♦️#نادر_انقطاع، دانشمند ایرانی-آمریکایی، برنده جایزه فیزیک نیوتن شد
🔹دکتر نادر انقطاع، فیزیکدان ایرانی-آمریکایی به علت تحقیقاتش در زمینه الکترومغناطیس، فراماده و نانوتکنولوژی برنده مدال علمی موسسه فیزیک اسحاق نیوتن سال ۲۰۲۰ شده است.
🔹مدال اسحاق نیوتن موسسه فیزیک بریتانیا هر سال به یک فیزیکدان که تحقیقات برجسته او افق این رشته علمی را گستردهتر کرده باشد اهدا میشود.
♦️نادر انقطاع، دانشمند ایرانی-آمریکایی، برنده جایزه فیزیک نیوتن شد
🔹دکتر نادر انقطاع، فیزیکدان ایرانی-آمریکایی به علت تحقیقاتش در زمینه الکترومغناطیس، فراماده و نانوتکنولوژی برنده مدال علمی موسسه فیزیک اسحاق نیوتن سال ۲۰۲۰ شده است.
🔹مدال اسحاق نیوتن موسسه فیزیک بریتانیا هر سال به یک فیزیکدان که تحقیقات برجسته او افق این رشته علمی را گستردهتر کرده باشد اهدا میشود.
🔚کانال فیزیک مهندسی
♾ @engphy
🔹دکتر نادر انقطاع، فیزیکدان ایرانی-آمریکایی به علت تحقیقاتش در زمینه الکترومغناطیس، فراماده و نانوتکنولوژی برنده مدال علمی موسسه فیزیک اسحاق نیوتن سال ۲۰۲۰ شده است.
🔹مدال اسحاق نیوتن موسسه فیزیک بریتانیا هر سال به یک فیزیکدان که تحقیقات برجسته او افق این رشته علمی را گستردهتر کرده باشد اهدا میشود.
♦️نادر انقطاع، دانشمند ایرانی-آمریکایی، برنده جایزه فیزیک نیوتن شد
🔹دکتر نادر انقطاع، فیزیکدان ایرانی-آمریکایی به علت تحقیقاتش در زمینه الکترومغناطیس، فراماده و نانوتکنولوژی برنده مدال علمی موسسه فیزیک اسحاق نیوتن سال ۲۰۲۰ شده است.
🔹مدال اسحاق نیوتن موسسه فیزیک بریتانیا هر سال به یک فیزیکدان که تحقیقات برجسته او افق این رشته علمی را گستردهتر کرده باشد اهدا میشود.
🔚کانال فیزیک مهندسی
♾ @engphy
#چطور_شروع_کنیم
یکی از بیشترین سوالاتی که پرسیده میشه اینه که از کجا و چطور باید شروع کنم (یادگیری عمیق) توی این پست میخوام به این سوال پاسخ بدم (تاریخ : ۱۴ آذر ۱۳۹۹)
افرادی که این سوال رو میکنند معمولاً دو دسته هستند اونهایی که آکادمیک بصورت خیلی جدی دنبال کردند و تئوری قضیه رو بلدند و اونهایی که هیچ دیدی از تئوری ندارند و بخاطر ترند بودن وارد میشوند.
چندتا فرض : ۱- لینوکس و پایتون رو بلد هستید (پایتون سطح متوسط و لینوکس همون LPIC 1 هم کفایت میکنه)
۲- با خوندن کتاب مشکلی ندارید
۳- قرار هست کلا بیخیال یادگیری به زبان فارسی بشید
این لیست کتابهایی هست که پیشنهاد میکنم :
1- The hundred-page machine learning (Andriy Burkov)
این کتاب برای کسایی هست که یادگیری ماشین رو خیلی خیلی کم میشناسند، قبل از این که بخواید وارد بشید لازمه اول مطمئن بشید همون چیزی هست که فکرشو میکردید.
2- Hands on ML with scikit-learn, keras, tensorflow (2nd edition) (Aurelien Geron)
نیازی به تعریف نداره بهترین کتاب برای شروع کد زدن بدون ریاضیات پیچیده، بهمراه تئوری کافی.
اینجا مرحلهای هست که دانشگاهی و آموزشگاهی و ... و خیلی از افرادی که دارند کار میکنند (حدود ۹۵٪) میزنن جاده خاکی یا درحال پیادهسازی ایدهها و روشهای مختلف هستند یا درحال خوندن مقالات روز دنیا، اینکه شما چقدر تسلط دارید و چقدر عالی مدلهارو ایجاد میکنید ی بحث هست اما اینکه آیا واقعاً این مدل میتونه به تمام مشتریان شما در زمان مناسب پاسخ بده و .... بحث مهمتری هست.
3- Build Machine Learning Powered Application : Going from idea to product (Emmanuel Ameisen)
برای شروع کتاب خوبی هست، البته مطالبی که توی کتابهای قبلی خوندید رو میتونید فقط نگاهی بندازید.
4- Machine Learning Engineering (Andriy Burkov)
مباحث مربوط به سرویس دهی و ... از یک جایی به بعد نیاز به ML engineer داره اما لازمه شما با این مباحث آشنایی کامل داشته باشید مخصوصاً اگر قراره پروژه خودتون رو راه بندازید.
5- Building Machine Learning Pipelines : Automating Model Life Cycle with Tensorflow (Hannes Hapke)
این بخش خیلی خیلی مهمه، قرار نیست تا ابد هر چندوقت یکبار بشینید و بصورت دستی دیتا جدید رو ترین کنید و همه مراحل رو پیش بگیرید باید از data pipeline ها استفاده کنید (چیزی که خیلی خیلی کم دیده میشه)
6- TinyML : Machine Learning with Tensorflow Lite on Arduino and Ultra-Low-Power Microcontrollers (Pete Warden)
شاید هیچ وقت لازم نشه روی این سختافزارها سرویس دهنده باشید، اما چیزهایی که توی این کتاب قرار هست یاد بگیرید واقعاً واجب هست.
7- Practical Deep Learning for Cloud, Mobile, and Edge : .... (Anirudh Koul)
تا اینجا بصورتی بود که خسته کننده نباشه و کدینگ و ... هم پیش بره اما کم کم باید وارد مباحث تئوری و ریاضیات هم شد.
8- d2l.ai
بخش تئوری این کتاب شامل کلی tips and tricks میشه که جالب هستند.
9- deeplearningbook.org
همهی تئوریها و ریاضیاتی که پیچوندید رو باید بالاخره یاد بگیرید :)
🔚کانال فیزیک مهندسی
♾ @engphy
یکی از بیشترین سوالاتی که پرسیده میشه اینه که از کجا و چطور باید شروع کنم (یادگیری عمیق) توی این پست میخوام به این سوال پاسخ بدم (تاریخ : ۱۴ آذر ۱۳۹۹)
افرادی که این سوال رو میکنند معمولاً دو دسته هستند اونهایی که آکادمیک بصورت خیلی جدی دنبال کردند و تئوری قضیه رو بلدند و اونهایی که هیچ دیدی از تئوری ندارند و بخاطر ترند بودن وارد میشوند.
چندتا فرض : ۱- لینوکس و پایتون رو بلد هستید (پایتون سطح متوسط و لینوکس همون LPIC 1 هم کفایت میکنه)
۲- با خوندن کتاب مشکلی ندارید
۳- قرار هست کلا بیخیال یادگیری به زبان فارسی بشید
این لیست کتابهایی هست که پیشنهاد میکنم :
1- The hundred-page machine learning (Andriy Burkov)
این کتاب برای کسایی هست که یادگیری ماشین رو خیلی خیلی کم میشناسند، قبل از این که بخواید وارد بشید لازمه اول مطمئن بشید همون چیزی هست که فکرشو میکردید.
2- Hands on ML with scikit-learn, keras, tensorflow (2nd edition) (Aurelien Geron)
نیازی به تعریف نداره بهترین کتاب برای شروع کد زدن بدون ریاضیات پیچیده، بهمراه تئوری کافی.
اینجا مرحلهای هست که دانشگاهی و آموزشگاهی و ... و خیلی از افرادی که دارند کار میکنند (حدود ۹۵٪) میزنن جاده خاکی یا درحال پیادهسازی ایدهها و روشهای مختلف هستند یا درحال خوندن مقالات روز دنیا، اینکه شما چقدر تسلط دارید و چقدر عالی مدلهارو ایجاد میکنید ی بحث هست اما اینکه آیا واقعاً این مدل میتونه به تمام مشتریان شما در زمان مناسب پاسخ بده و .... بحث مهمتری هست.
3- Build Machine Learning Powered Application : Going from idea to product (Emmanuel Ameisen)
برای شروع کتاب خوبی هست، البته مطالبی که توی کتابهای قبلی خوندید رو میتونید فقط نگاهی بندازید.
4- Machine Learning Engineering (Andriy Burkov)
مباحث مربوط به سرویس دهی و ... از یک جایی به بعد نیاز به ML engineer داره اما لازمه شما با این مباحث آشنایی کامل داشته باشید مخصوصاً اگر قراره پروژه خودتون رو راه بندازید.
5- Building Machine Learning Pipelines : Automating Model Life Cycle with Tensorflow (Hannes Hapke)
این بخش خیلی خیلی مهمه، قرار نیست تا ابد هر چندوقت یکبار بشینید و بصورت دستی دیتا جدید رو ترین کنید و همه مراحل رو پیش بگیرید باید از data pipeline ها استفاده کنید (چیزی که خیلی خیلی کم دیده میشه)
6- TinyML : Machine Learning with Tensorflow Lite on Arduino and Ultra-Low-Power Microcontrollers (Pete Warden)
شاید هیچ وقت لازم نشه روی این سختافزارها سرویس دهنده باشید، اما چیزهایی که توی این کتاب قرار هست یاد بگیرید واقعاً واجب هست.
7- Practical Deep Learning for Cloud, Mobile, and Edge : .... (Anirudh Koul)
تا اینجا بصورتی بود که خسته کننده نباشه و کدینگ و ... هم پیش بره اما کم کم باید وارد مباحث تئوری و ریاضیات هم شد.
8- d2l.ai
بخش تئوری این کتاب شامل کلی tips and tricks میشه که جالب هستند.
9- deeplearningbook.org
همهی تئوریها و ریاضیاتی که پیچوندید رو باید بالاخره یاد بگیرید :)
🔚کانال فیزیک مهندسی
♾ @engphy
#خبرعلمی
🔺 نمونه برداری از ماه انجام شد
🔹 لندر فضاپیمای چینی چانگ ۵ پس از جمع آوری نمونه از سطح ماه بلند شده و در مسیر بازگشت به زمین است.
🔹 این کاوشگر شب گذشته ماه را ترک کرده است. طی این ماموریت فضایی یک ماژول حاوی سنگ و خاک ماه همراه پیشرانه هایی قدرتمند به مدار ماه ارسال شد.
🔚کانال فیزیک مهندسی
♾ @engphy
🔺 نمونه برداری از ماه انجام شد
🔹 لندر فضاپیمای چینی چانگ ۵ پس از جمع آوری نمونه از سطح ماه بلند شده و در مسیر بازگشت به زمین است.
🔹 این کاوشگر شب گذشته ماه را ترک کرده است. طی این ماموریت فضایی یک ماژول حاوی سنگ و خاک ماه همراه پیشرانه هایی قدرتمند به مدار ماه ارسال شد.
🔚کانال فیزیک مهندسی
♾ @engphy
🔺 منتظر تکرار پدیده نادر نجومی "مقارنه" پس از ۸۰۰ سال باشید!
🔹سیارههای مشتری و زحل در ۲۱ دسامبر (دوشنبه ۲۱ دیماه ۱۳۹۹) در حد بسیار زیاد به یکدیگر نزدیک خواهند شد؛ در واقع رویداد ۲۱ دسامبر نزدیکترین مقارنه این ۲ سیاره از سال ۱۲۲۶ (۸۰۰ سال پیش) خواهد بود که از زمین قابل دیده شدن است
♾ @engphy
🔹سیارههای مشتری و زحل در ۲۱ دسامبر (دوشنبه ۲۱ دیماه ۱۳۹۹) در حد بسیار زیاد به یکدیگر نزدیک خواهند شد؛ در واقع رویداد ۲۱ دسامبر نزدیکترین مقارنه این ۲ سیاره از سال ۱۲۲۶ (۸۰۰ سال پیش) خواهد بود که از زمین قابل دیده شدن است
♾ @engphy