویدیویی لازم را جمع‌آوری کنند تا در نهایت نحوه تکمیل کار برای آنها مشخص شود.

این گروه پژوهشی یک دوربین و نرم‌افزارشان را به یک ربات آماده استفاده اضافه کردند. ربات یاد گرفت که چگونه بیش از ۲۰ کار را انجام دهد: از باز و بسته‌کردن وسایل و درهای کابینت و کشوها گرفته تا گذاشتن در روی قابلمه‌ها، هل‌دادن صندلی‌ها و حتی ‌خارج‌کردن کیسه زباله از سطل.

هر بار، ربات یک انسان را تماشا می‌کرد که کاری را انجام می‌دهد؛ سپس آن کار را تمرین می‌کرد و یاد می‌گرفت تا آن را به‌تنهایی انجام دهد. این گروه پژوهشی، تحقیقات خود را در کنفرانس رباتیک: علم و سیستم‌ها (Robotics: Science and Systems) در نیویورک ارایه کرد.

پژوهشگران می‌گویند: این کار، راهی را ارائه می‌کند تا به‌وسیله آن ربات‌ها را به خانه‌ها بیاوریم. به جای اینکه منتظر بمانیم ربات‌ها برنامه‌ریزی شوند یا آموزش ببینند تا وظایف مختلفی را با موفقیت انجام دهند و سپس در خانه‌های مردم به‌کار گرفته شوند، می‌توانیم با این فناوری در حالی که ربات‌ها در خانه‌های مردم هستند به آن‌ها آموزش دهیم چگونه کارها را انجام دهند و هم‌زمان با محیط خود سازگار شوند و فقط با نگاه‌کردن ارتقا پیدا کنند.

روش‌های فعلی برای آموزش یک کار به ربات، معمولاً مبتنی‌بر تقلید یا یادگیری تقویتی است. یادگیری تقلیدی یکی از گرایش‌های یادگیری ماشینی است که از روانشناسی رفتارگرایی الهام می‌گیرد. در یادگیری تقلیدی، انسان‌ها به صورت دستی یک ربات را به‌کار می‌گیرند تا به آن آموزش دهند چگونه یک کار را کامل کند.

این فرایند باید چندین‌بار برای یک کار واحد قبل از یادگیری ربات انجام شود. در یادگیری تقویتی، ربات معمولاً در شبیه‌سازی روی میلیون‌ها مثال آموزش می‌بیند و سپس از آن خواسته می‌شود تا آموزش را با دنیای واقعی تطبیق دهد.

با روش ورل، ربات می‌تواند از هر ویدیویی که یک انسان را در حال انجام کار نشان می‌دهد، یاد بگیرد. به راحتی مقیاس‌پذیر است، به یک کار خاص محدود نمی‌شود و می‌تواند در محیط‌های خانگی واقع‌گرایانه عمل کند.

آموزش ساخت ربات معامله گر --- فصل ۰: آموزش MQL5

معصومه کرمی

معصومه کرمی هستم و خیلی خوشحالم که به واسطه هم‌رویش تونستم مسیر آموزشی کم‌بها و همگانی برای برنامه‌نویسی متاتریدر ایجاد کنم. آموزش‌های تکمیلی این مسیر هم در وبسایت سودگاه (+) ارائه خواهد شد.

توضیحات

این آموزش ساخت ربات معامله گر یا اکسپرت با MQL5 بخشی از یک مسیر آموزشی است . اما هدف ما از آموزش برنامه نویسی MQL5 و ساخت اکسپرت چیست؟ هدف ما از آموزش متاتریدر 5 فرهنگ سازی معامله الگوریتمی در فارکس و بازار رمزارزها با نرم افزار متاتریدر 5 و یا بازار بورس (با نسخه‌های بومی متاتریدر) است. این یک بازار کار جدید برای علاقه‌مندان برنامه‌نویسی خواهد بود. فیلم آموزش mql5 در واقع بخشی از بسته مقدماتی در مسیر آموزشی زیر است (اگر بسته مقدماتی را پیش از این تهیه کرده‌اید نیازی نیست که این آموزش را مجددا تهیه کنید. در همان بسته در بخش اول موجود است):

بسته آموزش مقدماتی ساخت اکسپرت با MQL5 (+)
بسته آموزش پیشرفته ساخت اکسپرت با MQL5 (+)
آموزش اکسپرت نویسی فارکس (+)

توجه: اگر بسته شماره ۱ را در بالا تهیه کرده‌اید دیگر نیازی به تهیه این آموزش نیست (زیرا در همان بسته قرار داده شده است). بسته ۱ را کامل ببینید و تمرین کنید و بعد سراغ بسته‌ شماره ۲ و بعد ۳ بروید!

همچنین توجه کنید که در این مسیر ما نخست ساخت اکسپرت را برای بازار بورس شروع می‌کنیم تا برای مخاطب ساده‌تر باشد. در بسته پایانی (شماره ۳ بالا) همه آموخته‌ها را به اکسپرت فارکس تبدیل می‌کنیم.

معامله الگوریتمی چیست؟

معامله الگوریتمی (+) به زبان ساده یعنی این که استراتژی معاملاتی خود را به صورت الگوریتم درآوریم؛ سپس این الگوریتم را به صورت یک برنامه قابل اجرا، برنامه‌نویسی و در محیط معامله (در یک نرم افزار مناسب مثل متاتریدر) اجرا کنیم. برنامه ما مثل یک ربات مدام دستورات را اجرا می‌کند و عملیاتی مثل خرید یا فروش سهم تحت شرایط معین را به صورت خودکار انجام می‌دهد.

برای ساخت ربات بورس حتی امروزه کار فراتر رفته و اغلب برنامه‌ها به الگوریتم‌های یادگیری عمیق مجهز و بنابراین هوشمند شده‌اند. هدف نهایی در این موضوع ایجاد برنامه‌هایی است که حتی بتواند رفتار دیگر معامله گران را پیش بینی و استراتژی معامله را بهینه کند.

امروزه بر اساس آمار ویکی پدیا، بیش از 80 درصد از معاملات فارکس (بزرگترین بازار سرمایه جهانی) به صورت الگوریتمی انجام می‌شود.

زبان برنامه نویسی MQL5 و نرم افزار متاتریدر

زبان MQL مخفف MetaQuotes Language است. این زبان توسط شرکت MetaQuotes (+) ایجاد شده است. شرکتی که نرم افزار متاتریدر را ارائه می‌کند. نرم افزار متاتریدر محیطی برای تحلیل و اجرای معامله است. تعدادی ابزارهای عمومی دارد و اگر کسی بخواهد می‌تواند در این محیط با زبان MQL برای اجرای کارهای پیشرفته اقدام به برنامه نویسی کند.

ما در آموزش MQL5 به آموزش برنامه نویسی MQL5 می‌پردازیم که آخرین نسخه از زبان MQL است؛ این زبان مناسب آخرین نسخه از نرم افزار متاتریدر یعنی MetaTrader 5 است.

دقت کنید که MQL5 از اساس با MQL4 متفاوت است. اگر با MQL4 آشنا هستید لازم است که این آموزش را برای مهاجرت به نسخه جدید ببینید.

خوشبختانه کارگزاری های مختلفی در ایران اقدام به ارائه نسخه بومی متاتریدر کرده اند (برای مثال دانلود مفید تریدر 5 را ببینید). پس شما برای معامله در بورس ایران می‌توانید از زبان MQL5 و امکانات نرم افزار متاتریدر استفاده کنید.

این آموزش در یک نگاه

ما در این مجموعه به آموزش MQL5 می‌پردازیم. شما سینتکس زبان MQL5 را یاد می گیرید. می‌آموزید که چطور برنامه هایی به زبان MQL5 بنویسید و در نرم افزار متاتریدر و نسخه ایرانی آن (مفید تریدر 5) اجرا کنید.

بحث را با دانلود مفید تریدر 5 و آشنایی با نرم افزار متاتریدر آغاز می کنیم. سپس به سراغ مفاهیم برنامه نویسی می‌رویم.

تعریف متغیر در MQL5 و انواع داده ها را می‌آموزید. با آرایه ها و ساختارهای شرط و حلقه در زبان MQL5 آشنا خواهید شد. با هم به تعریف تابع در MQL5 می‌پردازیم. مفاهیم شی گرایی و تعریف کلاس را نیز به صورت عمیق می‌آموزیم.

سرانجام در پایان فیلم آموزش mql5 ساختار یک اکسپرت بورس را بررسی می‌کنیم. این که تمام مفاهیم بالا چطور دست به دست هم می‌دهند تا یک برنامه را بسازند.

در پایان این دوره، یعنی پس از آموزش زبان MQL5 شما آماده ورود به برنامه نویسی اکسپرت و ساخت ربات بورس یا اندیکاتور هستید. این موضوعات به صورت خودآموز می‌تواند توسط شما پیگری شود؛ البته ما نیز در هم رویش شما را تنها نخواهیم گذاشت . تا شما این آموزش را تمام کنید به مرور هر کدام از این موارد مثل ساخت اکسپرت یا ساخت اندیکاتور و … را طی بسته های مستقلی تولید و منتشر خواهیم کرد. هم رویش را در شبکه های اجتماعی با شناسه HamRyesh دنبال کنید تا به موقع از انتشار آثار بعدی مطلع شوید.

هدف این آموزش

اگر دارندگان سهام عدالت را کنار بگذاریم، حدود 15 میلیون کاربر فعال بورس در ایران داریم. اغلب کاربران به صورت سنتی معامله می‌کنند. ساعت ها از زمان عمر مردم پای تابلوهای بورس صرف می‌شود تا تصمیمی گرفته شود؛ در حالی که این روند می‌تواند خودکار شود.

بنابراین ساخت ربات بورس و ساخت اکسپرت و اندیکاتور و … می‌تواند به شغلی پرمخاطب در کشور تبدیل شود. شغلی جذاب که هم برای کاربر مفید است و هم توسعه دهنده! به این منظور آموزش نیاز است و متاسفانه آموزش MQL5 در این لحظه در کشور بسیار محدود و آن هم صرفا به صورت کلاس و با هزینه بسیار بالا برگزار می‌شود.

انگیزه اصلی ما در هم‌رویش از تولید این آموزش MQL5 با این بهای اندک نیز همین است. این که جای خالی ربات‌ها در بورس برنامه نویسان بیشتری بتوانند وارد شغل برنامه نویسی بورس شوند.

این آموزش بی‌نظیر است زیرا

با هدف انحصارشکنی و بهای مناسب تهیه شده است.
زبان MQL5 آخرین نسخه MQL است.
بازار کار بسیار وسیعی پیش روی شماست.
برنامه نویسی بورس عرصه جذابی برای استفاده از الگوریتم‌های هوش مصنوعی است.

پیشنیاز

آشنایی کلی با بازار سرمایه

کلیدواژه‌ها

فیلم آموزش mql5 یا آموزش متاتریدر 5 – آموزش برنامه نویسی mql5 – نرم افزار متاتریدر 5 – آموزش MetaTrader 5 – ساخت ربات بورس – آموزش اکسپرت نویسی بورس – آموزش زبان MQL5 – دانلود آموزش mql5 – دوره آموزش mql5 – ویدیو آموزش mql5 – آموزش تصویری mql5

سرفصل مطالب

فصل اول – نصب ابزار و شروع کار

درس صفر: معرفی دوره در یک نگاه
– معامله الگوریتمی چیست ؟
– زبان برنامه نویسی mql5 چیست؟
– پیشنیاز این آموزش
– نگاهی به محیط این آموزش
– اهداف آموزش

درس یکم: نصب و راه اندازی محیط برنامه نویسی
– دریافت و نصب مفیدتریدر
– ساخت نمایه مجازی در مفیدتریدر
– نحوه تغییر زبان مفیدتریدر به فارسی
– اولین برخورد با MetaEditor
– بررسی مسیر نصب نرم افزار
– توصیه برای روزآمدی فرآیند نصب

درس دوم: ساخت اولین اکسپرت
– ساخت یک Expert Advisor در MetaEditor
– مفهوم تابع onInit و onDeInit و onTike چاپ یک پیغام روی نمودار
– درج یادداشت یا comment در کدهای mql

درس سوم : انواع فایل ها در MQL5
– آشنایی با انواع فایل mq5 و ex5 و mqh و set در زبان MQL5
– مفهوم فایل include و بررسی یک نمونه
– کامپایل برنامه و تولید فایل ex5 به عنوان خروجی اکسپرت

درس چهارم : مدیریت فایل ها
– آشنایی با پوشه بندی MetaEditor و پوشه های Experts و Includes
– مفهوم کتابخانه یا library در زبان mql5 در یک نگاه

فصل دوم – متغیرها وانواع داده در MQL5

درس پنجم: مفهوم متغیر و تعریف متغیر در MQL5
– چرا نیاز به متغیرها داریم؟
– مفهوم متغیر و identifier
– تعریف یک متغیر در MQL5
– قواعد نام‌گذاری متغیرها در MQL5

درس ششم: انواع داده در MQL5(integer)
– چرا به انواع داده‌ها نیاز داریم؟
– انواع داده عدد صحیح یا integer
– تفاوت char و short و int و long
– تفاوت uchar وushort و uint و ulong

درس هفتم: انواع داده در MQL5(real,string,Boolean)
– انواع داده عدد حقیقی یا real
– تفاوت float و double در MQL5
– نوع داده استرینگ یا string
– نوع داده منطقی یا بولین Boolean
– بررسی نوع داده ها در مستندات MQL5

درس هشتم: انواع داده در MQL5(color, datetime)
-نوع داده رنگ یا color
-نوع داده تاریخ وزمان یا datetime
-بررسی ثابت های تاریخ و زمان

درس نهم: آرایه ها
-تعریف آرایه یک بعدی استاتیک
_تعریف index در آرایه ها
-مقداردهی به آرایه های تک بعدی
– تفاوت آرایه های استاتیک و داینامیک
_ تعریف آرایه تک بعدی داینامیک
_ استفاده از تابع ArrayResaize برای تعیین اندازه آرایه ها

درس دهم: آرایه ها چند بعدی
-تعریف آرایه دو بعدی استاتیک
-مقداردهی به آرایه های تک بعدی
_ تعریف آرایه دو بعدی داینامیک

درس یازدهم: Enumeration
-تعریف Enumeration
_ استفاده از Enumeration
– تغییر اعداد متناظر به هر عضور از لیست Enumeration

درس دوازدهم: Structures
_ تعریف یک متغیر از نوع داده Structures
_ ساخت یک نمونه از متغییر Structures و مقدار دهی به متغیرهای آن
_ کاربا Structures داخلی MqlTick در زبان MQL5
_ استفاده از تابع SymbolInfoTick برای خواندن اطلاعات از سرورها و پر کردن متغیرهای MqlTick
_ اجرای اکسپرت نوشته شده روی نمودار سهم های مختلف

درس سیزدهم: متغیرهای ورودی ( input variables )
_ تعریف ویژگی های input variable
– آشنای با sintax متغیرهای ورودی
_ کاربرد expert نویسی برای بهینه کردن سود در اندیکاتور moving Average
_ مثال کاربردی از متغیرهای ورودی

درس چهاردهم : متغیرهای محلی و سراسری ( local variable and Global variable)
_ تعریف ویژگی های local variable
– آشنای با sintax متغیرهای محلی و سراسری
_ تعریف ویژگی های Global variable

درس پانزدهم : متغیرهای استاتیک ( static variable )
_ تعریف ویژگی های static variable
– آشنای با sintax متغیرهای استاتیک
_ بررسی تفاوت جای خالی ربات‌ها در بورس متغیرهای استاتیک و متغیرهای محلی

فصل سوم – عملگرها در زبان MQL5

درس شانزدهم : عملگرهای ریاضی ( Operations)
_ آشنایی با روش انجام عملیات ریاضی و ذخیره سازی نتایج عملیات در MQL5
_ تعریف عملگر جمع یا Addition و حل مثال از آن
_ تعریف عملگر ضرب یا Multiplication و حل مثال از آن
_ تعریف عملگر تفریق یا Subtraction و حل مثال از آن
_ تعریف عملگر تقسیم یا Division و حل مثال از آن
_ تعریف عملگر باقیمانده تقسیم یا Modulus و حل مثال از آن

درس هفدهم : عملیات تخصیص ( Assignment Operations)
_ تعریف عملگرهای تخصیص برای عملیات جمع
_ تعریف عملگرهای تخصیص برای عملیات تفریق
_ تعریف عملگرهای تخصیص برای عملیات ضرب
_ تعریف عملگرهای تخصیص برای عملیات تقسیم
_ تعریف عملگرهای تخصیص برای عملیات باقیمانده

درس هجدهم : عملیات مقایسه ای ( Relation Operations)
_ تعریف عملگرهای مقایسه ای
_ حل مثال از عملگر بزرگتر و کوچکتر
_ حل مثال از عملگر بزرگتر مساوی و کوچکتر مساوی
_ حل مثال از عملگر برابر و نابرابری

درس نوزدهم : عملیات منطقی ( Boolean Operations)
_ تعریف عملگرهای منطقی
_ تعریف و حل مثال از عملگر منطقی (AND)
_ تعریف و حل مثال از عملگر منطقی (OR)
_ تعریف و حل مثال از عملگر منطقی (NOT)

فصل چهارم – ساختارهای شرط و حلقه

درس بیستم : ساختار شرطی if
_ تعریف ساختارشرطی if
_ حل مثال از ساختارشرطی if

درس بیست و یکم : ساختار شرطی else
_ تعریف ساختارشرطی else
_ حل مثال از ساختارشرطی else
_ تعریف ساختارشرطی else if
_ حل مثال از ساختارشرطی else if

درس بیست و دوم : حلقه While
_ تعریف حلقه ها در MQL
_تعریف حلقه while
_ حل مثال از حلقه while

درس بیست و سوم : حلقه do_While
_ تعریف حلقه do-while
_ حل مثال از حلقه do_while
_ بررسی و حل مثال از تفاوت حلقه ی while و do_while

درس بیست و چهارم : حلقه for
_ تعریف حلقه for
_ حل مثال از حلقه for
_ تعریف و حل مثال از break operator
_ تعریف و حل مثال از continue operator

فصل پنجم – تابع

درس بیست و پنجم: معرفی تابع (Function)
_ معرفی نظری تابع ها
_ بیان 2 مزیت اصلی توابع

درس بیست و ششم : تعریف اولین تابع در MQL5
_ تعریف تابع GetStopLoss
_ تعریف ورودی و خروجی در تابع GetStopLoss
_ استفاده از تابع GetStopLoss در تابع OnTick

درس بیست و هفتم : تابع ها با مقدار ورودی پیش فرض (DefaultValue)
_ تعریف مزیت های تابع ها و دلیل استفاده از تابع ها
_ تعریف مقدار پیش فرض برای ورودی تابع ها
_ استفاده از تابع با با مقدار پیش فرض

درس بیست و هشتم : تابع های بدون خروجی ( void Type)
_ آشنای با عملگر return
_ تعریف مثال از تابع void
_ بررسی تفاوت تابع void و تابع که خروجی دارد

درس بیست و نهم : استفاده از داده های ویژه به عنوان ورودی تابع
_ معرفی تابع SymbolInfoTick
_ معرفی استراکچر MqlTick
_ساخت نمونه از استراکچر MqlTick
_ پاس دادن استراکچرها به عنوان ورودی تابع SymbolInfoTick

فصل ششم – شی گرایی و کلاس

درس سی ام : برنامه نویسی شی گرا ( object-oriented programming)
_ معرفی برنامه نویسی شی گرا
_ معرفی المان های کلاس و شی در طبیعت
_ معرفی المان های شی گرای کلاس و شی در صنعت
_ حل مثال از کاربرد شی گرایی در MQL5

درس سی و یکم : تعریف یک کلاس ( Classes)
_ تعریف کلاس CIndicator
_ معرفی المان های تعریف کلاس در MQL5

درس سی و دوم: سطح دسترسی در کلاس ( Access Modifiers)
_ معرفی انواع سطح دسترسی کلاس ها در MQL5
_ آشنایی با ویژگی های سطح دسترسی Public
_ آشنایی با ویژگی های سطح دسترسی private
_ آشنایی با ویژگی های سطح دسترسی protected
_ معرفی مفهوم encapsulation در oop

درس سی و سوم : کاربرد سطح دسترسی در کلاس ( Access Modifiers)
_ آشنایی با انواع روش تعریف تابع ها در کلاس
_ تعریف عملکرد تابع main در کلاس Cindicator
_ تعریف عملکرد تابع Release در کلاس Cindicator
_ استفاده از متغیرهای که به صورت protected در سطح کلاس تعریف شدن در تابع ها

درس سی و چهارم : constructor
_ تعریف ویژگی و کاربرد constructor پیش فرض
_ تعریف ویژگی و کاربرد constructor دستی در تابع
_حل مثال از constructor در کلاس Cindicator

درس سی و پنجم : ارث بری در برنامه نویسی شی گرا (ِDerived Classes)
_ تعریف مفهوم ارث بری inheritance
_ تعریف مفهوم کلاس والد یا کلاس parent class
– تعریف مفهوم کلاس فرزند یا derived class
_ تعریف کلاس اندیکاتور میانگین متحرک با نام CiMA به عنوان کلاس فرزند که از کلاس والد Cindicator
_ تعریف تابع Init() در کلاس CiMA و استفاده از متغیرهای ارث بری شده

درس سی و ششم : تابع های مجازی ( virtual functions)
_ تعریف کاربرد تابع های مجازی در کلاس ها
_ حل مثال کاربردی از تابع های مجازی در کلاس

درس سی و هفتم : نمونه یا object
_ آشنای با روش تعریف object از کلاس ها
_ تعریف object از کلاس CiMA یا کلاس اندیاتور میانگین متحرک

فصل هفتم – جمع بندی و طرح یک مثال

درس سی و هشتم : بررسی ساختار یه برنامه در MQL5
_ آشنایی با اجزای مختلف یک برنامه
_ نقش Preprocessor Directives در MQL5
_ تفاوت #include و #import
_ جایگاه متغیرهای input و global
_ جایگاه تابع ها و کلاس ها
_ مفهوم و جایگاه Event Handler ها

درس سی و نهم : جمع بندی و نگاهی به آینده
_ مروری بر آچه در دوره گفته شده
_ آنچه در ادامه پیش رو داریم

رباتیک؛ پلی برای رسیدن ایران به قله‌ صنعت پایدار

رشته‌ رباتیک حدود ۱۰ الی ۱۵ سال است که در ایران راه‌اندازی شده است ولی همچنان جای خالی آن‌ در صنایع احساس می‌شود که این موضوع باعث فاصله بسیار ما با دنیا در این زمینه شده است.

به گزارش خبرنگار ایمنا، رشته رباتیک از علوم مهم برای پیشرفت صنایع محسوب می‌شود و امروزه دنیا به سمت استفاده از ربات‌ها در خط تولید و صنایع خود در حال حرکت است؛ به شکلی که در ژاپن کارخانه‌هایی بدون دخالت انسان و با استفاده از این ماشین‌های هوشمند اداره می‌شود.

در آینده قطعاً ربات‌ها جایگزین انسان‌ها در بسیاری از فعالیت‌ها شده و به موجب آن بهره‌وری کار افزایش پیدا می‌کند زیرا ربات نیازهای انسان را ندارد و می‌تواند ۲۴ ساعته و بدون وقفه کار کند به همین دلیل پیشرفت صنعت روباتیک برای هر کشوری مهم است و می‌تواند باعث ارتقای خطوط تولید آن کشور نیز شود. برای بررسی این علم و جایگاه آن در ایران با حامد شهبازی، دکترای هوش مصنوعی و رباتیک و عضو هیئت علمی دانشگاه اصفهان گفت‌وگویی انجام داده‌ایم که در ادامه می‌خوانید:

رشته رباتیک چیست؟

رباتیک در واقع یک علم میان رشته‌ای است که در دانشگاه‌های دنیا تدریس می‌شود؛ این رشته در واقع زمینه‌ای مابین رشته مکانیک و الکترونیک است که بیشتر مباحث آن با هوش مصنوعی و ساخت ماشین‌های هوشمندی که می‌تواند کارهای انسان را انجام دهد، درگیر است.

هوش‌مصنوعی و رباتیک چه مقدار اهمیت دارد؟

همانگونه که رهبر معظم انقلاب در سخنرانی‌هایشان به اهمیت هوش‌مصنوعی اشاره کردند و به جامعه علمی کشور دستور دادند ایران باید در زمینه هوش‌مصنوعی و رباتیک سرآمد شود، نشان‌دهنده اهمیت بسیار هوش‌مصنوعی، رباتیک و مکاترونیک در کشور است.

اهمیت حضور ربات‌ها در زندگی انسان را چگونه ارزیابی می‌کنید؟

به طور کلی ربات‌ها در آینده بسیاری از فعالیت‌های انسان را در دست خواهد گرفت و مدیریت می‌کند؛ امروزه نیز اگر به اطراف نگاه کنید، بسیاری از تجهیزات نظامی به نوعی تبدیل به ربات‌های هوشمند شده که به صورت خودکار تصمیم‌گیری و عملیات را انجام می‌دهد؛ در صنعت بسیاری از کشورها نیز ربات‌ها بسیار پیشرفت کرده و حتی خط تولید برخی شرکت‌ها و صنایع با ربات‌ها اداره می‌شود. کشور ژاپن دارای کارخانه‌هایی است که به کارخانه تاریک معروف است زیرا هیچ انسانی در آن فعال نیست و تمامی فرآیند خط تولید را ربات‌ها به صورت خودکار و بدون نیاز به نور انجام می‌دهد.

جایگاه رشته رباتیک در ایران به چگونه است؟

رباتیک در ایران به عنوان یک رشته دانشگاهی در تعداد بسیار محدودی از دانشگاه‌ها تدریس شده و رشته‌هایی مانند مکاترونیک یا هوش و رباتیک که مشابه رشته رباتیک و زمینه آشنایی با کامپیوتر و رباتیک است نیز در ایران تدریس می‌شود؛ این رشته‌ها حدود ۱۰ الی ۱۵ سال است که در ایران تأسیس شده، ولی همچنان جای خالی آن‌ها احساس می‌شود و از طرف دیگر صنایع کشور بسیار قدیمی بوده و به شکل خیلی محسوسی از ربات‌ها در آن استفاده می‌شود که این موضوع باعث فاصله بسیار ما با دنیا می‌شود.

حضور جوانان و نوجوان ایرانی در آموزشگاه‌های رباتیک را چگونه ارزیابی می‌کنید؟

حدود یک دهه است که آموزشگاه‌های رباتیک در ایران تأسیس شده است و با توجه به ارتباطی که با آموزشگاه‌ها داشته‌ام می‌توان گفت که برای ایجاد خلاقیت، افزایش توانایی‌های ذهنی و مهارت نسل جدید بسیار مفید بوده‌اند که البته همچنان نیز جای رشد، پیشرفت و تکامل دارد؛ به طور کلی من این آموزشگاه‌ها را حرکت خوب و مفیدی برای توسعه علم ایران می‌دانم. علاوه بر جای خالی ربات‌ها در بورس آموزشگاه‌ها، مسابقات جانبی نیز در ایران شکل گرفته و نسل جدید را با مباحث رباتیک آشنا می‌کند که این مسابقات هر ساله به صورت متعدد برگزار شده و امیدواریم در آینده نسل جدید دانشجویان بتوانند دانش موجود را توسعه و در صنایع به طور گسترده استفاده کنند.

آیا مراکز آموزشی توانسته باعث ورود دانش‌آموزان به صنعت رباتیک شود؟

بله؛ قطعاً همین‌گونه است؛ ایران در برخی از زمینه‌های نظامی پیشتاز است و این پیشرفت مسلماً به علوم رباتیک و هوش‌مصنوعی بستگی دارد، فارغ‌التحصیلانی بوده‌اند که در زمینه رباتیک فعالیت می‌کردند و شهرت داشتند و امروزه در صنایع یا کارگاه‌های مرتبط همین حوزه فعال هستند؛ به نظر من این آموزش‌های مقدماتی در سطح دبیرستان و مدارس در آینده منجر به تولید محصولات مختلف صنایع می‌شود.

آیا ایران دستاوردی در زمینه رباتیک داشته است؟

بله؛ مثلاً ربات انسان‌نما سورنا که در دانشگاه تهران رونمایی شده و در حال توسعه است رباتی کاملاً ایرانی و انسان‌نما است که می‌تواند حرکات مختلف انجام دهد، صحبت کند و در آینده به عنوان کارگر رباتیک استفاده شود. ربات‌های صنعتی مختلفی نیز در ایران ساخته می‌شود و شرکت‌هایی هستند که بازوهای روباتیک و موازی که در مونتاژ استفاده می‌شود را می‌سازند.

به طور کلی دانش رباتیک میان رشته‌ای است و لزوماً منجر به ساخت ربات نمی‌شود، ولی در کاربردهای دیگری که مستلزم هوش‌مصنوعی است مانند نرم‌افزارها یا بازی‌هایی که در آن از هوش‌مصنوعی استفاده می‌شود، به طور گسترده وجود دارد. من دوستانی دارم که در ابتدا جزو تیم رباتیک بوده و امروزه یکی از موفق‌ترین استودیوهای بازی‌سازی ایران را تأسیس کرده‌اند؛ ساخت بازی‌های کامپیوتری و موبایلی گردش مالی بسیار بالا و خوبی ایجاد می‌کند. در صنایع الکترونیک کسانی که در صنعت روباتیک فعال بوده‌اند، درصد بسیارشان جذب الکترونیک شده‌اند من دانشجویانی داشتم که اکنون در ساخت ECU برای شرکت ایران‌خودرو فعالیت می‌کنند و شرکت‌های موفقی را در این زمینه راه‌اندازی کرده‌اند. به طور کلی زمینه رباتیک یک نقطه جهش و الهام بخش برای افرادی است که در حوزه‌هایی مانند مکانیک، الکترونیک، هوش‌مصنوعی، کامپیوتر و بازی‌سازی فعال هستند و حرکت و شتابی به ذهن و اراده افراد اضافه می‌کند.

آینده صنعت رباتیک جهانی را چگونه ارزیابی می‌کنید؟

همانطور که پیش‌تر ذکر شد امروزه در کشور ژاپن کارخانه‌هایی کاملاً روباتیک کار کرده و بسیاری از فعالیت‌های این کشور را نیز ربات‌ها اداره می‌کنند، با این شرایط قطعاً در آینده ربات‌ها به بسیاری از فعالیت‌های دیگر ورود کرده و مکانیزه شدن جای خالی ربات‌ها در بورس صنایع مختلف نیز باعث توسعه این ربات‌ها می‌شود.

چه چیزی باعث می‌شود که ربات‌ها جایگزین انسان‌ها شود؟

ربات‌ها به طور مداوم، بدون خستگی، ناراحتی، نیاز به استراحت، غذا و دیگر نیازهای انسانی می‌تواند ۲۴ ساعته کار کند و همچنین به راحتی می‌تواند به صورت برنامه‌ریزی شده، از قوانین انسان پیروی و آن‌ها را به خوبی اجرا کند. استفاده از ربات‌ها باعث می‌شود بهره‌وری کار به شدت افزایش پیدا کند و قطعاً اگر ایران بخواهد در دنیا جایگاهی به دست آورد و قیمت تمام شده محصولات خود را کاهش دهد مجبور به استفاده از ربات‌ها در صنعت است تا بتواند به قدر کافی بهره‌وری را افزایش و قیمت محصولات را به رقم مناسبی تقلیل دهد.

آیا هوش‌مصنوعی توانسته در حوزه‌هایی که نیازمند خلاقیت است، وارد شود؟

بله؛ امروزه یکی از مباحث هوش‌مصنوعی یا توانایی ذهنی ربات خلاقیت است و دانشمندان تلاش دارند که توانایی خلاقیت و هنر را در ماشین‌ها ایجاد کنند و تاکنون به موفقیت‌های بسیاری در این زمینه رسیده‌اند. امروزه ربات و ماشین‌ها به صورت خلاقانه طرح‌ها و نقاشی‌های جدیدی ارائه می‌کنند که این بسیار عجیب است. بسیاری از مردم در مرحله اول باور نمی‌کنند که ربات خلاقیت و هنر به خرج دهد و طرحی جدید ارائه کند، ولی توانایی انسان در توسعه ربات توانسته است به این نقطه نیز برسد و حتی احساس، عاطفه و هنر را در ماشین‌ها ایجاد کند.

سخن آخر.

امیدواریم که با توسعه هوش مصنوعی و علم رباتیک ایران جزو کشورهای بزرگ و توانمند قرار گیرد زیرا رباتیک جزو فناوری‌های اصلی در آینده است و اگر فناوری‌های آینده را به سه بخش تقسیم کنیم قطعاً یکی از این سه بخش به علم رباتیک اختصاص داده خواهد شد.

ربات معامله گر فارکس

ربات معامله گر سیمرغ از انواع ربات تمام اتوماتیک بوده و این امکان را برای شما فراهم میکند تا بدون آموزش های تحلیلی و معامله گری به کسب سود در بازار فارکس بپردازید.

تابلو خوانی

ابزار ساده تحلیل سهام

پرایس اکشن

ساده و کاربردی

تحلیل تکنیکال

پرکاربرد

بازار فارکس

بازاری بدون توقف

محصولات مرتبط

مشاوره طراحی و کدنویسی ربات فارکس

درخواست تحلیل سهم

دوره حضوری و خصوصی پرایس اکشن (به سبک عرضه و تقاضا همراه با پشتیبانی 2 ماهه)

ربات معامله گر فارکس

دوره آنلاین تکنیکال پیشرفته بورس (همراه با پشتیبانی 2 ماهه)

دوره آنلاین تکنیکال مقدماتی بورس (همراه با پشتیبانی 1 ماهه)

دوره حضوری تکنیکال مقدماتی (همراه با پشتیبانی 1 ماهه)

دوره آنلاین پرایس اکشن (به سبک عرضه و تقاضا همراه با پشتیبانی 2 ماهه)

دوره تابلوخوانی آنلاین

دوره حضوری تکنیکال پیشرفته (همراه با پشتیبانی 2 ماهه)

ربات چیست؟
دانلود نسخه دمو
توضیحات
VPS با سرعت یک گیگابیت
ثبت نام در بروکر و صرافی
مشخصات
دیدگاه‌ها

لینک دانلود فایل دمو اکسپرت :

لینک دانلود نرم افزار Any Desk ویندوز جهت اتصال ما به سیستم شما و اعمال تنظیمات

ربات معامله گر فارکس چیست؟ + میزان بازدهی و ویدئو تست :

معامله گران کم تجربه همواره به دنبال یافتن ربات هایی معامله گر بوده اند که تمام کارها را انجام دهد و تریدر نیازی به تکان دادن حتی یک انگشت هم نداشته باشد. این ایده توجه همه معامله گران عصر کامپیوتر ها را به خود جلب کرده است. اکنون بر عهده گرفتن بار جای خالی ربات‌ها در بورس مسئولیت تصمیم گیری های پر استرس و پر فشار معامله گران بر عهده ی ربات های معامله گر یا همان اکسپرت ها میباشد.

معنی اکسپرت در لغت به معنی "متخصص و کارشناس" است. هرگاه ما استراتژی معاملاتی خود را در محیط پلتفرم معاملاتی متاتریدر برنامه‌نویسی کرده و به این طریق اجازه دهیم تا کامپیوتر جای ما عملیات خرید یا فروش را انجام دهد به ان اکسپرت می گویند.

از این که ربات سیمرغ را برای انجام معاملات خود انتخاب کردید کمال تشکر را داریم

نکاتی را که باید قبل از استفاده از ربات به آن توجه داشته باشید

۱. حسابی که نسخه دمو یا پرو را روی آن اجرا میکنید باید مشخصات زیر را داشته باشد:

حساب سنتی با موجودی اولیه حداقل 50000 سنت
حساب دلاری با موجودی اولیه حداقل 50000 دلار
لوریج حساب ۱:۵۰۰

۲. ربات سیمرغ ریسک و بازده را با توجه به ریسک پذیری شما تنظیم می‌کند پس حتما قبل از اجرای نسخه پرو بر روی حساب خود ابتدا از نسخه دمو استفاده کرده و تنظیمات مناسب با ریسک پذیری خود را استخراج کنید

۳. حتما قبل از استفاده از ربات ویدئو معرفی و آموزش نحوه ی کار با ربات را مشاهده کنید

۴. برای بک تست دقت کنید کیفیت کندل هایی که مورد تست قرار می‌گیرد بالا باشد
(جهت تست ربات ترجیحا از لایو تست به جای بک تست استفاده کنید)

۵‌. اگر موارد بالا را رعایت کرده و باز هم در استفاده از ربات با مشکل مواجه شدید حتما مشکل را با ما در میان بگذارید