بر همگان واجب است که برن تنها قسمت پادکست دونقطه، "ای کاش عشق را زبان سخن بود"، رو گوش کنن وگر نه از ما نیستن.

این اپیزود سعی داره در مورد عشق صحبت کنه.
سعی می‌کنه از زاویه‌ی علمی ماجرا رو بررسی کنه و در ادامه در مورد عشق از زاویه فرهنگ و ادبیات هم صحبت‌های جالبی مطرح میکنه.

نکته خیلی جالبش اینه که دید نقادانه داره حتی نسبت به پژوهش‌های علمی(کارهای هلن فیشر). نکته پایانی هم اینه که پژوهش‌های علمی جدیدتری در این زمینه انجام شده و داره میشه و خب نظریه‌ها تغییر میکنن و چکش کاری میشن ولی برای مایی که تو ایران هستیم به خصوص و هیچ گونه آموزش خاصی در این زمینه‌ها نمیبینیم واقعا بدرد بخوره. تقریبا من به تمام دوستای صمیمی‌ایم این رو پیشنهاد کردم همیشه و معمولا مفید بوده براشون.
امیدوارم واسه شما هم مفید باشه.

#podcast
@SingularThinker

الان یه PhD Position دیدم و گفتم شاید بد نباشه ازین به بعد بعضی از PhD Position ها رو اینجا هم بذارم.
یه خانم ایرانی هست که به تازگی قراره استاد دانشگاه هایدلبرگ بشن و ۲ تا پوزیشن دکتری و ۱ دونه پست داک دارن. گفتند که فعالیت گروهشون به همراه سه تا استاد دیگه است که من برخی شون رو میشناسم و افراد خوبی ان واقعا تو این زمینه و کلا زمینه اصلی کار گروهی که قراره تشکیل بشه زمینه ای هست که من کامل میشناسم و به نظرم جالبه برای همین گفتم با شما هم شیر بکنم.


1 Postdoc and 2 PhD Positions in Scientific Artificial Intelligence/Machine Learning (f/m/d)

Your tasks:

The research group focuses on theoretical and applied research at the interface of machine learning and dynamical systems. The main goal is to integrate recent advances in dynamical systems theory, namely Koopman operator theory, into the field of artificial intelligence/machine learning to:

Develop mathematical foundations for understanding the design, training, and operation of deep learning models used for time series and dynamical systems modeling
Enable interpretable data-driven modeling of complex dynamical systems by combining Recurrent Neural Networks (RNNs) with Koopman operator theory
Create novel AI algorithms and architectures for analyzing and forecasting time series and sequential data
The group will closely collaborate with Prof. Dr. Felix Dietrich at the Technical University of Munich, Prof. Dr. Daniel Durstewitz at CIMH/Heidelberg University and Prof. Dr. Stefan Klus at Heriot-Watt University in Edinburgh, UK.


Your Profile:

PostDoc position:

Highly motivated PostDoc with a PhD in Mathematics or Computer Science or another relevant research field.
Strong mathematical background (in the fields like dynamical systems, topology, functional analysis) and machine learning.
Interest in interdisciplinary research
PhD positions:

Highly motivated PhD-Student with an excellent Master degree in Computer Science, Informatics or related.
Strong background in artificial intelligence/ machine learning and data analysis, a keen interest in mathematics, and sufficient knowledge in dynamical systems.
Highly motivated PhD Student with in excellent Master degree in Mathematics or related.
Strong background in dynamical systems, especially in Koopman operator theory, and a keen interest in machine learning, data analysis, and implementing data-driven methods.

Depending on qualification, payment is made up to EG 13 TV-L.

Please send your CV, a copy of university trannoscripts, abstract of MSc/PhD thesis and contact details of 1-2 references via e-mail in a single pdf file to Anne Leonhardt (wissrech@iwr.uni-heidelberg.de) with subject "Postdoc/PhD application [OIDLITDSM ]" until July 20th 2024. Applications submitted in paper form cannot be returned.

🔗 Link
#PhD_Position
@SingularThinker

چند شب پیش تو یه جمعی نشسته بودیم و مشغول گپ زدن بودیم. بعد یکی این سوالو پرسید که مثلا hero علمی‌تون کیه و چرا؟

سوال سختیه به نظرم مخصوصا برای من که hero نداشتم از بچگی. ولی گفتم Von Neumann و Shannon.

بعد برای اینکه توضیح بدم چرا چیزی شبیه به این متن نگار رو گفتم. گفتم این دو تا یه سری مفاهیم کاملا انتزاعی و خارج از ریاضی مثل، نحوه‌ی اندازه‌گیری اطلاعات و مدل تصمیم‌گیری آدما یا حتی نظریه کوانتوم رو اومدن به صورت ریاضی بیانش کردن و نوشتنش قطعا این کار خیلی برام هیجان‌انگیز و الهام‌برانگیزه.

این نگاه کردن به دنیای اطراف و داشتن سوال در مورد اون و توانایی تبدیلشون به نظریه‌هایی به زبان ریاضی چیز جالبیه خلاصه.

نظر شما چیه؟ شما hero علمی‌ای دارید که منبع الهامتون باشه و بخواید بگید راجع بهش؟
دوست داشتید تو کامنتا بگید بهم.
#note
@SingularThinker

چرا حتی اگر لالایی بلدیم ممکن است خوابمان نبرد
یا
دعوتی برای استفاده از لفظ "خرد یارت" در انتهای مکالمات

دیدید که خیلی وقتا مشاورهای ازدواج خودشون چندبار طلاق گرفتن، یا کارشناس‌های تغذیه خودشون چاقن؟ خیلی وقتا این سوال پیش‌ میاد که چطور چنین چیزی ممکنه؟ اگه کسی سواد و دانش بالایی در مورد روابط عاطفی داره چطور میشه که خودشون نمیتونه از اون دانش برای زندگی شخصی خودش استفاده کنه؟
به این تناقض در ادبیات روان‌‌شناسی میگن پارادوکس سلیمان یا به قول دکتر مکری "وقتی از کسی مشاوره می‌خواهی که خودش مشکل دارد!!"

از سمت دیگه مدتی پیش من موقع پایان دادن مکالماتم از عبارت "خرد یارت" استفاده میکردم که از سیما غیاثی شنیده بودم و چون خوشم اومده بود استفاده میکردم و بعد دیگه خیلی استفاده‌اش نکردم چون خود کلمه‌ی خرد خیلی معنای روشنی برام نداشت تا اینکه با این ارائه‌ی دکتر مکری آشنا شدم و دیدم استفاده از این عبارت واقعا به‌جا و خیلی منطقیه اتفاقا. چون اگر خرد رو برابر کلمه‌ی wisdom در نظر بگیریم کلمه‌ای جاافتاده در ادبیات روان‌‌شناسی است و ویژگی‌هایی که براش ذکر میشه کاملا اون رو برای استفاده از "خرد یارت" در انتهای مکالمه مناسب میکنه.

این یادداشت دعوتی است برای دیدن و یا شنیدن این ارائه از آذرخش مکری. من تصمیم گرفتم که ازین به بعد متن‌هایی که در کانال میذارم رو یک مقدار کوتاه‌تر کنم که آدم‌هایی بیشتری بتونن از اصل مطلب استفاده بکنن. از طرفی چون نوشتن به ذهنم کمک میکنه که مطلب منظم‌تر ثبت بشه، ادامه‌ی یادداشت رو که حاوی اسپویل هم هست در کامنت همین پست قرار می‌دم. شاید در آینده منبع‌های دیگه‌ای در ادامه همین بحث رو هم تو کامنت‌ها قرار بدم و اگه نظر، نقد یا پیشنهادی داشتید دریغ نکنید.

پست مربوط در کانال تلگرام دکتر مکری

خلاصه، خرد یارتان👋🧠.
#Note
@SingularThinker

PhD Position on Spatio-temporal Statistics for the Transition of Energy and Transport needa Causality Background.

Hi all, my supervisor Asja Fischer has a fully funded PhD/PostDoc position as part of a DFG-funded project on 'Spatio-temporal Statistics for the Transition of Energy and Transport” at her ML Lab in Bochum, Germany! If you know good candidates who already worked with causality in their master’s studies or PhD, we would be very happy to receive an informal application within the next weeks. The starting point would be Oct. this year with an initial contract for the next 3 years (PhD). Please contact Asja: asja.fischer@rub.de if you have any further questions related to the position.

خانم فیشر رو دورادور میشناسم به نظرم کارای جالبی میکنن برای همین اگه خواستید اقدام کنید یا برسونید به دست کسی که کازالیتی کار کرده.

#PhD_Position
@SingularThinker

خب تا توی این پست یه کوت از فان نیومن گذاشتم و اینجا هم گفتم چرا انقدر شخصیتش برام جالبه و خیلی تصادفی یه کتاب بیوگرافی ایشون و در واقع روایت زیبای کسری علیشاهی از این کتاب برخوردم و پش‌فاکینگ‌مام حقیقتا.

مسیر این زندگی آدم واقعا حیرت‌انگیزه. دست‌کم چندین فیلم سینمایی میشه ازش در آورد.

🔗 لینک پادکست فارکست - خلاصه کتاب مردی از آینده در کست باکس

⚠️اسپویلر الرت(به نظرم شنیدنش از زبون کسری جالبه ولی اگه خواستید یه تیزر طور این پایین برم براتون):
فان نیومن کار علمی‌اش رو در دوره دکتری در تلاش برای حل بحران در مبانی ریاضیات شروع میکنه بعد انقدر جذاب بوده که دیوید هیلبرت میگه تو بیا پیش خودم ازم دور نباش. بعد به فرمالیسم نظریه کوانتوم میپردازه و نشون میده که در واقع هر دو فرمالیسم هایزنبرگ که از ماتریس‌های بی‌نهایت استفاده میکرده و فرمالیسم شرودینگر که از معادلات دیفرانسیل پاره‌ای تصادفی یک چیزه صرفا در دو فضای هیلبرت متفاوت تا پروژه منهتن،عضویت در تیم محرمانه تصمیم‌گیرنده در مورد پرتاب بمب، مبدع ایده ساخت بمب هیدروژنی، نظریه‌بازی‌ها و معماری کامپیوتر‌های امروزی، اولین برنامه‌های پیش‌بینی هوا، پیش‌بینی کردن مسئله گرمایش جهانی و کارهایی در باب سلولار اتوماتا و ارتباط بین مغز و کامپیوتر که سرطان فرصت نداد، همه‌ی این‌ها در ۵۳ سال. چه حیف که این تلاش‌های آخرش در مورد ارتباط مغز و کامپیوتر رو نتونست کامل کنه واقعا حیف.

پ.ن: تازه یادم اومد کسری شایدم کتاب به نقش فان نیومن در ergodic theory اشاره نمیکنه. من یکمی مقدمه در موردش گفتم اینجا ولی خیلی ابتداییه(دارم میخونم ایشالا بیشتر بفهمم میگم براتون).
#podcast
@SingularThinker

کمپرسور؛ یه ابزار جالب!

یه اکانت جالب رو توی توییتر دنبال میکنم یه چند وقتی هست که خلاصه مقالاتی رو که میخونه منتشر میکنه. امروز متوجه یه ابزار خیلی کارا و مفید توسعه داده که به کمک اون لیست تمام مقاله‌های پذیرفته‌شده تو کنفرانس‌های معتبر ml به همراه یه دو سه جمله خلاصه رو منتشر میکنه.

اگر دنبال مقاله‌های بروز و خوب در مورد یه موضوع خاصی تو ml گشته باشید، دیدید که چقدر این کار سردرده و این ابزار خیلی کمک میکنه. من الان یه چندتا کار مرتبط با کار خودم پیدا کردم به کمک cntrl + f عزیز😁

- NeurIPS 2023
- ICLR 2024
- ICML 2024

#research_stuff
@SingularThinker

arXiv -> alphaXiv

Students at Stanford have built alphaXiv, an open discussion forum for arXiv papers.

You can post questions and comments directly on top of any arXiv paper by changing arXiv to alphaXiv in any URL!

🔗 Stanford AI Lab (@StanfordAILab)

پ.ن: این پست رو گذاشتم چون جایی ندیدم در مورد این صحبت کنه و به نظرم خیلی میتونه کمک باشه. چون آدما خیلی وقتا سوالایی خوبی دارن ولی نمیپرسن. فقط یه نکته این باید url pdf مقاله رو عوض کنید نه وقتی دارید abstract رو میخونید.
#tweet #research_stuff
@SingularThinker

برشی از این مصاحبه که برام جاالب بود:

Rocco Gaudenzi:

Where do you think that physics-inspired computational neuroscience will head to in the future? Are there some physics concepts and tools that have not (yet) been
implemented into it?

Larry Abbott:

It is wise for the reader to keep in mind that the physics to which I have been comparing theoretical neuroscience is the physics of 40 years ago. This is not just because of my age, but also because this is the version of physics that seems to be in people’s minds, even younger people, when they make such comparisons. But physics has changed. Much of what used to be particle physics now involves speculations about theories for which we have no experimental evidence, except in so far as it is negative. This should not serve as a model for neuroscience or, probably, any other type of research. My advice is to stop looking at physics, either the physics of the present or of the past. The tools of physics are the tools of applying mathematics to nature. We have a huge bag of such tools, probably, if you dig around deep enough, a sufficient number to carry us far into the future.
What we need is the art of finding the right level of abstraction (all models are abstractions) to experimental data obtained at the right level of detail, with “right” defined, not by philosophical considerations, but by the question being asked. Thus, in the end, it all comes down to asking the right question.

@SingularThinker