tgindex
BigDataResearchCenterIAUN

BigDataResearchCenterIAUN

Статистика

مرکز تحقیقات کلان داده، دانشگاه آزاد اسلامی واحد نجف آباد

Последний пост
13 авг.
Последнее чтение
14 авг.
Постов за неделю
1
Всего постов
24
Тип
открытый
Язык
персидский
Категория
Образование
В каталоге с
13 авг.
Подписчики
453
0 за 2 дн.
Сутки
0
0,00%
Неделя
 
Месяц
 
Просмотров на пост
662
24 постов
Вовлечённость
146,1%
к подписчикам
Постов в день
0,1
всего 24
Упоминаний
1
каналов
Охват размещения
оценка
1/24сутки в ленте
74
1/48двое суток
84
1/72трое суток
91

Оценка по просмотрам недавних постов: пост набирает почти всё за первые сутки.

Посты

  • دوستان درود ، وقت بخیر  امیدوارم آخر هفته خوبی داشته باشید یکی از کد ادیتور های خوبی که برای ai میتونید استفاده کنید ، کد ادیتور zed هست تو این کد ادیتور میتونید از نسخه های glm و کلی مدل دیگه استفاده کنید حالا یه پلن قرار داده که اگه دانشجو باشید میتونید یک سال ماهانه ده دلار کردیت بگیرید و بصورت نا محدود پیش بینی کد داشته باشید خبر خوب اینه که از ایران پشتیبانی میکنه و از دانشگاه آزاد خودمون هم برای تایید Student status پشتیبانی میکنه برای فعال سازیش کافیه برید تو صفحه https://zed.dev/education و ایمیل دانشجویی خودتون رو وارد کنید و وریفای کنید موفق باشید

  • ​🧠 از پرامپت‌های تکراری تا ساخت «مهارت‌های هوشمند»! ​تا حالا شده برای یک کار مشخص، مجبور بشید هر بار تمام توضیحات و دستورالعمل‌ها رو از اول برای هوش مصنوعی تایپ کنید؟ 🤦‍♂️ ​اینجاست که مفهوم Skill (مهارت) به کمک ما میاد! ​⚙️ مهارت (Skill) چیست؟ یک Skill به هوش مصنوعی یاد می‌ده که یک وظیفه مشخص رو دقیقاً طبق استاندارد، لحن و سبک موردنظر شما انجام بده؛ بدون اینکه لازم باشه هر بار جزئیات رو تکرار کنید. ​📌 مراحل ۵‌گانه ساخت یک Skill: ​1️⃣ انتخاب کارهای تکراری: کارهایی که مدام با هوش مصنوعی انجام می‌دید رو مشخص کنید. 2️⃣ تعیین قوانین: دستورالعمل‌ها، لحن و خط‌قرمزها رو بنویسید. 3️⃣ افزودن نمونه: چند نمونه از خروجی ایده‌آلتون رو ضمیمه کنید. 4️⃣ ذخیره ساختار: فایل رو با نام SKILL.md ذخیره کنید. 5️⃣ استفاده مجدد: هربار با یک کلیک، خروجی یکدست و حرفه‌ای بگیرید! ​💡 یک قانون طلایی: ​اگر یک پرامپت را بیشتر از ۲ بار استفاده کردید، وقت آن رسیده که آن را به یک Skill تبدیل کنید! ​🚀 آینده کار با AI: آینده فقط در «پرسیدن سؤال بهتر» نیست؛ بلکه در ساخت سیستم‌های هوشمند و شخصی‌سازی‌شده است. ​ مرکز تحقیقات کلان داده

  • 🚀شروعی‌متفاوت‌از‌دنیای‌علم‌و‌دانش‌🚀 ♨️ مرکز تحقیقات کلان داده دانشگاه آزاد اسلامی واحد نجف آباد برگزار میکند: دوره آموزشی عامل های هوش مصنوعی (AI Agent) 🔻 🗓 تاریخ برگزاری: چهارشنبه و پنجشنبه ها شروع از ۷ مرداد ⏰ زمان ۱۸ تا ۲۰ مدرس : مهندس اسماعیل فرهادی …

  • 23 июл.40729из iaunrt

    🚀 IAUN IMPACT | GARAGE 2026 یک تابستان | یک جهش اگر احساس می‌کنی فقط با گذراندن واحدهای درسی، برای بازار کار آماده نخواهی شد... اگر دوست داری هوش مصنوعی را بهتر به کار بگیری، مهارت‌های کاربردی یاد بگیری و مسیر حرفه‌ای‌ات را از همین تابستان بسازی... گاراژ ۲۰۲۶ دقیقاً برای تو طراحی شده است. در سیلیکون‌ولی، Garage فقط یک گاراژ نیست؛ نماد جایی است که ایده‌های بزرگ متولد می‌شوند. از گاراژهای شرکت‌هایی مانند HP و Apple گرفته تا فضاهای نوآوری Google Garage و IBM Garage، همه یک پیام مشترک دارند: یادگیری با ساختن. ما نیز می‌خواهیم همین تجربه را در #دانش_شهر_ایران برای دانشجویان فراهم کنیم. در این دوره ۳۲ ساعته و کاملاً پروژه‌محور، قدم‌به‌قدم مسیر زیر را طی خواهی کرد: 🔹 کشف کن | مسیر حرفه‌ای و فرصت‌های آینده را بشناس. 🔹 انتخاب کن | یک مسئله واقعی را برای حل کردن انتخاب کن. 🔹 بساز | با کمک هوش مصنوعی و منتورها، ایده‌ات را به یک راه‌حل تبدیل کن. 🔹 دیده شو | یاد بگیر خودت و ایده‌ات را حرفه‌ای معرفی کنی. 🔹 ثروت خلق کن | با اصول کسب‌وکار و تجاری‌سازی آشنا شو. 🎤 در پایان دوره، در GARAGE Demo Day ایده خود را در حضور مدیران صنعت ارائه خواهی کرد و فرصت ورود به مرکز رشد، سرای نوآوری و پارک علم و فناوری برای تیم‌های مستعد فراهم خواهد بود. 🎓 **مزیت ویژه: شرکت و اتمام موفق این دوره، معادل گذراندن درس کارآموزی خواهد بود.** یعنی هم یک مهارت واقعی یاد می‌گیری و هم یکی از واحدهای درسی‌ات را با یک تجربه عملی و ارزشمند جایگزین می‌کنی. 📅 شروع دوره: ۸ مرداد ۱۴۰۵ ⏰ زمان برگزاری: پنجشنبه‌ها | ۸:۳۰ تا ۱۳:۰۰ 👥 ظرفیت: فقط ۳۰ نفر 📍 ثبت‌نام: 🔗 meshkat.iau.ir/courses/27827 این فقط یک دوره آموزشی نیست؛ اولین قدم برای ساختن آینده حرفه‌ای توست. 🔬 معاونت پژوهش و فناوری دانشگاه آزاد اسلامی نجف آباد #IAUN_IMPACT #خلق_ثروت_از_دانش #دانشگاه_حل_مسئله 🌐 iaun.iau.ir 💻 https://www.linkedin.com/school/iaun 🔊 t.me/iaunrt

  • 23 июл.200из BDRC_IAUN

    زمان ثبت نام این دوره به هیچ وجه تمدید نخواهد شد. چون تعدادی لز دانشجویان جهت گذراندن کارآموزی میخواهند از این دوره استفاده کنند. لطفا اگر قصد ثبت نام دارید زود اقدام کنید.

  • 23 июл.21112из BDRC_IAUN

    🚀شروعی‌متفاوت‌از‌دنیای‌علم‌و‌دانش‌🚀 ♨️ مرکز تحقیقات کلان داده دانشگاه آزاد اسلامی واحد نجف آباد برگزار میکند: دوره آموزشی عامل های هوش مصنوعی (AI Agent) 🔻 🗓 تاریخ برگزاری: چهارشنبه و پنجشنبه ها شروع از ۷ مرداد ⏰ زمان ۱۸ تا ۲۰ مدرس : مهندس اسماعیل فرهادی  📍مکان: به صورت مجازی لینک ثبت نام https://meshkat.iau.ir/courses/27691

  • زمان ثبت نام این دوره به هیچ وجه تمدید نخواهد شد. چون تعدادی لز دانشجویان جهت گذراندن کارآموزی میخواهند از این دوره استفاده کنند. لطفا اگر قصد ثبت نام دارید زود اقدام کنید.

  • 🚀شروعی‌متفاوت‌از‌دنیای‌علم‌و‌دانش‌🚀 ♨️ مرکز تحقیقات کلان داده دانشگاه آزاد اسلامی واحد نجف آباد برگزار میکند: دوره آموزشی عامل های هوش مصنوعی (AI Agent) 🔻 🗓 تاریخ برگزاری: چهارشنبه و پنجشنبه ها شروع از ۷ مرداد ⏰ زمان ۱۸ تا ۲۰ مدرس : مهندس اسماعیل فرهادی  📍مکان: به صورت مجازی لینک ثبت نام https://meshkat.iau.ir/courses/27691

  • 9 июл.630627

    🛑🛑🛑🛑🛑🛑 دانشجویان گرامی دوره عاملهای هوش مصنوعی AI Agents از ۱ مرداد، در روزهای چهارشنبه و پنجشنبه ساعت ۶ تا ۸ به صورت انلاین برکزار خواهد شد. این دوره ۳۰ ساعت است و کارآموزی شما را کاملا پوشش میدهد. کسانی که در ترم تابستان قصد گذراندن دوره کارآموزی را دارند، میتوانند در این دوره آموزشی ثبت نام کنند. به زودی در همین کانال اطلاعات ثبت نام گذاشته می شود.

  • ‌🧠 تنسورها: گرامر هوش مصنوعی مدرن ‌تنسورها، برخلاف تصور رایج، ریاضیات انتزاعی نیستند؛ بلکه گرامر اصلی هوش مصنوعی مدرن به شمار می‌آیند. یک اسکالر تنها یک عدد است، یک بردار مجموعه‌ای از اعداد در یک خط، و یک ماتریس شبکه‌ای از اعداد. تنسور شکل کلی‌تر این مفاهیم است که اعداد را در ابعاد مختلف سازماندهی می‌کند. ‌تصاویر، ویدئوها، جریان داده حسگرهای ربات، وزن‌های شبکه‌های عصبی و شبیه‌سازی‌های فیزیکی، همگی نمونه‌هایی از تنشورها هستند. یادگیری عمیق (Deep Learning) اساساً ترکیب جبر تنسورها، بهینه‌سازی (Optimization) و قدرت محاسباتی است. با درک تنسورها، هوش مصنوعی دیگر جادویی به نظر نمی‌رسد؛ بلکه به یک ساختار منطقی تبدیل می‌شود که واقعیت را از طریق اعداد، هندسه و تبدیل‌ها به هوشمندی می‌رساند. ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌

  • ‌🔁 مهندسی حلقه (Loop Engineering): از پرامپت تا سیستم‌های هوشمند خودکار ‌با پیشرفت عامل‌های هوش مصنوعی (AI Agents) در سال ۲۰۲۶، تمرکز از پرامپت‌های صرف به سمت طراحی سیستم‌های چرخه‌ای سوق یافته است. این سیستم‌ها قادر به تفکر مداوم، اجرا، مشاهده، تأیید و تکامل هستند. تفاوت اصلی بین پروژه‌های آماتور و سیستم‌های تولیدی در "مهندسی حلقه" (Harness Engineering) نهفته است، که شامل قابلیت‌هایی مانند کارکرد مداوم برای دقایق یا ساعت‌ها، بازیابی پس از شکست، کنترل هزینه و تشخیص زمان توقف است. ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌

  • 21 июн.1 86332

    با سلام 📌📌کارآموزی📌📌 قابل توجه دانشجویان گرامی که قصد گرفتن درس کارآموزی در تابستان را دارند، از آنجایی که بعضی از شرکتها و صنایع، با توجه به شرایط جاری، در گرفتن دانشجو جهت کارآموزی، اقدام نکرده اند، ترم گذشته مرکز تحقیقات کلان داده، اقدام به گذاشتن دوره های آموزشی ۳۰ ساعته، جهت تطبیق با درس کارآموزی نمود‌. این امر با استقبال زیاد دانشجویان رو به رو شد. با توجه به سوالات مکرر شما، در تابستان هم دوره کارآموزی برگزار خواهد شد.

  • 20 июн.1 6427

    شرایط عمومی شرکت در مسابقه

  • 20 июн.1 3227

    لیست رشته‌های بیست و سومین دوره المپیاد ملی مهارت

  • 20 июн.1 2556

    از کلیه دانشجویان واجد شرایط دعوت می‌شود تا در بیست و سومین المپیاد ملی مهارت ایران شرکت نمایند

  • لطفا رزومه خودتون را به @drAjoudanian ارسال کنید.

  • شبکه‌های عصبی فیزیک‌آگاه (PINNs) Physics-Informed Neural Networks شبکه‌های عصبی سنتی (مثل یک شبکه MLP یا CNN) شبیه به یک دانش‌آموز به شدت باهوش اما کاملاً "حفظی" هستند! آن‌ها هیچ درک ذاتی از قوانین جهان هستی ندارند. فرض کنید می‌خواهید مسیر پرتاب یک توپ فیزیکی را به هوش مصنوعی آموزش دهید. در روش سنتی، شما باید هزاران ویدیو یا داده از پرتاب توپ به او نشان دهید تا الگو را حفظ کند (Data-Driven). اما اگر توپی را در شرایطی پرتاب کنید که مدل قبلاً ندیده است (مثلاً در حضور یک باد شدید)، مدل شما کاملاً گیج می‌شود و اشتباه فاحشی می‌کند؛ چرا؟ چون قانون جاذبه یا مقاومت هوا را نمی‌داند و فقط الگوهای قبلی را حفظ کرده است. این بزرگترین نقطه ضعف هوش مصنوعی کلاسیک یعنی نیاز شدید به داده (Data-Hungry) و عدم توانایی در تعمیم‌دهی (Generalization) است. ایده اصلی PINNs فوق‌العاده زیباست: به جای اینکه هوش مصنوعی را فقط با داده‌ها بمباران کنیم، قوانین حاکم بر طبیعت را هم به او آموزش دهیم.

  • ​⚠️ هشداری که باید جدی بگیرید؛ ۱۰ خط قرمز در چت با هوش مصنوعی! ​هرگز این اطلاعات حساس را به ابزارهایی مثل ChatGPT یا سایر مدل‌های هوش مصنوعی ندهید: ​🔴 ۱. اطلاعات بانکی: شماره کارت، رمز دوم و جزئیات حساب. 🔴 ۲. کدهای دسترسی: رمز عبور ایمیل، شبکه‌های اجتماعی و کدهای امنیتی. 🔴 ۳. هویت شخصی: کد ملی، آدرس منزل و شماره تلفن. 🔴 ۴. اسرار شغلی: کدهای برنامه‌نویسی شرکت، اسناد محرمانه کارفرما و اطلاعات مشتریان. (تجربه تلخ سامسونگ را تکرار نکنید!) 🔴 ۵. پرونده‌های قضایی: جزئیات حساس حقوقی و شکایات در جریان. 🔴 ۶. حریم خصوصی: مسائل خانوادگی، روابط شخصی و چت‌های خصوصی. 🔴 ۷. سوابق پزشکی: نسخه‌ها، بیماری‌ها و اطلاعات حساس سلامت. 🔴 ۸. اطلاعات دیگران: اشتراک‌گذاری داده‌های دوستان یا همکاران. 🔴 ۹. ایده‌های ثبت‌نشده: طرح‌های تجاری و اختراعاتی که هنوز ثبت نشده‌اند. 🔴 ۱۰. فعالیت‌های غیرقانونی: پرس‌وجو درباره روش‌های هک یا کارهای خلاف. ​💡 نکته: به یاد داشته باشید که این ابزارها از گفتگوهای شما برای آموزش خود استفاده می‌کنند و اطلاعات ممکن است در پایگاه داده آن‌ها ذخیره شود. ​🛡 مراقب حریم خصوصی خود باشید.

  • داستان عدد ۴۲ ؛ این عدد ارجاعی به رمان علمی-تخیلی مشهور «راهنمای مسافران کهکشان» نوشته داگلاس آدامز است که در آن، ابرکامپیوتری پاسخ نهایی به «زندگی، جهان و همه‌چیز» را عدد ۴۲ اعلام می‌کند. برنامه‌نویسان و دانشمندان داده برای ادای احترام به این اثر کلاسیک و شوخی با مفهومِ یافتن پاسخ نهایی، از این عدد به عنوان Seed یا مقدار اولیه در تولید اعداد تصادفی استفاده می‌کنند. در واقعیت هیچ دلیل فنی یا ریاضی خاصی پشت انتخاب این عدد نیست و صرفاً یک توافق فرهنگی و نمادین (Easter Egg) در دنیای برنامه‌نویسی است.

  • نکته حیاتی در انتخاب ویژگی وقتی داریم داده‌ها را برای رگرسیون یا مدل‌سازی آماده می‌کنیم، اولین حرکت معمولاً بررسی همبستگی (Correlation) برای حذف متغیرهای بی‌اثر است. اگر فقط خروجی پیش‌فرض را چک کنید، ممکن است دیتای ارزشمند را دور بریزید. چرا؟ چون  df.corr به‌صورت پیش‌فرض از روش Pearson استفاده می‌کند. پیرسون فقط روابط خطی را می‌بیند. یعنی فقط زمانی عدد بالا می‌دهد که با افزایش X، مقدار Y هم با یک شیب ثابت تغییر کند. اما در دنیای واقعی (مثلاً قیمت مسکن)، روابط همیشه خطی نیستند. 💡 راه حل: Spearman را صدا بزنید! تست Spearman به جای مقادیر خام، به رتبه‌ها (Ranks) نگاه می‌کند. این یعنی اگر رابطه شما یکنواخت (Monotonic) باشد اما خطی نباشد (مثلاً نمایی، سهمی یا منحنی)، پیرسون ممکن است عدد نزدیک به صفر (بی‌ربط) بدهد، اما اسپیرمن فریاد می‌زند که این دوتا کاملاً به هم مربوطند! df.corr(method='spearman') همیشه دو معیار را کنار هم بگذارید تا دید کاملی به داده‌ها داشته باشید.