Singular Thinker

📝UPDATE: As I mentioned earlier in the comments this proof seems far from convincing as in the last equation we can not easily cancel two terms which both are absolute zero. We can say there is no absolute solution for the 0 ^ 0. Some think we should define it as 1 and others as undefined. I agree with the latter more. However, defining it as 1 brings convenience in some math problems. Thus, for more information feel free to search and read and if you find interesting one share with me. This subject is also discussed on a Wikipedia page. @SingularThinker

#Meme time @SingularThinker

I've missed #Meme. @SingularThinker

آیا معیار بهتری از تعداد ارجاعات برای سنجش یه مقاله وجود دارد؟ همون طور که احتمالا در جریان هستید، تعداد دیتاساینتیست های واقعی و غیر واقعی :))) به شدت رو به افزایشه و کلا سرعت منتشر شدن پیپرها تو حوزه AI فقط یکم کمتر از سرعت نوره. در حدی که حتی تو Subfield های AI هم نمیشه به خوبی سیر مقالات رو دنبال کرد که این خودش معضل بزرگیه. یکی از دلایلی که این پیگیری کردن رو مشکل میکنه اینه که خیلی نمیشه فهمید که پیپرهای کلیدی و موثر در هر حوزه کدوماست؟ شاید بشه گفت تنها ابزارهایی که در حال حاضر برای سنجش چنین چیزی داریم اینه که ببیتیم مقاله تو چه ژورنال یا کنفرانسی منتشر شده، چنتا ارجاع بهش شده و مثلا یه نگاهی به نویسندگان بندازیم و ببینیم که از کجا هستند. اما بارها برای من پیش اومده که یه پیپری هر سه تا ویژگی رو داشته اما لزوما پیپر کار راه بنداز یا خوبی نبوده و حتی تو بعضی از موارد درست کار نمیکرده یا غلط بوده. من کلا همیشه این دغدغه رو داشتم که سعی کنم پیپرهای مهم حوزه های مورد علاقه ام رو از دست ندم و مثلا خودمو بروز نگه دارم ولی خب واقعا با این سرعت عجیب مقالات این کار نشدنیه. ولی خب سعی میکنم که راه های مختلفی رو انتخاب کنم برای در معرض قرار گرفتن پیپرها که یکمی وضع بهتر بشه. در همین راستا یه پیپری دیدم امروز از گروه Bernhard Schoelkopf و Negar Kiyavash که اومدن با استفاده از Causal Inference یه متری ساختن که به جایی که صرفا تعداد ارجاع رو در نظر بگیرید بتونن به نوعی تعداد ارجاع های موثر رو در نظر بگیرن. ایده کار این طوریه که میخواد ببینه در واقع هر پیپری چقدر تو روند ارجاع گرفتن پیپر بعدی موثر بوده. برای سنجش چنین چیزی میاد و یه سری Counterfactual Sample پیدا میکنه و میاد مقایسه میکنه بین این پیپرهای فرضی که تو همون حوزه هستن و خیلی شبیه مقاله ارجاع دهنده هستن و پیپری که واقعا به پیپر مد نظر ما ارجاع داده کدوم موفق تر بودن(ارجاع بیشتری گرفته). در واقع، به نوعی میخواد اندازه بگیره اثر هر پیپر در موفقیت پیپرهای آینده که بر اساس اون نوشته میشه چقدره و برای این کار از LLM ها استفاده کرده. برای سنجش اثر علی یه پدیده رو پدیده دیگه‌ای به طور سنتی روش کار به این شکل هست که شما یه تعداد نمونه رو به صورت تصادفی به دو گروه کنترل و درمان تقسیم میکنی که در صورت درست انجام دادن اینکار انتظار داریم که توزیع همه متغییرها به جز متغییر مورد بررسی در هر دو گروه یکسان باشه و بنابراین در چنین وضعی میشه سنجید که نقش تغییر اون متغییر خاص به صورت علی تو متغییر هدف چطور بوده. به این روش میگن RCT که مخفف Randomized Control Trials عه اما در بسیاری از موارد این روش عملی نیست. مثلا اگه بخوای تاثیر مصرف دخانیات بر روی شش انسان ها رو بررسی کرد، اخلاقی نیست که آدم ها رو به تصادف انتخاب کنیم و بگیم سیگار مصرف کنن. یا مثلا در این مورد نمیتونم محققین یه حوزه خاص رو پیدا کنیم و به طور تصادفی انتخاب کنیم که بعضی هاشون یه پیپر خاص رو بهش ارجاع بدن و بقیه ارجاع ندن. برای همین مجبوریم در چنین مواردی از روش های جایگزین استفاده کنیم. برای این کار اجازه میدیم که تقسیم نمونه ها به گروه کنترل و درمان به صورت طبیعی اتفاق بیفته. در این مقاله سعی کردن اگر پیپری به پیپر دیگری ارجاع داده، بیان و از بین سایر پیپرها پیپری که شباهت بیشتری به پیپر دوم داره رو پیدا کنن به این شرط که به پیپر اولیه ارجاع نداده باشه تا به نوعی بتونن اثر علی ارجاع دادن به اون پیپر رو تقریب بزنن. تو بخش نتایج دو تا نکته جالب داشت یکی اینکه این متریک همبستگی(کورلیشن) بیشتری با مقالاتی که جایزه ToT ژورنال ها رو بردند داره نسبت به صرفا در نظر گرفتن ارجاع ها و یه معیار دیگه که قبلا ارائه شده بود. ولی برای پیش بینی Best Paper در کنفرانس ها چنین همبستگی ای مشخص نمیشه. علت قطعی این قضیه مشخص نیست، ولی شاید به این خاطر باشه که موقع دادن جایزه تو کنفرانسا سعی میشه Forecast کنن ولی چنین چیزی واسه ژورنال ها کمتر اتفاق میفته و کلا انگار ماهیت جایزه ها تو کنفرانسا (تازه معتبرترین ها رو در نظر گرفتن) یکم نویزی تره. یکی دیگه هم اینکه اگه نمودار توزیع متریک بر حسب مقالات رو بکشیم بازم به توزیع نمایی با دم بسیار طولانی میرسیم که به نوعی انتظارش میرفت. یعنی درصد خیلی کمی از مقالات هستن که تاثیر گذاری بسیار بالایی دارند و این به صورت نمایی کم میشه. 🔗 لینک مقاله برای بررسی بیشتر. پ.ن: خیلی خوشحال میشم که نظر شما رو هم در مورد این مقاله یا کلا تجربیاتتون در پیدا کردن پیپرهای مهم بدونم؟ من خودم سعی میکنم یه سری آدم رو در اسکالر دنبال کنم، توییتر آکادمیک رو جدی بگیرم و مشترک یه سری خبرنامه و کانال یوتیوب هستم که پیپرها رو معرفی میکنن. #Paper @SingularThinker

Oh my, it really Hertz. #Meme @SingularThinker

در ادامه این منابعی که برای اپلای پوزیشن های دکتری PhD یا پست داک معرفی کردم، یادم اومد یه چندتای دیگه هم هست گفتم بخش دوم این پست رو هم بذارم: - کانال‌های کلی: https://t.me/thepath_practical https://t.me/AzarApply https://t.me/applyforfree https://t.me/ApplyTime_Positions https://t.me/UTApply خب به جز این کانال‌های تلگرامی، یه سری google group هایی هست که در متن قبلی گفتم که به همراه لینکدین و توییتر میشن منابع دست اولی ان که شما مستقیم میتونید از پوزیشن‌ها باخبر بشید و با استادها در ارتباط باشید و به نوعی اولین نفری باشید که از یه پوزیشنی باخبر میشید و بنابراین به نظرم از کل کانال ها و غیره مهم ترن. از طرف دیگه کلا بودن در این جمع‌های مجازی باعث میشه شما در جریان اخبار و اتفاقای توی زمینه تحقیقاتی مدنظرتون هم قرار بگیرید. به همین منظور گفتم من لینک یه چندتایی رو که میشناسم این پایین قرار بدم و برای سایر فیلدها میتونید خودتون سرچ کنید X + google group که X مثلا یه زمینه تحقیقاتی هست. یه توضیحی هم بدم که این google group ها به خاطر اینکه سایت‌های گوگل تحریم هست بعضی موقع‌ها با VPN هم حتی باز نمیشن یا رفتارای عجیبی دارن، با دیوایس های مختلف و VPN های مختلف امتحان کنید. - Machine Learning News - Google Groups https://groups.google.com/g/ml-news - Reinforcement Learning Mailing List https://groups.google.com/g/rl-list - AI-Robotics google group https://groups.google.com/g/ai-robotics - Complex System google group https://groups.google.com/g/complexanalysisanddynamics شما میتونید بدون عضویت هم تمام پیام‌ها رو بخونید و عضو شدن تو برخی از اینها برای همگان آزاده، برای بعضی باید دلیل درخواستتون رو بنویسید و ... . اگر عضو شید میتونید تعیین کنید که براتون گزارش هایی از آنچه تو گروه میگذره ایمیل بشه. وقتی مرتب این گروه ها رو چک کنید میبینید که خیلی از کانالای تلگرامی اعلان ها رو از این طریق پیگیری میکنند و روی کانال قرار میدن. در مورد لینکدین و توییتر آکادمیک هم یه نکته‌ای بگم که خیلی وقتا شما با اکانت‌های خودتون دارید دنبال موقعیت میگردید که قبلا با همین اکانت احتمالا کلی آدم رو دنبال کردید، کلی لایک و منشن غیرمرتبط با اپلای انجام دادید و ... . توصیه من اینه که یه اکانت جدید بسازید و تمرکز رو بذارید روی موقعیت پیدا کردن و فقط پست های مرتبط با پوزیشن ها رو لایک و شیر کنید تا این طوری زودتر به الگوریتم بفهمونید که چیا رو باید بهتون بیشتر نشون بده. تو لینکدین میتونید هشتگ های مرتبط با موقعیت های دکتری رو دنبال کنید و در توییتر هم میتونید عضو لیست هایی بشید که موقعیت ها رو شیر میکند. لایک کردن پست های مرتبط باعث میشه الگوریتم بیشتر اون محتوا رو بهتون نشون بده ولی اگر بنابر هر دلیلی نمیخواید لایک کنید کپی کردن لینک و یا اشتراک گذاری اون پست هم میتونه راهکار جایگزین باشه. من سعی کردم چیزهایی که به ذهنم میرسه که میتونه براتون مفید باشه رو باهاتون به اشتراک بذارم، اگر به نظرتون این پست میتونه برای کسی مفید باشه این پست و پست قبلی رو براش بفرستید. اگر راهکار خوب دیگه ای هم میشناسید تو کامنت بگید که بقیه هم استفاده کنن. پ.ن: با تشکر از بهنام عزیز، برای معرفی برخی از کانال‌ها. #apply @SingularThinker

خب من یه توضیح کوتاهی هم بدم در مورد دو تا کوییز قبلی، اولی جواب میشد No. چون این شرط فقط برای وقتی که دو تا subspace میخوان جمع بشن برقراره ولی اگه تعداد زیرفضاها بیشتر از 2 باشد ارتباطی نداره. جواب سوال دوم هم که یکم شیطنت آمیز بود، میشد No. این هم به این خاطره که مجموعه‌ای مستقل خطی هست که 0 اون فضا رو نشه به صورت ترکیب خطی با ضرایب ناصفر نوشت در واقع میگن در صورتی مستقله که 0 تنها نمایش بدیهی (trivial) داشته باشه. ولی در مورد مجموعه {0} هر ضریب حقیقی و حتی ناصفر برابر با صفر میشه بنابراین طبق تعریف تنها مجموعه تک عضوی که مستقل خطی نیست و وابسته خطی هست مجموعه {0} است. پ.ن: حقیقتا نمیدونم چرا بعضی وقتا به سرم میزنه اینا رو به صورت کوییز بپرسم، بیشتر فک کنم هدف اینه خودم یادم نره و خلاصه خیلی سخت نگیرید. #Quiz #Linear_Algebra @SingularThinker

Oh reviewer 2 again :**( #Meme @SingularThinker

خب در ادامه‌ی این پروژه رفتم سراغ قسمت تینا ترکمن که به تازگی از هاروارد فارغ التحصیل شده و قراره پست داکش رو شروع کنه. تینا خیلی شخصیت جالبی داره و خیلی گیرا و صادقانه صحبت میکنه نمیدونم چرا حس کردم مثلا به صحبت‌های دوستم دارم گوش میدم. از ماجراهای زندگیش تا امروزش میگه از لحظات تلخ و شیرین، دیدش به زندگی و درس خوندن و PhD و از تلخی‌هایی که تو این مسیر به عنوان یک دختر تو ایران داشته هم اشاره میکنه. استاد راهنمایی که تو هاروارد داشته هم واقعا آدم جالبی بوده. خلاصه من که حال کردم دوست داشتید شما هم گوش کنید. 🔗 لینک مصاحبه #آدم‌ها_و_ریاضیات @SingularThinker

Three logicians walk into a bar. The bartender asks: 'Does everyone want a drink?' The first logician says: 'I don't know.' The second logician says: 'I don't know.' The third logician says: 'Yes.' Got it? #Math_jokes @SingularThinker

Convergent serie that reache to e. Further discussion in Mathexchange @SingularThinker

🪧 Strange behavior at ♾ We know that rational numbers are closed under addition operation because they form a group. So the addition of 2 rational numbers is rational. As a result, based on associativity property sum of finitely many of rational numbers is also rational. However this is not the case when there are infinite numbers even countably many. For example, sum of reciprocals of factorial of Whole numbers are equal to e, which is irrational(see the figure). I remember my math professor always say in math when you see infinity stop and think carefully.In many scenarios in mathematics, infinity breaks the ordinary laws and make new ones and behave differently. The beauty here is that inifinty is not just a abstract notation and show itself in real world (e.g. statistical physics and complex systems) and emerge interesting phenomenon. Since childhood, I've been in a quest for deeper undersranding of infinity concept. Therefore, I decided to take a look at Georg Cantor's great work to gain a better comprehention. I'll write about it briefly. I'll eagerly looking forward to hear your comment. #Notes #Math @SingularThinker

What the dog? It really hurts😭 #Meme @SingularThinker

خب بلاخره به قولی که به خودم داده بودم عمل کردم و وقت به اشتراک گذاشتن این پست رسید. شادی تحویل‌دارزاده انسان بسیار جالبیه، ریاضی‌دان، دوستدار علم و داستان‌گویی صادق و شیرین سخن. از آن دسته‌ آدم‌ها که روایتشان چون که مملو از صداقت است احساسات شما را درگیر می‌کند. با اوج داستانش احساس سرخوشی می‌کنید و با قعرش چشمتان تر می‌شود. او علاوه بر سادگی و صداقتش و هم‌چنین توانایی بالا در داستان‌گویی، یک ریاضی‌دان در سطح جهانی است که تجربه‌ی پژوهش در بهترین ‌موسسه‌های جهان را دارد. بنابراین اگر به ریاضی یا داستان‌های علمی علاقه مندید یا شنیدن سرگذشت واقعی آدم‌ها براتون جالبه توصیه می‌کنم که حتما این قسمت رو از پروژه آدم‌ها و ریاضیات رو از دست ندید. 📎 لینک ویدئو 📎 لینک تلگرام آقای اصغری عزیز @SingularThinker

Ah shit here we go again. #Meme @SingularThinker

به احتمال خیلی زیاد شنیدید که وقتی میخواید یه زبون برنامه نویسی جدید یاد بگیرید مهم‌ترین کار اینه که به طور مستمر تمرین کنید و سوال اصلی که پیش میاد اینه که از کجا تمرین کنیم. خوشبختانه جادی یه repository تازه رو شروع کرده به اسم practical programming practices که تو هر قسمت یه مسئله نسبتا ساده رو کدش رو مینویسه و فیلمش رو در یوتیوبش در یک. پلی لیست مجزا منتشر میکنه، شما هم میتونید بعد از شنیدن صورت مسئله فیلم رو نگه دارید و کدتون رو بنویسید و در انتها جوابتون رو با جواب جادی مقایسه کنید. در همین باب قبلا هم پست‌های شبیه به این تو کانالمون گذاشتیم که میتونید برای این کار ازش استفاده کنید. 📎 پست‌های مربوط به بازی wordle @SingularThinker