تعدادی موسسات رسانهای و خبری در طی سالهای گذشته قدرت هوش مصنوعی (AI) در دنیای روزنامهنگاری را پذیرفتهاند.
یادگیری ماشین و هوش مصنوعی میتواند به کمک اتوماسیون کارهای تکراری، تولید محتوا مانند گزارشهای درآمد شرکتها، کارآمد کردن جریان کار رسانهها یا سرعت بخشیدن به بررسی درستیسنجی بیاید. اما چگونه آن را به بخش گزارشگری خود اضافه میکنید؟ Google News Initiative دورهای را برای تغییر شکل دادن قدرت هوش مصنوعی برای روزنامهنگاران راهاندازی کرده است.
این دوره به ۱۷ زبان ترجمه و به کمک مدرسه اقتصاد لندن، VRT و Google News Initiative تهیه شده است.
دوره یادگیری ماشین برای روزنامهنگاران به تمرکز روزنامهنگاران بر روی بنیان یادگیری ماشین و اینکه روزنامهنگاران چگونه میتوانند یک مدل یادگیری ماشین را آموزش دهند میپردازد.
این دوره مباحث مربوط به یادگیری ماشین مثل یادگیری نظارت شده، یادگیری بدون نظارت و یادگیری تقویتی را پوشش میدهد. روزنامهنگاران میآموزند تا چگونه موارد مورد استفاده در یادگیری ماشین را ارزیابی کنند، دادههای مورد استفاده را جمعآوری کنند، به دادهها شکل دهند و الگوریتم مناسب را برای ساختن مدل انتخاب کنند.
همچنین چگونگی استفاده روزنامهنگاران از ابزارهای مختلفی برای بهبود مدل خود، اعتبارسنجی و آزمایش مدل، ارزیابی نتایج آن را توضیح میدهد. در نهایت، این دوره به سمت درک جانبگیری در یادگیری ماشین حرکت می کند. این انواع تعصب و جانبگیریها، منابع آن و راههای جلوگیری از آن را در مدلها پوشش می دهد تا خبرنگاران به نادرستی گزارش ندهند.
آیا به مبحث داستانسرایی و گزارشگری علاقهمندید؟ بر روی این لینک کلیک کنید تا با این دورههای رایگان آشنا شوید.
۹۰ دقیقه
۹۰ دقیقه
۵۰ دقیقه
۵۰ دقیقه
۶ منبع مفید برای پوشش خبری ویروس کرونا برای خبرنگاران
با گسترش این بیماری همهگیر در سراسر جهان، روزنامهنگاران تحت فشارند تا اخبار دقیق را برای عموم مردم گزارش دهند. معمولا در حین پوشش یک بحران، افرادی که در خط مقدم گزارشها قرار دارند، ایمنی جسمی و سلامت روانی خود را به خطر میاندازند. برای نشان دادن همبستگی با این افراد، گروه انجمن حمایتگری، فهرستی از منابع مفید از سایر سازمانها که در این راه خبره هستند، تهیه کرده است.
پنج راه برای یافتن مجموعه داده برای داستان بعدیتان
روزنامه نگاری داده محور در اتاقهای خبر سرتاسر جهان به سرعت در حال گسترش است. با این حال، دادهها همیشه آسان به دست نمیآید. در اینجا پنج راه برای دریافت داده برای مقاله بعدی شما وجود دارد.