برنامه نویسی | LearnwithAdel.ir

‏نحوه مسیریابی الگوریتم A* (A-Star) روی نقشه شهر شیکاگو و رم #algorithms 🫟@LearnwithAdel </>

📜 کاوش در گنجینه دیجیتال کتابخانه بادلین آکسفورد

کتابخانه بادلین (Bodleian Library) دانشگاه آکسفورد، به عنوان یکی از برجسته‌ترین مراکز نگهداری متون تاریخی در جهان، از طریق پلتفرم Digital Bodleian امکان دسترسی رایگان و باکیفیت به مجموعه‌ای بی‌نظیر از میراث فرهنگی بشر را فراهم آورده است. این آرشیو دیجیتال برای پژوهشگران و علاقه‌مندان به فرهنگ و تمدن ایرانی-اسلامی، گنجینه‌ای ارزشمند از نسخ خطی، آثار هنری و متون نادر را در بر می‌گیرد که مطالعه دقیق آن‌ها می‌تواند درک عمیق‌تری از تاریخ، هنر و علم در این حوزه تمدنی ارائه دهد.

● شاهنامه فردوسی (MS. Ouseley Add. 176): این نسخه باشکوه از شاهنامه که در دوره صفویه کتابت شده، نمونه‌ای برجسته از هنر نگارگری ایرانی است. ● این نسخه شامل ۵۹ مینیاتور چشم‌نواز است که صحنه‌های حماسی داستان‌های فردوسی را با جزئیات دقیق و رنگ‌های زنده به تصویر می‌کشند. 🔖 منبع و لینک دسترسی: Oxford, Bodleian Library MS. Ouseley Add. 176: https://digital.bodleian.ox.ac.uk/objects/bcbfd832-086b-4874-80f8-87500e0de704/ #history #tools <🫟@LearnwithAdel/>

✨ اثر هاله‌ای (Halo Effect)؛ وقتی ظاهر، قضاوت ما را فریب می‌دهد اثر هاله‌ای یک خطای شناختی در روان‌شناسی است که باعث می‌شود ما بر اساس یک ویژگی برجسته و اولیه (مثلاً ظاهر، لحن صحبت یا شهرت)، درباره کل شخصیت یا توانایی‌های یک فرد قضاوت کنیم.

وقتی اولین برداشت ما مثبت باشد، ذهن ما به‌طور ناخودآگاه سایر ویژگی‌های فرد را هم مثبت ارزیابی می‌کند، حتی اگر شواهد کافی برای آن وجود نداشته باشد. برعکس، یک ویژگی منفی می‌تواند باعث شود همه چیز در نظر ما بدتر دیده شود. این اثر در تصمیم‌گیری‌های روزمره، استخدام، آموزش، تبلیغات و به‌ویژه شبکه‌های اجتماعی بسیار پررنگ است. مغز ما برای صرفه‌جویی در انرژی، از میانبرهای ذهنی استفاده می‌کند و اثر هاله‌ای یکی از همین میانبرهاست. آگاهی از آن کمک می‌کند قضاوت‌های منصفانه‌تر و منطقی‌تری داشته باشیم.

● در Social media افرادی را می‌بینیم که با لباس‌های شیک، استایل حرفه‌ای و ظاهر مرتب عکس می‌گذارند. ● ناخودآگاه تصور می‌کنیم آن‌ها موفق‌تر، باهوش‌تر یا حتی متخصص‌تر از دیگران هستند؛ در حالی که این برداشت فقط بر اساس ظاهر است و لزوماً واقعیت را نشان نمی‌دهد. <🫟@LearnwithAdel/>

What is CUDA?

🎉 Happy Programmer's Day 💻 Sep 13, Day 256

‏🧠 MNE-Python؛ جعبه‌ابزار استاندارد عصب‌شناسی محاسباتی اگر به علوم اعصاب یا هوش مصنوعی علاقه دارید، کار با داده‌های مغزی یکی از جذاب‌ترین مسیرهاست.

‏MNE-Python قدرتمندترین کتابخانهٔ متن‌باز برای تحلیل این سیگنال‌هاست. این ابزار فقط مجموعه‌ای از توابع نیست؛ بلکه پلی است میان داده‌های خام و بینش‌های ارزشمندی که برای پژوهش یا کاربردهای بالینی به کار می‌آیند. برخی از مهم‌ترین قابلیت‌ها: ● خواندن و نوشتن فرمت‌های استاندارد (EEG، MEG و fNIRS) ● پالایش سیگنال و حذف آرتیفکت‌های فیزیولوژیکی ● تحلیل طیف فرکانسی و استخراج باندهای امواج مغزی ● بررسی هم‌زمانی و اتصال کارکردی بین مناطق مغز ● ترسیم توپوگرافی، موج‌نگار و نقشهٔ فعالیت

در علم داده و هوش مصنوعی، پیش از آموزش هر مدلی باید داده را پالایش و ویژگی‌های کلیدی را استخراج کرد؛ MNE-Python این وظیفه را برای سیگنال‌های عصبی به بهترین شکل انجام می‌دهد. <🫟 Telegram | Instagram | Website />‏

معرفی DepthAnything-AC ‏DepthAnything-AC مدلی برای تخمین عمق از تصاویر تک‌نمایی است که دانشگاه نانکای آن را بهبود داده.

این مدل بر پایهٔ DepthAnything-V2 برای نور کم و هوای نامساعد بهینه شده. چالش اصلی کمبود دادهٔ برچسب‌دار برای صحنه‌های مخدوش است که با منظم سازی سازگاری بدون نظارت و محدودیت فاصلهٔ مکانی رفع شده. این روش مرزهای معنایی را واضح‌تر می‌کند. مدل در آزمون‌های متنوع عملکرد zero-shot عالی دارد.

پروژه در ۲ ژوئیهٔ ۲۰۲۵ منبع‌باز شد و روز بعد مقالهٔ برتر Hugging Face شد. کد و مدل در GitHub و Hugging Face موجود است. Github : https://github.com/HVision-NKU/DepthAnythingAC Hugging Face : https://huggingface.co/depth-anything <🫟 Telegram | Instagram | Website />‏

A developer used GPT-6 Astra to create an interactive 3D website that deconstructs the male human anatomy into 2,234 precisely designed pieces! ‌‏یک توسعه‌دهنده با استفاده از GPT-6 Astra وب‌سایت تعاملی سه‌بعدی ساخته که آناتومی بدن مردانه را به ۲۲۳۴ قطعهٔ دقیق و طراحی‌شده تجزیه می‌کند.

به نظرم آدم ها در مواجهه با رنج جامعه، چهار دسته اند: دسته اول ابلهان اند؛ همان ها که هیچ از مال دنیا ندارند اما چاقو تیز کن کسانی هستند که روزگارشان را به سیاهی کشانده اند! دسته دوم، مزدوران اند؛ آنها که سفره شان چرب است و نان خود را در هم سفره شدن با بانیان فقیرتر شدن مردم شان می بینند. دسته سوم شریفان اند؛ همان اکثریت زیر بار رنج خم شده ای که فقیرند، اما شرف شناختن مسبب دردهایشان را از دست نداده اند. و دسته آخر نیکان اند؛ آن بی نیازان با وجدانی که خود گرسنه نیستند، اما از تماشای سفره های خالی هم وطن شان عذاب می کشند... فقر سفره ها را خالی میکند اما دنیا را همان دسته اول و دوم به ویرانی کشیده اند.

این مقاله یه موضوع جذاب و مهم رو بررسی می‌کنه: اینکه استفاده روزافزون از ابزارهایی مثل ChatGPT چطور می‌تونه مثل یه ویروس، روی قدرت فکر کردن و استدلال خودمون تأثیر بذاره. نویسنده‌ها با یه مدل ریاضی، مردم رو به سه دسته تقسیم کردن: ۱. مستقل‌ها (کسانی که هنوز به هوش مصنوعی وابسته نشدن)، ۲. کاربران معمولی (استفاده می‌کنن ولی هنوز توانایی فکر کردن مستقل رو دارن)، ۳. کاربران وابسته (که تقریباً همهٔ کارهای ذهنی‌شون رو به هوش مصنوعی می‌سپرن).

نکتهٔ کلیدی و هشداردهنده‌ای که مقاله بهش اشاره می‌کنه، وجود نقطهٔ عطف یا همون خط قرمزه. یعنی وقتی تعداد کاربران وابسته از یه حدی بیشتر بشه، اوضاع یه دفعه به هم می‌ریزه و کل جامعه به سمت وابستگی شدید کشیده می‌شه. به عبارتی، اگه روزی از این خط قرمز عبور کنیم، برگشت به حالت قبل خیلی خیلی سخت‌تر از جلوگیری از عبور اولیه‌ست (تو علم به این پدیده می‌گن پسماند یا Hysteresis). یعنی حتی اگه فردا استفاده از هوش مصنوعی رو کم کنیم، ممکنه دیگه نتونیم اون توانایی قبلی رو برگردونیم.

لینک مقاله : https://arxiv.org/html/2609.03344v1 <🫟 Telegram | Instagram | Website />‏

📚 ابزارهای مدیریت منابع برای مقالات علمی ابزارهای Reference Manager کمک می‌کنند منابع را ذخیره، دسته‌بندی، استناد و Bibliography را به‌صورت خودکار مدیریت کنید.

‏● Mendeley رایگان و بسیار محبوب؛ مناسب مدیریت PDF، ساخت کتابخانه منابع و Citation در Word. رابط کاربری ساده و مناسب دانشجویان. ‏● EndNote یکی از حرفه‌ای‌ترین ابزارها؛ امکانات پیشرفته برای مدیریت منابع و مناسب پروژه‌های پژوهشی بزرگ ‏● Zotero رایگان و Open Source؛ قدرتمند برای جمع‌آوری منابع از وب، مدیریت PDF و استفاده در Word و Google Docs ‏● Paperpile ابزاری ساده و Cloud-based، مناسب کاربران Google Docs و پژوهش‌های آنلاین ‏● RefWorks راه کاری تحت وب برای مدیریت منابع که در بسیاری از دانشگاه‌ها و مؤسسات پژوهشی استفاده می‌شود مقایسه سریع : ‏Mendeley‏ → ساده و محبوب ‏EndNote‏ → حرفه‌ای و پیشرفته ‏Zotero‏ → رایگان و انعطاف‌پذیر ‏Paperpile‏ → ساده و ابری ‏RefWorks‏ → مناسب دانشگاه‌ها

<🫟 Telegram | Instagram | Website />‏

خلاصه کارآفرینی، شرکت‌های مثلاً دانش‌بنیان و نمایشگاه الکامپ در ایران: خرید اشتراک Pro، گرفتن API، چسباندن یک رابط کاربری رنگارنگ روی آن و بعد هم معرفی محصول به‌عنوان پلتفرم هوش مصنوعی اختصاصی! نه مدل اختصاصی بومی سازی شده، نه تحقیق و توسعه جدی، نه معماری قابل‌توجه، نه ‌حل‌مسئله واقعی؛ فقط یک API خارجی، چند خط کد و یک PowerPoint پر از کلمات دهن‌پرکن! البته اصل استفاده از API هیچ ایرادی ندارد؛ مسئله جایی شروع می‌شود که مصرف‌کننده فناوری را به‌جای سازنده فناوری جا می‌زنیم. اگر تمام نوآوری یک شرکت این است که همان چیزی را که دیگران با چند کلیک می‌توانند استفاده کنند، با لوگوی خودش ارائه دهد، اسمش لزوماً هوش مصنوعی و نوآوری نیست؛ گاهی فقط بسته‌بندی شیکِ یک API است.

‏OmniRoute؛ یک پلتفرم واحد برای مدل‌های هوش مصنوعی اگر با چندین مدل و ارائه‌دهنده هوش مصنوعی کار می‌کنید، مدیریت APIها، محدودیت‌های توکن و قطعی سرویس‌ها می‌تواند دردسرساز باشد. ‏OmniRoute‏ برای ساده‌تر کردن این مسیر طراحی شده است.

این ابزار متن‌باز، یک API سازگار با OpenAI ارائه می‌دهد و می‌تواند درخواست‌ها را میان ارائه‌دهندگان مختلف هوش مصنوعی مدیریت و مسیریابی کند. برخی از قابلیت‌ها : ● مسیریابی هوشمند بین مدل‌ها ‏● Fallback خودکار هنگام بروز مشکل ● مدیریت چندین ارائه‌دهنده از یک Endpoint ● سازگاری با ابزارهایی مانند Claude Code، Codex و Cursor ● پشتیبانی از قابلیت‌هایی مانند MCP و APIهای چندرسانه‌ای

اگر با ابزارها و مدل‌های مختلف AI کار می‌کنید، OmniRoute می‌تواند مدیریت آن‌ها را ساده‌تر و انعطاف‌پذیرتر کند. وب‌سایت : https://omniroute.online/ گیت هاب : https://github.com/diegosouzapw/OmniRoute https://github.com/diegosouzapw/OmniRoute/blob/release/v3.8.51/docs/i18n/fa/README.md <🫟 Telegram | Instagram | Website />

اگر تکنولوژی و هوش مصنوعی به این سیستم اداری فشل ایران برسه، با چند خط کد می‌شه برنامه‌ای نوشت که بخش بزرگی از کارمندای مفت‌خور و بی‌خاصیت ادارات و بانک‌ها دیگه کاری برای انجام دادن نداشته باشن! تازه کار مردمم ده برابر سریع‌تر انجام میشه اون‌وقت دیگه یک کت‌وشلواری بی‌سواد، پشت میز نمی‌شینه و برای مردم فاز کوسه نمی‌گیره؛ فقط به خاطر چهارتا کلیک کردن توی برنامه‌ای که خودمون کدش رو نوشتیم!

📊 آمار کاربردی با رویکرد علم داده و هوش مصنوعی اگر می‌خواهید در مسیر علم داده و هوش مصنوعی موفق شوید، یادگیری آمار یکی از مهم‌ترین پایه‌هایی است که نباید نادیده بگیرید.

آمار فقط مجموعه‌ای از فرمول‌ها و محاسبات پیچیده نیست؛ بلکه ابزاری برای درک داده‌ها، کشف الگوها و تصمیم‌گیری بهتر است. برخی از مهم‌ترین مباحث: ● آمار توصیفی و تحلیل داده‌ها ● احتمال و متغیرهای تصادفی ● توزیع‌های آماری ● نمونه‌گیری و استنباط آماری ● آزمون فرض و تحلیل نتایج ● همبستگی و رگرسیون

در علم داده، قبل از ساختن یک مدل هوش مصنوعی باید داده‌ها را بشناسیم؛ و آمار دقیقاً همان ابزاری است که به ما کمک می‌کند زبان داده‌ها را بهتر بفهمیم. پس اگر مسیر شما به سمت Data Science یا AI است، آمار را فقط یک درس دانشگاهی نبینید؛ آن را به یکی از ابزارهای اصلی خودتان تبدیل کنید. <🫟 Telegram | Instagram | Website />

شما اصیل نیستید؛ شما نوکیسه های حاصل یک سفره بی صاحب اید. با رانت و جیب همین مردم ثروتمند شدید و حالا طوری رفتار میکنید که انگار از نژاد برترید. آدم های بی خاصیتی که نه هنری داشتید و نه نفعی برای جامعه، اما با پول غارت شده این ملت، برای خودتان برج ساختید تا از بالا به ما نگاه کنید. مضحک ترین بخش ماجرا این است: این شلاق را از مال خودمان ساخته اید و بر سر خودمان می کوبید. ادای آدم های والا را در نیارید؛ طلا هم که بر تن کنید، بوی رانت از دهانتان پاک نمی شود. شما ثروتمند نشدید؛ فقط فقر بی ریشگی را زیر برج های لاکچری پنهان کرده اید.

🐍 چالش برنامه نویسی Django کد زیر در یک View جنگو قرار دارد.

from django.http import JsonResponse


def user_status(request):
    users = [
        {"name": "Ali", "active": True},
        {"name": "Sara", "active": False},
        {"name": "Reza", "active": True},
    ]

    active_users = [
        user["name"]
        for user in users
        if user["active"]
    ]

#challenge #django <🫟 Telegram | Instagram | Website />‏

سال‌ها آب از پایین وارد کشتی تایتانیک می‌شد. پایین کشتی، سیستان و بلوچستان و خوزستان بودند؛ سال‌ها خیس شدند، فریاد زدند، خسارت دیدند و کمتر شنیده شدند. اما طبقات بالاتر، در تهران و خراسان رضوی، هنوز خشک بودند. و پاسخ بعضی‌ها ساده بود: خب، هنوز که به ما نرسیده! حالا آب بالا آمده. و ناگهان همه با وحشت فریاد می‌زنند: کشتی در حال غرق شدن است! عجیب است، نه؟ تا وقتی آب پای مردم مناطق محروم را خیس می‌کرد، اسمش مشکل محلی بود. اما همین که جوراب طبقات مرفه خیس شده، ناگهان تبدیل شده به بحران ملی! واقعیت این است که کشتی از همان روزی شروع به غرق شدن کرد که اولین مسافرانش کمک خواستند و کسی صدایشان را نشنید. فقط بعضی‌ها آن‌قدر در طبقات بالا راحت نشسته بودند که خیال می‌کردند آب، طبقاتی است. اما آب، طبقه اجتماعی نمی‌شناسد؛ فقط دیر یا زود، به همه می‌رسد.