محور برنامه نویسی جشنواره نوجوان خوارزمی

📣 ویدئوی چهاردهمین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، با موضوع نرمال‌سازی دسته‌ای (Batch Normalization, Universal Approximation Theorem)، هم‌اکنون از طریق سایت درس، درس‌افزار دانشگاه صنعتی شریف، کانال آپارات و کانال یوتیوب قابل دسترسی است.

📣 ویدئوی سیزدهمین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، با موضوع تنظیم مدل (Regularization, Lasso, Ridge, Dropout)، هم‌اکنون از طریق سایت درس، درس‌افزار دانشگاه صنعتی شریف، کانال آپارات و کانال یوتیوب قابل دسترسی است.

📣 ویدئوی دوازدهمین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، با موضوع بهینه‌سازی، الگوریتم Adam و نیوتون (Optimization, Adam & Newton Algorithms)، هم‌اکنون از طریق سایت درس، درس‌افزار دانشگاه صنعتی شریف، کانال آپارات و کانال یوتیوب قابل دسترسی است.

📣 ویدئوی یازدهمین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، با موضوع الگوریتم پس‌انتشار ماتریسی، توابع فعال‌سازی و زیان (Matrix Backpropagation, Activation and Loss Functions)، هم‌اکنون از طریق سایت درس، درس‌افزار دانشگاه صنعتی شریف، کانال آپارات و کانال یوتیوب قابل دسترسی است.

📣 ویدئوی دهمین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، با موضوع شبکه‌های عصبی ژرف، الگوریتم پس‌انتشار (Deep Neural Networks, Backpropagation Algorithm)، هم‌اکنون از طریق سایت درس، درس‌افزار دانشگاه صنعتی شریف، کانال آپارات و کانال یوتیوب قابل دسترسی است.

📣 ویدئوی نهمین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، با موضوع کاهش بعد، تحلیل مولفه‌های اصلی (Dimension Reduction, Principal Components Analysis - PCA)، هم‌اکنون از طریق سایت درس، درس‌افزار دانشگاه صنعتی شریف، کانال آپارات و کانال یوتیوب قابل دسترسی است.

📣 ویدئوی هشتمین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، با موضوع یادگیری بدون نظارت، خوشه‌بندی (Unsupervised Learning, Clustering, KMeans)، هم‌اکنون از طریق سایت درس، درس‌افزار دانشگاه صنعتی شریف و کانال آپارات قابل دسترسی است.

📣 ویدئوی هفتمین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، با موضوع یادگیری جمعی، درخت تصمیم (Ensemble Learning, Decision Tree)، هم‌اکنون از طریق سایت درس، درس‌افزار دانشگاه صنعتی شریف و کانال آپارات قابل دسترسی است.

📣 ویدئوی ششمین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، با موضوع k-نزدیک‌ترین همسایه (k-Nearest Neighbors)، هم‌اکنون از طریق سایت درس، درس‌افزار دانشگاه صنعتی شریف و کانال آپارات قابل دسترسی است.

📣 ویدئوی پنجمین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، با موضوع رگرسیون لجستیک (Logistic Regression)، هم‌اکنون از طریق سایت درس، درس‌افزار دانشگاه صنعتی شریف و کانال آپارات قابل دسترسی است.

📣 ویدئوی چهارمین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، با موضوع دسته‌بندی خطی، شبکه‌ی عصبی پرسپترون (Linear Classification, Perceptron Neural Network)، هم‌اکنون از طریق سایت درس، درس‌افزار دانشگاه صنعتی شریف و کانال آپارات قابل دسترسی است.

📣 ویدئوی سومین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، با موضوع «رگرسیون چندجمله‌ای، تعمیم‌پذیری (Polynomial Regression, Generalization)»، هم‌اکنون از طریق سایت درس، درس‌افزار دانشگاه صنعتی شریف و کانال آپارات قابل دسترسی است. 🧡 در صورتی که از تلفن همراه استفاده می‌کنید، لینک جلسه را کپی و در مرورگر Chrome باز نمایید تا ویدئو به درستی نمایش داده شود. از همراهی شما عزیزان سپاس‌گزاریم.

🎥 ویدئوی دومین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، با موضوع «رگرسیون خطی، الگوریتم کاهش گرادیان (Linear Regression, Gradient Descent Algorithm)»، هم‌اکنون از طریق سایت درس و درس‌افزار دانشگاه صنعتی شریف قابل دسترسی است. ✅ در صورتی که از تلفن همراه استفاده می‌کنید، لینک جلسه را کپی و در مرورگر Chrome باز نمایید تا ویدئو به درستی نمایش داده شود. از همراهی شما عزیزان سپاس‌گزاریم.

📣 ویدئوی ضبط شده از اولین جلسه‌ی دوره‌ی یادگیری ماشین دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف، هم‌اکنون از طریق سایت درس و درس‌افزار دانشگاه صنعتی شریف قابل دسترسی است. 🧡 در صورتی که از تلفن همراه استفاده می‌کنید، لینک جلسه را کپی و در مرورگر Chrome باز نمایید تا ویدئو به درستی نمایش داده شود. از همراهی شما عزیزان سپاس‌گزاریم.

‌ در کتاب «تمرین‌هایی برای برنامه‌نویس‌ها»، ۵۷ مسأله و چالش طرح شده‌اند که حل آن‌ها با هر زبان برنامه‌نویسی، می‌تواند باعث توسعه مهارت‌های کدنویسی شما بشود. این کتاب از طریق لینک زیر به صورت رایگان منتشر شده و در دسترس است. 🔗 لینک دانلود کتاب [+] ـــــــــــــــــــــــــــــــــ 🔗 لینک همین مطلب در سایر شبکه‌های اجتماعی: توئیتر | لینکدین | اینستاگرام | فیس‌بوک ـــــــــــــــــــــــــــــــــ سید مصطفی کلامی هریس وبسایت: kalami.ir کانال رسمی: @KalamiHeris کانال پرسش و پاسخ: @Kalami_QA ‌

‏✳️ ‌بلاکچین چیست ، چگونه کار می‌ کند و چه کاربردی دارد؟ — به زبان ساده ‏بلاکچین یک فناوری جدید و انقلابی در سیستم‌های مدیریتی دنیا است. هدف بلاکچین این است که فعالیت‌هایی را که توسط سازمان‌ها و نهادهای دولتی انجام می‌شود، بدون آن‌ها پیش ببرد. مطمئنا با ارزهای دیجیتالی مثل بیت‌کوین و اتریوم که از طریق فناوری بلاکچین به وجود آمده‌اند، آشنا هستید. ارزهای دیجیتال تنها بخشی از دنیای شگفت‌انگیز بلاکچین را تشکیل می‌دهند. در این مقاله فرآیند کامل ثبت اطلاعات در بلاکچین به همراه تکنولوژی‌های مورد استفاده مانند رمزنگاری و الگوریتم‌های اجماع شرح داده شده است. در کنار آن مفاهیمی چون مقیاس‌پذیری، گره و تابع هش با مثال‌های ساده بررسی شده و در نهایت تاریخچه ایجاد بلاکچین و کاربردهای آن به طور کامل توضیح داده شده است. ══ فهرست مطالب ══ ‏ ○ بلاکچین چیست ؟ ‏ ○ کاربرد تابع هش در بلاکچین ‏ ○ ساختار غیرمتمرکز بلاکچین ‏ ○ مساله فرماندهان بیزانسی در بلاکچین ‏ ○ شبکه همتا به همتا چیست؟ ‏ ○ گره‌ یا نود (Node) ‏ ○ بلاکچین چگونه کار می کند؟ ‏ ○ مالکیت در فضای بلاکچین چگونه تامین می‌شود؟ ‏ ○ امنیت در بلاکچین چگونه تامین می‌شود؟ ‏ ○ مزایا و معایب تکنولوژی بلاکچین ‏ ○ تاریخچه فناوری بلاک‌چین ‏ ○ کاربردهای بلاکچین ‏ ○ بیت کوین و بلاکچین چه تفاوتی باهم دارند ؟ ‏🔸 بلاکچین چیست ؟ ‏بلاکچین نوع خاصی از پایگاه داده‌ است که اطلاعات در آن ذخیره می‌شود. اما یک سری ویژگی‌های خاص، بلاکچین را از سایر پایگاه داده‌ها متمایز می‌کند. برای اضافه کردن داده جدید به بلاکچین یک سری قوانین وجود دارد. همچنین پس از اضافه شدن داده به بلاکچین و ذخیره آن، دیگر نمی‌توان آن را ویرایش یا حذف کرد. ‏داده‌ها در شبکه بلاکچین در ساختاری متشکل از «بلوک‌ها» (Blocks) وارد پایگاه داده می‌شوند. هر بلوک در ادامه بلوک قبلی ساخته می‌شود و شامل اطلاعاتی است که آن را به بلوک قبلی متصل می‌کند. با توجه به این‌که این بلوک‌ها به وسیله اطلاعاتی به همدیگر وصل هستند، بنابراین یک «زنجیره» (Chain) تشکیل می‌دهند که در آن بلوک‌ها به ترتیب ساخت در کنار هم قرار می‌گیرند. به اولین بلوک شبکه که قبل از آن بلوک دیگری وجود ندارد «بلوک پیدایش» (Genesis Block) گفته می‌شود. ‏برای درک بهتر ساختار زنجیره بلوکی، فرض کنید دو ستون بر روی یک برگه رسم شده است. شما هر داده‌ای که می‌خواهید نگهداری کنید را در سطر اول از ستون اول قرار می‌دهید. داده درون این سلول، طی فرآیندی محاسباتی تبدیل به یک کلمه جدید با دو حرف می‌شود. این کلمه در ورودی بعدی مورد استفاده قرا می‌گیرد. در این حالت هر تغییری در سلول اول، منجر به تغییراتی در بلوک دوم و تا آخر زنجیره می‌شود. تصویر زیر مثالی از پایگاه داده‌ای است که اطلاعات در آن به صورت زنجیره‌ای به هم وصل شده‌اند. [...] ‏🔸 کاربرد تابع هش در بلاکچین ‏هش کردن فرآیندی است که بلوک‌ها را در کنار هم نگه داشته و زنجیره بلوکی ایجاد می‌کند. در فرآیند هشینگ داده‌ها با هر اندازه‌ای وارد توابع ریاضی خاص می‌شوند تا خروجی که همان «هش» (Hash) است را تولید کنند. طول این هش همواره ثابت است و ربطی به طول ورودی به تابع ندارد. ‏توابع هش مورد استفاده در بلاکچین‌ها به گونه‌ای هستند که احتمال پیدا کردن دو داده که دقیقا خروجی یکسانی داشته باشند، تقریبا صفر است. بنابراین همانند مثال بالا، هر اصلاح مختصری در داده‌های ورودی یکی از بلوک‌ها، منجر به تغییر در خروجی خواهد شد. به عنوان مثال، «SHA۲۵۶» تابع هشی است که در بلاکچین بیت‌کوین مورد استفاده قرار می‌گیرد. تنها با تغییر دادن حرف اول یک عبارت طولانی در این تابع، خروجی کاملا متفاوتی ایجاد می‌شود. [...] مطالعه ادامه مطلب 👇👇 ‏🔗 بلاکچین چیست ، چگونه کار می‌ کند و چه کاربردی دارد؟ — به زبان ساده — کلیک کنید (+) برگرفته از مجله فرادرس [@FaraDarsMag] ـــــــــــــــــــــــــــــــــ سید مصطفی کلامی هریس وبسایت: kalami.ir کانال رسمی: @KalamiHeris کانال پرسش و پاسخ: @Kalami_QA ‌

‌ مهندسی کامپیوتر و مدارهای منطقی برای نی‌نی‌ها 👶 این کتاب جالب را ظاهرا با آردوینو ساخته‌اند. توضیح در خصوص نحوه تغییر مدارها: اگر دقت کنید، در هر صفحه تعدادی سوراخ است که شماره صفحه را نشان می‌دهد. به این ترتیب، با سنسورهایی، متوجه می‌شوند که کدام صفحه و مدار در حال نمایش است و طبق آن عمل می‌کنند. طراحی ساده و جالبی است. ـــــــــــــــــــــــــــــــــ 🔗 لینک همین مطلب در سایر شبکه‌های اجتماعی: توئیتر | لینکدین | اینستاگرام | فیس‌بوک ـــــــــــــــــــــــــــــــــ سید مصطفی کلامی هریس وبسایت: kalami.ir کانال رسمی: @KalamiHeris کانال پرسش و پاسخ: @Kalami_QA ‌

‌ احتمالات بیزی برای نی‌نی‌ها 👶 گذشته از محتوای جذاب، طرح روی جلد کتاب هم جالب توجه است. بخش زیادی از رویکردهای یادگیری ماشین و داده‌کاوی، بر روی تئوری احتمالات بیزی بنا شده است و یاد گرفتن دقیق این مفهوم، یک مؤلفه بسیار مهم برای تسلط بر تکنیک‌های یادگیری ماشین محسوب می‌شود. قبلا هم مطالبی در خصوص قضیه بیز و اهمیت آن، نوشته‌ام که همینجا در دسترس قرار دارند. 🌟 مطلب مرتبط: مدارهای منطقی برای نی‌نی‌ها [+] ـــــــــــــــــــــــــــــــــ 🔗 لینک همین مطلب در سایر شبکه‌های اجتماعی: توئیتر | لینکدین | اینستاگرام | فیس‌بوک ـــــــــــــــــــــــــــــــــ سید مصطفی کلامی هریس وبسایت: kalami.ir کانال رسمی: ‎@KalamiHeris کانال پرسش و پاسخ: ‎@Kalami_QA ‌

‌ راه‌اندازی یک سایت، بدون کدنویسی ... ـــــــــــــــــــــــــــــــــ 🔗 لینک همین مطلب در سایر شبکه‌های اجتماعی: توئیتر | لینکدین | اینستاگرام | فیس‌بوک ـــــــــــــــــــــــــــــــــ سید مصطفی کلامی هریس وبسایت: kalami.ir کانال رسمی: ‎@KalamiHeris کانال پرسش و پاسخ: ‎@Kalami_QA ‌

در پست قبل [+]، در خصوص محتوای داستانی و نمایشی مناسب برای بچه‌ها‌، مواردی رو گفتم. این هم فهرست موارد پیشنهادی من: 1. Daniel Tiger's Neighborhood 2. Peppa Pig 3. Ben and Holly 4. Bluey 5. Bing 6. Humf 7. Numberblocks 8. Alphablocks 9. Wallykazem! 10. Bubble Guppies این چهار مورد آخر، خیلی جنبه آموزشی و علمی دارن و بچه‌ها به خوبی با اعداد، حروف، کلمات و مفاهیم علمی آشنا میشن. البته توی موارد قبلی هم، کم و بیش این چیزها وجود دارن. ـــــــــــــــــــــــــــــــــ 🔗 این مطلب در سایر شبکه‌های اجتماعی: توئیتر | لینکدین | اینستاگرام | فیس‌بوک ـــــــــــــــــــــــــــــــــ سید مصطفی کلامی هریس وبسایت: kalami.ir کانال رسمی: ‎@KalamiHeris کانال پرسش و پاسخ: ‎@Kalami_QA ‌