Control Engineering

مرور مفاهیم پایه ای @ControlEngineering98

14 روش اساسی برای تنظیم ضرایب #PID👇👇 @ControlEngineering98

روشهای تنظیم دستی، نقشۀ تنظیم و دستور pidtune

روشهای تنظیم مبتنی بر بهینه سازی

روش تنظیم 𝜆 و روش تنظیم هالمن (Haalman)

تنظیم PID بر اساس روش IMC

روشهای CHR و Cohen-Coon

روش AMIGO

روش تنظیم شیب

روشهای کلاسیک زیگلر-نیکولز (Ziegler-Nichols)

مرور مفاهیم پایه ای

📹 جلسه اول 🟢 درس کنترل مدرن 👤 دکتر ایمان شریفی #️⃣ #کنترل_مدرن_مجازی 💥 @MOHANDESYAR

٭ هوش مصنوعی جدید گوگل قدرت فکرکردن دارد! بنابر گزارش 9to5google، گوگل از مدل آزمایشی جدیدی با نام Gemini 2.0 Flash Thinking رونمایی کرده است که گامی مهم در عرصه هوش مصنوعی محسوب می‌شود. این مدل با تمرکز بر شفاف‌سازی فرایند حل مسئله، می‌تواند نحوه‌ی تفکر خود را به‌صورت واضح نشان دهد و راه‌حل‌های پیچیده‌تری ارائه دهد. مدل هوش مصنوعی Gemini 2.0 Flash Thinking بر پایه‌ی سرعت و عملکرد بالای Gemini 2.0 Flash بنا شده و به‌گونه‌ای آموزش دیده است که به‌اصطلاح «با صدای بلند فکر کند»؛ این ویژگی به بهبود چشمگیر عملکرد استدلالی آن منجر می‌شود. گوگل با نمایش نمونه‌هایی در زمینه‌های فیزیک، احتمالات و حتی پازل‌های تصویری و متنی، توانایی‌های مدل Gemini 2.0 Flash Thinking را به رخ کشیده و آن را رقیبی جدی برای مدل o1 شرکت OpenAI معرفی کرده است. یکی از ویژگی‌های برجسته‌ی Gemini 2.0 Flash Thinking، قابلیت نمایش گام‌به‌گام فرایند استدلال آن قبل از ارائه‌ی پاسخ نهایی است که به کاربران و توسعه‌دهندگان امکان می‌دهد تا درک عمیق‌تری از نحوه‌ی عملکرد مدل پیدا کنند و به نتایج آن اعتماد بیشتری داشته باشند. مدل Gemini 2.0 Flash Thinking در حال حاضر در Google AI Studio و Vertex AI در دسترس توسعه‌دهندگان قرار دارد و آن‌ها می‌توانند با استفاده از گزینه‌ی «نمایش تفکرات مدل»، فرایند استدلال را به‌صورت لحظه‌ای مشاهده کنند. جدیدترین مدل هوش مصنوعی گوگل در بدو ورود، توانسته است در صدر جدول رده‌بندی LLM Chatbot Arena در تمامی دسته‌ها قرار بگیرد؛ این موفقیت در حالی حاصل شده که پیش‌تر نیز مدل‌های دیگری از خانواده جمینای، مانند Gemini-Exp-1206 و 2.0 Experimental Advanced در صدر جدول قرار داشتند. عملکرد Gemini 2.0 Flash Thinking نسبت به مدل Gemini 2.0 Flash، بهبود چشمگیری را تجربه می‌کند؛ به‌عنوان‌مثال در دسته‌بندی کلی، رتبه‌ی آن از ۳ به ۱، در بخش کنترل سبک از ۴ به ۱، در ریاضیات از ۲ به ۱، در نویسندگی خلاق از ۲ به ۱، در سؤال‌های دشوار با ۱۴ امتیاز افزایش به ۱ و در بخش بینایی با ۱۶ امتیاز افزایش به رتبه ۱ رسیده است. گوگل Gemini 2.0 Flash Thinking را به‌عنوان بخشی از خانواده‌ی هوش مصنوعی جمینای ۲.۰ معرفی می‌کند؛ بنابراین به احتمال بسیار زیاد، قابلیت‌های استدلالی این مدل، در آینده در مدل اصلی جمینای ادغام خواهد شد. در حال حاضر، مدل دیگری با نام «1.5 Pro with Deep Research» نیز برای وظایف خاص در دسترس است. منبع دسترسی مستقیم به Gemini 2.0 Flash Thinking @ControlEngineering98

#اطلاعیه 💠 به اطلاع دانشگاهیان محترم می رساند؛ کلاس‌های درس از روز یکشنبه دوم دی ماه ۱۴۰۳ به بعد طبق روال معمول و به صورت حضوری برگزار می‌شود. 🔹بر اساس اعلام مسئولین دانشگاه تبریز در راستای ارایه برنامه دقیق نحوه برگزاری کلاسها و رفاه حال دانشجویان، برای برنامه ریزی درباره روزهای باقیمانده نیمسال تحصیلی جاری، امروز جمعه جلسه تصمیم گیری در مورد نحوه برگزاری کلاس ها تشکیل و مقرر شد کلاسهای درس روزهای دوم دی ماه تا پایان ترم به صورت حضوری تشکیل شود. ▫️پیش از این طی اطلاعیه ای اعلام شده بود که جلسه تصمیم گیری در مورد نحوه برگزاری کلاسها، روز شنبه برگزار می شود. ♻️ فعالیت های اداری دانشگاه نیز از روز شنبه یکم دی ماه به صورت حضوری خواهد بود. روابط عمومی دانشگاه تبریز

📱 5 تا از بهترین منابع رایگان 🗂برای تازه وارد‌های حوزه یادگیری ماشین 👨🏻‍💻 2025 نزدیکه و گفتم بد نیست بهترین منابع رایگان برای یادگیری ماشین لرنینگ رو که خودم امسال ازشون استفاده کردم و به نظرم فوق‌العاده بودن، بهتون معرفی کنم. 1️⃣ دوره مقدمه‌ای به یادگیری ماشین 💰 یادگیری مفاهیم پایه یادگیری ماشین، الگوریتم‌ها و کاربردهاش توی مسائل دنیای واقعی. ✂️ ✂️ ✂️ ✂️ ✂️ 2️⃣ دوره سیستم‌های چندعاملی AI با crewAI 💰 آموزش اصول طراحی مؤثرترین عامل‌های هوش مصنوعی برای انجام وظایف پیچیده و چندمرحله‌ای. ✂️ ✂️ ✂️ ✂️ ✂️ 3️⃣ دوره پردازش زبان طبیعی با یادگیری عمیق 💰 بررسی مبانی پردازش زبان طبیعی و کاربردهای یادگیری عمیق در این حوزه. ✂️ ✂️ ✂️ ✂️ ✂️ 4️⃣ دوره یادگیری برنامه‌نویسی پایتون 💰 شروع یادگیری پایتون از صفر، از مفاهیم ابتدایی گرفته تا استفاده از کتابخانه‌های مختلف برای حل مسائل مختلف. ✂️ ✂️ ✂️ ✂️ ✂️ 5️⃣ دوره مقدمه‌ای به برنامه‌نویسی پایتون 💰 یادگیری مبانی پایتون به شکلی ساده و کاربردی، برای شروع برنامه‌نویسی. 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

✅ «نقشه راه من» برای شروع یادگیری ماشین 👨🏻‍💻 وقتی می‌خواستم یادگیری ماشین رو شروع کنم، کلی ویدیو دیدم، دوره آنلاین ثبت‌نام کردم و مستقیم رفتم سراغ پروژه‌های ساده Kaggle. فکر می‌کردم اگه یه سری پروژه اجرا کنم، متخصص این حوزه میشم :))) اما خیلی زود فهمیدم بدون ساختن پایه‌ قوی در یادگیری ماشین، این کار بیشتر شبیه سرهم‌بندی نتایج آماده‌ست تا یادگیری واقعی! ✏️ خیلی‌ها مثل من این اشتباه رو می‌کنن که یادگیری ماشین رو فقط توی کدنویسی یا اجرای مدل‌ها خلاصه می‌کنن. ولی باید بدونیم که یادگیری ماشین فقط ابزارهای جذاب مثل TensorFlow یا scikit-learn نیست؛ این علم روی ستون‌های قوی مثل جبر خطی، آمار و احتمال، حساب دیفرانسیل و انتگرال و بهینه‌سازی ساخته شده! ✅ این‌ها نه تنها ستون‌های اصلی یادگیری ماشین هستن، بلکه مثل یک نقشه‌ی راه بهت کمک می‌کنن که بهتر مسائل رو تحلیل کنی و الگوریتم‌ها رو بفهمی. ❓ حالا چرا باید یادگیری ML رو از پایه شروع کنیم؟ 💸 دنیای امروز پر شده از پروژه‌های آماده و اسکریپت‌های "Copy-Paste". ممکنه وسوسه بشین از همون اول برین سراغ مسابقات Kaggle یا مدل‌های آماده. اما وقتی پایه‌ها رو یاد نگرفتین، بعداً توی تحلیل عمیق مسائل و توسعه مدل‌های خودتون به مشکل می‌خورین! ⏪ برای اینکه کار رو برای کسایی که تازه یادگیری ML رو شروع کردن راحت‌تر کنم، یه دوره رایگان توی کانال یوتیوبم درست کردم. اسم این دوره رو گذاشتم: "پایه‌های یادگیری ماشین". 💰 توی این دوره، از صفر شروع کردم و قدم‌به‌قدم مفاهیم یادگیری ماشین رو توضیح دادم:👇 1️⃣ معرفی دوره 2️⃣ جبر خطی 3️⃣ تبدیل خطی به‌عنوان ضرب ماتریسی 4️⃣ محصول دو ماتریس به‌عنوان ترکیب تبدیل‌ها 5️⃣ تبدیل خطی در فضای سه‌بعدی 6️⃣ شهود فیزیکی برای دترمینان 7️⃣ تبدیل با ماتریس‌های غیرمربع (۲D به ۳D) 8️⃣ معکوس ماتریس و مفهومش در تبدیل‌ها 9️⃣ ارتباط ضرب نقطه‌ای با تبدیل‌ها 1️⃣ شهود ساده برای مقادیر و بردارهای ویژه 1️⃣ آمار و احتمال 1️⃣ مقدمه‌ای بر احتمال شرطی 1️⃣ شهود و مفاهیم اولیه قضیه بیز 1️⃣ توزیع‌های احتمالی 1️⃣ آزمون فرضیه 📚 بعد از این دوره چیکار کنیم؟ 📌 وقتی پایه‌ یادگیری ماشین‌تون رو قوی کردین، وقتشه که خودتون دست به کار بشین و مدل‌های یادگیری ماشین بسازین! پیشنهاد می‌کنم از این دوتا پلی‌لیست فوق‌العاده استفاده کنین:👇 1⃣ آموزش ML + انجام پروژه‌ها در ۳۷ جلسه 🔢 ساخت شبکه‌های عصبی از پایه در ۳۴ جلسه 🌐 #یادگیری_ماشین #MachineLearning ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 💡 مهندس ML شوید : 💡 @MachineLearning_ir 📱 پیج اینستاگرام: 💡 @MachineLearning_fa

🔰 دوره کوتاه آموزشی زبان اسمبلی 💠 ویدیو شماره چهارده

🔰 دوره کوتاه آموزشی زبان اسمبلی 💠 ویدیو شماره سیزده