AIA

موقعیت کاری برای دوستانی که سی شارپ بلدن

راندو همیشه تو دوران دانشگاه برای من حس خوبی داشت؛ از اون ساعت‌هایی که با ماژیک کیوکالر رو اسکیس‌ها کار می‌کردیم.  تو این پروژه (که ادامه یه پروژه نیمه تمام قدیمیه) سعی کردم مدل‌های خام رو به همون حال‌وهوای راندوهای دوران دانشگاه نزدیک کنم. این مدل از صفر (From Scratch) آموزش داده شده و این خروجی‌ها حاصل یک هفته آموزش مدل هستن. هنوز اول راهه و برای رسیدن به نتیجه بهتر، چندین هفته آموزش و بهینه‌سازی دیگه نیاز داره.

زیبایی ریاضیات این هندسه صرفا با فرمول های ریاضی ایجاد شده بدون خط بدون نقطه و بدون رنگ که به صورت دستی قرارداده شده باشه. فرمول ریاضی زیر این هندسه رو ایجاد کرده.

آماده شد! ویدیوی آموزش پایتون آماده‌ست 👇 🔗 https://youtu.be/9ZmicTpU20c در این آموزش، مفاهیم مهم و کاربردی پایتون را به ساده‌ترین شکل یاد می‌گیرید؛ از مباحث پایه مثل متغیرها، عملگرها و رشته‌ها تا مباحث پیشرفته‌تر مثل توابع، Lambda، کلاس‌ها و برنامه‌نویسی شی‌گرا. یادگیری سریع و کاربردی مناسب برای شروع برنامه‌نویسی با پایتون پوشش مفاهیم ضروری برای ساختن پایه قوی در پایتون با این آموزش می‌تونی در کوتاه‌ترین زمان، با مهم‌ترین ابزارها و مفاهیم پایتون آشنا بشی و مسیر یادگیریت رو شروع کنی.

یادگیری پایتون قرار نیست ماه‌ها زمان ببره! دوره‌ی «#پایتون_در _۳ _ساعت» رو آماده کردم و نسخه فارسیش رو به ‌زودی روی کانال یوتیوبم منتشر می‌کنم. توی این دوره، تمام مفاهیم پایه و ضروری پایتون رو به ساده‌ترین و کاربردی‌ترین شکل ممکن آموزش دادم تا بدون سردرگمی، یادگیری پایتون رو شروع کنید. اگر تازه می‌خواید برنامه‌نویسی رو یاد بگیرید یا می‌خواید توی کمترین زمان یک دید کامل از پایتون به دست بیارید، این دوره دقیقاً برای شماست. در فقط ۳ ساعت:  با مفاهیم اصلی پایتون آشنا می‌شید.  پایه‌ی محکمی برای ادامه‌ی یادگیری می‌سازید.  بدون اتلاف وقت، مسیر یادگیری‌تون رو شروع می‌کنید. اگر مدت‌هاست یادگیری پایتون رو عقب انداختید، این بهترین فرصت برای شروعه. فقط ۳ ساعت زمان بذارید و اولین قدم جدی‌تون رو در دنیای برنامه‌نویسی بردارید. اگر بعد از دیدن دوره براتون مفید بود، خوشحال می‌شم نظرتون رو زیر ویدیو بنویسید و با یک لایک ازش حمایت کنید. این کار کمک می‌کنه یوتیوب آموزش رو به افراد بیشتری که به یادگیری پایتون علاقه دارن پیشنهاد بده و افراد بیشتری هم بتونن از این آموزش رایگان استفاده کنن. منتظر انتشارش باشید.

بالاخره تموم شد! بعد از چند ماه کار، ضبط و تدوین، دوره Python for Architects رو منتشر کردم و الان روی Udemy در دسترسه. توی این دوره Python رو از صفر تا سطح پیشرفته یاد می‌گیرید و همه‌ی مباحث رو مستقیماً داخل Grasshopper و Rhino تمرین می‌کنیم. سرفصل‌های اصلی دوره: مبانی Python کار با لیست‌ها، دیکشنری‌ها و سایر ساختارهای داده حلقه‌ها، شرط‌ها و توابع Lambda، Recursion و برنامه‌نویسی شیءگرا (OOP) RhinoScriptSyntax RhinoCommon (Rhino.Geometry) ساخت هندسه و ابزارهای اختصاصی در Rhino تمرین‌ها و مثال‌های کاربردی اگر دوست داشتید وارد دنیای برنامه‌نویسی برای معماری و Computational Design بشید، فکر می‌کنم این دوره براتون مفید باشه. لینک دوره: https://www.udemy.com/course/python-for-architetcts/?referralCode=63078CF6D1067F10EAFD&couponCode=KEEPLEARNING ممنون می‌شم اگر نظرتون رو درباره دوره بهم بگید یا اگر فکر می‌کنید برای کسی مفیده، براش بفرستید. 🙏

یه سایت جالب هست به اسم AskNature که ایده‌های طبیعت رو جمع‌آوری کرده. توی این سایت می‌بینید هر گیاه یا حیوان چطور یه مشکل رو حل کرده و بعد توضیح می‌ده که چطور می‌شه از همون ایده توی مهندسی، طراحی، معماری یا فناوری الهام گرفت. اگه به بیومیمتیک (الهام از طبیعت) علاقه دارید، واقعاً ارزش یه سر زدن داره. https://asknature.org/

اگر یک پلاگین بتونه فقط در چند ثانیه بهینه‌سازی کنه خودش نتایج رو تحلیل کنه نمودارهای آماری و تحلیلی تولید کنه و حتی پیش‌نویس بخش‌های Methodology، Findings و Discussion رو آماده کنه، چی؟ چند ماه گذشته روی چنین ابزاری برای Grasshopper کار کردم. به‌زودی.....

مقاله جدیدمون منتشر شد. توی این مقاله می‌تونید یکی از کاربردهای ماشین لرنینگ در معماری رو ببینید؛ جایی که با استفاده از Machine Learning و SHAP تأثیر فرم شهری روی آسایش حرارتی فضاهای باز رو پیش‌بینی و تحلیل کردیم. اگر علاقه‌مندید، از طریق لینک زیر می‌تونید مقاله رو بخونید: مشاهده مقاله در Springer

به نظر می‌رسه کم‌کم از عصر #Prompt_Engineering وارد عصر #Loop_Engineering می‌شیم. به‌جای نوشتن یک پرامپت طولانی و پیچیده، مدل داخل یک حلقه قرار می‌گیره: تولید → ارزیابی → اصلاح → تکرار در این رویکرد، LLM فقط یک پاسخ نمی‌ده؛ خروجی خودش را بررسی می‌کنه، بازخورد می‌گیره و مرحله‌به‌مرحله اون رو بهبود می‌ده. همین ایده پایه بسیاری از Agentها و سیستم‌های هوش مصنوعی جدیده. به‌نظر می‌رسه آینده بیشتر متعلق به طراحی «فرآیند» است تا نوشتن یک «پرامپت» بی‌نقص.

بالاخره ضبط و تدوین دوره پایتون برای معماران تموم شد و به‌زودی روی Udemy منتشر میشه. به نظرم برنامه‌نویسی دیگه فقط برای توسعه‌دهنده‌ها نیست؛ برای ما معمارها هم می‌تونه یه ابزار خیلی کاربردی باشه، از خودکار کردن کارهای تکراری گرفته تا طراحی محاسباتی و حل مسائل پیچیده‌تر. امیدوارم این دوره بتونه نقطه شروع خوبی برای معمارهایی باشه که دوست دارن وارد دنیای کدنویسی بشن. به‌زودی خبر انتشارش رو هم اعلام می‌کنم. #پایتون #معماری #طراحی_محاسباتی #کدنویسی #Udemy

با استفاده از پلاگین دندرایت میتونید الگوریتم های ماشین لرننیگ رو بدون نیاز به برنامه نویسی در محیط گرسهاپر به راحتی اجرا کنید . این ویدئو بخشی از دوره ماشین لرننیگ بلرای معمارانه که در حال حاضر در مرکز معماری ایران در حال برگزاریه

چند پوزیشن دکتری دانشگاه اشتوتگارت

سلام به همگی. با توجه به شرایط کشورمون ایده ای که به ذهنم میرسه اینه که بچه هایی که خارج از ایران هستن بتونیم یه سری کار فریلنسری بگیریم برای بچه های داخل ایران. من با پروسش اشنا نیستم اگه کسی آشنایی داره به من بگه. حتی میشه یه کار گروهی انجام داد

#دندرایت 0.5.0 منتشر شد! در این نسخه مجموعه‌ای از الگوریتم‌های پیشرفتهٔ یادگیری ماشین به پلاگین اضافه شده است: کلاسترینگ: DBSCAN، K-Means، Hierarchical، Fuzzy C-Means کلاسیفیکیشن: شبکه‌های عصبی پرسپترون، Random Forest، Softmax، SVM رگرسیون: شبکه‌های عصبی پرسپترون، جنگل تصادفی رگرسیون کاهش بُعد: الگوریتم PCA ابزارها: دندوگرام پلات برای تحلیل ساختار خوشه‌بندی در نسخهٔ 0.5.0، معماران و طراحان می‌توانند بدون هیچ کدنویسی و بدون نیاز به Scikit-Learn از تمام این الگوریتم‌ها به‌صورت مستقیم داخل گرس‌هاپر استفاده کنند. نسخهٔ 0.5.0 «دندرایت» را به یک ابزار قدرتمند داده‌محور در «گرسهاپر» تبدیل می‌کند. https://www.food4rhino.com/en/app/dendrite

یکی از چالش‌های اصلی در کار با داده‌های چندبُعدی، ناتوانی در مشاهده و تحلیل مستقیم آن‌ها در فضای سه‌بعدی است. الگوریتم "پی سی ای" به‌عنوان یکی از روش‌های قدرتمند در یادگیری ماشین، امکان کاهش ابعاد داده را بدون از دست دادن بخش عمده‌ای از اطلاعات فراهم می‌کند. در این مثال، یک دیتاست ۹بُعدی به فضای سه‌بعدی نگاشت شده است تا امکان مشاهده و تحلیل آن فراهم شود. در به‌روزرسانی بعدی "دندرایت"که تا هفته آینده منتشر می‌شود، این الگوریتم را پیاده‌سازی کرده‌ام تا کاربران بتوانند داده‌های پیچیده چندبُعدی را بهتر مشاهده، تحلیل و مقایسه کنند.