Forwarded from Ali
گزارش مورد بررسی که توسط گروه مشاوره Implement و با حمایت گوگل تهیه شده است، به تحلیل فرصتهای اقتصادی ناشی از هوش مصنوعی (AI) بهویژه هوش مصنوعی مولد (Generative AI) در اتحادیه اروپا میپردازد. هدف این گزارش، فراتر رفتن از فضای تبلیغاتی پیرامون AI و ارزیابی پتانسیل واقعی آن در حل چالشهای اقتصادی و بهرهوری اروپا است.
چالشهای اصلی اتحادیه اروپا
رشد اقتصادی کند: رشد تولید ناخالص داخلی (GDP) اتحادیه اروپا از سال ۲۰۱۰ به طور مداوم از آمریکا عقبتر بوده و اقتصاد آمریکا اکنون ۱۶٪ بزرگتر از اقتصاد اتحادیه اروپا است.
شکاف در تحقیق و توسعه (R&D): سهم اتحادیه اروپا از GDP در زمینه R&D تنها ۲٪ است، در حالی که کشورهای پیشرو مانند کره جنوبی و اسرائیل بیش از ۵٪ از GDP خود را در این زمینه سرمایهگذاری میکنند.
توسعه ضعیف فناوری: اروپا در حوزههای کلیدی آینده مانند محاسبات کوانتومی، نیمههادیهای پیشرفته و هوش مصنوعی از آمریکا و چین عقبتر است. به عنوان مثال، در سال ۲۰۲۲ تنها ۲٪ از پتنتهای هوش مصنوعی متعلق به اتحادیه اروپا بوده است، در حالی که چین با ۶۱٪ و آمریکا با ۲۱٪ پیشرو هستند.
پتانسیل هوش مصنوعی مولد برای اتحادیه اروپا
افزایش GDP: تخمین زده میشود که در صورت پذیرش گسترده هوش مصنوعی مولد، تولید ناخالص داخلی اتحادیه اروپا طی ۱۰ سال آینده بین ۱.۲ تا ۱.۴ تریلیون یورو افزایش یابد، معادل ۸٪ رشد سالانه.
افزایش بهرهوری: هوش مصنوعی مولد میتواند بهرهوری ۶۱٪ از مشاغل را با بهبود کیفیت و سرعت کار افزایش دهد. مشاغلی مانند تحلیلگران، مهندسان، مدیران و کارکنان دولتی از جمله گروههایی هستند که بیشترین بهره را میبرند.
خلاقیت و نوآوری: این فناوری با تولید محتوا، شبیهسازیهای پیشرفته، و تجزیهوتحلیل دادهها میتواند به تسریع فرآیندهای نوآوری در بخشهای علمی و اقتصادی کمک کند.
تأثیر بر مشاغل
مشاغل تکمیلشده توسط AI: ۶۱٪ مشاغل موجود با استفاده از هوش مصنوعی مولد تقویت خواهند شد. این شامل مشاغلی است که نیاز به تفکر خلاق و حل مسائل پیچیده دارند.
مشاغل متأثر از اتوماسیون: حدود ۷٪ از مشاغل (۱۵ میلیون شغل) ممکن است نیاز به تغییرات اساسی داشته باشند. این شامل مشاغلی با وظایف تکراری، مانند کارمندان دفتری و مترجمان، است.
بازآموزی و انتقال شغلی: گزارش تأکید دارد که با برنامههای بازآموزی و مهارتافزایی، میتوان این تغییرات را مدیریت کرد و نیروی کار را به حوزههای جدید هدایت کرد.
مزایای بالقوه در بخشهای مختلف
خدمات عمومی: هوش مصنوعی مولد میتواند با ارائه راهکارهای هوشمند، کیفیت خدمات عمومی را بهبود بخشد و زمان آزاد شده را به خدمات ارزشمندتر اختصاص دهد.
نوآوری علمی: هوش مصنوعی با تواناییهای پیشرفته خود میتواند کشفیات علمی را سرعت بخشد، به ویژه در زمینههایی مانند پیشبینی مولکولی، ژنومیک، و کشف دارو.
افزایش بهرهوری در بخش خدمات: برخلاف فناوریهای گذشته که بیشتر به بخش تولیدی کمک میکردند، هوش مصنوعی مولد میتواند بهرهوری در بخش خدمات، مانند آموزش، بهداشت و تجارت را به طور قابل توجهی افزایش دهد.
چالشها و موانع پذیرش AI
پذیرش کم در میان کسبوکارهای کوچک و متوسط (SME): تنها ۷٪ از SMEها در سال ۲۰۲۳ از AI استفاده کردهاند، در مقایسه با ۳۰٪ شرکتهای بزرگ.
مشکلات قانونی و شفافیت: عدم اطمینان قانونی و هزینههای تطبیق با مقررات میتواند سرعت پذیرش AI را کاهش دهد، بهویژه برای SMEها.
نیاز به زیرساختها و مهارتها: زیرساختهای محاسباتی و مهارتهای انسانی برای بهرهبرداری کامل از هوش مصنوعی هنوز در بسیاری از نقاط اتحادیه اروپا محدود است.
راهکارهای پیشنهادی برای موفقیت
سرمایهگذاری در تحقیق و توسعه: افزایش بودجه R&D و حمایت از همکاریهای بینالمللی، بهویژه با آمریکا، برای انتقال فناوری و مهارتها.
ایجاد مقررات شفاف: تدوین سیاستهای واضح برای حفاظت از حریم خصوصی و امنیت دادهها در عین تسهیل نوآوری.
آموزش نیروی کار: برنامههای آموزشی برای بازآموزی کارکنان و آمادهسازی آنها برای همکاری با فناوریهای جدید.
ترویج پذیرش گسترده: حمایت از SMEها از طریق کمکهای فنی و برنامههای آموزشی.
نتیجهگیری
این گزارش نتیجه میگیرد که هوش مصنوعی مولد فرصتی بینظیر برای اروپا فراهم میکند تا از کاهش قدرت اقتصادی خود جلوگیری کرده و رقابتپذیری جهانی خود را افزایش دهد. با این حال، بهرهبرداری کامل از این فرصت مستلزم سرمایهگذاری، نوآوری، آموزش و ایجاد قوانین مناسب است.
چالشهای اصلی اتحادیه اروپا
رشد اقتصادی کند: رشد تولید ناخالص داخلی (GDP) اتحادیه اروپا از سال ۲۰۱۰ به طور مداوم از آمریکا عقبتر بوده و اقتصاد آمریکا اکنون ۱۶٪ بزرگتر از اقتصاد اتحادیه اروپا است.
شکاف در تحقیق و توسعه (R&D): سهم اتحادیه اروپا از GDP در زمینه R&D تنها ۲٪ است، در حالی که کشورهای پیشرو مانند کره جنوبی و اسرائیل بیش از ۵٪ از GDP خود را در این زمینه سرمایهگذاری میکنند.
توسعه ضعیف فناوری: اروپا در حوزههای کلیدی آینده مانند محاسبات کوانتومی، نیمههادیهای پیشرفته و هوش مصنوعی از آمریکا و چین عقبتر است. به عنوان مثال، در سال ۲۰۲۲ تنها ۲٪ از پتنتهای هوش مصنوعی متعلق به اتحادیه اروپا بوده است، در حالی که چین با ۶۱٪ و آمریکا با ۲۱٪ پیشرو هستند.
پتانسیل هوش مصنوعی مولد برای اتحادیه اروپا
افزایش GDP: تخمین زده میشود که در صورت پذیرش گسترده هوش مصنوعی مولد، تولید ناخالص داخلی اتحادیه اروپا طی ۱۰ سال آینده بین ۱.۲ تا ۱.۴ تریلیون یورو افزایش یابد، معادل ۸٪ رشد سالانه.
افزایش بهرهوری: هوش مصنوعی مولد میتواند بهرهوری ۶۱٪ از مشاغل را با بهبود کیفیت و سرعت کار افزایش دهد. مشاغلی مانند تحلیلگران، مهندسان، مدیران و کارکنان دولتی از جمله گروههایی هستند که بیشترین بهره را میبرند.
خلاقیت و نوآوری: این فناوری با تولید محتوا، شبیهسازیهای پیشرفته، و تجزیهوتحلیل دادهها میتواند به تسریع فرآیندهای نوآوری در بخشهای علمی و اقتصادی کمک کند.
تأثیر بر مشاغل
مشاغل تکمیلشده توسط AI: ۶۱٪ مشاغل موجود با استفاده از هوش مصنوعی مولد تقویت خواهند شد. این شامل مشاغلی است که نیاز به تفکر خلاق و حل مسائل پیچیده دارند.
مشاغل متأثر از اتوماسیون: حدود ۷٪ از مشاغل (۱۵ میلیون شغل) ممکن است نیاز به تغییرات اساسی داشته باشند. این شامل مشاغلی با وظایف تکراری، مانند کارمندان دفتری و مترجمان، است.
بازآموزی و انتقال شغلی: گزارش تأکید دارد که با برنامههای بازآموزی و مهارتافزایی، میتوان این تغییرات را مدیریت کرد و نیروی کار را به حوزههای جدید هدایت کرد.
مزایای بالقوه در بخشهای مختلف
خدمات عمومی: هوش مصنوعی مولد میتواند با ارائه راهکارهای هوشمند، کیفیت خدمات عمومی را بهبود بخشد و زمان آزاد شده را به خدمات ارزشمندتر اختصاص دهد.
نوآوری علمی: هوش مصنوعی با تواناییهای پیشرفته خود میتواند کشفیات علمی را سرعت بخشد، به ویژه در زمینههایی مانند پیشبینی مولکولی، ژنومیک، و کشف دارو.
افزایش بهرهوری در بخش خدمات: برخلاف فناوریهای گذشته که بیشتر به بخش تولیدی کمک میکردند، هوش مصنوعی مولد میتواند بهرهوری در بخش خدمات، مانند آموزش، بهداشت و تجارت را به طور قابل توجهی افزایش دهد.
چالشها و موانع پذیرش AI
پذیرش کم در میان کسبوکارهای کوچک و متوسط (SME): تنها ۷٪ از SMEها در سال ۲۰۲۳ از AI استفاده کردهاند، در مقایسه با ۳۰٪ شرکتهای بزرگ.
مشکلات قانونی و شفافیت: عدم اطمینان قانونی و هزینههای تطبیق با مقررات میتواند سرعت پذیرش AI را کاهش دهد، بهویژه برای SMEها.
نیاز به زیرساختها و مهارتها: زیرساختهای محاسباتی و مهارتهای انسانی برای بهرهبرداری کامل از هوش مصنوعی هنوز در بسیاری از نقاط اتحادیه اروپا محدود است.
راهکارهای پیشنهادی برای موفقیت
سرمایهگذاری در تحقیق و توسعه: افزایش بودجه R&D و حمایت از همکاریهای بینالمللی، بهویژه با آمریکا، برای انتقال فناوری و مهارتها.
ایجاد مقررات شفاف: تدوین سیاستهای واضح برای حفاظت از حریم خصوصی و امنیت دادهها در عین تسهیل نوآوری.
آموزش نیروی کار: برنامههای آموزشی برای بازآموزی کارکنان و آمادهسازی آنها برای همکاری با فناوریهای جدید.
ترویج پذیرش گسترده: حمایت از SMEها از طریق کمکهای فنی و برنامههای آموزشی.
نتیجهگیری
این گزارش نتیجه میگیرد که هوش مصنوعی مولد فرصتی بینظیر برای اروپا فراهم میکند تا از کاهش قدرت اقتصادی خود جلوگیری کرده و رقابتپذیری جهانی خود را افزایش دهد. با این حال، بهرهبرداری کامل از این فرصت مستلزم سرمایهگذاری، نوآوری، آموزش و ایجاد قوانین مناسب است.
Forwarded from National Brain Mapping Lab
🔰 آزمایشگاه ملی نقشه برداری مغز برگزار میکند:
💠 دهمین کارگاه مبانی پردازش سیگنال های حیاتی و یادگیری ماشین با نرم افزار متلب با محوریت علوم اعصاب محاسباتی💠
🟢مدرس:
دکتر علی مطیع نصر آبادی، استاد دانشگاه شاهد
🕑زمان:
۶ و ۷ دی ماه ۱۴۰۳
‼️ظرفیت محدود ‼️
🌐برای ثبت نام و کسب اطلاعات بیشتر کلیک کنید.
☎️ تماس با ما: 02186093155
💠Telegram
💠Instagram
💠LinkedIn
🌐Website
💠 دهمین کارگاه مبانی پردازش سیگنال های حیاتی و یادگیری ماشین با نرم افزار متلب با محوریت علوم اعصاب محاسباتی💠
🟢مدرس:
دکتر علی مطیع نصر آبادی، استاد دانشگاه شاهد
🕑زمان:
۶ و ۷ دی ماه ۱۴۰۳
‼️ظرفیت محدود ‼️
🌐برای ثبت نام و کسب اطلاعات بیشتر کلیک کنید.
☎️ تماس با ما: 02186093155
💠Telegram
🌐Website
به درخواست شرکت کنندگان دوره eeg قرار شد کارگاه کد نویسی برگزار شود
سرفصل در زیر اورده شده است
سرفصل در زیر اورده شده است
Forwarded from EEG workshop
Matlab For Neuroscientists.pdf
29.3 MB
📚هفته دوم
#book
Matlab For Neuroscientists
#هفته_راباکتاب_آغاز_کنیم
📱لینک عضویت کانال پردازش سیگنال های مغزی:
Open channel:
✅ https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
#book
Matlab For Neuroscientists
#هفته_راباکتاب_آغاز_کنیم
📱لینک عضویت کانال پردازش سیگنال های مغزی:
Open channel:
✅ https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
دهمین کارگاه مبانی پردازش سیگنالهای حیاتی و یادگیری ماشین با نرم افزار متلب با محوریت علوم اعصاب محاسباتی
بر اساس این کتاب طراحی شده است و اکثر فصول ۱تا ۱۹ ان بطور کامل یا نسبی پوشانده شده است
علاوه بر ان مطالب مرتبط با یادگیری ماشین نیز اورده شده است
بر اساس این کتاب طراحی شده است و اکثر فصول ۱تا ۱۹ ان بطور کامل یا نسبی پوشانده شده است
علاوه بر ان مطالب مرتبط با یادگیری ماشین نیز اورده شده است
سرفصل مطالب:
- مباحث مقدماتی درباره سیگنال های گسسته شامل تعریف سیگنال، انواع سیگنال ها، نمونه برداری، تعیین فرکانس نمونه برداری، کمی سازی یا کوانتیزاسیون، آنالوگ کردن خروجی و ...
معرفی متلب
-صفحه و محیط کاربری متلب
-ماتریس و کار با آن
-معرفی و کار با استراکچر، سلول و دیگر متغیرهای متلب
-عملیات های ریاضی و فرمتها
-مبانی گرافیک و نمایش
-نمایش اولیه داده ها
-خواندن سيگنال ها و نمایش
-وارد کردن داده هاو پایگاه داده های ثبت شده به محیط متلب
-تغییر و کار با داده ها
-ورود داده های ECG و EEG
-نمایش های دو بعدی و سه بعدی در متلب
-کنترل جریان برنامه
-دستور If
-دستور switch
-دستور while
-دستور For
-تابع نویسی مثال ها
کار عملی با داده ها🦾🦾🦾
-استخراج و نمایش پتانسیل های وابسته به رخداد ERP
-هیستوگرام،پیدا کردن ماکزیممهای نسبی و ...
و کاربردهای انها در سیگنالهای حیاتی، پیدا کردن QRS در سیگنال ECG و محاسبهHRV
-اسکریپت نویسی و چند مثال
-تبدیل فوریه و نمایش فرکانسی
-استخراج باندهای فرکانسی از سیگنالهای EEG
-فیلترها
-طراحی فیلترهای FIR,IIR با دستورات متلب
-تبدیل فوریه زمان کوتاه STFT و wavelet
-استخراج و نمایش ویژگیهای زمان-فرکانس از سیگنالهای مغزی
-مبانی ریاضی تحلیل مولفه اساسی (PCA)
-کاربردها
-مثال تبدیل و تحلیل در PCA روی داده های fisheriris و spikes sorting(دراوردن چند نوع اسپایک از داده ثبت LFP)
-کاهش بعد ویژگی ها باPCA
-تحلیل تمایز اماری ttest paired and unpaired و annova و kstest Kolmogorov–Smirnov test
-طبقه بندی با knn , LDA, QDA,SVM, decision tree
-confusion matrix
-TP,TN,FP,FN تعاریف
-ROC و کاربرد در انتخاب ویژگی
-Cross validation: k_fold, hold out, permuted cv, loo, ...
-قسمتهای عملی و مثالها بصورت m فایل در اختیار شرکت کنندگان قرار میگیرد تا متناسب با کارهای خودشان بتوانند انها را تغییر دهند
- مباحث مقدماتی درباره سیگنال های گسسته شامل تعریف سیگنال، انواع سیگنال ها، نمونه برداری، تعیین فرکانس نمونه برداری، کمی سازی یا کوانتیزاسیون، آنالوگ کردن خروجی و ...
معرفی متلب
-صفحه و محیط کاربری متلب
-ماتریس و کار با آن
-معرفی و کار با استراکچر، سلول و دیگر متغیرهای متلب
-عملیات های ریاضی و فرمتها
-مبانی گرافیک و نمایش
-نمایش اولیه داده ها
-خواندن سيگنال ها و نمایش
-وارد کردن داده هاو پایگاه داده های ثبت شده به محیط متلب
-تغییر و کار با داده ها
-ورود داده های ECG و EEG
-نمایش های دو بعدی و سه بعدی در متلب
-کنترل جریان برنامه
-دستور If
-دستور switch
-دستور while
-دستور For
-تابع نویسی مثال ها
کار عملی با داده ها🦾🦾🦾
-استخراج و نمایش پتانسیل های وابسته به رخداد ERP
-هیستوگرام،پیدا کردن ماکزیممهای نسبی و ...
و کاربردهای انها در سیگنالهای حیاتی، پیدا کردن QRS در سیگنال ECG و محاسبهHRV
-اسکریپت نویسی و چند مثال
-تبدیل فوریه و نمایش فرکانسی
-استخراج باندهای فرکانسی از سیگنالهای EEG
-فیلترها
-طراحی فیلترهای FIR,IIR با دستورات متلب
-تبدیل فوریه زمان کوتاه STFT و wavelet
-استخراج و نمایش ویژگیهای زمان-فرکانس از سیگنالهای مغزی
-مبانی ریاضی تحلیل مولفه اساسی (PCA)
-کاربردها
-مثال تبدیل و تحلیل در PCA روی داده های fisheriris و spikes sorting(دراوردن چند نوع اسپایک از داده ثبت LFP)
-کاهش بعد ویژگی ها باPCA
-تحلیل تمایز اماری ttest paired and unpaired و annova و kstest Kolmogorov–Smirnov test
-طبقه بندی با knn , LDA, QDA,SVM, decision tree
-confusion matrix
-TP,TN,FP,FN تعاریف
-ROC و کاربرد در انتخاب ویژگی
-Cross validation: k_fold, hold out, permuted cv, loo, ...
-قسمتهای عملی و مثالها بصورت m فایل در اختیار شرکت کنندگان قرار میگیرد تا متناسب با کارهای خودشان بتوانند انها را تغییر دهند
Forwarded from Ali
⭕ فراخوان «حمایت از موضوعات پیشرو» اعلام شد
این فراخوان به مدت ۲ سال از آذرماه ۱۴۰۳ تا آذرماه ۱۴۰۵ اجرا میگردد و مدت حمایت از رسالههای دانشجویان دکتری تا ۲ سال و مبلغ حمایت تا ۲۵۰ میلیون تومان جهت کمک به دانشجو و تا سقف ۵۰ میلیون تومان جهت کمک به تأمین هزینههای طرح به استاد راهنما خواهد بود.
کانال دفتر:
@shahed_tech_info
این فراخوان به مدت ۲ سال از آذرماه ۱۴۰۳ تا آذرماه ۱۴۰۵ اجرا میگردد و مدت حمایت از رسالههای دانشجویان دکتری تا ۲ سال و مبلغ حمایت تا ۲۵۰ میلیون تومان جهت کمک به دانشجو و تا سقف ۵۰ میلیون تومان جهت کمک به تأمین هزینههای طرح به استاد راهنما خواهد بود.
کانال دفتر:
@shahed_tech_info
Forwarded from Zeynab Khodakarami
EEG workshop
فراخوان_«حمایت_از_موضوعات_پیشرو»_اعلام_شد.pdf
دستورالعمل_حمایت_از_پایان_نامه_ها_INSF.pdf
295.1 KB
Forwarded from سیناپس
Storm
Elicit
Consensus
ChatPDF
Research Rabbit
Scite
Jasper AI
Scholarcy
Perplexity AI
Paperpile
کلیک کنید
#گروه_علمی_سیناپس
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from National Brain Mapping Lab
🔰 آزمایشگاه ملی نقشه برداری مغز برگزار میکند:
💠 دهمین کارگاه مبانی پردازش سیگنال های حیاتی و یادگیری ماشین با نرم افزار متلب با محوریت علوم اعصاب محاسباتی💠
🟢مدرس:
دکتر علی مطیع نصر آبادی، استاد دانشگاه شاهد
🕑زمان:
۶ و ۷ دی ماه ۱۴۰۳
‼️ظرفیت محدود ‼️
🌐برای ثبت نام و کسب اطلاعات بیشتر کلیک کنید.
☎️ تماس با ما: 02186093155
💠Telegram
💠Instagram
💠LinkedIn
🌐Website
💠 دهمین کارگاه مبانی پردازش سیگنال های حیاتی و یادگیری ماشین با نرم افزار متلب با محوریت علوم اعصاب محاسباتی💠
🟢مدرس:
دکتر علی مطیع نصر آبادی، استاد دانشگاه شاهد
🕑زمان:
۶ و ۷ دی ماه ۱۴۰۳
‼️ظرفیت محدود ‼️
🌐برای ثبت نام و کسب اطلاعات بیشتر کلیک کنید.
☎️ تماس با ما: 02186093155
💠Telegram
🌐Website
دو قدم مانده که پاییز
به یغما برود
این همه رنگِ قشنگ،
از کفِ دنیا برود
هر که معشوقه برانگیخت،
گوارایش باد
دلِ تنها به چه شوقی،
پِیِ یلدا برود؟
گِلهها را بگذار!
نالهها را بس کن!
روزگارگوش ندارد که تو هِی شِکوه کنی!
زندگی چشم ندارد
که ببیند اَخمِ دلتنگِ تو را...
فرصتی نیست که صرف گِله وناله شود!
تا بجنبیم
تمام است تمام!!
مهر دیدی که به برهم زدنِ چشم گذشت
یا همین سالِ جدید!
باز کم مانده به عید!
این شتابِ عمر است...
من و تو باورمان نیست که نیست!!
زندگی گاه به کام است و بس است؛
زندگی گاه به نام است و کم است؛
زندگی گاه به دام است و غم است؛
چه به کام و
چه به نام و
چه به دام...
زندگی معرکهیِ همّتِ ماست
زندگی می گذرد...
زندگی گاه به نان است و کفایت بکند؛
زنگی گاه به جان است و جفایت بکند؛
زندگی گاه به آن است و رهایت بکند؛
چه به نان و
چه به جان و
چه به آن...
زندگی صحنهیِ بیتابیِ ماست
زندگی میگذرد...
زندگی گاه به راز است و ملامت بدهد؛
زندگی گاه به ساز است و سلامت بدهد،
زندگی گاه به ناز است و جهانت بدهد؛
چه به راز و
چه به ساز و
چه به ناز
زندگی لحظهیِ بیداریِ ماست،
زندگی می گذرد...
✍ فخرالدین موسوی سوادکوهی
به یغما برود
این همه رنگِ قشنگ،
از کفِ دنیا برود
هر که معشوقه برانگیخت،
گوارایش باد
دلِ تنها به چه شوقی،
پِیِ یلدا برود؟
گِلهها را بگذار!
نالهها را بس کن!
روزگارگوش ندارد که تو هِی شِکوه کنی!
زندگی چشم ندارد
که ببیند اَخمِ دلتنگِ تو را...
فرصتی نیست که صرف گِله وناله شود!
تا بجنبیم
تمام است تمام!!
مهر دیدی که به برهم زدنِ چشم گذشت
یا همین سالِ جدید!
باز کم مانده به عید!
این شتابِ عمر است...
من و تو باورمان نیست که نیست!!
زندگی گاه به کام است و بس است؛
زندگی گاه به نام است و کم است؛
زندگی گاه به دام است و غم است؛
چه به کام و
چه به نام و
چه به دام...
زندگی معرکهیِ همّتِ ماست
زندگی می گذرد...
زندگی گاه به نان است و کفایت بکند؛
زنگی گاه به جان است و جفایت بکند؛
زندگی گاه به آن است و رهایت بکند؛
چه به نان و
چه به جان و
چه به آن...
زندگی صحنهیِ بیتابیِ ماست
زندگی میگذرد...
زندگی گاه به راز است و ملامت بدهد؛
زندگی گاه به ساز است و سلامت بدهد،
زندگی گاه به ناز است و جهانت بدهد؛
چه به راز و
چه به ساز و
چه به ناز
زندگی لحظهیِ بیداریِ ماست،
زندگی می گذرد...
✍ فخرالدین موسوی سوادکوهی
Forwarded from EEG workshop
از آزمایشگاه اطلاع دادند که متاسفانه سایت و درگاه پرداخت دچار مشکل شده است و در تلاش برای رفع آن هستند
اگر تا شنبه مشکل برطرف نشد
با سرکار خانم وکیلی در آزمایشگاه هماهنگ کنید تا از طریق دیگر ثبت نام نهایی شود
با تشکر
@Vakili1988
به ای دی ایشان پیام بدهید
اگر تا شنبه مشکل برطرف نشد
با سرکار خانم وکیلی در آزمایشگاه هماهنگ کنید تا از طریق دیگر ثبت نام نهایی شود
با تشکر
@Vakili1988
به ای دی ایشان پیام بدهید