🌀 جلسه اول از مجموعه جلسات این رویداد، که بیشتر به منظور آشنایی با کلیت دوره در نظر گرفته شده بود، برگزار گردید.

📌 در این جلسه دانشجویان با مفاهیم مقدماتی و کاربردهای ابزارهای منتخب هوش مصنوعی آشنا شدند.

📌 جا دارد که از مدرس این دوره بابت تدریس خوب و مطالب ارزشمندی که ارائه دادند تشکر کنیم. دوستانی که در جلسه اول حضور داشتند لطفا در نظرسنجی زیر شرکت کنند.

https://survey.porsline.ir/s/ZSDoAIir

📌 در خصوص گواهی شرکت‌کنندگان متعاقبا اطلاع‌رسانی خواهد شد.

➖➖➖➖➖
🆔 : @AI_DS_society

چهاردهمین نمایشگاه کار #دانشگاه_شریف از یکشنبه ۲۰ آبان تا سه‌شنبه ۲۲ آبان

این نمایشگاه با همکاری #جاب_ویژن و در محل سالن شهید جباری در دانشگاه شریف برگزار می‌شود.

بازدید برای عموم آزاد است.

شرکت‌های بزرگی اینجا هستند.
http://jobfair.sharif.edu/

🌐 وبسایتی فوق‌العاده برای تجسم یادگیری ماشین

این وبسایت شگفت‌انگیز به شما کمک می‌کند تا شهود خود را در زمینه یادگیری ماشین تقویت کنید و مفاهیم پیچیده را به شکل بصری درک کنید.

https://mlu-explain.github.io/

#یادگیری_ماشین #داده_کاوی #هوش_مصنوعی
📣👨‍💻 @AI_DS_SOCIETY

🔔 به مناسبت هفته پژوهش؛
دبیرخانه کنفرانس بین‌المللی وب‌پژوهی با همکاری انجمن علمی - دانشجویی هوش مصنوعی و علوم داده و معاونت پژوهشی دانشگاه علم و فرهنگ برگزار می‌کند:
🔰پیش رویداد کنفرانس بین‌المللی وب‌پژوهی
(تحت حمایت IEEE)

نشست تخصصی اول:
👤 دکتر سعید مسعودنیا، مدرس و محقق پسادکتری دانشگاه تهران
📚 هوش مصنوعی قابل اعتماد Trustworthy AI
🕒ساعت: ۱۰:۳۰ الی ۱۲

نشست تخصصی دوم:
👤 دکتر محمد درزی، هیات علمی پژوهشگاه معتمد جهاد دانشگاهی
📚 کاربرد یادگیری ماشین برای سرطان شناسی دقیق
🕒ساعت: ۱۲:۰۰ الی ۱۳:۳۰

🗓️تاریخ برگزاری: چهارشنبه ۲۸ آذر ماه ۱۴۰۳

📍مکان برگزاری: دانشگاه علم و فرهنگ، ساختمان علم، طبقه ۱-، سالن سینما ۱

📝 ثبت نام رایگان؛
مراجعه و ثبت‌نام در سایت icwr.usc.ac.ir ، ورود به پنل کاربری و تکمیل و نهایی کردن مراحل ثبت نام در این پیش رویداد از بخش «ثبت خدمات...»

#وب‌پژوهی #هفته_پژوهش #کنفرانس_بین‌المللی_وب‌پژوهی #IEEE
#انجمن_علمی_دانشجویی_هوش_مصنوعی  #Trustworthy_AI
#دانشگاه_علم_و_فرهنگ

➖➖➖➖➖
🆔 : @AI_DS_society

#خبر
در شرکت گوگل موفق به حل یک چالش ۳۰ ساله شده‌اند. به این ترتیب که یک چیپ کوانتومی طراحی کرده‌اند که قادر است محاسبه‌ی استانداردی را که حل آن در سریع‌ترین ابررایانه دنیا به 25^10 سال زمان نیاز داشت، در کمتر از ۵ دقیقه حل کنند.

@AI_DS_SOCIETY

⚜️فلوکامپ؛ جریانی نوآورانه در دنیای کامپیوتر⚜️

🌟 اولین نشریه تخصصی حوزه کامپیوتر دانشگاه علم و فرهنگ به صاحب امتیازی انجمن علمی-دانشجویی مهندسی کامپیوتر راه‌اندازی شد!

🔍 فلوکامپ با هدف ایجاد بستری پویا برای به اشتراک‌گذاری دانش، ایده‌ها و آخرین دستاوردهای علمی در حوزه مهندسی کامپیوتر فعالیت خود را آغاز می‌کند.

👥 اعضای تیم نشریه:
مدیر مسئول نشریه:
مهدی اصغری سعیدی

سردبیران نشریه:
حمیدرضا صفرپورماشکی
مبینا معین‌زاده

📢 اطلاع‌رسانی برنامه‌ها و فراخوان‌های همکاری از طریق کانال رسمی نشریه:

@flowcomp

ایمیل نشریه:
flowcompjournal@gmail.com

🔗 همراه ما باشید و در این جریان علمی سهیم شوید!

♦️ انجمن علمی-دانشجویی مهندسی کامپیوتر ♦️
@CSA_USC

#سخنرانی
"Impact of Probability Distribution Representations on Computation"

 
✅ Omid Etesami

✳️ Associate Professor at School of Mathematics (IPM) & Visiting Faculty at (TEIAS)

‼️سخنرانی به صورت حضوری برگزار می‌شود. لطفا جهت شرکت در رویداد، از طریق لینک زیر ثبت‌نام نمایید.


📆 چهارشنبه ۲۸ آذرماه ۱۴۰۳

🕒 ساعت ۱۰:۳۰

لینک ثبت‌نام (الزامی):
https://teias.institute/etesami-talk202412/

@teiasevents

به اطلاع می رساند برنامه «پیش رویداد کنفرانس وب پژوهی» که قرار بود روز چهارشنبه ۲۸ آذر برگزار شود به دلیل تعطیلی دانشگاه ها این هفته برگزار نمی شود. این برنامه در همین ساعت در روز چهارشنبه هفته بعد ( ۵ دی ماه) برگزار می شود و اطلاعیه آن نیز اعلام می شود.

همزمان با سومین رویداد هوش مصنوعی در سلامت، کمیته نوروساینس کنگره هوش مصنوعی در سلامت، برگزار می‌کند:

مسابقه هوش مصنوعی در نوروساینس

با موضوع: طبقه‌بندی مراحل خواب با سیگنال EEG

همراه با اهدای گواهینامه معتبر

تیم‌های برتر از فرصت همکاری پژوهشی با مراکز زیر برخوردار می‌گردند:

✅آزمایشگاه علوم اعصاب شناختی، گروه علوم شناختی، پژوهشکده همگرا، دانشگاه صنعتی شریف
✅مرکز ملی مغز، دانشگاه علوم پزشکی ایران


-برای ثبت‌نام رایگان و اطلاعات بیشتر به وبسایت مسابقه مراجعه فرمایید:
Aiscontest.github.io

لینک مشارکت در فراخوان سومین رویداد هوش مصنوعی در سلامت:
https://it.iums.ac.ir/AiHealth3

گوگل یک آپدیت فوق‌العاده برای هوش مصنوعی‌ خودش ارائه کرد. بدین صورت که با ابزار Gemini Realtime صفحه اسکرین تان را با این هوش مصنوعی به اشتراک گذاشته و هر سوالی که دارید می‌پرسید.
مثال: خوانش محاوره‌ای (سوال و جواب صوتی) در خصوص مقاله علمی یا کتاب (از همه بخشهای آن اعم از متن، عکس، نمودار و غیره) !!

#هوش_مصنوعی
#book
#Research_Paper

➖➖➖➖➖
🆔 : @AI_DS_society

نظر به تعطیلی امروز دانشگاه‌ها، این جلسه به ناچار مجددا به تعویق افتاد. زمان جدید آن متعاقبا اطلاع‌رسانی خواهد شد.

در خصوص LLM Agents :

📗 عامل‌های مبتنی بر LLMها یکی از تحولات بزرگ در هوش مصنوعی محسوب می‌شوند که قابلیت تصمیم‌گیری خودکار و حل مسائل پیچیده را دارا هستند. این تکنولوژی مورد توجه صنایع قرار گرفته و همچنین سال 2024 به عنوان عصر عامل‌های AI نامیده شده است.
این مدل‌ها توانایی استدلال، برنامه‌ریزی، استفاده از ابزار و اجرای مستقل وظایف پیچیده را کسب می‌کنند.

📗 منظور از عامل‌های هوش مصنوعی سیستم‌هایی است که می‌توانند بدون راهنمایی مداوم انسان، تصمیم بگیرند و با شرایط متغیر سازگار شوند. عامل‌ها با دستورات یا مشاوره انسانی کار را شروع کرده و پس از شفاف شدن وظیفه، مستقل عمل می‌کنند. استفاده از عامل‌ها برای مسائل باز و غیرقابل پیش‌بینی مفید است؛ اما پیچیدگی و هزینه بیشتری دارد.

Agentic Systems:

📗 در حال حاضر می‌توان با استفاده از یکسری فریمورک‌، یک تیم از مدل‌های زبانی بزرگ (LLMها) داشت. برای هر کدام از این LLMها یک نقش تعریف می‌کنیم (به کمک نوشته)، نوع ارتباطشان رو تعیین کرده، دسترسی به توابع، ابزار، Web و مستندات بهشون می‌دهیم و نوع خروجی رو با reasoning تعیین می‌کنیم.

مثال: یک تیم از Agentهای زبانی که مسئول توسعه و نگهداری از یک سیستم Trading هستند: یک LLM را مدیر اجرایی در نظر می‌گيريم، یک LLM متخصص گرفتن اخبار مهم و موثر بازار و سهام، یک LLM دیگر متخصص پردازش احساسات این اخبار، یکی متخصص فراخوانی مدل‌های پیشبینی کننده، با توجه به جو بازار، یکی متخصص آپدیت مدل‌ها و استراتژی‌ها با توجه به توابع از پیش تعیین شده و ... . همچنین تعیین می‌کنیم که خروجی‌ها و نوع ارتباطات باید به چه شکل باشه. شبیه یک شرکت کامل.

➖➖➖➖➖
🆔 : @AI_DS_society

انقلاب هوش مصنوعی فارسی از اینجا شروع می‌شود!

🌟 آکادمی آی‌نو و شرکت دادماتک برگزار می‌کنند:

🎓 کارگاه تخصصی آموزش پردازش زبان طبیعی با ابزار دادماتولز

📌 سرفصل‌های آموزشی:
1️⃣ بررسی ماژول‌های دادماتولز و کاربرد آن‌ها
2️⃣ انتخاب وظایف دلخواه برای پردازش سبک‌تر و سریع‌تر
3️⃣ آشنایی با تکنیک آداپتر
4️⃣ نحوه اضافه کردن ماژول جدید
5️⃣ بررسی ویژگی‌های فنی

🎯 پیش‌نیازها:
✔️ آشنایی مقدماتی با پردازش زبان طبیعی و برنامه‌نویسی

📅 زمان:
🗓 سه‌شنبه، 11 دی ماه 1403
⏰ 8:30 الی 12:30

📍 مکان:
صندوق نوآوری و شکوفایی، سالن شیخ بهایی

🎁 با ارائه کارت دانشجویی یا ثبت‌نام گروهی (3 نفر به بالا)، از تخفیف‌های ویژه برخوردار شوید!.

🧷  لینک ثبت‌نام: ثبت‌نام در کارگاه

جهت دریافت اطلاعات بیشتر و کد تخفیف:
🔹 تلگرام: @dadmatech
🔹 واتس‌اپ: ۰۹۲۰۸۲۳۲۸۶۰

با سلام
اگه علاقه‌مند به این موضوع هستین، ظاهرا امشب ساعت ۱۱:۱۵ در شبکه آموزش سیما در خصوصش صحبت خواهد شد. امیدوارم واقعا برگزار بشه.

❇️ به پیشنهاد گروهی از مخاطبین کنفرانس وب پژوهی، پنل ویژه ای با عنوان
«هوش مصنوعی قابل اعتماد و وب»
Trustworthy AI and Web

تعریف شده است. از پژوهشگرانی که در این حوزه فعالیت می کنند دعوت می شود مقالات خود را به یازدهمین کنفرانس بین‌المللی وب پژوهی ارسال نمایند.

همچنین از اساتید و اعضای هیات علمی که در این حوزه فعالیت دارند جهت مشارکت در این پنل دعوت بعمل می آید.

❇️ مقالات پذیرفته شده انگلیسی مانند سال های قبل جهت نمایه سازی به IEEE Xplore ارسال می شود.

مقالات فارسی در پایگاه های SID و ISC نمایه می شوند.

🌎وبگاه کنفرانس:
iranwebcomf.ir

🔹تلگرام
@webresearch

ایمیل:
iranwebconf@gmail.com

دبیرخانه مجله و کنفرانس بین‌المللی وب پژوهی

مفهومی در آمار هست به اسم برگشت به میانگین که دونستنش نه تنها برای افراد متخصص این حوزه، بلکه بقیه حوزه‌ها هم کاربردیه.

برگشت به میانگین یه مفهوم آماریه که توضیح می‌ده چرا نتایج خیلی عجیب (چه خیلی بالا چه خیلی پایین) معمولاً در دفعات بعدی به حالت عادی و نزدیک به میانگین برمی‌گردن. این اتفاق لزوماً به خاطر تغییر در شرایط یا توانایی نیست؛ بیشتر به این خاطره که نتیجه اولی تا حدی به شانس ربط داشته.

مثال‌هایی برای درک بهتر موضوع

عملکرد ورزشی
فرض کن یه بازیکن بسکتبال تو یه بازی امتیاز خیلی بالایی بگیره، چون همه چیز اون روز براش خوب پیش رفته (مثلاً دفاع تیم مقابل ضعیف بوده یا شوت‌هاش دقیق‌تر از همیشه گل شدن). احتمال زیادی وجود داره که تو بازی بعدی امتیازش به میانگین عملکرد معمولش برگرده. این تغییر به این معنی نیست که کیفیت بازیش پایین اومده؛ اون عملکرد قبلی تا حدی نتیجه‌ی شرایط استثنایی بوده.

نمره در آزمون
فرض کن دانش‌آموزی تو یه آزمون نمره خیلی بالایی بگیره، شاید به خاطر آمادگی خوب یا شانسی بودن سوالا که دقیقاً چیزایی بوده که بلد بوده. اگه همون آزمون رو بدون مطالعه‌ی بیشتر تکرار کنه، احتمال زیاد نمره‌ش به میانگین نمرات خودش یا کلاس نزدیک‌تر می‌شه. اون نمره اول به‌طور کامل نماینده‌ی توانایی ثابتش نبوده.

سلامت و درمان
در مسائل پزشکی هم همین اتفاق پیش میاد. مثلاً اگه بیماری فشار خون خیلی بالایی داشته باشه و بعد از درمان فشارش پایین بیاد، بخشی از این کاهش ممکنه به خاطر این باشه که اندازه‌گیری اول به‌طور شانسی خیلی بالا بوده. اگر گروه کنترل نداشته باشیم، ممکنه به اشتباه تصور کنیم درمان تأثیر خیلی بزرگی داشته.

چرا این اتفاق می‌افته؟
وقتی یه موضوع هم به توانایی یا شرایط واقعی بستگی داره و هم به یه مقدار شانس، نتایج خیلی بالا یا پایین معمولاً تا حدی به خاطر اون شانس هستن. چون بعیده شانس دقیقاً همون جوری دوباره تکرار بشه، نتیجه بعدی معمولاً به میانگین نزدیک‌تر می‌شه.

نکات مهم:
- ربطی به علت و معلول نداره: این تغییر یه روند طبیعی آماریه و به این معنی نیست که یه اتفاق خاص باعث تغییر شده باشه.
- دقت در تفسیر: در ورزش، تحصیل یا حتی درمان، ممکنه به اشتباه فکر کنیم یه مداخله خاص باعث تغییر نتیجه شده، در حالی که این فقط یه برگشت طبیعی به میانگین بوده.
- پژوهش درست: محقق‌ها باید با استفاده از گروه‌های کنترل و اندازه‌گیری‌های متعدد مطمئن بشن که تغییرات واقعاً به خاطر اون مداخله بوده و نه صرفاً یه رخداد آماری.

در نهایت، آگاهی از برگشت به میانگین کمک می‌کنه که تو تحلیل نتایج و مقایسه‌ی پی‌درپی اون‌ها دچار برداشت اشتباه نشیم.

@reza_jafari_ai

🔵نردبان شهود🔵


جمله ی مشهوری از آلفرد نورث وایتهد می‌گوید: «تمدن با گسترش تعداد عملیاتی که می‌توانیم بدون اندیشیدن دربارهٔ آن‌ها انجام دهیم، پیشرفت می‌کند.» در این زمینه، «عملیات» باید فراتر از محاسبات صرف تفسیر شود. توسعۀ ابزارهای ریاضی که به ما در اجتناب از وظایف تکراری کمک می‌کنند، نقطۀ آغاز این عملیات را در تاریخ رقم می‌زند.

برای مثال، ما در مدرسه با لگاریتم‌ها آشنا می‌شویم بی‌آنکه بدانیم در ابتدا چنین محاسباتی از نیازهای ناوبری دریانوردان سرچشمه گرفته‌ بودند. لگاریتم به آن‌ها امکان محاسبۀ سریع‌تر برای سفرهای طولانی را می‌داد. کتاب Mirifici Logarithmorum Canonis Descriptio نوشتۀ جان نَپیر درقرن ۱۶ میلادی محصول تلاش خستگی ناپذیر و مادام العمر او برای تهیۀ جداول لگاریتم بود. این جداول بعدها نه‌تنها توسط دریانوردان، بلکه در صنایع گوناگونی که به محاسبات سریع نیاز داشتند نیز به کار رفت. این جدول بزرگترین کامپیوتر زمان خود بود که راه تمدن غرب را برای ابزار سازی، سلاح و ناوبری دریایی و در نهایت عصر اکتشاف و چیرگی را فراهم کرد.

دنباله ی چنین ابزارهایی درنهایت با اختراع رایانه‌های دیجیتال، بشر را توانست بر سطح کرۀ ماه فرود آورد. اگرچه در اینجا چندان به تاریخ محاسبات نمی‌پردازیم، اما آشکار است که هر ابزار جدیدی که مجموعۀ خاصی از عملیات را بر عهده می‌گیرد، ما را از انجام دستی آن‌ها بی‌نیاز کرده و راه را برای پرداختن به اشکال پیچیده‌تر محاسبات هموار می‌کند.

پیشرفت محاسبات عددی زمینه را برای محاسبات ماتریسی فراهم ساخت و در پی آن موتورهای گرافیکی و محاسبات رده‌بالاتر ظهور یافتند. به‌عنوان نمونه، یکی از مهم‌ترین الگوریتم‌های عصر ما تبدیل فوریۀ سریع (FFT) است. گیلبرت استرنگ ریاضیدان نامی آمریکایی، FFT را مهم‌ترین الگوریتم عددی دوران ما می‌داند، چرا که این الگوریتم روش ذخیره‌سازی، انتقال و دستکاری داده‌ها — از موسیقی گرفته تا تصاویر و ویدیوها — را در بستر اینترنت و دستگاه‌های دیجیتال دگرگون کرد. امروزه، وقتی با موسیقی دیجیتال سر و کار داریم، در واقع مستقیماً با امواج صوتی خام مواجه نیستیم، بلکه با لایه‌ای از محاسبات پنهان روبرو هستیم که داده‌ها را برای ما پردازش و بهینه می‌کنند.

بیایید لحظه‌ای در تاریخ محاسبات تأمل کنیم. در هر مرحله، بشر ابزارهایی پدید آورده که عملیات را خودکار کرده و ما را از انجام دستی آن‌ها بی‌نیاز می‌کنند. این ابزارها همگی از اصلی بنیادین پیروی می‌کنند: آن‌ها داده‌ها را فشرده کرده و در قالبی متراکم‌تر نمایش می‌دهند. گزاف نیست اگر بگوییم تاریخ محاسبات انسانی، در اصل، تاریخ فشرده‌سازی است.

امروزه وارد دورانی شده‌ایم که عمدتاً تحت سیطرۀ چیزی موسوم به هوش مصنوعی (AI) قرار دارد. با این حال، ماهیت این جهش فناورانه اساساً با پیشرفت‌های پیشین تفاوت اساسی ندارد. مدل‌های هوش مصنوعی در ذات خود ابزارهای تازه‌ای هستند که داده‌ها را در ابعادی بی‌سابقه فشرده می‌کنند. به‌عنوان نمونه، FFT یک تصویر را با تحلیل مؤلفه‌های فرکانسی آن فشرده می‌کند. به همین ترتیب، مدل‌های مدرنِ گفتار و تصویر نیز این اصل را، نه‌تنها بر یک تصویر یا کلیپ صوتی تنها، بلکه بر مجموعه‌های عظیمی از دیتاست ها اعمال می‌کنند. در خصوص مدل‌های زبانی نیز همین امر صدق می‌کند؛ این مدل‌ها در واقع تمامی زبان انسانی را در یک مدل واحد فشرده می‌سازند. هرچند مقیاس و پیچیدگی بیشتر شده، اما اصل زیرساختی — یعنی تجزیۀ طیفی (spectral decomposition) — تغییری نکرده است.
توان محاسباتی این مدل‌ها چنان گسترده است که گاه به نظر می‌رسد کاری نیست که از عهدۀ آن‌ها برنیاید. آن‌ها شعر می‌سرایند، مقالات علمی را خلاصه می‌کنند، پرونده‌های حقوقی را تحلیل می‌کنند، مسائل ریاضی را حل می‌کنند، دستور پخت غذا می‌سازند، رمان می‌نویسند و غیره و غیره. ممکن است حس کنیم به «آخر بازی» رسیده‌ایم؛ جایی که ماشین‌ها همۀ وظایف فکری را بر عهده گرفته‌اند و دیگر جایی برای نقش‌آفرینی انسان نمانده است. اما آیا واقعاً چنین است؟ چگونه به‌عنوان یک تمدن می‌توانیم همچنان پیش برویم وقتی به نظر می‌رسد دیگر کاری برای ما باقی نمانده است و غائله را به مشتی سیلیکون باخته ایم؟

(ادامه دارد)

روزت مبارک مهندس 🥳❤️

تبریک این روز رو با معرفی دو مهندس بزرگ تاریخ داشته باشیم: John Mccarthy و Marvin Minsky

جان مک‌کارتی – پدر اصطلاح "هوش مصنوعی"، خالق زبان LISP و پیشگام تفکر منطقی در AI.
معتقد به سیستم Reasoning

ماروین مینسکی – مغز متفکر مدل‌های شناختی مغز و نظریه "جامعه ذهن".
معتقد به سیستم Learning و ترکیب بخش های مختلف هوش