سلام خدمت همه بزرگواران
یکی از همراهان کانال این پیام رو داده:
واقعستش من دنبال کسی هستم که گرافیک کامپیوتری تو دانشگاه شهید بهشتی گذرونده باشه چند سوالی در مورد این دوره و محتویات درسش دارم
اگر کسی می تونه کمکشون کنه بهشون پیام بده:
@kk1401kk
یکی از همراهان کانال این پیام رو داده:
واقعستش من دنبال کسی هستم که گرافیک کامپیوتری تو دانشگاه شهید بهشتی گذرونده باشه چند سوالی در مورد این دوره و محتویات درسش دارم
اگر کسی می تونه کمکشون کنه بهشون پیام بده:
@kk1401kk
Forwarded from رسانه نخبگان ایران
در خبرها آمده است؛ سازمان امور دانشجویان با ابلاغ دستورالعمل جامعی، هزینه های لغو تعهد آموزش رایگان برای آزادسازی مدارک تحصیلی را به بیش از ۵ برابر تعرفه قبلی افزایش داده است!
#منطق #نمونه_سوال #میان_ترم
سوالات آزمون میان ترم مبانی منطق جناب آقای دکتر فراهانی دانشکده علوم ریاضی دانشگاه شهید بهشتی نیمسال اول سال 1401
سوالات آزمون میان ترم مبانی منطق جناب آقای دکتر فراهانی دانشکده علوم ریاضی دانشگاه شهید بهشتی نیمسال اول سال 1401
هندسه دیفرانسیل موضعی.pdf
206.5 KB
#هندسه_دیفرانسیل_موضعی
#میان_ترم
#امتحان
#احمدی
#پاییز_۱۴۰۱
امتحان میان ترم هندسه دیفرانسیل موضعی با دکتر بیژن احمدی
#میان_ترم
#امتحان
#احمدی
#پاییز_۱۴۰۱
امتحان میان ترم هندسه دیفرانسیل موضعی با دکتر بیژن احمدی
#تخصصی
عمرتان زیادی کرده که دکترا بخوانید؟
این هفته آقای لکان (یکی از سه خدای دیپلرنینگ) توییتی زده و به مورد Aditya Ramesh اشاره کرد. فردی که لیسانسش رو از دانشگاه NYU گرفته و قصد داشت تا وارد دوره دکتری شود اما با یک کارآموزی در OpenAI مسیرش تغییر کرده و در آن جا مانده و در نهایت با مدرک لیسانس تبدیل به نویسنده اصلی مقاله مدل معروف Dall-E میشود.
آقای بهنام نیشابور محقق گوگل هم توییت لکان را کوت کرده و نکات ریزتری برای تایید "نباید برای یادگیری ماشین دکترا خواند" به آن اضافه کرده است. نکته اصلی که تحصیلات تکمیلی برای زمینهای مثل ML آورریتد است. چرا؟ چون که یک نفر بدون هیچ گونه پیش زمینه خاصی میتواند به این فیلد وارد شده و با اندکی وقت گذاشتن، حتی میتواند به راحتی در کنفرانسهای مطرح دنیا مقالهای چاپ کند. منابع آموزشی ML روز به روز گستردهتر و در دسترستر میشوند و واقعا لازم نیست کسی برای وارد شدن به وادی پژوهشگری یادگیری ماشین بیاید و ۵ الی ۶ سال از عمرش را در ارشد یا دکتری هدر دهد. (و خودمانیم، رشتههایی مثل فیزیک را با ML مقایسه کنید. طرف در فیزیک تا بخواهد به جایی برسید باید مو سفید کند اما امروزه از صفر تا صد ماشین لرنینگ را با این تئوریهای آبکی که دارد میتوان در کمتر از دو سال طی نمود)
نکته دیگری که آقای نیشابور اشاره کرده است این است که تعداد موقعیتهای دکترای یادگیری ماشین روز به روز بیشتر میشود اما از آن طرف تعداد شغلهایی که به مدرک دکتری یادگیری ماشین نیاز دارد در آینده روز به روز کمتر میشود. در واقع با داشتن دکتری شما over-qualified میشوید و از طرف دیگر هم مگر آکادمی چه قدر موقعیت شغلی میتواند داشته باشد؟ در مقابل، صنعت اما بیش از ML Researcher به ML Engineerها نیازمند است. کسی که بتواند چیزی را واقعا بسازد. دوره دکتری باعث دوری نسبی از شما صنعت و مهارتهای آن خواهد شد. آقای نیشابور در انتها به نتایج تحقیقی اشاره کرده که در آن گفته شده درصد زیادی از دانشجویان تحصیلات تکمیلی دچار افسردگی و اضطراب شدید هستند.
نکته دیگری که ما به صحبتهای بالا اضافه میتوانیم بکنیم این است که جایگاه متفاوت یادگیری ماشین و به طور عام هوش مصنوعی نسبت به سایر علوم را باید در نظر گرفت. هوش مصنوعی در مدت ۷۰ سال اخیری که از خدا عمر گرفته است، همچنان حوزه یکپارچهای نبوده است. هر از چند گاهی ایدهای آمده است و با هوش مصنوعی وارد بهاری شده و در نهایت در زمستانی دفن شده است. گاهی منطقدانها به آن وارد شدهاند و با دیدشان روشهای سیستمهای خبره و منطق را برای هوش مصنوعی توسعه دادهاند. گاهی برقیها وارد شدهاند و مفاهیم سیگنالی را در حوزه هوش مصنوعی غالب کردهاند و این اواخر هم ریاضیدانها و آماردانها وارد شده و پارادایم یادگیری ماشین را پادشاه هوش مصنوعی کردهاند. از حدود ۲۰۱۲ به این ور هم شبکههای دیپ (شاید مدیون پیشرفتهای سختافزاری) فرمان بازی را به دست گرفته و بهاریترین دوران هوش مصنوعی را رقم زدهاند. اما واقعیت این است که یادگیری عمیق نیز اکنون احتمالا وارد پاییز خود شده است (در این مورد در آینده احتمالا صحبت میکنیم). مسیر تحقیقاتی هوش مصنوعی و یادگیری ماشین احتمال دارد به زودی دوباره وارد زمستان سخت شده و تمامی سرمایهگذاریهای تحقیقاتی بسوزند. البته که بحث دنیای صنعت فرق میکند و همین الان بسیاری راهحلهای یافت شده در دنیای آکادمی آماده هستند تا به دنیای صنعت و کاربرد اعمال شوند. در همین راستا شاید پیشنهاد ML Engineer شدن به جای ML Researcher شدن پیشنهاد عافیت داری برای دین و دنیا باشد. برای حسن ختام به قول سعدی:
کرامت جوانمردی و ناندهی است
مقالات بیهوده طبل تهی است
پینوشت-۲: البته اگر در بلاد کفر نیستید قاعدتا برای رسیدن به جایی مانند گوگل یا کوچکتر از آن مسیری جز اپلای تحصیلی برای ساختن رزومه و تقویت حلقه تاثیر شاید نیست. بحث کلی این است که در شرایط عادی، دکترای یادگیری ماشین معنی چندانی در دنیای امروز ندارد.
لینک توییت لکان:
https://twitter.com/ylecun/status/1605450677806895104
لینک توییت نیشابور:
https://twitter.com/bneyshabur/status/1605677285255675904
گرفته شده از کانال https://news.1rj.ru/str/nlp_stuff
عمرتان زیادی کرده که دکترا بخوانید؟
این هفته آقای لکان (یکی از سه خدای دیپلرنینگ) توییتی زده و به مورد Aditya Ramesh اشاره کرد. فردی که لیسانسش رو از دانشگاه NYU گرفته و قصد داشت تا وارد دوره دکتری شود اما با یک کارآموزی در OpenAI مسیرش تغییر کرده و در آن جا مانده و در نهایت با مدرک لیسانس تبدیل به نویسنده اصلی مقاله مدل معروف Dall-E میشود.
آقای بهنام نیشابور محقق گوگل هم توییت لکان را کوت کرده و نکات ریزتری برای تایید "نباید برای یادگیری ماشین دکترا خواند" به آن اضافه کرده است. نکته اصلی که تحصیلات تکمیلی برای زمینهای مثل ML آورریتد است. چرا؟ چون که یک نفر بدون هیچ گونه پیش زمینه خاصی میتواند به این فیلد وارد شده و با اندکی وقت گذاشتن، حتی میتواند به راحتی در کنفرانسهای مطرح دنیا مقالهای چاپ کند. منابع آموزشی ML روز به روز گستردهتر و در دسترستر میشوند و واقعا لازم نیست کسی برای وارد شدن به وادی پژوهشگری یادگیری ماشین بیاید و ۵ الی ۶ سال از عمرش را در ارشد یا دکتری هدر دهد. (و خودمانیم، رشتههایی مثل فیزیک را با ML مقایسه کنید. طرف در فیزیک تا بخواهد به جایی برسید باید مو سفید کند اما امروزه از صفر تا صد ماشین لرنینگ را با این تئوریهای آبکی که دارد میتوان در کمتر از دو سال طی نمود)
نکته دیگری که آقای نیشابور اشاره کرده است این است که تعداد موقعیتهای دکترای یادگیری ماشین روز به روز بیشتر میشود اما از آن طرف تعداد شغلهایی که به مدرک دکتری یادگیری ماشین نیاز دارد در آینده روز به روز کمتر میشود. در واقع با داشتن دکتری شما over-qualified میشوید و از طرف دیگر هم مگر آکادمی چه قدر موقعیت شغلی میتواند داشته باشد؟ در مقابل، صنعت اما بیش از ML Researcher به ML Engineerها نیازمند است. کسی که بتواند چیزی را واقعا بسازد. دوره دکتری باعث دوری نسبی از شما صنعت و مهارتهای آن خواهد شد. آقای نیشابور در انتها به نتایج تحقیقی اشاره کرده که در آن گفته شده درصد زیادی از دانشجویان تحصیلات تکمیلی دچار افسردگی و اضطراب شدید هستند.
نکته دیگری که ما به صحبتهای بالا اضافه میتوانیم بکنیم این است که جایگاه متفاوت یادگیری ماشین و به طور عام هوش مصنوعی نسبت به سایر علوم را باید در نظر گرفت. هوش مصنوعی در مدت ۷۰ سال اخیری که از خدا عمر گرفته است، همچنان حوزه یکپارچهای نبوده است. هر از چند گاهی ایدهای آمده است و با هوش مصنوعی وارد بهاری شده و در نهایت در زمستانی دفن شده است. گاهی منطقدانها به آن وارد شدهاند و با دیدشان روشهای سیستمهای خبره و منطق را برای هوش مصنوعی توسعه دادهاند. گاهی برقیها وارد شدهاند و مفاهیم سیگنالی را در حوزه هوش مصنوعی غالب کردهاند و این اواخر هم ریاضیدانها و آماردانها وارد شده و پارادایم یادگیری ماشین را پادشاه هوش مصنوعی کردهاند. از حدود ۲۰۱۲ به این ور هم شبکههای دیپ (شاید مدیون پیشرفتهای سختافزاری) فرمان بازی را به دست گرفته و بهاریترین دوران هوش مصنوعی را رقم زدهاند. اما واقعیت این است که یادگیری عمیق نیز اکنون احتمالا وارد پاییز خود شده است (در این مورد در آینده احتمالا صحبت میکنیم). مسیر تحقیقاتی هوش مصنوعی و یادگیری ماشین احتمال دارد به زودی دوباره وارد زمستان سخت شده و تمامی سرمایهگذاریهای تحقیقاتی بسوزند. البته که بحث دنیای صنعت فرق میکند و همین الان بسیاری راهحلهای یافت شده در دنیای آکادمی آماده هستند تا به دنیای صنعت و کاربرد اعمال شوند. در همین راستا شاید پیشنهاد ML Engineer شدن به جای ML Researcher شدن پیشنهاد عافیت داری برای دین و دنیا باشد. برای حسن ختام به قول سعدی:
کرامت جوانمردی و ناندهی است
مقالات بیهوده طبل تهی است
پینوشت-۲: البته اگر در بلاد کفر نیستید قاعدتا برای رسیدن به جایی مانند گوگل یا کوچکتر از آن مسیری جز اپلای تحصیلی برای ساختن رزومه و تقویت حلقه تاثیر شاید نیست. بحث کلی این است که در شرایط عادی، دکترای یادگیری ماشین معنی چندانی در دنیای امروز ندارد.
لینک توییت لکان:
https://twitter.com/ylecun/status/1605450677806895104
لینک توییت نیشابور:
https://twitter.com/bneyshabur/status/1605677285255675904
گرفته شده از کانال https://news.1rj.ru/str/nlp_stuff
Telegram
stuff
یک وبینار رایگان توسط دانشگاه واترلو و OCAD برای دانشجویان ایرانی که چطوری در کانادا کار و موقعیت تحصیلی پیدا کنند برگزار میشود. در این وبینار شما یادخواهید گرفت چگونه cv و sop و... بنویسید .
تاریخ شروع ۲۹ دسامبر ساعت ۲۱:۳۰ به وقت تهران برگزار خواهد شد.
https://forms.office.com/r/hQC7n6enht
پ.ن: این رویداد به زبان فارسی خواهد بود
تاریخ شروع ۲۹ دسامبر ساعت ۲۱:۳۰ به وقت تهران برگزار خواهد شد.
https://forms.office.com/r/hQC7n6enht
پ.ن: این رویداد به زبان فارسی خواهد بود
Office
Please fill out this form
#هندسه_دیفرانسیل_موضعی
#پایان_ترم
#امتحان
#احمدی
#پاییز_۱۴۰۱
امتحان پایان ترم هندسه دیفرانسیل موضعی با دکتر بیژن احمدی
#پایان_ترم
#امتحان
#احمدی
#پاییز_۱۴۰۱
امتحان پایان ترم هندسه دیفرانسیل موضعی با دکتر بیژن احمدی
#آنالیز_ریاضی
#پایان_ترم
#امتحان
#منصف_شکری
#شکری
#پاییز_۱۴۰۱
امتحان پایان ترم آنالیز ریاضی با دکتر خسرو منصف شکری
#پایان_ترم
#امتحان
#منصف_شکری
#شکری
#پاییز_۱۴۰۱
امتحان پایان ترم آنالیز ریاضی با دکتر خسرو منصف شکری
#مبانی_آنالیز_ریاضی
#پایان_ترم
#امتحان
#رجاء
#پاییز_۱۴۰۱
امتحان پایان ترم مبانی آنالیز ریاضی با دکتر پاندورا رجاء
#پایان_ترم
#امتحان
#رجاء
#پاییز_۱۴۰۱
امتحان پایان ترم مبانی آنالیز ریاضی با دکتر پاندورا رجاء
#معادلات_دیفرانسیل
#پایان_ترم
#امتحان
#پوربرات
#پاییز_۱۴۰۱
امتحان پایان ترم معادلات دیفرانسیل با دکتر مهدی پوربرات
#پایان_ترم
#امتحان
#پوربرات
#پاییز_۱۴۰۱
امتحان پایان ترم معادلات دیفرانسیل با دکتر مهدی پوربرات
#معادلات_دیفرانسیل_با_مشتقات_جزئی
#pde
#پایان_ترم
#امتحان
#پوربرات
#پاییز_۱۴۰۱
امتحان پایان ترم معادلات دیفرانسیل با با مشتقات جزئی با دکتر مهدی پوربرات
#pde
#پایان_ترم
#امتحان
#پوربرات
#پاییز_۱۴۰۱
امتحان پایان ترم معادلات دیفرانسیل با با مشتقات جزئی با دکتر مهدی پوربرات
❤1👍1
#مبانی_ترکیبیات
#میان_ترم
#امتحان
#ایردموسی
#بهار_۱۴۰۲
امتحان میان ترم مبانی ترکیبیات با دکتر محرم نژاد ایردموسی
#میان_ترم
#امتحان
#ایردموسی
#بهار_۱۴۰۲
امتحان میان ترم مبانی ترکیبیات با دکتر محرم نژاد ایردموسی