THE D.AI.RVINISM

🧑‍💻برای ورود به دنیای Web Development، همه‌چیز از یک فایل ساده HTML شروع می‌شود. 👩‍💻در اولین جلسه از دوره Compact WebDev، قرار نیست با کدهای پیچیده یا مفاهیم سنگین شروع کنیم؛ قدم‌به‌قدم و از نقطه صفر، اولین صفحه وب خودمان را می‌سازیم و با زبانی آشنا می‌شویم که ساختار اصلی تمام وب‌سایت‌ها را شکل می‌دهد. ⚡️در این جلسه یاد می‌گیریم: ✅ HTML چیست و مرورگر چگونه آن را نمایش می‌دهد؟ ✅ چگونه اولین فایل HTML خود را از صفر بسازیم؟ ✅ تگ‌های اصلی HTML چه هستند و هرکدام چه کاربردی دارند؟ ✅ ساختار استاندارد یک صفحه وب چگونه شکل می‌گیرد؟ ✅ مسیرها و آدرس فایل‌ها در پروژه‌های وب چگونه کار می‌کنند؟ این کارگاه کاملا عملی و مناسب افرادی طراحی شده که هیچ تجربه‌ای در برنامه‌نویسی یا طراحی وب ندارند. تنها چیزی که نیاز دارید، یک لپ‌تاپ و آمادگی برای ساختن اولین صفحه وب خودتان است. 🟢در پایان این جلسه، به‌جای اینکه فقط درباره HTML شنیده باشید، یک فایل واقعی ساخته‌اید، آن را در مرورگر اجرا کرده‌اید و ساختار اولیه یک صفحه وب را درک می‌کنید. این فقط آغاز یادگیری چند تگ نیست؛ اولین قدم برای تبدیل‌شدن از یک مصرف‌کننده دنیای Digital به سازنده آن است. ⸻ دپارتمان side-💚 آکادمی D.AI.RVINISM با همکاری کمیته تحقیقات و فناوری دانشجویی دانشگاه علوم پزشکی گیلان و اردبیل برگزار می‌کند: 📌 Compact WebDev Chapter 1: RAW WEB 🐸 جلسه اول: D.01 | Where the Web Begins 👨‍💻 مدرس: امیررضا توکلی برنامه نویس فول استک و دانشجوی پزشکی دانشگاه علوم پزشکی گیلان 👨‍🏫 استاد ناظر: دکتر علی جمالیان عضو هیئت علمی و معاون پژوهشی دانشکده ریاضی و علوم کامپیوتر دانشگاه گیلان 🗓 یکشنبه ۱۱ مرداد ۱۴۰۵ ⏰ ساعت ۱۸ 💻 به‌صورت آنلاین 🆓 شرکت در کارگاه رایگان است. 🔗 جهت ثبت نام در دوره روی لینک کلیک کنید. 💬دریافت راهنمایی و اطلاعات بیشتر: @D_AI_RVINISM_Support ▶️@The_D_AI_RVINISM - Department of Digital Products

🔽دپارتمان side -💚آکادمی D.AI.RVINISM با همکاری کمیته‌های تحقیقات و فناوری دانشجویی دانشگاه‌های علوم پزشکی گیلان و اردبیل برگزار می‌کند: ▶️ Compact WebDev یک مسیر آموزشی فشرده و پروژه‌محور برای آشنایی اصولی با دنیای توسعه وب؛ از اولین خط کد تا ساخت و انتشار اولین محصول دیجیتال. 👨‍💻در این مسیر، مرحله‌به‌مرحله یاد می‌گیریم: ✅ صفحات وب چگونه با HTML ساخته می‌شوند ✅ چگونه با CSS به آن‌ها هویت و ظاهر می‌دهیم ✅ چطور با JavaScript وب‌سایت‌های تعاملی می‌سازیم ✅ پشت صحنه وب، شبکه و Backend چگونه کار می‌کنند ✅ داده‌ها کجا ذخیره می‌شوند و چگونه به Database متصل می‌شویم ✅ چگونه بخش‌های مختلف را کنار هم قرار می‌دهیم و یک محصول واقعی می‌سازیم ✅ و در نهایت، چطور پروژه خود را با Git و GitHub مدیریت و منتشر می‌کنیم 🚀 این دوره شامل: ۱۵ جلسه آموزشی ۸ جلسه Code Clinic ۷ فصل پیوسته از Web Foundations تا Product Development است. 💚جلسات Code Clinic فقط جلسات مرور نیستند؛ فضایی برای تمرین، حل مسئله، بررسی کدها و تبدیل مفاهیم آموزشی به مهارت عملی‌اند. قرار نیست فقط چند خط کد را کپی کنیم. قرار است بفهمیم وب چگونه کار می‌کند، خودمان آن را بسازیم و قدم‌به‌قدم از مصرف‌کننده محصولات دیجیتال، به سازنده آن‌ها تبدیل شویم. 🆓برگزاری به صورت آنلاین و کاملا رایگان 📅 آغاز سلسله‌کارگاه‌ها: یکشنبه ۱۱ مرداد ۱۴۰۵ 👨‍🏫 مدرس و مسئول دوره: امیررضا توکلی دانشجوی پزشکی دانشگاه علوم پزشکی گیلان (سایر مدرسین در پوستر های اختصاصی هر جلسه معرفی خواهند شد.) 👨‍🏫استاد ناظر:دکتر علی جمالیان عضو هیئت علمی دانشگاه گیلان معاون پژوهشی دانشکده ریاضی و علوم کامپیوتر دانشگاه گیلان 🔗لینک ثبت نام هر جلسه در پوستر اختصاصی همان جلسه قرار داده می‌شود. ▶️ @The_D_AI_RVINISM - Department of Digital Products

❓❗️اگر در جلسه گذشته هنگام اجرای کدهای رگرسیون با خودتان فکر کردید: «اصلا VS Code چیست؟» «ترمینال دقیقا چه کاری انجام می‌دهد؟» «پایتون را از کجا باید نصب کنم؟» این کارگاه دقیقا برای شما طراحی شده است. آکادمی D.AI.RVINISM با همکاری کمیته تحقیقات و فناوری دانشجویی دانشگاه های گیلان، دزفول، قزوین و ایران برگزار میکند: 🚀جلسه صفر، پیش از ورود به بخش‌های عملی هوش مصنوعی، کمک می‌کند محیط برنامه‌نویسی خود را از ابتدا و به‌صورت اصولی آماده کنید؛ حتی اگر تا امروز هیچ تجربه‌ای در برنامه‌نویسی نداشته باشید. در این کارگاه یاد می‌گیرید: ✅پایتون چیست و چگونه آن را نصب کنیم؟ ✅ ابزار های VS Code، Terminal و Jupyter Notebook چه تفاوتی با هم دارند؟ ✅ چگونه ابزارهای موردنیاز را با Winget نصب کنیم؟ ✅ چگونه محیط VS Code را برای اجرای کدهای پایتون آماده کنیم؟ ✅ چگونه اولین برنامه پایتون خود را اجرا کنیم؟ ✅ ابزار های Anaconda و Jupyter Notebook چه کاربردی در پروژه‌های هوش مصنوعی دارند؟ 👉 هدف این جلسه، آموزش برنامه‌نویسی نیست؛ هدف این است که همه شرکت‌کنندگان، با آمادگی کامل وارد بخش‌های عملی کارگاه‌های آینده شوند و هنگام اجرای کدها، به‌جای درگیر شدن با نصب و تنظیمات، روی یادگیری مفاهیم هوش مصنوعی تمرکز کنند. 👨‍🏫مدرس:ایلیا ذکریاپور -دانشجوی پزشکی دانشگاه علوم پزشکی گیلان -مهندس Deep learning 👨‍🏫استاد ناظر: دکتر علی جمالیان -عضو هیئت علمی دانشگاه گیلان -معاون پژوهشی دانشکده ریاضی دانشگاه گیلان 🆓آنلاین و رایگان 📆تاریخ برگزاری: پنج‌شنبه ۸ مرداد ۱۴۰۵ | ساعت ۱۲ 🔗جهت ثبت نام از طریق لینک اقدام کنید. 🔄@THE_D_AI_RVINISM - Department of Artificial Intelligence

🧠 فکر می‌کردین AI کل ماجراست؟ اصلا! پیش از اینکه هوش مصنوعی به بخشی از محصولات امروز تبدیل بشه، دنیای Digital وجود داشت. دنیایی از وب‌سایت‌ها و نرم‌افزارها ! پروژه AI به‌تنهایی یک محصول کامل نیست؛ بلکه تنها می‌تونه بخشی از یک راهکار دیجیتال باشه. به همین دلیل، در نام D.AI.RVINISM نیز حرف D پیش از AI قرار گرفته! 🌐 حالا وقتشه جنبه دیگه‌ای از رسالت آکادمی رو معرفی کنیم: یادگیری طراحی و توسعه وب و برداشتن نخستین قدم برای ورود اصولی به حوزه Digital Health. ▶️Compact WebDev دوره توسعه وب کامپکت ✅در این دوره مسیر رو از یک فایل خالی HTML شروع می‌کنیم، با CSS بهش هویت بصری می‌دیم، با JavaScript و مفاهیم UI تعاملی‌ش‌ می‌کنیم، ساختار Server، Client و DNS رو می‌شناسیم، با PHP و SQL به یک سایت داینامیک متصل به دیتابیس تبدیل‌ش می‌کنیم و در پایان، پروژه شخصی خودمون رو روی اینترنت و GitHub منتشر می‌کنیم. ⚙️ روش این دوره متفاوته: به‌جای معرفی پراکنده تمام مسیرها، رایج‌ترین مسیر رو عمیق و عملی یاد می‌گیریم. به‌جای وابستگی به فریم‌وورک‌ها و کتابخونه‌ها، با خود ابزار خام کارمون رو پیش می‌بریم و تا جای ممکن از ابزارهای غیرضروری استفاده نمی‌کنیم تا بدونیم در پشت هر ابزار واقعا چه اتفاقی می‌افته. 🟢هر مبحث با ساختن یک خروجی واقعی یاد گرفته می‌شه. 🟢کلاس فلت و تعاملیه و مدرس در کنار کارآموزان پروژه می‌سازه. 🟢جلسات منظم Code Clinic هم برای رفع اشکال و تکمیل پروژه‌ها برگزار خواهد شد. 🚀 این مجموعه شامل: 7 فصل آموزشی 15 جلسه ساخت و توسعه 8 جلسه Code Clinic و یک پروژه نهایی شامل وبسایت پورتفولیو همراه یک بلاگه. ❗️طراحی شده برای افرادی که هیچ شناخت و اطلاعات قبلی درباره کد نویسی یا طراحی وب ندارند! 🔽پیش از ساختن یک محصول هوشمند، باید ساختن یک محصول دیجیتال را آموخت. From First Commit to First Product with D.AI.RVINISM ▶️@THE_D_AI_RVINISM - Department of Digital Products

💚.AI.RVINISM 🔽وقتشه تئوری رو تبدیل به عمل کنیم… ▶️@THE_D_AI_RVINISM - Department of Digital Products

🔬 EVIDENCE OVER HYPE | Medical AI | 01 🩺 وقتی AI تصمیم‌گیری پزشک را بهتر می‌کند، اما حال بیمار را نه… این شاید یکی از مهم‌ترین تفاوت‌هایی باشد که در ارزیابی هوش مصنوعی پزشکی نادیده می‌گیریم: بهبود یک پاسخ، گزارش یا تصمیم روی کاغذ، لزوماً به معنی بهبود پیامد واقعی بیمار نیست. یک مطالعه جدید در Nature Medicine این موضوع را در یکی از واقعی‌ترین آزمون‌های انجام‌شده برای هوش مصنوعی پزشکی بررسی کرده است. پژوهشگران از یک سیستم Clinical Decision Support مبتنی بر GPT-4o در ۱۶ مرکز مراقبت‌های اولیه در کنیا استفاده کردند؛ نه در یک آزمون شبیه‌سازی‌شده، نه با سؤالات USMLE و نه در محیط کنترل‌شده آزمایشگاهی. این سیستم مستقیماً داخل پرونده الکترونیک پزشکی قرار گرفته بود و هنگام ثبت اطلاعات بیمار، پیشنهادهایی درباره تشخیص، درمان، تجویز دارو و ارجاع ارائه می‌کرد. پزشک همچنان تصمیم‌گیرنده نهایی بود و می‌توانست پیشنهاد AI را بپذیرد، تغییر دهد یا کاملاً نادیده بگیرد. 🔬 مطالعه چگونه انجام شد؟

۱۰۳ Clinical Officer به‌صورت تصادفی در دو گروه قرار گرفتند: گروه اول از پرونده الکترونیک همراه با سیستم AI استفاده می‌کردند. گروه دوم همان مراقبت معمول و همان پرونده الکترونیک را بدون AI ادامه می‌دادند. در مجموع، داده‌های بیش از ۹۶۰۰ بیمار بررسی شد. معیار اصلی پژوهش هم یک سؤال کاملاً بالینی بود: آیا استفاده از AI می‌تواند احتمال شکست درمان طی ۱۴ روز را کاهش دهد؟

📊 نتیجه چه بود؟

شکست درمان در گروه مجهز به AI حدود ۲.۲ درصد و در گروه مراقبت معمول حدود ۲ درصد بود. پس از تحلیل آماری و درنظرگرفتن تفاوت میان پزشکان و مراکز درمانی، هیچ تفاوت معناداری میان دو گروه مشاهده نشد. یعنی سیستم مبتنی بر GPT-4o نتوانست به‌طور معناداری پیامد بالینی اصلی بیماران را بهتر کند. اما ماجرا همین‌جا تمام نمی‌شود. استفاده از AI باعث بهبود کیفیت مستندسازی، استدلال تشخیصی و برنامه‌ریزی درمان شد و هزینه‌های مرتبط با مصرف آنتی‌بیوتیک را نیز کاهش داد. همچنین نشانه مشخصی از آسیب جدی مرتبط با سیستم دیده نشد؛ هرچند مطالعه برای کشف عوارض نادر طراحی نشده بود.

🖥 پس AI مفید بود یا نه؟

پاسخ علمی این است: بستگی دارد «مفید بودن» را چگونه تعریف کنیم. اگر معیار ما کیفیت ثبت اطلاعات، ساختار تصمیم‌گیری و بعضی فرایندهای درمانی باشد، AI احتمالاً مفید بوده است. اما اگر معیار، بهترشدن قابل‌اندازه‌گیری وضعیت بیمار طی ۱۴ روز باشد، این مطالعه مزیت معناداری نشان نداد. و دقیقاً همین‌جا یکی از مشکلات رایج Medical AI آشکار می‌شود: ما اغلب عملکرد مدل را با پیامد بیمار اشتباه می‌گیریم. مدلی که پاسخ دقیق‌تری می‌دهد، گزارش مرتب‌تری می‌نویسد یا حتی پیشنهاد بالینی منطقی‌تری ارائه می‌کند، هنوز الزاماً ثابت نکرده است که می‌تواند بستری، عارضه، مرگ یا شکست درمان را کاهش دهد.

⚠️ محدودیت مهم

نرخ شکست درمان در این مطالعه پایین‌تر از انتظار بود؛ بنابراین ممکن است مطالعه توان کافی برای شناسایی اثرهای کوچک را نداشته باشد. از طرف دیگر، پزشکان مجبور نبودند از پیشنهادهای AI پیروی کنند. این موضوع شاید اثر سیستم را کاهش داده باشد، اما در عوض شرایط مطالعه را به دنیای واقعی نزدیک‌تر کرده است. همچنین «عدم مشاهده خطر» در یک مطالعه، مساوی با «اثبات ایمنی کامل» نیست؛ مخصوصاً برای عوارض نادر.

💡 برداشت D.AI.RVINISM

آینده هوش مصنوعی پزشکی فقط با Benchmarkهای بهتر ساخته نمی‌شود. مدلی که در آزمون‌ها پزشک را شکست می‌دهد، باید در کلینیک هم ثابت کند که واقعاً برای بیمار ارزش ایجاد می‌کند. سؤال درست دیگر فقط این نیست که: «AI چقدر دقیق است؟» بلکه باید بپرسیم: «دقت بیشتر، دقیقاً کدام بخش از مراقبت بیمار را بهتر کرده است؟» و تا زمانی که برای این سؤال پاسخ محکمی نداشته باشیم، بهتر است میان قابلیت فنی و اثر بالینی فاصله بگذاریم.

📑 مقاله: Generative AI-enabled clinical decision support system in primary care: a pragmatic, cluster-randomized trial Nature Medicine — 26 June 2026 https://doi.org/10.1038/s41591-026-04503-6 D.AI.RVINISM فهم AI، فراتر از هیاهوی AI 🔄 @THE_D_AI_RVINISM

EVIDENCE OVER HYPE🔬 🖥هر روز ادعاهای تازه‌ای درباره توانایی‌های هوش مصنوعی می‌شنویم؛ اما همه ادعاها به یک اندازه پشتوانه علمی ندارند. 📄 به زودی در سری «Evidence Over Hype»، پژوهش‌ها و مطالعات مهم دنیای AI را فراتر از تیترها بررسی می‌کنیم؛ از روش مطالعه و نتایج واقعی تا محدودیت‌ها، نقاط ضعف و فاصله میان عملکرد فنی و اثر عملی. نه آنچه AI وعده می‌دهد؛ آنچه شواهد نشان می‌دهند. 🔄 @THE_D_AI_RVINISM

✨شما گفتید؛ ما برنامه‌ریزی کردیم.

در بازخوردهای جلسه گذشته، تعدادی از همراهان آکادمی اشاره کردند که ناآشنایی با ابزارهایی مانند Python و VS Code، دنبال کردن بخش اجرای عملی کد رگرسیون کارگاه را برایشان دشوار کرده است. ✨برای پاسخ به این نیاز، یک جلسه مقدماتی، کاربردی و گام به گام برنامه‌ریزی کرده‌ایم؛ جلسه‌ای برای اینکه حتی بدون هیچ پیش‌زمینه‌ای در برنامه‌نویسی، بتوانید ابزارهای مورد استفاده در کارگاه‌ها را بشناسید، محیط لازم را آماده کنید و اجرای کدها را با درک و آمادگی بیشتری دنبال کنید. در این جلسه یاد می‌گیریم: ✨ پایتون چیست و چگونه آن را نصب و راه‌اندازی کنیم؟ ✨ تفاوت Python، VS Code، Terminal و Jupyter Notebook چیست؟ ✨ چگونه با Winget نرم‌افزارهای مورد نیاز را نصب کنیم؟ ✨ چگونه از Windows Terminal و PowerShell استفاده کنیم؟ ✨ چگونه VS Code را نصب و برای اجرای کدهای پایتون آماده کنیم؟ ✨ چگونه اولین کد پایتون خود را اجرا کنیم؟ ✨ابزار های Jupyter Notebook و Anaconda چه کاربردی دارند؟ 🤩این جلسه به عنوان یک مسیر مقدماتی و تکمیلی طراحی شده است تا همه شرکت‌کنندگان بتوانند با آمادگی و اعتماد بیشتری وارد بخش‌های عملی کارگاه‌های آینده شوند. 🗓 تاریخ دقیق و جزئیات برگزاری این جلسه، هفته آینده از طریق کانال اعلام خواهد شد. بازخوردهای شما فقط خوانده نمی‌شوند؛ آن‌ها مسیر آموزش در D.AI.RVINISM را می‌سازند. ✨ 🫥@THE_D_AI_RVINISM

🟡 اگر هوش مصنوعی بتواند یک تصویر پزشکی را ببیند و تشخیص دهد طبیعی است یا غیرطبیعی، یک ایمیل را به‌عنوان اسپم شناسایی کند یا بیماران را بر اساس احتمال ابتلا به یک بیماری در گروه‌های مختلف قرار دهد، در حال انجام یکی از مهم‌ترین وظایف یادگیری ماشین است: Classification

طبقه‌بندی به هوش مصنوعی کمک می‌کند داده‌ها را بشناسد، میان آن‌ها تمایز قائل شود و هر نمونه را در گروه مناسب قرار دهد.

از تشخیص بیماری و تحلیل تصاویر پزشکی گرفته تا شناسایی تقلب‌های بانکی، فیلترکردن پیام‌های ناخواسته و تشخیص اشیاء در تصاویر، بسیاری از سیستم‌های هوشمندی که هر روز با آن‌ها سروکار داریم بر پایه همین مفهوم کار می‌کنند.

آکادمی D.AI.RVINISM با همکاری کمیته تحقیقات و فناوری دانشجویی دانشگاه علوم پزشکی گیلان، ایران، دزفول و قزوین برگزار می‌کند: 💡 در سومین جلسه از AI Essentials Series یاد می‌گیرید: ✅ طبقه‌بندی چیست و چه تفاوتی با رگرسیون دارد؟ ✅ هوش مصنوعی چگونه الگوهای موجود در داده‌ها را شناسایی می‌کند؟ ✅ یک مدل طبقه‌بندی چگونه میان گروه‌های مختلف تصمیم‌گیری می‌کند؟ ✅ مفاهیمی مانند ویژگی، برچسب و کلاس چه معنایی دارند؟ ✅طبقه بندی(Classification) در پزشکی، پژوهش، کسب‌وکار و صنعت چه کاربردهایی دارد؟ ✅ چگونه عملکرد یک مدل طبقه‌بندی را ارزیابی کنیم؟ 👨‍🏫 مدرس: ایلیا ذکریاپور دانشجوی پزشکی و مهندس Deep Learning 👨‍🏫 ناظر علمی: دکتر علی جمالیان ⭐ همراه با گواهی معتبر از معاونت تحقیقات و فناوری دانشگاه علوم پزشکی گیلان و دانشگاه علوم پزشکی ایران 🌐برگزاری آنلاین 🆓 رایگان 🗓 زمان برگزاری: پنج شنبه ۱ مرداد ۱۴۰۵ | ساعت ۱۲ الی ۱۴

⚡️ اگر در جلسه رگرسیون یاد گرفتیم هوش مصنوعی چگونه یک مقدار را پیش‌بینی می‌کند، در این جلسه خواهیم دید چگونه می‌تواند میان چند گزینه تصمیم بگیرد و داده‌ها را در گروه مناسب قرار دهد.

🔗 برای ثبت‌نام از طریق لینک اقدام کنید. 🔄 @THE_D_AI_RVINISM

🗓یادآوری🗓 کارگاه امروز ساعت ۱۲:۰۰ برگزار خواهد شد. لینک ورود به جلسه از طریق گروه برای شرکت‌کنندگان ارسال شده است. اگر اطلاعات خود را ارسال کرده‌اید اما هنوز به گروه اضافه نشده‌اید، لطفا در اسرع وقت از طریق دایرکت کانال به ما پیام دهید تا موضوع بررسی شود.

🔮اگر بتوانید آینده را پیش‌بینی کنید، تصمیم‌ های بهتری خواهید گرفت. نه با حدس و گمان؛ با داده.

🔮تقریبا هر پیش‌بینی مهمی که امروز توسط هوش مصنوعی انجام می‌شود، از تخمین احتمال ابتلا به یک بیماری گرفته تا پیش‌بینی قیمت سهام، فروش محصولات، مصرف انرژی یا حتی مدت بستری یک بیمار، بر پایه یک مفهوم کلیدی است: Regression. اما رگرسیون فقط یک فرمول آماری نیست؛ بلکه یکی از بنیادی‌ترین ابزارهای یادگیری ماشین است که در قلب بسیاری از سیستم‌های هوش مصنوعی قرار دارد.

کمیته تحقیقات و فناوری دانشجویی داشگاه علوم پزشکی گیلان با همکاری کمیته تحقیقات و فناوری دانشجویی دانشگاه های ایران و دزفول و قزوین برگزار می‌کند: 💡 در دومین جلسه از AI Essentials Series یاد می‌گیرید: ✅ رگرسیون چیست و چگونه کار می‌کند؟ ✅ چگونه هوش مصنوعی از داده‌های گذشته برای پیش‌بینی آینده استفاده می‌کند؟ ✅ تفاوت رگرسیون با سایر روش‌های یادگیری ماشین چیست؟ ✅ رگرسیون در پزشکی، پژوهش، کسب‌وکار و صنعت چه کاربردهایی دارد؟ ✅پیاده سازی یک مدل ساده رگرسیون با استفاده از پایتون و کتابخانه scikit learn 🎯 این جلسه برای تمام دانشجویانی طراحی شده که می‌خواهند یادگیری ماشین را اصولی شروع کنند؛ حتی اگر تاکنون هیچ تجربه‌ای در برنامه‌نویسی یا هوش مصنوعی نداشته‌اند. 👨‍🏫 مدرس: ایلیا ذکریاپور دانشجوی پزشکی و مهندس Deep Learning 👨‍🏫 ناظر علمی: دکتر علی جمالیان ⭐ همراه با گواهی معتبر از معاونت تحقیقات و فناوری دانشگاه علوم پزشکی گیلان و دانشگاه علوم پزشکی ایران 🤩 برگزاری آنلاین 🆓 رایگان 🗓 پنجشنبه ۲۵ تیر ۱۴۰۵| ساعت ۱۲ تا ۱۴

📌

اگر جلسه اول را از دست داده‌اید، هنوز برای شروع دیر نشده است. این جلسه یکی از مهم‌ترین مفاهیم یادگیری ماشین را به زبانی ساده و کاملا کاربردی آموزش می‌دهد.

🔗 برای ثبت‌نام از طریق لینک اقدام کنید. 🔄 @THE_D_AI_RVINISM

🎙️بخشی از توضیحات ناظر علمی سلسله کارگاه ها درباره محتوای دوره «AI Essentials series» 👨‍🏫دکتر علی جمالیان معاون پژوهشی دانشکده ریاضی دانشگاه گیلان

📌دانشجویانی که از طریق لینک برای جلسه اول ثبت‌نام کرده و به گروه اضافه شده‌اند، نیازی به ثبت‌نام مجدد ندارند.

🔮اگر بتوانید آینده را پیش‌بینی کنید، تصمیم‌ های بهتری خواهید گرفت. نه با حدس و گمان؛ با داده.

🔮تقریبا هر پیش‌بینی مهمی که امروز توسط هوش مصنوعی انجام می‌شود، از تخمین احتمال ابتلا به یک بیماری گرفته تا پیش‌بینی قیمت سهام، فروش محصولات، مصرف انرژی یا حتی مدت بستری یک بیمار، بر پایه یک مفهوم کلیدی است: Regression. اما رگرسیون فقط یک فرمول آماری نیست؛ بلکه یکی از بنیادی‌ترین ابزارهای یادگیری ماشین است که در قلب بسیاری از سیستم‌های هوش مصنوعی قرار دارد.

کمیته تحقیقات و فناوری دانشجویی داشگاه علوم پزشکی گیلان با همکاری کمیته تحقیقات و فناوری دانشجویی دانشگاه های ایران و دزفول و قزوین برگزار می‌کند: 💡 در دومین جلسه از AI Essentials Series یاد می‌گیرید: ✅ رگرسیون چیست و چگونه کار می‌کند؟ ✅ چگونه هوش مصنوعی از داده‌های گذشته برای پیش‌بینی آینده استفاده می‌کند؟ ✅ تفاوت رگرسیون با سایر روش‌های یادگیری ماشین چیست؟ ✅ رگرسیون در پزشکی، پژوهش، کسب‌وکار و صنعت چه کاربردهایی دارد؟ ✅پیاده سازی یک مدل ساده رگرسیون با استفاده از پایتون و کتابخانه scikit learn 🎯 این جلسه برای تمام دانشجویانی طراحی شده که می‌خواهند یادگیری ماشین را اصولی شروع کنند؛ حتی اگر تاکنون هیچ تجربه‌ای در برنامه‌نویسی یا هوش مصنوعی نداشته‌اند. 👨‍🏫 مدرس: ایلیا ذکریاپور دانشجوی پزشکی و مهندس Deep Learning 👨‍🏫 ناظر علمی: دکتر علی جمالیان ⭐ همراه با گواهی معتبر از معاونت تحقیقات و فناوری دانشگاه علوم پزشکی گیلان و دانشگاه علوم پزشکی ایران 🤩 برگزاری آنلاین 🆓 رایگان 🗓 پنجشنبه ۲۵ تیر ۱۴۰۵| ساعت ۱۲ تا ۱۴

📌

اگر جلسه اول را از دست داده‌اید، هنوز برای شروع دیر نشده است. این جلسه یکی از مهم‌ترین مفاهیم یادگیری ماشین را به زبانی ساده و کاملا کاربردی آموزش می‌دهد.

🔗 برای ثبت‌نام از طریق لینک اقدام کنید. 🔄 @THE_D_AI_RVINISM

🔘پنج سال دیگر، ندانستن هوش مصنوعی احتمالا شبیه ندانستن زبان انگلیسی امروز خواهد بود. ❔اما بیشتر دانشجوها هنوز نمی‌دانند یادگیری AI را از کجا شروع کنند…. 👍کارگاه «آشنایی با کاربردهای AI در دنیای واقعی»، توسط آکادمی The D.AI.RVINISM و کمیته تحقیقات و فناوری دانشجویی دانشکاه علوم پزشکی گیلان، برای همین نقطه آغاز طراحی شده است. 💬در این جلسه با زبانی ساده و کاربردی بررسی می‌کنیم: ❓این کارگاه به چه دردتان می‌خورد: 🚀 این کارگاه نخستین گام از مجموعه AI Essentials Series است؛ مسیری آموزشی که در ادامه به دوره ‌های تخصصی‌تر و پیشرفته‌تر هوش مصنوعی منتهی خواهد شد. بنابراین اگر قصد دارید در برنامه‌ های آینده این مجموعه شرکت کنید، این جلسه بهترین نقطه شروع است! 👨‍🏫مدرس: ایلیا ذکریاپور دانشجوی پزشکی و مهندس Deep Learning 👨‍🏫 ناظر علمی: دکتر علی جمالیان ⭐️ همراه با گواهی معتبر از معاونت تحقیقات و فناوری دانشگاه علوم پزشکی گیلان 🤩 برگزاری آنلاین 🆓رایگان 🗓 پنجشنبه ۴ تیر ۱۴۰۵ | ساعت۱۱-۱۳

اگر مدت‌هاست نام هوش مصنوعی را می‌شنوید اما هنوز نمی‌دانید از کجا باید وارد این دنیا شوید، این جلسه برای شماست.

🔗جهت شرکت در کارگاه روی لینک ثبت‌نام کلیک کنید! 🔄@THE_D_AI_RVINISM

⭐️آکادمی D.AI.RVINISM با همکاری کمیته تحقیقات و فناوری دانشجویی دانشگاه علوم پزشکی گیلان شما را به شرکت در مجموعه کارگاه‌های «AI Essentials Series» دعوت می‌کند⭐️ 🤍 اگر امروز یادگیری هوش مصنوعی را به تعویق بیندازیم، چند سال بعد احتمالا مجبور می‌شویم با کسانی رقابت کنیم که همین امروز شروع کرده‌اند.

👍فرقی نمی‌کند دانشجوی پزشکی باشید، پرستاری، داروسازی، علوم آزمایشگاهی، بهداشت، یا هر رشته دیگری؛ هوش مصنوعی دیگر یک مهارت مخصوص مهندسان کامپیوتر نیست. این فناوری آرام‌آرام در حال ورود به پژوهش، تشخیص بیماری‌ها، تحلیل داده‌ها، تولید محتوا، آموزش، کسب‌وکار و تقریباً تمام حوزه‌های علمی است.

اما سؤال اینجاست: ❓ از کجا باید یادگیری AI را شروع کرد؟ 💭مجموعه کارگاه‌های «AI Essentials Series» دقیقاً برای پاسخ به همین سؤال طراحی شده است. در این مسیر، از مفاهیم پایه و درک درست هوش مصنوعی شروع می‌کنیم و قدم‌به‌قدم با کاربردهای واقعی آن در پیش‌بینی، طبقه‌بندی داده‌ها، کشف الگوها و هوش مصنوعی مولد آشنا می‌شویم.

🤖

این دوره فقط یک کارگاه آموزشی نیست؛ نقطه شروع مسیری است که در ادامه به دوره‌های تخصصی‌تر و پیشرفته‌تر هوش مصنوعی متصل خواهد شد. بنابراین شرکت در این مجموعه، بهترین فرصت برای ساختن یک پایه علمی محکم و ورود به برنامه‌های پیشرفته آینده است.

😎همراه با گواهی معتبر از معاونت تحقیقات و فناوری دانشگاه علوم پزشکی گیلان ✅رایگان ✅آنلاین ✅مناسب برای افراد بدون پیش‌زمینه تخصصی ✅کاربردی برای دانشجویان تمامی رشته‌ها 📆 شروع دوره: پنجشنبه ۴ تیر ۱۴۰۵ 🔗 لینک بستر برگزاری و اطلاعات تکمیلی در پوستر. برای دریافت اطلاعات بیشتر به کانال آکادمی بپیوندید. 🔄@THE_D_AI_RVINISM

🫥برای ثبت نام در جلسه اول سلسله کارگاه های مقدماتی هوش مصنوعی از طریق لینک سایت رویداد و فرم ثبت نام رویداد اقدام کنید

Medical / Modern Entrepreneurship + AI = MEAI 🤖🚀هوش مصنوعی، کارآفرینی و آینده‌ای که منتظر نمی‌مونه ⭐️اگه ایده داری، کنجکاوی یا می‌خوای ببینی AI قراره با کارآفرینی چیکار کنه، این رویداده برای توعه. 🌐سایت رویداد فعال شد 🔣gumsmeai.ir🔣 ✨همه‌چیز اونجاست: — معرفی رویداد — جزئیات مراحل — و مهم‌تر از همه 👇 ⭐ثبت‌نام شرکت‌کنندگان آزاد از طریق لینک داخل سایت (ظرفیت محدود است و از پذیرفتن شرکت کنندگان آزاد بدون ثبت نام قبلی از طریق لینک، معذوریم) 💨این فقط ثبت‌نام نیست؛ ورود به بازی آینده‌ست. ⏳جا نمونی. 📄@GUMS_SRC_EXPO

⭕️اطلاعیه تغییر زمان برگزاری رویداد ⭐با توجه به استقبال گسترده و دریافت تعداد قابل توجهی از ایده‌ها، و به‌منظور افزایش دقت در فرایند داوری و تعیین نتایج نهایی، همچنین فراهم‌سازی فرصت کافی برای آماده‌سازی ارائه‌دهندگان ۱۰ ایده برتر، زمان برگزاری رویداد تغییر یافت. ❗️بر این اساس، تاریخ برگزاری رویداد که پیش‌تر ۱ دی‌ماه اعلام شده بود، به ۱۰ دی‌ماه منتقل می‌شود. ⭐️از همراهی، صبوری و همکاری ارزشمند شما سپاسگزاریم. 📄@GUMS_SRC_EXPO

🫥آکادمی THE D.AI.RVINISM با همکاری کمیته تحقیقات و فناوری دانشجویی دانشگاه علوم پزشکی گیلان و مدیریت توسعه فناوری سلامت معاونت تحقیقات دانشگاه علوم پزشکی گیلان برگزار میکند: 🍪سلسله کارگاه‌های مقدماتی هوش مصنوعی | شروع یک فهم عمیق، نه مصرف سطحی🍪 ⭐اگر هوش مصنوعی را فقط در قالب ابزارها می‌شناسید، هنوز وارد دنیای واقعی AI نشده‌اید. این کارگاه برای کسانی طراحی شده که می‌خواهند هوش مصنوعی را بفهمند، نه صرفاً از آن استفاده کنند.

⭐️در این مسیر آموزشی، به‌جای پرداختن به ترندها و ابزارهای آماده، با نگاهی ساختارمند و تحلیلی به سراغ مبانی هوش مصنوعی می‌رویم؛ این‌که AI چگونه کار می‌کند، چه نوع مسائلی را حل می‌کند و چرا امروز به یکی از ارکان تصمیم‌سازی در علوم مختلف تبدیل شده است.

🤖 در اولین جلسه، چارچوب فکری لازم برای ورود به دنیای هوش مصنوعی شکل می‌گیرد: ✅تعریف و تاریخچه هوش مصنوعی ✅منطق و کارکردهای اصلیAI ✅کاربردهای واقعی در حوزه‌های مختلف ✅بررسی مزایا، محدودیت‌ها و چالش‌ها

⭐️

هدف این سلسله کارگاه‌ها

، تربیت ذهنی تحلیلی نسبت به AI است؛ به‌گونه‌ای که در پایان این مسیر:

🟡

بتوانید مسائل را به زبان هوش مصنوعی صورت‌بندی کنید

🟡

تشخیص دهید هر مسئله به چه نوع وظیفه‌ای از AI نیاز دارد

🟡

و مسیر استفاده اصولی از هوش مصنوعی در پروژه‌های علمی، پژوهشی و کاربردی را بشناسید

🫥این کارگاه نقطه شروع مسیری است که از درک مفاهیم پایه آغاز می‌شود و به توانایی تحلیل و تصمیم‌گیری مبتنی بر AI ختم خواهد شد. 👤 مدرس: ایلیا ذکریاپور • دانشجوی دانشگاه علوم پزشکی گیلان 👤 ناظر علمی:دکتر علی جمالیان •دکتری تخصصی علوم کامپیوتر |استادیار و مدیرگروه علوم کامپیوتر دانشکده علوم ریاضی دانشگاه گیلان •معاون پژوهشی دانشکده علوم ریاضی دانشگاه گیلان 🗓 زمان برگزاری: ۱۰ دی ۱۴۰۴ 📍برگزاری در رویداد «هوش مصنوعی در کارآفرینی» واقع در سالن معاونت بهداشت دانشگاه علوم پزشکی گیلان 📌 جزئیات تکمیلی ثبت نام و اطلاعیه‌های رویداد: 📄@gums_src_expo

✨ اگر به‌دنبال یادگیری عمیق، ساختاریافته و ماندگار از هوش مصنوعی هستید، این کارگاه نقطه‌ی شروع شماست.

🍪@THE_D_AI_RVINISM