علی راشدی - یادداشت‌ها

با خوندن این کتاب تقریبا ۸۰ درصد مطالبی که برای درک AI مدرن لازمه رو می‌شه بدست آورد. AI Engineering — Chip Huyen این کتاب مهم‌ترین بخش‌های درک AI رو یک‌جا پوشش می‌ده: • Foundation Models و LLMها • Prompt و Context Engineering • RAG • Agentها و Tools • Evaluation • Fine-tuning • Inference و Optimization • AI Systems و Monitoring نقطه قوتش اینه که کمک می‌کنه بفهمید این مفاهیم چطور کنار هم قرار می‌گیرن و یک سیستم AI واقعی چطور ساخته می‌شه. برای کسی که می‌خواد تصویر کلی AI مدرن رو بفهمه، بدون اینکه بره توی همه جزئیات، خیلی منبع خوبیه. @alirashedi1

دوستان واقعا اینو از دست ندید :) بدجوری خوبه کلا مهرزاد هر ویدیوش ارزش چند باردیدن داره برای دوستاتون هم بفرستید استفاده کنن 🙌

کاش این ویدیو از مهرزاد رو ۳ سال زودتر می‌دیدم ما سوراخ شدیم تا این چیزایی که گفت رو خودمون بفهمیم :)) اگر مقاله علمی می‌خونید یا تازه وارد فضای پژوهش شدید، این ویدیو واقعا به دردتون می‌خوره. مهرزاد خیلی ساده و کاربردی توضیح می‌ده که اصلا یک مقاله رو از کجا باید شروع کرد، کدوم بخش‌ها مهم‌ترن، چجوری سریع بفهمیم مقاله به درد ما می‌خوره یا نه و چطور بخونیمش که وسط راه خسته و گیج نشیم. به نظرم مخصوصا برای دانشجوهایی که تازه پایان‌نامه یا مقاله خوندن رو شروع کردن خیلی مفیده. https://youtu.be/z6hFMzmDCSM

یکی اکانت ایرانی هارو ببنده زودتر :)

یکی از Skillهای جالب Claude که خیلی کاربردیه data-context-extractorـه. ایده‌ش ساده‌ست: ساختار دیتابیس، تعریف KPIها، اصطلاحات داخلی تیم و Queryها رو به Claude می‌دی و این‌ها رو تبدیل می‌کنه به یک Skill قابل استفاده. برای تیم‌هایی که زیاد با Claude روی SQL و تحلیل دیتا کار می‌کنن، به نظرم یکی از کاربردی‌ترین Skillهاست. https://www.getclaudeskills.com/skills/data-context-extractor-anthropics

یه ویدیوی خیلی خوب درباره‌ی روان‌شناسی Discipline دیدم که برخلاف خیلی از محتواهای این حوزه، کمتر وارد حرف‌های انگیزشی می‌شه. ایده‌ی جالبش اینه: ‌ آدم‌های منضبط لزوماً بیشتر از بقیه خودشون رو مجبور به انجام کارها نمی‌کنن؛ اتفاقاً تحقیقات نشون می‌ده درگیری ذهنی و مقاومت کمتری تجربه می‌کنن. ویدیو توضیح می‌ده که چطور می‌شه رابطه‌ی مغز با «تلاش کردن» رو به مرور تغییر داد. ۵ پیشنهاد عملی هم داره: • به خودِ تلاش پاداش بده، نه فقط نتیجه • پاداش رو به شروع کار نزدیک کن • شروع کار رو تا جای ممکن کوچک کن • محیط رو طوری بچین که کمتر به اراده نیاز داشته باشی • هر Session رو با یک موفقیت کوچک تموم کن کل ویدیو حدود ۱۵ دقیقه‌ست و به نظرم ارزش دیدن داره: https://youtu.be/CkP_8bkjf1E?si=VUM85-iM9uMB7IKJ

یه ویدیوی خیلی خوب درباره‌ی روان‌شناسی Discipline دیدم که برخلاف خیلی از محتواهای این حوزه، کمتر وارد حرف‌های انگیزشی می‌شه. ایده‌ی جالبش اینه: ‌ آدم‌های منضبط لزوماً بیشتر از بقیه خودشون رو مجبور به انجام کارها نمی‌کنن؛ اتفاقاً تحقیقات نشون می‌ده درگیری ذهنی و مقاومت کمتری تجربه می‌کنن. ویدیو توضیح می‌ده که چطور می‌شه رابطه‌ی مغز با «تلاش کردن» رو به مرور تغییر داد. ۵ پیشنهاد عملی هم داره: • به خودِ تلاش پاداش بده، نه فقط نتیجه • پاداش رو به شروع کار نزدیک کن • شروع کار رو تا جای ممکن کوچک کن • محیط رو طوری بچین که کمتر به اراده نیاز داشته باشی • هر Session رو با یک موفقیت کوچک تموم کن کل ویدیو حدود ۱۵ دقیقه‌ست و به نظرم ارزش دیدن داره: https://youtu.be/CkP_8bkjf1E

📚 Becoming a Data Head اگر تازه وارد حوزه‌ی Data شدید، یکی از اشتباه‌های رایج اینه که تمام تمرکزتون بره روی یاد گرفتن SQL، Python و ابزارها. در حالی که بخش مهم‌تری از کار اینه که یاد بگیرید: • مسئله‌ی درست رو تعریف کنید • سؤال درست از دیتا بپرسید • آمار و نتایج مدل‌ها رو درست تفسیر کنید • بفهمید یک تحلیل کجا ممکنه گمراه‌کننده باشه • نتیجه‌ی تحلیل رو به زبان بیزنس توضیح بدید کتاب Becoming a Data Head بیشتر از اینکه یک کتاب فنی باشه، سعی می‌کنه طرز فکر لازم رو توضیح بده. در کنارش مفاهیمی مثل Regression، Classification، Clustering و Machine Learning رو هم در سطحی قابل‌فهم توضیح می‌ده. به نظرم مخصوصاً برای Junior Data Analystها و افرادی که تازه وارد Data Science شدن، کتاب مفیدیه.

وقتی AI شکست می‌خورد این گزارش رو امروز دیدم و به نظرم ارزش خوندن داره، چون به‌جای اینکه دوباره درباره‌ی موفقیت‌های AI حرف بزنه، رفته سراغ جاهایی که واقعاً شکست خورده. ۱۲ کیس واقعی از پروژه‌های AI در کسب‌وکار رو بررسی کرده؛ از IBM Watson و Zillow گرفته تا Amazon، Klarna، McDonald’s و چند نمونه‌ی دیگه. چیزی که برای من جالب بود اینه که در خیلی از این کیس‌ها مشکل لزوماً «ضعیف بودن مدل» نبوده. مشکل از جاهای دیگه شروع شده: • دیتای نامناسب • انتخاب مسئله یا KPI اشتباه • ارزیابی ضعیف قبل از اجرا • فاصله‌ی زیاد بین تست و دنیای واقعی • نبود نظارت انسانی کافی • مشکلات Deployment و پذیرش در سازمان یعنی ممکنه یک مدل روی کاغذ و Benchmark خوب باشه، ولی وقتی وارد کسب‌وکار واقعی می‌شه، شکست بخوره. اگر با AI، دیتا، محصول یا تصمیم‌گیری در کسب‌وکار سروکار دارید، به نظرم این گزارش از خیلی از مطالبی که فقط درباره‌ی «چطور از AI استفاده کنیم» نوشته می‌شن کاربردی‌تره. 📄 When AI Fails — 12 Real-World Cases of High-Profile AI Failures in Business @alirashedi1

قبل از اینکه برید سراغ RAG و Agent و MCP، این ویدیوی ۳۴ دقیقه‌ای از شاهین طالبی رو ببینید. خیلی ساده پایه‌های ML رو مرور می‌کنه؛ از Training و Inference تا Deep Learning و RL. برای کسی که وارد AI شده ولی پایه‌هاش پراکنده‌ست، مرور خیلی خوبیه 👇 https://youtu.be/BUTjcAjfMgY

از اونجایی که می‌دونم کمتر کسی می‌شینه این مقاله رو بخونه و همچنین خوندنش بسیار جذابه خلاصه‌شو براتون با Gemini Notebook پادکست کردم 🤷‍♂ دیگه بهونه نداشته باشید

🧠 وقتی داریم می‌خونیم، دقیقاً چه اتفاقی در مغزمون می‌افته؟ یه مقاله‌ی جالب در سال ۲۰۲۵ منتشر شده که نتایج ۱۶۳ مطالعه‌ی تصویربرداری مغزی روی بیش از ۳۰۰۰ نفر رو کنار هم گذاشته تا بفهمه خواندن واقعا چطور در مغز پردازش می‌شه. چند تا از نتیجه‌های جالبش: • مغز یک «مرکز خواندن» واحد نداره؛ خواندن حاصل همکاری چند شبکه‌ی مختلفه. • نوع چیزی که می‌خونیم مهمه. خواندن حرف، کلمه، جمله و متن الگوهای متفاوتی از فعالیت مغزی ایجاد می‌کنه و بخش زیادی از این پردازش در نیمکره‌ی چپ انجام می‌شه. • کلمه‌ی واقعی و کلمه‌ی ساختگی هم یکسان پردازش نمی‌شن. کلمات واقعی بیشتر با بازیابی معنایی و واژگانی درگیرند، در حالی که pseudowordها وابستگی بیشتری به پردازش واجی و تبدیل نوشتار به صدا دارند. • خواندن با صدای بلند نسبت به خواندن بی‌صدا، بخش‌های حرکتی و شنیداری بیشتری رو فعال می‌کنه. • حتی یک تسک ساده مثل اینکه تشخیص بدیم «این رشته حروف کلمه‌ی واقعی هست یا نه» با خودِ خواندن فرق داره و بخش‌های مربوط به تصمیم‌گیری و کنترل شناختی رو بیشتر وارد ماجرا می‌کنه. چیزی که برای من جذاب بود اینه که این مقاله خیلی خوب نشون می‌ده خواندن یک فرایند ساده و یک‌مرحله‌ای نیست ترکیبیه از پردازش بینایی، زبان، معنا، صدا، حافظه و کنترل شناختی. مقاله: The ‘reading’ brain: Meta-analytic insight into functional activation during reading in adults

🤖 یک کتاب خیلی خوب برای ورود عملی‌تر به دنیای LLMها و AI Agentها: AI Agents and Applications - Roberto Infante اگر تا الان بیشتر با ChatGPT و Claude کار کردید و می‌خواید بفهمید یک سیستم واقعی مبتنی بر LLM پشت‌صحنه چطور ساخته می‌شه، این کتاب مسیر خیلی خوبی داره. کتاب تقریباً قدم‌به‌قدم از مفاهیم پایه‌تر شروع می‌کنه و می‌رسه به: • Prompt & Context Engineering • RAG و Semantic Search • ساخت Chatbot با Memory • LangChain • Workflowهای چندمرحله‌ای با LangGraph • Tool Calling و Agentها • Multi-Agent Systems • MCP • Evaluation، Debugging و Monitoring نویسنده سعی می‌کنه کل مسیر ساخت یک LLM Application واقعی رو از Prompt تا سیستم‌های Agentic کنار هم بذاره. اگر این روزها اسم‌هایی مثل RAG، Agent، MCP، LangGraph و Tool Calling زیاد می‌بینید ولی هنوز دقیق نمی‌دونید چطور به هم وصل می‌شن، به نظرم این کتاب ارزش دیدن داره. @alirashedi1

امروز قسمتی از یک پادکست من رو یاد یه مشکل خیلی معمول بین دوستانم انداخت... مشکلی که معمولا اینطوری گفته می‌شه : • نمی‌تونم پادکست گوش بدم و حوصله‌م نمی‌کشه. • چجوری روزی ۲-۳ ساعت پادکست گوش می‌دی و حواست پرت نمی شه؟ • من پادکست گوش می‌دم خوابم می‌بره... و جملات دیگه که همه‌شون به یه مشکل اشاره می‌کنن و اونم اینه که نمی‌شه هنگام گوش دادن پادکست تمرکز کرد... خب اول بگم که این مشکل کاملا طبیعیه. چرا؟ توی دنیای پر از آلودگی صوتی که ما توش زندگی می‌کنیم یاد گرفتیم که خیلی چیزهارو نشنویم تا مغزمون از سر و صدا منفجر نشه. ناخودآگاه تمرکز شنواییمون کمتر و کمتر شده و با رشد کیفیت و بیشتر شدن جذابیت ویدیوها خب میل به گوش دادنمون هم بدون اینکه تصویر جذابی ببینیم پایین اومده. پس طبیعیه که همین اول کار نتونیم بشینیم و یه فایل صوتی ۲ ساعته رو گوش کنیم :) ولی خب هممون می‌دونیم که پادکست این روزها چقدر مفیده و می‌تونه مسیرمون رو عوض کنه... پس راه حل چیه؟ یه سری پیشنهاد رو می‌نویسم که به خودم خیلی کمک می‌کنه که بتونم تمرکزم رو حفظ کنم و روزی چند ساعت پادکست گوش بدم... ۱- خب اگر با ویدیو راحت‌تری ویدیوکست ببین! اکثر پادکست‌ها، نسخه‌ی ویدیویی هم دارند و توی سایت‌هایی مثل یوتیوب پیدا می‌شن پس اول یه سرچ بکن شاید بتونی ویدیوکستش رو پیدا کنی و ببینی و اینطوری مشکلت حل بشه ۲- پادکست رو همزمان با کارهای سبک گوش کن! این مورد نجات‌بخش من بوده... یعنی چی؟ یه سری کاهارو ما در طول روز انجام می‌دیم که کارهایی هستند که جسممون و بخش اندکی از مغزمون رو درگیر می‌کنن اما در طول انجامش بخش زیادی از ذهنمون بلااستفاده می‌مونه... مثلا : ورزش کردن (باشگاه، پیاده‌روی و ...) ، حمام رفتن، آشپزی کردن و ... اینجور کارها چون باعث می‌شن ما نتونیم هیچ کار دیگه‌ای بکنیم و حواسمون پرت بشه بستر فوق‌العاده‌ای برای گوش دادن به پادکست فراهم می‌کنن و می‌تونیم همزمان با انجامشون پادکست گوش کنیم ۳- زمان‌هایی که هیچ‌کار دیگه‌ای نمی‌تونی بکنی پادکست گوش بده! این مورد شبیه مورد دومه اما خب جنس این کارها فرق می‌کنه... یه وقتایی ما توی موقعیت‌هایی گیر می‌کنیم که هیچ کاری برای کردن وجود نداره و وقتمون تلف می‌شه مثلا رانندگی و ترافیک، معطل شدن توی مطب دکتر، منتظر بودن در رستوران و ... این زمان‌ها هم فرصت‌های خوبی برای گوش دادن به پادکسته و چون هیچ راه فراری نداریم می‌تونیم با خیال راحت و متمرکز به پادکستمون گوش بدیم ۴- اپیزود رو تیکه تیکه کن! اگر پادکستی که مدنظرته اپیزودهای طولانی (بالای ۳۰ دقیقه) داره می‌تونی بشکونیش به چند تا پارت ۱۰ دقیقه‌ای... و در طول دو سه روز گوشش بدی... تمرکز به مدت ۱۰ دقیقه راحت‌تر از تمرکز برای زمان‌های طولانیه و اینطوری شاید مشکل حل بشه. اینا راه‌هایی بود که من امتحانشون کردم و جواب گرفتم... شاید برای بعضیا کار نکنه اما امتحان کردنش ضرر نداره 😁 در ضمن خوشحال می‌شم اگر شما هم راهی بلدید توی کامنت بنویسید تا همه استفاده کنیم❤️ - علی راشدی در باب گوش دادن #پادکست