🔻 مراحل شروع ریسرچ، انتخاب فیلد تحقیقاتی

⌛ زمان مطالعه: ۱ دقیقه

🔺 از اولین و مهم‌ترین مراحل شروع تحقیقات و ریسرچ، انتخاب فیلد تحقیقاتی و مطالعه‌ی مقالات و sourceهای معتبر و مربوط به زمینه‌ی تحقیقاتی هستش. خیلی وقت‌ها فیلد با رشته اشتباه گرفته می‌شه. با یک مثال این دو رو مقایسه می‌کنیم. مثلا در زمینه‌ی مهندسی، مهندسی کامپیوتر یک رشته و هوش مصنوعی یک فیلد هست. شما ممکنه مهندس کامپیوتر باشید ولی اصلا از هوش مصنوعی مطالعه‌ای نداشته باشید ولی ممکن نیست ریسرچر فیلد هوش مصنوعی باشید و مطالب حوزه‌ی مهندسی کامپیوتر رو مطالعه نکرده باشید.

🔺 مهم‌ترین مرحله‌ی ریسرچ هم انتخاب فیلد هستش. این رو زمانی به‌خصوص متوجه می‌شید که فیلد اشتباهی انتخاب کنید و اصلا به زمینه‌ی ریسرچ خودتون علاقه نداشته باشید! برای انتخاب درست خیلی وقت‌ها پیشنهاد می‌شه مقالات و مطالب فیلدهای مختلف رو مطالعه کنید و بعد از تجربه‌ی نسبتا سطحی هر کدوم، انتخاب کنید فیلد مناسب خودتون رو. یکی از راه‌های این انتخاب، حضور در eventهای مختلف و مشاهده‌ی talkهای اساتید هر فیلد هست که در YouTube هم خیلی از این talkهای معتبر موجود هستند.

🔺 در کشور ما، ۲۵ آذر روز پژوهش نام داره. در دانشگاه‌های معتبر در این روز معمولا اساتید یک talk جهت معرفی پژوهش‌ها و فیلدهای خودشون ارائه می‌دن که با مشاهده‌ی اون‌ها می‌تونید دید بهتری هم به فیلدهای مختلف بگیرید. دانشگاه‌های معتبر ایران از جمله دانشگاه صنعتی شریف نیز برنامه‌ی روز پژوهش خودشون رو هر ساله منتشر می‌کنند و این eventها رو هم رایگان می‌تونید دنبال کنید.

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم | @Pyramid_Research»

🔻 مراحل بعدی انتخاب فیلد تحقیقاتی

⌛ زمان مطالعه: ۴۵ ثانیه

🔺 در ادامه‌ی مراحل انتخاب فیلد، یکی از راه‌های کمک‌کننده، صحبت و مشورت با پژوهشگران و اساتیدی هست که در اون فیلدها فعالیت می‌کنن. این افراد می‌تونن تجربیات واقعی و عملی خودشون رو به‌اشتراک بگذارن تا از چالش‌ها و فرصت‌های پیش‌رو آگاه بشین.

🔺 همچنین شرکت در پروژه‌های تحقیقاتی کوتاه‌مدت و دوره‌های تابستونه هم یکی دیگه از راه‌هاست. این تجربیات مستقیم نه‌تنها می‌تونه به شما کمک کنه تا مهارت‌های لازم برای فعالیت در اون فیلد رو کسب کنین، بلکه به شما این امکان رو می‌ده تا میزان علاقه و اشتیاق خودتون رو نسبت به اون فیلد محک بزنین.

🔺 در نهایت پیشنهاد ما اینه که فیلدی رو انتخاب کنید که می‌تونه آینده‌ی پررونقی داشته باشه. لزوما فقط هوش مصنوعی نیست که این‌طوری به نظر میاد هست. خیلی وقت‌ها خیلی زمینه‌های سخت‌افزاری، بیو انفورماتیکی و خیلی فیلدهای دیگه در رشته‌های مهندسی کامپیوتر هم جزو ترندهای جاری هستن و می‌شن و پیش‌بینی‌های کارشناسان درباره‌ی این فیلدها بسیار روشن هست. به‌خصوص در حوزه‌های پرتحول مثل هوش مصنوعی، بیوتکنولوژی و پایداری محیط زیست، داشتن دیدی واقع‌بینانه نسبت به تحولات آتی اهمیت بسیاری داره.

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم | @Pyramid_Research»

🔻 آناتومی مقاله

⌛ زمان مطالعه: ۱ دقیقه و نیم

🔹 #آموزش

🔺 بعد از این‌که فیلد تحقیقاتی و موضوع پژوهشمون رو مشخص کردیم، باید بدونیم که یک مقاله چه قسمت‌هایی داره.

🔺 مقالات به طور کلی از چند بخش تشکیل شدن، اما با توجه به نوع پژوهشی که انجام می‌دین، ممکنه بعضی از این بخش‌ها رو نداشته باشن!

🔺 تایتل مقاله، نام و افیلیشن نویسنده‌ها، ابسترکت، کلمات کلیدی:
🔹 در این بخش اطلاعات کلی در رابطه با مقاله و نکات مهم اون صحبت می‌شه.

🔺 اینتروداکشن
🔹 در این قسمت باید درباره موضوع به صورت اجمالی (از کلی به جزئی)، گپ موجود در پژوهش‌های فعلی و هدف ما از نوشتن مقاله توضیح داده بشه.

🔺 متود و متریال
🔹 این قسمت شامل اطلاعاتی درباره نحوه جمع‌آوری داده‌ها، نحوه آنالیز اون‌ها و مسائل اخلاقی مرتبط با پژوهش هست.

🔺 ریزالت‌ها یا نتایج
🔹 در این بخش بسته به نوع مطالعه نتایج آنالیز داده‌ها به صورت توصیفی یا مقایسه‌ای مورد بررسی قرار می‌گیرن.

🔺 دیسکاشن
🔹 در این قسمت نویسنده با توجه به نتایج مطالعه خودش و مقایسه اون با سایر مطالعات موجود نتیجه‌گیری‌هایی انجام می‌ده.

🔺 کانکلوژن
🔹 و در انتها خلاصه‌ی نتایج و چشم‌انداز پژوهش‌های بعدی در این قسمت مورد بحث قرار می‌گیرن!

🔺 رفرنس‌ها

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم | @Pyramid_Research»

🔻 مقالات کیس ریپورت

⌛ زمان مطالعه: ۲ دقیقه

🔹 #آموزش
🔹 #پزشکی

🔺 یکی از مهم‌ترین نکات این پست اینه که مقالات کیس ریپورت می‌تونن شروع مناسبی برای آغاز مسیر پژوهشی شما باشن.

🔺 این مقالات برا یادگیری اصولی نوشتن مقاله و Scientific Writing نقش دست‌گرمی و مشق شبانه رو بازی می‌کنن! 😎

🔺 به‌علاوه با نوشتن کیس ریپورت می‌تونین با کیس‌های نادر در فیلدهای مختلف آشنا بشین.

🔺 به همین جهت برای اینکه کیس ریپورت‌ها قالب استانداردی داشته باشن، criteriaهای مختلفی برای نوشتن‌شون تعریف شدن که بسته به ژورنالی که انتخاب می‌کنین، باید از یکی‌شون استفاده کنین. از جمله معروف‌ترین و پرکاربردترین این criteriaها می‌شه به CARE (Case Report Checklist) اشاره کرد که در تصویر بالا می‌تونین جزئیات مورد نیاز برای نوشتن هر سکشن از مقاله رو ببینین.

منتظر خبرهای خوب باشین 🔥

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم | @Pyramid_Research»

🔻 گوگل اسکولار | Google Scholar

⌛ زمان مطالعه: ۴۵ ثانیه

🔹 #معرفی

🔺 امروز می‌خوایم به معرفی یک ابزار خیلی کمک‌کننده در مسیر پژوهش بپردازیم که مسیر مقاله دادن و ریسرچ و انتخاب فیلد و همه‌ی موارد مربوط به ریسرچ رو کوتاه‌تر و هموار نسبت به قبل می‌کنه.

🔺 گوگل اسکولار یه موتور جستجو مخصوص مقالات دانشگاهیه که دسترسی به نشریات علمی، پایان‌نامه‌ها، کتاب‌ها و داده‌های قضایی رو برای ما فراهم می‌کنه. فکر کنید هر چیزی که لازم دارید برای تحقیق‌تون اینجا می‌تونید پیدا کنید!

🔺 ویژگی خیلی خوبش اینه که وقتی دنبال یه موضوع خاص تحقیق می‌کنید، Google Scholar نه تنها مقالات مرتبط رو بهتون نشون می‌ده، بلکه تعداد دفعات استناد به هر مقاله رو هم می‌گه، که این خودش کلی کمک می‌کنه تا بفهمید کدوم یک از این مقالات اهمیت بیشتری دارن.

🔺 علاوه بر این، می‌تونید به راحتی مشاهده کنید که چه کسانی این مقالات رو نوشتند و با کلیک روی نام‌هاشون به صفحه‌ی پروفایلشون دسترسی پیدا کنید. این خیلی عالیه چون می‌تونید ببینید این نویسندگان چه تحقیقات دیگه‌ای انجام دادن.

🔺 و همچنین، اگه دنبال منابع آزاد هستید، Google Scholar بهتون کمک می‌کنه که به راحتی مقالاتی که دسترسی باز دارند رو پیدا کنید و دانلود کنید. خیلی سریع و راحت!

🔗 https://scholar.google.com

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم | @Pyramid_Research»

🔻 دی‌بی‌ال‌پی | DBLP

⌛ زمان مطالعه: ۴۵ ثانیه

🔹 #معرفی

🔺 امروز می‌خوایم یه ابزار تحقیقاتی دیگه رو بهتون معرفی کنم که شاید کمتر شنیده باشید اما کاربردیه:
✔️ DBLP Computer Science Bibliography!

🔺 دی‌بی‌ال‌پی یک پایگاه داده عظیم و رایگان از مقالات علمی در زمینه علوم کامپیوتر است. این سرویس به شما اجازه می‌ده که به سرعت به اطلاعات دقیق و جامعی دسترسی پیدا کنید. فکر کنید که هر چیزی که در مورد علوم کامپیوتر نیاز دارید، اینجا موجود هست!

🔺 ویژگی خاص DBLP اینه که شما می‌تونید از فیلترهای متنوعی برای جستجوی مقالات استفاده کنین. این ابزار به شما کمک می‌کنه تا براساس نویسندگان، مجلات، کنفرانس‌ها و سال انتشار فیلتر کنین.

🔺 یکی از مزایای بزرگ DBLP اینه که شما می‌تونید پروفایل‌های دانشمندان و محققان رو مشاهده کنین و به راحتی کارهای دیگر اون‌ها رو بیابید. این بخش به خصوص برای کسانی که در حال شبکه‌سازی علمی هستند، بسیار مفید هست.

🔺 علاوه بر این، DBLP اطلاعات آماری و تحلیلی در مورد نشریات و نویسندگان رو نیز ارائه می‌ده که می‌تواند برای درک تأثیر کارهای تحقیقاتی مفید باشه.

🔺 در مقایسه با Google Scholar، خیلی این دو ابزار شبیه هستند اما در زمینه‌ی Computer Science، ابزار DBLP معتبرتر و کامل‌تر هست همیشه و پیشنهاد می‌شه از این ابزار استفاده بشه!

🔗 https://dblp.org

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم | @Pyramid_Research»

💻 آکادمی هرم | Pyramid!

ما در هرم سعی می‌کنیم از دنیای ریسرچ، ابعاد مختلف و کاربردی اون، پژوهش‌های مقاطع مختلف و لبه‌ی تکنولوژی و علم صحبت کنیم.

🌐 بررسی مقالات فیلدهای پزشکی و مهندسی
🌐 آموزش ریسرچ
🌐 معرفی اپلای و اینترنشیپ
🌐 ارتباط با اساتید معتبر ایران و جهان

🔄 ما، اینجاییم تا با هم این مسیر پیچیده رو دنبال کنیم و به قله هرم پژوهشی برسیم! ما توی آکادمی هرم تجربیاتمون رو با همدیگه به‌اشتراک می‌گذاریم تا انتخاب‌هامون در آینده راحت‌تر باشه و با یادگیری مباحث بروز و کارآمد، زندگی‌ آکادمیک بهتری داشته باشیم.

✅ روابط عمومی کانال:
✈️ @Pyramid_Research_Support

😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم | @Pyramid_Research»

🔻 Confusion Matrix

⌛️ زمان مطالعه و تماشای ویدیو: ۳ دقیقه

🔹 #هوش‌مصنوعی
🔹 #ماشین‌لرنینگ

🔺 در رابطه با پست استفاده از هوش مصنوعی برای تشخیص اوتیسم، چند تا از عزیزان درخواست کردن که بیشتر درباره Confusion matrix توضیح بدیم،

🔺 ارجاع‌تون می‌دیم به این ویدیوی کوتاه که با یک مثال جالب درباره کارکرد الگوریتم های یادگیری ماشین این موضوع رو توضیح می‌ده.

🔺 البته در ادامه، این مطلب رو در قالب آنالیزهای آماری و sensitivity و specifity تست‌ها هم شرح خواهیم داد 😉

🔹 لینک ویدیو:
🔗 https://youtu.be/bN-yBh4GAeY?si=SEchBp1GVUUM-M93

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم | @Pyramid_Research»

🔻 اینترنشیپ، کارآموزی تحقیقاتی در داخل و همچنین کشورهای خارجی

⌛️ زمان مطالعه: ۱ دقیقه

🔺 جدای از مقاطع تحصیلی عادی دانشگاهی، یک کارآموزی تابستانه معمولا برای دانشجویان مهندسی و به‌خصوص مهندسی کامپیوتر، برق و مکانیک تعریف می‌شه که افراد خیلی وقت‌ها بابت اون‌ها تابستون رو خارج از کشور می‌گذرونن!

❕ در این پست بیشتر راجع به این موضوع صحبت خواهیم کرد.

🔺 کارآموزی تحقیقاتی تابستانه چیست؟ کارآموزی تحقیقاتی تابستانه، یک برنامه‌ی طراحی شده توسط اساتید برای دانشجوهاست یا که طی اون دانشجوها توسط دانشگاه‌های مختلف جذب می‌شن و در یک بازه‌ی ۲ الی ۳ ماهه، به ریسرچ و پژوهش در زمینه‌ی مربوطه می‌پردازن. این فعالیت معمولا همراه با fund (درآمد) هست و افراد می‌تونن هزینه‌ی محل سکونت، حمل و نقل، خورد و خوراک و تفریح خودشون رو با درآمد حاوی از این پژوهش‌ها، در بیارن!

🔺 معمولا روند اپلای برای این اینترنشیپ از طریق فرم applicationهای دانشگاه‌هاست که رزومه، داکیومنت نمرات و یک سری موارد دیگه از جمله تجربه ریسرچ شما رو دریافت می‌کنن و بعدش توسط اساتید بررسی می‌شه و مصاحبه با افراد برتر تنظیم می‌شه و در نهایت، یک تعدادی برای حضور در دانشگاه مقصد به شکل حضوری و پژوهش با اساتید اکسپت می‌شن.

🔺 به‌خصوص در رشته‌های مهندسی اینترنشیپ‌ها خیلی فعال هستند و از کشور خود ما نیز تابستون‌ها دانشجوهای زیادی برای پژوهش به خارج از کشور می‌رن و بعد از تابستون برمی‌گردن. خیلی از این تجربه‌ها رو می‌تونید در این کانال هم بخونید:
🔗 https://news.1rj.ru/str/sharif_internship

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم | @Pyramid_Research»

🔻 سختی ادمیشن Ph.D این روزها در Machine Learning

⌛️ زمان مطالعه: ۱ دقیقه

🔹 #دکتری

💥 حدودا ۵ ماه از این پست reddit می‌گذره:
🔗 https://www.reddit.com/r/MachineLearning/comments/1c2x5mx/d_folks_here_have_no_idea_how_competitive_top_phd/

🔺 شاید خیلی ترسناک به نظر بیاد محتوای پست، شاید خیلی از کامنت‌های همین پست مخالفش هستند و شاید تجربه‌ی biasedای باشه، اما خوبه درباره‌ی اون صحبت کنیم.

🔺 خیلی خلاصه بخوایم درباره‌ش صحبت کنیم، پست درباره‌ی این صحبت می‌کنه که این روزها ادمیشن گرفتن برای دکتری در زمینه‌ی Machine Learning و به‌خصوص فیلد Natural Language Processing خیلی سخت‌تر از قبل شده، افراد با ۷ ۸ تا مقاله در کنفرانس‌های معتبر جهان اپلای می‌کنند و بعضا مقاله‌های بسیار باکیفیتی هم هستن که جایزه‌ی بهترین مقاله‌ی اون کنفرانس رو هم دریافت می‌کنن. افراد خیلی‌هاشون اینترنشیپ‌های بسیار خفنی در بهترین شرکت‌های دنیا از جمله Google دارند و خیلی‌ها از بهترین Recommendation Letterهای اساتید خیلی خوب دانشگاه‌های معتبر استفاده می‌کنن و دیگه آسون نیست phd گرفتن و در واقع admission برای phd در فیلد ML.

🔺 کامنت‌های زیادی هم البته هست زیر این پست. بحث خوبی شکل گرفته. بحث درباره‌ی اینه که انقدر یاد گرفتن مهارت‌های مختلف از جمله تکنیک‌های Machine Learning آسون شده و دسترسی به courseهای مختلف امکان‌پذیر، که درآمدزایی در این زمینه هم نیاز نداره که شما phd بگیرید و بعدش برید سر کار و خیلی افراد بدون مدرک آکادمیک الان سر کار می‌رن در همین فیلد و درآمدهای خیلی بالا دارن.

🔺 کامنت دیگری هست درباره‌ی این‌که شخصی با مدرک phd در یک فیلد کاملا نامرتبط، ریسرچ Machine Learning انجام می‌ده این روزها و به تولید productهای جدید از اون‌ها مشغوله و کاملا self-taught به Machine Learning رو آورده برای کارش!

🔹 شاید خوب باشه بررسی پست‌های جدید reddit و مسائل مربوط به ریسرچ برای نتیجه‌گیری درباره‌ی میزان رقابت دکتری خواندن در کشورهای خوب دنیا در این زمینه.

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «آکادمی هرم | @Pyramid_Research»