آکادمی علوم شقایق رحمانی

پنجمین نمایشگاه کار رویدادی است که در آن معتبرترین سازمان‌ها با موقعیت‌های شغلی خود حاضر شده‌اند و شما می‌توانید با مدیران جذب و استخدام آنها بدون واسطه و به‌صورت رودررو ملاقات کرده و شانس خود را برای استخدام در آن شرکت‌ها محک بزنید. زمان: ۵ تا ۷ بهمن مکان: مجتمع نمایشگاهی برج میلاد تهران

. کسایی مثل آقای مهندس حسین عراقی با این سطح بالا از دانش و مهارت دارن دانششون رو منتشر میکنند. باید خیلی قدر این جور افراد رو بدونیم و تا زمانی که فعال هستند از علمشون استفاده کنیم🙏⚘❤.

https://youtu.be/ZtqBQ68cfJc آموزش ۵۰ کامند معروف و پر استفاده لینوکسی #آموزش

https://medium.com/@melanee-melanee/chatgpt-replies-about-adaptive-learning-5ae71807a43a مقاله ی جدیدم راجب ChatGPT در Medium😎💥🍁.

اینو خود چت GPT گفته.

Readme😎.

https://github.com/Melanee-Melanee/ChatGPT-Melanee همه ی کدهای این ریپازیتوری توسط هوش مصنوعیِChatGPT دولوپ شده! کدهایChatGPT که راجب Adaptive Learning سرچ کرده بودم رو گزاشتم تو گیت هابم. برید استار بدید، فورک کنید، شیر کنید و شما هم کدهاتون رو داخل ریپو من بزارید⚘🙏❤.

یا خدا😰 به ChatGPT گفتم راجب یه موضوعی به من نمونه کد پایتون نشون بده، چندین مدل برام کد زد، این واقعا وحشتناکه که میتونه واسه همه چیز و به همه ی زبون های برنامه نویسی کد بزنه!

امروز یه سوال مهم از ChatGPT پرسیدم:  ⁉️ چطوری یه مهندس هوش مصنوعی میتونه مدل خودش رو به یک محصول تبدیل کنه؟ جواب داد: ✅ یکی از راه های معروف برای تبدیل مدل های هوش مصنوعی به یک محصول، استفاده از یک API است. این روش شامل توسعه یک API با استفاده از فریمورک های مثل Flask یا Django، پیاده سازی مدل های هوش مصنوعی با استفاده از فریمورک های مثل TensorFlow یا PyTorch، و تجزیه و تحلیل داده های دریافتی از API است. دیگر راه هایی نیز وجود دارد، که شامل توسعه یک برنامه یا برنامه های موبایل، یا یک وب سایتی است که قابلیت های مدل های هوش مصنوعی را فراهم می کند. همچنین یک مهندس هوش مصنوعی می تواند از راه هایی مانند استفاده از ابزارهای کارشناسی از قبیل Docker, Kubernetes استفاده کند، که به شما کمک می کند تا مدل را در شبکه های مجتمع و با پشتیبانی قابلیت های بهینه سازی به عنوان یک محصول معروف عرضه کنید.

به یه نتیجه ای رسیدم اینکه دیتاهای کگل خیلی واقعی و خفن، واسه وارد شدن به بازار کار حوزه ی دیتا نیستند.‌ دیتاهای کگل ببشتر جنبه ی آموزشی دارند و برای یادگرفتن خوبند ولی کاملا مشخصه دیتای واقعی نیستند. از دو جا من فهمیدم این مسئله رو: ۱. دیتای واقعی شرکت هارو هیچ وقت منتشر نمیکنند، اگر هم منتشر کنند دیتای قدیمی هست و خیلی قسمت هاش حذف شده. ۲. دیتاهای کگل خیلی تمیز و شسته رفته است، در صورتی که دیتاهای واقعی اینطور نیستند و کلی باید براش وقت بزارید تا آماده ی کار بشن.‌

برای اولین بار دارم روی یه دیتای واقعی کار میکنم، استرس دارم🤭💥.‌ اول بهمن ۱۴۰۱

کانال همکارم خانوم مهندس پریسان احمدی رو داشته باشید، مطالب مفیدی دارند🤗❤👇.

بچه ها یه نکته: این توانایی حل مسئله که گفتم منظور توانایی حل مسئله ی کامپیوتر هست نه ما! Decision trees Parallelism Tradeoff مثالهای از روش های حل مسئله توسط کامپیوتر هستند که برنامه نویس موقع نوشتن برنامه و با در نظر گرفتن عملکرد مادر بورد بهشون توجه میکنه.

برای سرکارم مجبور شدم متدولوژی های Agile رو یاد بگیرم، یه ابزار حرفه ای واسه توسعه نرم افزارهای بزرگ و پیچیده😎. در ادامه هم باید برم سراغ Jira و Scrum . ولی عمق فاجعه اینجاست که فهمیدم اکثر پروداکت منیجرها برنامه نویسی بلد نیستند🤭.

برای یادگیری برنامه نویسی قبل از اینکه وارد کد زنی بشید باید دو تا مبحث Problem Solving و الگوریتم ها رو خیلی خوب درک کرده باشید و بعد وارد کد زنی بشید. تا زمانی که منطق کد زنی رو ندونید نمیتونید برنامه نویس خوبی باشید.

⭐ تفاوت دو زبان Markup و Markdown: https://stackoverflow.com/questions/24041/markdown-vs-markup-are-they-related