PyTorch Howsam
Відкрити в Telegram
از هوش مصنوعی میگیم... ارتباط با ادمین @howsam_support
Показати більше3 449
Підписники
Немає даних24 години
+187 днів
+6230 день
Триває завантаження даних...
Схожі канали
Хмара тегів
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
липень '26
липень '26
+72
в 1 каналах
червень '26
+74
в 3 каналах
Get PRO
травень '26
+58
в 1 каналах
Get PRO
квітень '26
+21
в 1 каналах
Get PRO
березень '26
+9
в 0 каналах
Get PRO
лютий '26
+78
в 1 каналах
Get PRO
січень '26
+41
в 1 каналах
Get PRO
грудень '25
+52
в 2 каналах
Get PRO
листопад '25
+79
в 2 каналах
Get PRO
жовтень '25
+168
в 12 каналах
Get PRO
вересень '25
+108
в 1 каналах
Get PRO
серпень '25
+51
в 2 каналах
Get PRO
липень '25
+80
в 0 каналах
Get PRO
червень '25
+57
в 0 каналах
Get PRO
травень '25
+152
в 2 каналах
Get PRO
квітень '25
+69
в 0 каналах
Get PRO
березень '25
+125
в 0 каналах
Get PRO
лютий '25
+94
в 0 каналах
Get PRO
січень '25
+133
в 0 каналах
Get PRO
грудень '24
+137
в 2 каналах
Get PRO
листопад '24
+125
в 3 каналах
Get PRO
жовтень '24
+119
в 0 каналах
Get PRO
вересень '24
+119
в 1 каналах
Get PRO
серпень '24
+118
в 1 каналах
Get PRO
липень '24
+88
в 2 каналах
Get PRO
червень '24
+139
в 1 каналах
Get PRO
травень '24
+162
в 2 каналах
Get PRO
квітень '24
+71
в 1 каналах
Get PRO
березень '24
+58
в 0 каналах
Get PRO
лютий '24
+62
в 0 каналах
Get PRO
січень '24
+72
в 1 каналах
Get PRO
грудень '23
+103
в 1 каналах
Get PRO
листопад '23
+21
в 0 каналах
Get PRO
жовтень '23
+45
в 0 каналах
Get PRO
вересень '23
+26
в 0 каналах
Get PRO
серпень '23
+32
в 0 каналах
Get PRO
липень '23
+48
в 0 каналах
Get PRO
червень '23
+68
в 0 каналах
Get PRO
травень '23
+29
в 0 каналах
Get PRO
квітень '23
+35
в 0 каналах
Get PRO
березень '23
+35
в 0 каналах
Get PRO
лютий '23
+42
в 0 каналах
Get PRO
січень '23
+29
в 0 каналах
Get PRO
грудень '22
+33
в 0 каналах
Get PRO
листопад '22
+31
в 0 каналах
Get PRO
жовтень '22
+32
в 0 каналах
Get PRO
вересень '22
+34
в 0 каналах
Get PRO
серпень '22
+34
в 0 каналах
Get PRO
липень '22
+35
в 0 каналах
Get PRO
червень '22
+30
в 0 каналах
Get PRO
травень '22
+23
в 0 каналах
Get PRO
квітень '22
+38
в 0 каналах
Get PRO
березень '22
+34
в 0 каналах
Get PRO
лютий '22
+30
в 0 каналах
Get PRO
січень '22
+39
в 0 каналах
Get PRO
грудень '21
+34
в 0 каналах
Get PRO
листопад '21
+36
в 0 каналах
Get PRO
жовтень '21
+42
в 0 каналах
Get PRO
вересень '21
+81
в 0 каналах
Get PRO
серпень '21
+38
в 0 каналах
Get PRO
липень '21
+31
в 0 каналах
Get PRO
червень '21
+22
в 0 каналах
Get PRO
травень '21
+22
в 0 каналах
Get PRO
квітень '21
+32
в 0 каналах
Get PRO
березень '21
+39
в 0 каналах
Get PRO
лютий '21
+82
в 0 каналах
Get PRO
січень '21
+28
в 0 каналах
Get PRO
грудень '20
+461
в 0 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 19 липня | +1 | |||
| 18 липня | +1 | |||
| 17 липня | +7 | |||
| 16 липня | +1 | |||
| 15 липня | +2 | |||
| 14 липня | +3 | |||
| 13 липня | +2 | |||
| 12 липня | +4 | |||
| 11 липня | +3 | |||
| 10 липня | +6 | |||
| 09 липня | +3 | |||
| 08 липня | +4 | |||
| 07 липня | +4 | |||
| 06 липня | +2 | |||
| 05 липня | +6 | |||
| 04 липня | +5 | |||
| 03 липня | +8 | |||
| 02 липня | +2 | |||
| 01 липня | +8 |
Дописи каналу
معرفی متد جدید QUERY در پروتکل HTTP
متد QUERY یک متد جدید در HTTP است که به کلاینتها اجازه میدهد دادههای پرسوجو (Query) را به جای URL، در بدنه درخواست (Request Body) ارسال کنند.
مانند
GET، این متد نیز به عنوان یک متد امن (بدون اثرات جانبی) و توانهمان (قابل تکرار بدون مشکل) تعریف میشود.
برخلاف POST، این متد صراحتاً نشان میدهد که عملیات مورد نظر، وضعیت سرور را تغییر نخواهد داد.
مشکلی که این متد حل میکند:
درخواستهای GET پارامترهای پرسوجو را در URL کدگذاری میکنند. URLها در عمل دارای محدودیتِ طول هستند؛ به طور کلی حدود ۲۰۰۰ کاراکتر ایمن در نظر گرفته میشود، اگرچه این مقدار در پیادهسازیهای مختلف متفاوت است.
این روش برای پرسوجوهای ساده به خوبی کار میکند، اما زمانی که نیاز به ارسال ساختارهای فیلتر پیچیده، پیلودهای (Payloads) بزرگ JSON یا هر دادهای داشته باشید که در یک URL با اندازه معقول جا نمیشود، با مشکل مواجه میشود.
RFC 10008: The HTTP QUERY Method| 2 | ایجنتیک هارنس (Agentic Harness) چیست؟
به نقل از سایمون ویلسون، هارنس شامل تمام زیرساختها، کدها و ملحقاتی است که بعد از LLM قرار میگیرند تا آن را به یک عامل تبدیل کنند.
به عبارت دیگر، وظیفه هارنس مدیریت ابزارها، اجرای حلقه و ارزیابی برنامهنویسیشده خروجی مدل است تا مشخص کند آیا هدف محقق شده یا نیاز به ادامه حلقه است.
هارنس منطق کنترل، رفتار و دسترسیهای LLM را مدیریت میکند و کاملاً از رابط کاربری (مانند یک چتبات یا محیط توسعه/IDE) مجزا است.
این جداسازی به توسعهدهنده اجازه میدهد یک هارنس واحد را به رابطهای کاربری مختلف متصل کند یا حتی از آن در تسکهای کاملاً خودمختار (Autonomous) بدون نیاز به UI استفاده کند.
منبع: ویدئوی What is Agentic Harness از کانال Google Cloud Tech | 789 |
| 3 |  تست اینشتین (The Einstein Test)
تصویر، پوستر یک ارائه/پژوهش از Google DeepMind با عنوان "LLMs can't jump" اثر Tom Zahavy است.
پوستر این سوال را مطرح میکند:
«فرض کنید یک LLM با دادههای تا سال ۱۹۰۵ (Knowledge Cutoff) آموزش دیده باشد. آیا این مدل با دسترسی به تمام دادههای علمی تا آن زمان، میتوانست نظریه نسبیت عام را اختراع/کشف کند؟»
پاسخ پوستر به این سوال منفی است: "LLMs can't jump!" (مدلهای زبانی نمیتوانند جهش کنند). مدلها نمیتوانند از دادههای تجربی موجود (Sense Experience)، یک جهش خلاقانه به سمت کشف اصول و اصلهای موضوعه جدید (Axioms) داشته باشند.
مدلهای زبانی بزرگ (LLMs) در بازسازی الگوهای موجود در دادهها (استقراء) و پیشبینی بر اساس قوانین موجود (قیاس) فوقالعاده هستند، اما توانایی Abduction (جهشهای ذهنی شهودی و خلق فریمورکهای کاملاً جدید از هیچ) را ندارند؛ به همین دلیل در «تست اینشتین» مردود میشوند. | 1 364 |
| 4 |  نمودار مقایسه مدلها در Agent Coding
این نمودار وضعیت Index Score به API Cost رو برای مدلهای ردهبالا در Agent Coding نشون میده.
تفاوت مدل Luna + Max Effort با Claude Opus 4.8 از لحاظ Score و Cost جالبه.
منبع: لینک | 1 175 |
| 5 |  مدل GPT-5.6 Sol (max) با کسب ۸۰ امتیاز، پیشتاز شاخص عامل کدنویسی تحلیل مصنوعی است.
در حالت حداکثر تلاش استدلالی (max reasoning effort)، مدل GPT-5.6 Sol در شاخص هوش تحلیل مصنوعی هزینهای معادل ۱.۰۴ دلار به ازای هر تسک دارد؛
یعنی سطحی از هوش مشابه با Claude Fable 5 را با تقریباً یکسوم هزینه ارائه میدهد.
سطوح استدلال در مدلهای GPT-5.6 Sol و Luna مجموعهای از گزینهها را در مرز پارتو (Pareto frontier) «هوش در برابر هزینه هر تسک» فراهم میکنند.
به عنوان مثال، مدل GPT-5.6 Luna (max) با هزینهای کمتر، با هوش مدلهای GLM-5.2 (max) و Gemini 3.5 Flash برابری کرده یا حتی از آنها فراتر میرود. هزینهی مدلهای GPT-5.6 Terra (max) و Luna (max) به ازای هر تسک در شاخص هوش به ترتیب ۰.۵۵ و ۰.۲۱ دلار است که حدود ۵۰٪ و ۸۰٪ کمتر از Sol است.
GPT-5.6: Frontier intelligence that scales with your ambition | 1 527 |
| 6 | .
هوش مصنوعی تو رو جایگزین نمیکنه، بلکه تو رو ارتقا میده!
راستش، دیروز که در گروه گفتم کل پروژه لایک مکتبخونه رو کلاد انجام داده، غوغایی بهپا شد و یکسریها ناامید از ادامه یادگیری کدنویسی و هوش مصنوعی شدن و به آرایشگری و سایر شغلها فکر میکردن.
امروز که مشغول کارهام بودم، نوتیفی از یوتوب اومد و ویدئوی تازه IBM Technology رو بهم پیشنهاد داد. عنوان ویدئو این هست:
AI Gave You A Promotion: Why AI Isn’t Replacing Jobs
من هم به این دیدگاه باور دارم. در ادامه، خلاصهای از مطالب گفتهشده در ویدئو رو بخونید.
در گذشته ساختار مشاغل شبیه به یک هرم بود. در قاعده هرم، تعداد زیادی از نیروهای تازهکار (Entry-level) کارهای اجرایی و تکراری (Grunt work) را انجام میدادند. با بالا رفتن در هرم، به افراد باتجربه، مدیران و در نهایت مدیران ارشد (C-suite) میرسیدیم که وظیفه هدایت افراد را بر عهده داشتند.
هوش مصنوعی بخش زیادی از کارهای تکراری و ابتدایی قاعده هرم را بر عهده میگیرد. اما این به معنای حذف افراد نیست؛ بلکه سازمانهای هوشمند این هرم را به یک لوزی تبدیل میکنند. نیروهای تازهکار ارتقا پیدا کرده و با مدیریت ابزارهای هوش مصنوعی، کارهایی در سطح افراد باتجربه انجام میدهند. این همان "ارتقای شغلی" (Promotion) است که هوش مصنوعی به انسانها هدیه میدهد.
با استناد به نظریه ویلیام جوونز در سال ۱۸۶۵ درباره موتورهای بخار و مصرف زغالسنگ، افزایش کارایی لزوماً به کاهش تقاضا ختم نمیشود. وقتی هوش مصنوعی کارایی ما را بالا میبرد، هزینه انجام کارها کاهش یافته و در نتیجه تقاضا و استفاده از آن خدمات بهشدت افزایش مییابد. سازمانهای هوشمند به جای تعدیل نیرو، از این فرصت برای نوآوری بیشتر، جذب مشتریان جدید و اجرای پروژههای بزرگتر استفاده میکنند. برای نمونه، شرکت IBM در سال ۲۰۲۶ برنامه دارد ۲ تا ۳ برابر بیشتر از سال گذشته نیروی تازهکار استخدام کند.
برای اینکه بتوان این ارتقای شغلی را تجربه کرد، تغییر و ارتقای مهارتها (Upskilling) ضروری است:
* انعطافپذیری و یادگیری مستمر (Flexibility): توانایی تطبیق با محیط جدید و یادگیری مداوم.
* کنجکاوی (Curiosity): محرکی که انسان را به سمت پرسیدن سوالهای درست و کشف مسیرهای جدید هدایت میکند.
* خلاقیت (Creativity): تبدیل کنجکاوی به ایدهها و محصولات نوآورانه.
* تفکر انتقادی (Critical Thinking): مهمترین مهارت در عصر AI؛ سنجش این موضوع که صرفاً چون هوش مصنوعی میتواند کاری را انجام دهد، آیا انجام آن درست و منطقی است یا خیر.
بالای این پیام، بخشی از پیام قبلیم رو کوت کردم؛ اینکه گفتم، از وضعیت امروز خوش میاد، چون میتونم ایدهها و کنجکاویهام رو سریع پیاده کنم. این نظر منه، ممکنه واقعا خیلیها موافق نباشن. من فکر میکنم، الان وقت ناامیدی و رهاکردن نیست، بلکه اتفاقا زمان تلاش بیشتر هست.
دیگه صحبت درباره این موضوع رو میبندم.
. | 1 607 |
| 7 | در همین راستا، امیررضا یکسری ویدئوی آموزشی معرفی کرد که درادامه گذاشتم.
این آقا هم شغل اصلیش گرافیک دیزاین هست ولی تحصیلاتش کامپیوتر ، با Claude اومده بک اند و فرانت یک سایت رو کامل ساخته و توضیح کاملی داده. برای من یکی که جالب بود رویکردش
https://youtu.be/isYdaz7NbZE?si=GW1gfRO8QQ9665wR
این یکی ویدئو هم خیلی جالب بود
رفت سایت اپل رو باز کرد و
نحوه نمایش air pod های اپل ( وقتی اسکرول می کنی) و چیدمان ایرپاد ها عوض می شه رو رفت برای یه محصول دیگه انجام داد.
یک عکس از اینترنت برداشت
اونو داد به یه ai ، بهش گفت تمام قطعات باز شده این محصول رو برام تولید کن.
بعدش هم به کمک FFMPEG اومد و دیزاین رو توی فرانت به کمک Claude پیاده کرد و فرانت قشنگی ساخت.
البته خب گرافیک دیزاینر هست و این چیزا رو به خوبی بلده
https://youtu.be/vxaluqBxsRs?si=zTEUXwGJXTs6luP6
منم برای یک کتابفروشی اینترنتی یه پلاگین وردپرس نوشتم با همین Claude و خوب کار کرده تا الان.
یک سایتی هم هست به اسم
https://www.skills.sh/
مجموعه ای از دستورالعمل های حرفه ای برای شغل ها یا تسک های مشخصه.
مثلا برای فرانت می شه skill مربوطه رو اضافه کرد و اون وقت دیگه فرانت رو خیلی خفن تر می سازه نسبت به حالت عادی خودش.
مثلا برای React که برای فرانت هست هم skill داره ، فقط کافیه نصب بشه.
همین هژی هم از skill های فرانت استفاده می کنه و از سایت Dribble هم نمونه هاشو اسکرین شات می گیره و به Claude میگه سایت رو این طوری برام بساز
این هم آموزش خوبیه برای Claude code
https://youtu.be/0EaP6guAy30?is=8xSCzw4HGd8HNTAU
کلاد حتی از طریق MCP هم به فیگما وصل می شه و دیزاین رو مستقیما به کدهای فرانت تبدیل می کنه.
این هم آموزش Claude Design هست.
میشه باهاش دیزاین هم انجام داد.
https://youtu.be/f_qwnlYa6DM?is=NavKCkfG2D5vyKv_
یک ویدئو از یک فرد که اصلا آدم فنی ای هم نیست و رفته سراغ Claude code میذارم تا کامل مطلب جا بیفته
https://youtu.be/YVaEfiQIBT8?is=c7C0xXsxYNeBq26W
این هم برای این هست که از Claude code استفاده کنیم بدون مدل های خود Claude، در واقع از مدل های رایگان در Claude code
https://youtu.be/Gc0V6KNOKDQ?is=CopWpRBhfuPYowJO
از هر کسی یا هر جایی خواستید اکانت Claude بگیرید بهشون بگید از طریق gift براتون فعال کنن.
https://support.claude.com/en/articles/12938627-how-to-gift-a-claude-subscription
این طوری با یه کردیت کارت می شه کلی اکانت فعال کرد و نسبتا safe تر هست. | 1 297 |
| 8 | کل این پروژه رو کلاد رایگان زده. من حتی یک فایل پایتونی هم نساختم. خودش کد زد، اجرا کرد، خروجی گرفت و ... نهایتا کد و خروجیها رو برگردوند. من فقط ایده رو دادم، پترن استخراج اطلاعات رو گفتم و کار رو بخشبندی کردم که در چند مرحله انجام بده. شاید اصلا نیازی نبود که همین اندازه هم کاری کنم.
راستش من خوش میاد که میتونم ایدهها و کنجکاویهام رو سریع پیاده کنم. قطعا قبلا اگه این ایده به ذهنم میرسید، کنار میذاشتم؛ چون فرصتش رو نداشتم که یک عالمه براش وقت بذارم. | 1 082 |
| 9 |  لایک/دیسلایک ویدئوهای یک دوره مکتبخونه رو استخراج و تحلیل کردم. این دورهای که انتخاب کردم، ۷۳ ویدئو داشت که در هر ویدئو یکسری افراد لایک/دیس زده بودن.
نمودار بالا نشون میده تعداد لایکها با شیب قابلتوجهی (و از نظر آماری معنادار، p<0.0001) در طول دوره افت میکنه. به نظرم بیش از اینکه این مسئله به کیفیت دوره مربوط باشه، به رها کردن دوره توسط درصد بالایی از افراد ارتباط داره؛ قبلا هم در اینباره نکتهای گفته بودم: لینک
دو ویدئوی اول تعداد لایک بسیار بیشتری نسبت به سایر ویدئوها دارن، در حد اوتلایر! فکر میکنم این میتونه چند دلیل داشته باشه؛ یکیش میتونه هیجان مخاطب در شروع دوره باشه.
سه ویدئو تعداد دیسلایک بالاتری نسبت به بقیه دریافت کردن؛ با فاصله آماری قابلتوجهی از بقیه، میتونیم بگیم اوتلایرن. طبق بررسی خودم، این ویدئوها رضایت مخاطب رو کمتر جلب کردن. به نظر من، دقیقا در دو ویدئوی متوالی، مدرس اگرچه کار عملی رو بهدرستی انجام داده بود، اما اجرای نسبتا بینظم و مبهمی داشت؛ البته این صرفا برداشت شخصی من هست. | 1 266 |
| 10 |  +1سایت Made With ML
این سایت، یکی از منابع آموزشی خوب برای یادگیری توسعه محصول مبتنی بر یادگیری ماشین هست.
تصاویر (معرفی سایت و فهرست مطالب دوره) به اندازه کافی واضح هست. اما خود سایت میگه:
Learn how to combine machine learning with software engineering to design, develop, deploy and iterate on production ML applications.
توی کتاب خانم Chip Huyen هم به عنوان منبع ذکر شده. من کورس توی این سایت رو ندیدم. اما خوب بررسی کردم. گذاشتم توی صف مطالعه. بعد از کتاب خانم Huyen میخوام این رو مطالعه کنم. | 1 372 |
| 11 | گپ دوستانه مهرزاد صمدی با امیر حرمتی
یکی از نویسندههای استاندارد جدید گوگل OKF
برای مرتب کردن داده برای LLMها
https://youtu.be/3JyKypJsFCc | 1 544 |
| 12 |  کتاب جبر خطی به شیوه درست
Linear Algebra Done Right
Sheldon Axler
نسخه اصلی : (June 18 , 2026)
https://linear.axler.net/LADR4e.pdf
نسخه فارسی : (June 20 , 2026)
https://linear.axler.net/LADR4eFarsi.pdf | 2 571 |
| 13 | +1 در راستای پست بالا، مهدی این دو تا فایل رو همراه با توضیح زیر در گروه فرستاد. من فایل بلوپرینت رو خوندم. خیلی خوب بود. دومی رو فرصت نکردم بخونم.
استک جالبی در این زمینه هست (DVC , MLflow , Evidently ai) که تا حدودی زیر رشته mlops محسوب میشه ولی برای مهندسی هوش مصنوعی در محیط پروداکشن ضروری هست
در بازار مالی این مصیبت به طریق اولا وجود داره
علاوه بر تغییر توزیع داده ها دچار تغییر کانسپت (تغییر معنایی ) هم هستیم یعنی خود فیچرها تغییر میکنند اونهم در مدت زمان های کوتاه مدت در حد چند روز | 1 749 |
| 14 | The_MLOps_Control_Room.pdf | 478 |
| 15 | .
فصل هشتم کتاب Designing Machine Learning Systems از خانم Chip Huyen درباره Data Distribution Shifts and Monitoring:
بیا این فصل را با داستانی شروع کنیم که یکی از مدیران اجرایی برای من تعریف کرد؛ داستانی که شاید بسیاری از خوانندگان بتوانند با آن همذاتپنداری کنند. حدود دو سال پیش، شرکت او یک شرکت مشاوره را استخدام کرد تا یک مدل یادگیری ماشین توسعه دهد که به آنها در پیشبینی میزان نیاز هفتهی آینده به هر یک از اقلام خواربار کمک کند، تا بتوانند بر همان اساس اقلام را مجدداً موجود کنند. آن شرکت مشاوره شش ماه زمان صرف کرد تا مدل را توسعه دهد. وقتی شرکت مشاوره مدل را تحویل داد، شرکتِ این مدیر آن را مستقر (عملیاتی) کرد و از عملکردش بسیار راضی بود. آنها در نهایت میتوانستند نزد سرمایهگذاران خود پز بدهند که شرکتی مبتنی بر هوش مصنوعی هستند.
با این حال، یک سال بعد، ارقام آنها افت کرد. تقاضا برای برخی اقلام بهطور مداوم بیش از حد واقعی برآورد میشد که این امر باعث فاسد شدن اقلام اضافه میشد. همزمان، تقاضا برای برخی اقلام نیز بهطور مستمر کمتر از حد واقعی برآورد میشد که به از دست رفتن فروش منجر میشد. در ابتدا، تیم انبارداری آنها پیشبینیهای مدل را بهصورت دستی تغییر میدادند تا الگوهایی را که متوجه شده بودند اصلاح کنند، اما در نهایت، پیشبینیهای مدل آنقدر بد شد که دیگر نتوانستند از آن استفاده کنند. آنها سه راه پیش رو داشتند: - پرداخت مبلغی گزاف به همان شرکت مشاوره برای بهروزرسانی مدل
- پرداخت پولی حتی بیشتر به یک شرکت مشاورهی دیگر (چون این شرکت جدید برای مسلط شدن به کار نیاز به زمان داشت)
- یا استخدام یک تیم داخلی برای نگهداری از مدل از آن زمان به بعد
شرکت او این درس مهم را با سختی فراوان آموخت؛ درسی که بقیهی فعالان این صنعت نیز در حال کشف آن هستند: استقرار یک مدل، پایان فرآیند نیست. عملکرد یک مدل بهمرور زمان در محیط عملیاتی افت میکند. هنگامی که یک مدل مستقر شد، ما همچنان باید بهطور مداوم بر عملکرد آن نظارت کنیم تا مشکلات را شناسایی کرده و برای رفع این مشکلات، بهروزرسانیهایی را مستقر کنیم.
تغییر توزیع دادهها (Data Distribution Shifts) پدیدهای است که رخ میدهد که توزیع دادهها در محیط عملیاتی، با توزیع دادههایی که مدل در طول آموزش با آنها مواجه شده، متفاوت بوده و از آن فاصله بگیرد. | 2 030 |
| 16 |  برای رفع خطای Antigravity
اول به آدرس زیر برید :
https://policies.google.com/country-association-form
احتمالا در این بخش نوشته شده Iran
As shown in Google’s Terms of Service, your account is associated with:
Iran
کمی پایین تر باید کشور رو تغییر بدید
Which region should your account be associated with instead?
طبیعتا با VPN باید این مراحل رو انجام بدید
و اینکه قبل از انتخاب کشور. باید بدونید VPN شما روی چه سروری هست
بهتره از این سایت لوکیشن رو چک کنید
https://www.iplocation.net/
به این خاطر هست که مثلا شما از سرور آلمان دارید استفاده میکنید
ولی شاید لوکیشن واقعی آلمان نباشه!
وقتی لوکیشن روچک میکنید . میزنه فنلاند یا هلند یا ترکیه یا ...
بعد از چک کردن لوکیشن
در این بخش کشور رو انتخاب کنید
Which region should your account be associated with instead?
و در قسمت پایین تر گزینه I travel often رو انتخاب کنید و بعد سابمیت.
معمولا بین ۲-۳ ساعت جواب میاد.
جواب ایمیل به این صورت هست :
You recently sent us a request to
...
to Netherlands.
Previous country: Iran
Current country: Netherlands | 1 813 |
| 17 | دوستان این گفتوگوی کیانوش مختاریان رو هم توصیه کردن:
https://www.youtube.com/watch?v=a4lriEKyTjc | 1 501 |
| 18 | نکته سوم: اجبار ایجاد کن!
خیلی از ماها، دوست داریم برای پیشرفتمون و بهبود ضعفهامون، کتابی بخونیم، دورهای ببینیم، تحقیقی انجام بدیم، فریمورکی یاد بگیریم و... اما مشکل اینجاست که مشغلهها نمیذارن ما این کارهای اختیاری رو اجرایی کنیم؛ یا اینکه شروع میکنیم، ولی به اتمام نمیرسونیم.
در چنین شرایطی، من هر وقت که تونستم برنامه اختیاری رو به شکلی به حالت اجبار دربیارم، نتیجه خوبی گرفتم. یک مثال میزنم.
یکسری کار عقبافتاده در خونه داشتم که باید رسیدگی میکردم. تصمیم گرفته بودم، جمعه صبح (امروز) انجام بدم. امروز قبل شروع کار، با خودم گفتم چطوره که حین کار یه پادکستی هم گوش بدم. توی یوتوب گشتم و ویدئوی بالا رو اتفاقی دیدم و گفتم همین رو گوش میدم.
من خیلی وقت پادکست ندارم. اهلش هم نیستم. اما، وقتی این دو تا رو به هم گره زدم، هم دو ساعت کار کردم و هم پادکست رو تا آخر گوش کردم. آخرای کارم اینطوری بود که میگفتم، خب هنوز پادکست تموم نشده، این دو تا کارم انجام بدم.
حالا، یکی ممکنه وظیفهش این باشه که خواهر/برادر/بچهش رو ببره کلاس و دو ساعت بعد هم بره دنبالش. شاید بتونه این دو ساعت رو همون اطراف، پارکی، فضای مطالعهای،کافهای پیدا کنه و اون کار اختیاری رو انجام بده. | 1 432 |
| 19 | امروز، گفتوگوی دوساعته کیانوش مختاریان (مدیر سابق گوگل) رو گوش کردم. بسیار بسیار برای من آموزنده بود. کاش میتونستم نکات مثبتش رو بنویسم.
ایشون، دو سالی هست به ایران برگشته و در شرکت یکتانت مشغول بود.
https://youtu.be/eIX97y3dT9c?si=DeqHss6NeKXbPY3x | 1 773 |
| 20 |  3️⃣ ویدئوی تازه منتشرشده درباره یادگیری ماشین در یوتوب 👇
1️⃣ یادگیری ماشین چیست؟ کلیک کنید!
2️⃣ پیشنیازهای یادگیری ماشین (بررسی واقعبینانه و دقیق) کلیک کنید!
3️⃣ یادگیری ماشین بدون ریاضی و کدنویسی؟! کلیک کنید!
✅ ویدئوهای بیشتری با عنوان "یادگیری ماشین به زبان ساده" در راه است... | 1 325 |
