آکادمی ربوتک

🖥پکیج مقدماتی یادگیری عمیق🖥 ⚡شامل دوره های: 🔣ریاضیات ویژه هوش مصنوعی 🔣پایتون ویژه یادگیری ماشین 🔣یادگیری ماشین کاربردی 🔣ترم اول یادگیری عمیق ⚡️بیش از ۸۰ ساعت آموزش 💲با خرید این پکیج می توانید تخفیف بیشتری نسبت به خرید تک تک این دوره ها دریافت کنید. 🔣ویدئو معرفی پکیج مقدماتی: مشاهده در تلگرام مشاهده در آپارات #️⃣لینک تهیه پکیج و اطلاعات بیشتر: https://robotech-academy.com/product/preliminary-deep/ ✈️پشتیبانی: @robotech_support 🔵🔵🔵 ✅ 🔵🔵🔵 🖥 Robotech Academy Website 📱 Robotech Academy 📱 Telegram Channel 📱 Youtube 📱 LinkedIn

📚دوره ی یادگیری عمیق - ترم اول 🚀یادگیری عمیق را با انجام پروژه بیاموزید. ⏰طول دوره : بیش از 28 ساعت ⚡کاملا عملی و پروژه محور ◀️ مشاهده دمو در یوتیوب 📱 ✅ معرفی دوره ⛓️‍💥لینک دوره : https://robotech-academy.com/product/deep-learning/ 💙پشتیبانی: @robotech_support 🔵🔵🔵 ✅ 🔵🔵🔵 🖥 Robotech Academy Website 📱 Robotech Academy 📱 Telegram Channel 📱 Youtube 📱 LinkedIn

🤖دوره ی یادگیری ماشین کاربردی ⭐️یادگیری ماشین را اصولی و مطمئن شروع کنید. ⏰طول دوره : بیش از ۱7 ساعت 📅با برنامه ریزی هفتگی و روزانه ◀️ مشاهده دمو در یوتیوب 📱 ✅ معرفی دوره 🔗لینک دوره : https://robotech-academy.com/product/machine-learning/ 💙پشتیبانی: @robotech_support 🔵🔵🔵 ✅ 🔵🔵🔵 🖥 Robotech Academy Website 📱 Robotech Academy 📱 Telegram Channel 📱 Youtube 📱 LinkedIn

📚دوره ی پایتون ویژه‌ی یادگیری ماشین 💻برنامه نویسی برای همه بدون پیشنیاز ⏰طول دوره : بیش از ۱7 ساعت 🗓با برنامه ریزی هفتگی و روزانه ◀️ مشاهده دمو در یوتیوب ✅ معرفی دوره 🔗لینک دوره : https://robotech-academy.com/product/python-ml/ 💙پشتیبانی: @robotech_support 🔵🔵🔵 ✅ 🔵🔵🔵 🖥 Robotech Academy Website 📱 Robotech Academy 📱 Telegram Channel 📱 Youtube 📱 LinkedIn

↗️دوره ی ریاضیات ویژه‌ی هوش مصنوعی 🎆ریاضی را یکبار برای همیشه یاد بگیرید. ⏰طول دوره : بیش از ۱7 ساعت ✅محتوای دوره : 🟢جبرخطی 🟢آمار و احتمال 🟢حساب دیفرانسیل و انتگرال ◀️ مشاهده دمو در یوتیوب 📱 🎥 معرفی دوره 🔗لینک دوره : https://robotech-academy.com/product/math-ai/ 💙پشتیبانی: @robotech_support 🔵🔵🔵 ✅ 🔵🔵🔵 🖥 Robotech Academy Website 📱 Robotech Academy 📱 Telegram Channel 📱 Youtube 📱 LinkedIn

"من نمیدانم از نگاه دیگران چگونه به نظر می آیم. اما از نگاه خود فقط مانند کودکی بوده ام که در ساحل دریا به بازی مشغول است و گهگاهی برای خود سنگریزه ای صاف تر و درخشان تر جدا میکند، در حالی که اقیانوس عظیم حقیقت در مقابل او ناشناخته باقی مانده است." اینها جملات آیزاک نیوتون است. یکی از بزرگترین دانشمندان تمام تاریخ و عجب تواضعی ! پی نوشت : این جمله از بخش زندگینامهٔ نیوتون برگرفته شده است؛ بخشی که در ابتدای کتاب دوران ساز «اصول ریاضی فلسفهٔ طبیعی» (پرینسیپیا)، نوشتهٔ نیوتون و با ترجمهٔ بهنام شیخ‌باقری (انتشارات نشر نی) آمده و به‌عنوان افزوده‌ای بر متن اصلی کتاب ارائه شده است. نسخهٔ الکترونیکی این کتاب را می‌توانید از این لینک در فیدیبو تهیه و مطالعه کنید. @robotech_academy

ماجرای پنجه شیر - داستان منحنی براکیستکرون قصه برمیگرده به سال ۱۶۹۶ - حدود ۳۰۰ سال پیش. جایی که یوهان برنولی برزگترین ذهن های زمان خودش رو به چالش میکشه و یه مساله رو مطرح میکنه. مساله این بوده : دو تا نقطه داریم توی صفحه. نقطه A و نقطه B که پایین تر از نقطه A هست. چه مسیری بین این دو نقطه باعث توپ در کوتاه ترین زمان ممکن از A به B برسه. طبیعتا کلی مسیر میشه مطرح کرد اما کدوم مسیر هست که کمترین زمان رو داره. برای درک بهتر مساله تصویر پیوست شده بعدی رو مشاهده کنید. برنولی این رو مطرح میکنه. نیوتون ساعت ۴ عصر وقتی از ضرابخانه سلطنتی برمیگرده، مساله رو میبینه و کل شب رو بیدار میمونه و مساله رو حل میکنه و به شکل ناشناس برای برنولی ارسال میکنه. برنولی وقتی میبینه فوری میفهمه که این راه حل مال نیوتون هست و میگه "ما شیر را از روی پنجه اش می شناسیم". نکته ۱ : اسم براکیستکرون یا brachistochrone  یک واژه لاتین هست که از دو واژه brachistos به معنی کوتاه ترین و chronos به معنی زمان هست. پس عنوان براکیستکرون میشه کوتاه ترین زمان. نکته ۲ :منابع مورد استفاده 1. Breaking the Bubble: From the Brachistochrone to the Simons Cone | Institute for Advanced Study 2.chat.deepseek.com 3. The Mystery of the Fastest Slide: Can You Crack the Brachistochrone Code? @robotech_academy

"ما شیر را از روی پنجه اش می شناسیم." این جمله مربوط به یوهان برنولی است. وقتی که جوابی از یک مساله را به صورت ناشناس دریافت می کند. اما "شیر" چه کسی بود ؟ امروز این داستان جالب رو تعریف خواهیم کرد. @robotech_academy

این ویدیو از اون جنس ویدیوهای عقل سرد هست که در این پست گفته شد. ساتن خیلی خونسرد و با کوهی از دانش و تجربه میاد حرفی میزنه که قطعا شنیدنش برای خیلی ها عجیب و شاید هم تلخ باشه و یه عده هم شاید دوست نداشته باشن بشنون. ولی این کار رو خیلی مطمین انجام میده و چندین بار هم به طرق مختلف اون چیزی که فکر میکنه درسته رو گفته. هم اثر LLM ها رو برجسته میگه و اونها رو یه تکنولوژی قابل توجه میبینیه و هم نقطه ضعفش رو بیان میکنه. عقل سرد منظورش این نیست که بیاد و فقط انتقاد کنه. این که اون چیزی که فکر میکنه رو میاد تحلیل میکنه و بررسی میکنه. حتی اگر همه دنیا بگن خوبه یا حتی اگر همه دنیا بگن بده. @robotech_academy

این ویدیوها جنس اش از جنس تصویر کلی هست. یعنی یه دیدگاه کلی رو ارایه میدن. ما رو از لایه ها و ضرب های ماتریسی و توابع loss خارج میکنن و میگن کلا چه خبره. البته که ممکنه هر دیدگاه درست یا غلط باشه و قطعا حتی همینجا هم مخالفت با sutton وجود داره. حتی در همون پستی که این ویدیو رو گذاشت. ولی جنس این ویدیوها کلا خاص هست. از افرادی مثل Ilya Sutskever و ریچارد ساتن و Yann Lecunn و ... میشه این موارد رو دید و خیلی خوب ازشون یاد گرفت. کلا آدم خوبه دیدگاه های مختلف رو ببینه. حرف های مختلف رو بشنوه و در نهایت هم بینش اش نسبت به هوش مصنوعی و اتفاقاتی که میفته بهتر میشه و هم کیفیت سلیقه خودش داخل تحقیق میره بالا (اگر البته محقق هوش مصنوعی باشه. ) @robotech_academy

یه ویدیو که به تازگی richard sutton منتشر کرده و کوتاه هست و در مورد اکتشاف یا discovery صحبت میکنه :‌ https://t.co/zin5QbbT9N قاعدتا اگر ریچارد ساتن رو بشناسید میدونید که احتمالا خواهد گفت LLM ها قابلیت اکتشاف واقعی ندارند. البته که همچنان تاکید میکنه تاثیرشون خیلی خیلی زیاد هست. @robotech_academy

الان که ما نگاه میکنیم شاید این صفحه اعداد مختلط خیلی چیز عادی باشه و اصلا یه ایده خیلی ساده در نظر بگیریم. اولین چیزی که به ما میگن اتفاقا همین صفحه هست ولی واقعا سال ها طول کشیده تا چنین چیزی معرفی بشه و البته که ریاضیدان بزرگی مثل گاوس اون رو پیشنهاد کرده. چی میشه که واقعا این موضوع به ذهن این افراد خطور کرد ؟ عمق و فهم زیاد از ریاضی ؟ یا چیزی دیگه. این به نظرم سوال قابل تاملی هست. @robotech_academy

اعداد مختلط و چرایی آنها – بخش دوم در بخش قبل به اینجا رسیدیم که اوضاع خیلی برای اعداد مختلط خراب بود و کسی خیلی جدی نمیگرفت اونو. حالا چه اتفاقی افتاد که این دیدگاه نسبت به اونها عوض شد ؟ قضیه برمیگرده به اواخر قرن ۱۸ . جایی که سه تا ریاضیدان به نام وسل (ریاضیدان نروژی)، آرگاند (ریاضیدان سوییسی) و گاوس (که نیازی به توضیح نداره) به شکل مستقل و با یک فاصله زمانی کمی یه تعبیر هندسی برای این اعداد ارایه کردند. در واقع اینا گفتند که میشه این اعداد رو به شکل یک نقطه و یا بردار در صفحه در نظر گرفت. به شکلی که عدد a + ib رو میشه یه نقطه در صفحه (x , y) در نظر گرفت و یا به شکل معادل اون رو یه بردار در نظر گرفت که از مبدا به اون نقطه وصل شده. به این صفحه هم میگن صفحه مختلط (یا صفحه آرگاند یا صفحه گاوس). به این شکل بود که این اعداد حالا ملموس تر شدن. حالا میشه اونا رو با هم جمع کرد. چرا ؟ چون میشه جمع دو تا بردار. میشه در هم ضرب کرد. چطور ؟ میشه ضرب دو بردار. این باعث میشه اعداد مختلط از اون فضایی که وجود داشت فاصله بگیرن. پایان بخش دوم - هنوز یه بخش دیگه البته باقی مونده که بخش پایانی هست. @robotech_academy

ماجرای اعداد مختلط - اعدادی عجیب با کاربردهای شگفت آور [بخش اول] احتمالا شما هم اعداد a + ib رو دیدید و خیلی سخت میشه باورش کرد و اصلا فکر کرد که واقعا مفیده. به این اعداد، اعداد مختلط گفته میشه و عدد i هم میشه رادیکال منفی ۱ ! اما ماجرای این اعداد چی بوده ؟ عمر اعداد مختلط حدود ۵۰۰ سال هست. یه آقایی بوده به نام جرلامو کاردانو و یه کتاب مینویسه به نام Ars Magna (یه کتاب لاتین هست و ترجمه این عنوان میشه هنر بزرگ) و معمولا از این کتاب به عنوان محل تولد مختلط نام برده میشه. اما ایشون این عدد رو معرفی میکنه تا کنارش بذاره و در مورد این اعداد میگه " ظریف ولی بی فایده". این تعبیری هست که کسی که اولین بار این اعداد رو معرفی کرده ازش نام برده. خوب واقعا چه انتظاری وجود داره که ما هم همون اول اینها رو بفهمیم. قطعا اولین واکنش ما خیلی طبیعی هست. این که اصلا مگه میشه ؟ اصلا چرا هست ؟ واقعی هست یا نیست ؟ لایب نیتس که از ریاضی دان های مهم بوده و نماد انتگرال هم یادگار او برای ما هست در مورد این اعداد میگه :‌ "آن دو زیست میان هستی و نیستی" (و چقدر که این تعبیر جالب و زیبا هست. ) اینقدر اوضاع برای این اعداد مختلط خراب هست اون زمان که اسم های بدی هم روش باقی میمونه. مثل عدد موهومی که هنوز هم استفاده میشه. اولین محاسبات قابل توجه با اعداد مختلط حدود ۲۵ سال بعد از معرفی اش در کتاب Ars Magna انجام میشه. جایی که یه رافائل بومبلی میاد و یه محاسباتی رو با اعداد مختلط انجام میده. ولی خودش هم حداقل در ابتدا به این محاسباتش شک میکنه و میگه "به نظر میرسد کل این موضوع بیشتر بر سفسطه تکیه دارد تا حقیقت.". و مجددا که چقدر اوضاع برای اعداد مختلط خراب بوده. حالا سوال : چی میشه که مشکل این اعداد حل میشه ؟ چی میشه که بالاخره ریاضیدان ها اون رو باور میکنن و تاثیری چنین عمیق میذاره. موضوعی که در بخش دوم منتشر خواهد شد. نکته ۱ : ترجمه جملات و سخن های مربوطه که در این متن آورده شده عموما به کمک DeepSeek و یا سایر ابزارهای مبتنی بر هوش مصنوعی انجام شده. نکته ۲ : این نوشته و چند نوشته بعدی مرتبط با عدد مختلط از کتاب زیبای Visual Complex Analysis برگرفته شده و در واقع من فقط اینجا اون رو دوباره بازنویسی کردم. کتاب نوشته Tristan Needham هست و اگر با این مباحث ارتباط دارید حتما یه نگاهی به این کتاب بیندازید. کتابی فوق العاده هست که ریاضیات رو شیرین میکنه واقعا. جایی که ما میتونیم ریاضی رو بفهمیم به جای نوشتن کلی فرمول بدون این که اونها رو بفهمیم. @robotech_academy

عدد i که میشه رادیکال منفی ۱ رو احتمالا به گوش تون خورده ؟ در نگاه اول که خیلی عدد عجیبی هست و اصلا یعنی چی حضورش ؟ مگه اصلا میشه رادیکال منفی ۱ ؟ به رغم ظاهرش اتفاقا به طرز شگفت آوری کاربردی هست و اتفاقا تاریخ جالبی هم داره. کمی از این تاریخ هم بدونیم کمی بهتر میفهمیم حضورش رو و یه ذره دلمون بیشتر باهاش صاف میشه. امشب و در چند پیام سعی میکنم یه خلاصه ای از ماجرای عدد عجیب i رو بررسی کنیم. @robotech_academy

اخبار مهم این چند وقت - قسمت اول‌: DeepSeek-v4 بی شک یکی از مهمترین اتفاقات این چند ماه اخیر DeepSeek-v4 بود. مدلی که معرفی شد و این چند وقت هم تنها گزینه ما برای استفاده بود. به نظرم که خیلی مدل خوبی هست و حجم زیادی از نیازهای من رو برطرف کرد. خیلی هم احتمالش کمتره که مجددا از Gemini و ChatGPT استفاده کنم چون خیلی از نیازهام رو رفع میکنه. البته که حالت های خاصی ممکنه کمک بگیرم از اونا ولی من که این چند وقت استفاده کردم به نظرم کاملا رضایت بخش بود و مشکل عجیبی رو ندیدم داخلش. نکته بعدی این که خیلی محدودیت نمیذاره برای آدم. یعنی هر چقدر هم حتی در مد DeepThink استفاده کردم واقعا محدودیت خاصی نذاشت. نگفت الان دیگه چند تا پیام دادی. دیگه تموم شده. باید اکانت بخری یا نمیتونی عکس آپلود کنی و ... یعنی عملا انگار یه اکانت کامل داری و بدون محدودیت استفاده میکنی. البته بی نقص هم نبود. مثلا بعضی وقتا (و خیلی کم واقعا) با شلوغی سرور و ... مواجه میشدم ولی واقعا به ندرت بود و کاملا قابل چشم پوشی. این به این معنی هست که مدل های دیگه بد هستند ؟ قطعا نه و چه بسا هم بهتر باشند ولی مساله اینه که واقعا نیاز من رو رفع میکرد بی دردسر. مشکل فیلترینگ و ... هم نداره یا این که خطای ۴۰۳ بخوریم و .... اما حتما این وسط نگرانی در مورد امنیت و ... هم وجود داره. این چطور ؟ کلا چرا اینقدر راحت میشه بدون محدودیت استفاده کرد ؟ اینا پول نمیخوان در بیارن مثل OpenAI و Anthropic‌؟‌ در پیام های بعدی سعی میکنم به اندازه ای که این موضوع در سوادم باشه توضیح بدم. @robotech_academy

در مورد نگاها نقادانه به مطالبی که مطالعه میکنیم. خیلی وقتا ما یه مطلبی رو میخونیم از جایی. حالا کتابی هست یا مقاله ای یا هر چیزی. بدون هیچ تعامل و به چالش کشیدن، فوری اون رو قبول میکنیم و هیچ بحث و گفت و گویی راجع به چرایی اون با خودمون مطرح نمیکنیم. یعنی اصلا به چالش نمیکشیم اون مطلب رو از جهات مختلف. حتی اگر سوالات ما در مورد اون مطلب غلط باشه و در نهایت بفهمیم که غلط هست ایده مون، عمق خودمون رو از مطالب بیشتر میکنیم. همین شکاک بودن و نپذیرفتن و سوال پرسیدن بوده که اتفاقا خیلی جاها باعث پیشرفت شده و علوم جدیدی رو منتشر کرده. نمونه اش مربوط به هندسه های نااقلیدسی هست. یه اصلی داشته اقلیدس به نام اصل پنجم. چهار تا اصل قبلی رو دانشمندان قبول میکردن ولی اصل پنجم رو خیلی باهاش مشکل داشتن. در نهایت همین شکاکی باعث ایجاد هندسه نااقلیدسی شده. هندسه ای که در نهایت در نظریه نسبیت انشتین نقش مهمی رو ایفا کرد و انشتین میگه بدون آشنایی با این نوع هندسه قادر به توسعه نظریه نسبیت نبودم. دیوید هیلبرت هم در توصیف این هندسه میگه که بزرگترین نماد و دستاورد قرن گذشته (قرن ۱۹) کشف هندسه نااقلیدسی هست. خلاصه که شکاک بودن و نپذیرفتن و به چالش کشیدن بخش مهمی از کار هست و به نظرم این ویژگی رو باید در خودمون تقویت کنیم. منبع مربوط به این مطلب و جملات انشتین و هیلبرت : کتاب مبانی هندسه - اثر محمود نصیری https://taaghche.com/book/239557/مبانی-هندسه @robotech_academy