◀️عنوان شغلی:مهندس هوش مصنوعی

● بخش معرفی کسب و کار
◀️ شرکت تلوبیون

● اینجا قراره چی کار کنید؟
◀️ طراحی، توسعه و پیاده‌سازی نرم‌افزارها و سرویس‌های مبتنی بر هوش مصنوعی و یادگیری ماشین.

ادغام مدل‌های AI در محصولات و سیستم‌های واقعی با تمرکز روی مقیاس‌پذیری و کیفیت نرم‌افزار.

بهینه‌سازی و تست مدل‌ها برای عملکرد بهتر در محیط‌های عملیاتی.

توسعه و آموزش مدل های هوش مصنوعی برای استفاده در سرویس های نرم افزاری.

● دنبال کی هستیم؟
◀️ مدرک کارشناسی ارشد یا دکترا در مهندسی کامپیوتر/ علوم کامپیوتر / علم داده
◀️ مسلط به مفاهیم هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
◀️ مهارت برنامه‌نویسی قوی در زبان  Python
◀️ آشنایی با فریمورک های توسعه عامل های هوش مصنوعی مانند langchain ,  pydantic
◀️ آشنایی با فریمورک های یادگیری ماشین و یادگیری عمیق  نظیر pytorch , tensorflow

● اطلاعات بیشتر
◀️ تمام وقت، هیبرید
◀️ انعطاف ساعت کاری برای دانشجویان

● ارتباط با ما:
◀️خیابان حبیب الله، ایستگاه نوآوری دانشگاه شریف، شرکت تلوبیون.
◀️  ارسال رزومه با عنوان هوش مصنوعی، از طریق: [email protected]
@CE_Job

@Ai_Events

هوش مصنوعی و فرصت‌های نوپدید استارتاپ‌ها
یک جلسه جذاب با حضور مهندس حسین انصاری، VP of Engineering @ Divar

📅 دوشنبه، ۲۶ آبان | ساعت ۱۳:۳۰
📍 سالن آمفی‌تئاتر دانشکده مهندسی و علوم کامپیوتر

فرصتی بی‌نظیر برای آشنایی با آینده استارتاپ‌ها و کاربردهای هوش مصنوعی!

🔗 لینک ثبت نام

در صورت وجود هرگونه سوال با آی‌دی زیر در ارتباط باشید.
@SceSbu


@Ai_Events

تورم در انتظارات، رکود در عملکرد: چرا پروژه‌های پر سروصدای ما شکست می‌خورند؟

هوش مصنوعی به یکی از موضوعات سر سبد مجالس تبدیل شده و هر جا که می‌ریم بعد از بحث‌های اقتصادی، گفت‌وگو درباره‌ی این فناوری جذاب در جریانه. این تب‌وتاب، صرفاً در محافل خودمانی به تولید عکس‌های شوخی‌وار ختم نمی‌شه، بلکه در دل سازمان‌ها و جلسات تصمیم‌گیری کلان نیز، بحث سر پیاده‌سازی این تکنولوژی، داغ‌ترین موضوعه.

درخواست‌هایی که برای اجرای پروژه‌های این زمینه اخیراً بهم رسیده، نشون میده یه چالش عمیق فرهنگی و فنی این بین وجود داره. به دلیل هیجانی که این تکنولوژی ایجاد کرده، بعضی‌ها هوش مصنوعی را نه یک ابزار پیچیده مهندسی، بلکه به چشم یک «عصای جادویی» می‌بینن که قراره تمامی کمبودهای داده‌ای، زیرساختی و استراتژیک ما را یک‌شبه برطرف کنه. وقتی تو یه جلسه‌ی عملیاتی، انتظار می‌ره با داده‌های ناکافی یا نامنظم، پیش‌بینی‌های قطعی و تضمینی داشته باشیم، اینجا جاییه که باید متوقف بشیم و صادقانه فکر کنیم.

وظیفه‌ی ما به‌عنوان کسانی که در لبه‌ی دانش این حوزه ایستاده‌ایم، دیگه صرفاً کدنویسی و اجرای مدل‌ها نیست؛ سنگین‌ترین بخش کارمون، «مدیریت توقعات» و جلوگیری از شکل‌گیری توهماتیه که می‌تونه به کل این تخصص ضربه بزنه. ما باید با احترام و شفافیت توضیح بدیم که هوش مصنوعی ریشه در ریاضیات و آمار مستحکم داره و بدون داده‌ی باکیفیت و مسئله‌ی تعریف‌شده، هرگز معجزه نخواهد کرد.

از نظر من، شجاعت یک متخصص ارشد در این نیست که به هر ایده جذابی که مبتنی بر متدهای یادگیری ماشینه «بله» بگه؛ بلکه هنر ما اونجایی مشخص می‌شه که بتونیم سازمان‌ها رو قانع کنیم که گاهی یک راه‌حل ساده‌تر و کم‌هزینه‌تر، ارزش‌آفرینی بیشتری نسبت به پیاده‌سازی پرهزینه‌ترین مدل‌های یادگیری عمیق داره.

متأسفانه، این بازار پرهیجان، بستر مناسبی رو برای سوءاستفاده‌ی یه عده فراهم کرده. شاهد حضور افرادی هستیم که بدون داشتن تخصص یا شالوده‌ی فنی کافی، صرفاً با تکیه بر واژه‌های دهان‌پُرکن مربوط به AI، وعده‌های بزرگی میدن و برای خودشون قراردادهایی با مبلغ بسیار خوب می‌بندن. این دوستان، بعد از چند ماهی که به بهانه‌هایی مثل «پیچیدگی‌های فنی» و «طولانی بودن فرایند»، حقوق‌های خوبشون رو می‌گیرن و یه هزینه بزرگ به سازمان تحمیل می‌کنن، پروژه رو ناتمام رها می‌کنن و میرن.

این رویکرد غیرمسئولانه، نه تنها بودجه، زمان و انرژی سازمان‌ها رو هدر میده، بدتر از اون، مدیران و ذینفعان که این تجربه‌های تلخ رو از سر گذروندن، به کل این فناوری بی‌اعتماد می‌شن. در واقع، اینجاست که هم هوش مصنوعی و هم متخصصین متعهدش، بدنام میشن و کار ما برای اجرای پروژه‌های اصیل و ارزش‌آفرین، چندین برابر سخت‌تر می‌شه.

تو این برهه زمانی، از نظر من، وظیفه‌ی ما اینه که کمک کنیم هوش مصنوعی از تبدیل شدن به یک «شعار لوکس» خارج بشه و به عنوان ابزاری واقعی برای حل مشکلات واقعی باقی بمونه. ما به عنوان متخصصین هوش مصنوعی، باید در سازمان، علاوه بر متخصص، نقش یک «مشاور روشنگر» رو ایفا هم کنیم. این یکی از رسالت‌های اخلاقی ما در برابر جامعه هوش‌مصنوعی هستش.

@Ai_Events

🔷 وبینارهای ماهانهٔ بخش دانشجویی خانه ریاضیات اصفهان

🔹 وبینار دوم:
«انحراف گراف‌های وزن‌دار و کاربردها»

👤 سخنران:
دکتر سجاد لکزیان
دانشگاه صنعتی اصفهان

🗓️ سه‌شنبه ۱۸ آذر ۱۴۰۴
🕗 ساعت ۲۰:۰۰

🔗 پیوند شرکت در وبینار:
https://www.skyroom.online/ch/mathhouse/students

♾️ این سومین وبینار از سری وبینارهای بخش دانشجویی خانه ریاضیات اصفهان در سال تحصیلی ۱۴۰۴-۱۴۰۵ است. حضور در این وبینارها برای همگان آزاد است.

@IMHStudents

@Ai_Events

امضای سند همکاری ایران و روسیه در حوزهٔ هوش مصنوعی / دنیای اقتصاد


@Ai_Events

از دل رَوَدَم یادِ تو بیرون؟
نه و هرگز

هاتف اصفهانی


@Ai_Events

China has rolled out AI-driven police patrol vehicles that operate nonstop, using facial recognition, 360° cameras, and onboard sensors to spot watchlisted individuals, fraudulent plates, and various traffic or safety violations.

The move marks another major step toward fully automated urban policing.

@Ai_Events

پزشکیان در سخنرانی روز دانشجو در دانشگاه شهید بهشتی: بدترین کاری که امروز در کشور گرفتار آن هستیم فیلترینگ است، دستور دادم سیم‌کارت‌های سفید، سیاه شود تا بفهمند آن‌هایی که سیاه هستند چه بلایی سرشان می‌آید

@Ai_Events

🔷 Applied ML seminar meetings

والروس: یک مدل بنیادین میان‌دامنه‌ای برای دینامیک‌های پیوسته

ارائه دهنده: مهدی فرمهینی فراهانی (آراد)
دانشجوی ارشد ژئوفیزیک لرزه شناسی مؤسسه ژئوفیزیک دانشگاه تهران

زمان: شنبه 22 آذر، ساعت ۱۶:۳۰

مکان: سالن سمینار، طبقه سوم دانشکده فیزیک

لینک گوگل میت:

https://meet.google.com/xmj-ftag-saa


https://ccnsd.ir
https://complexity.sbu.ac.ir/
@Complexity_SBU

@Ai_Events

دوستان چند تا تبلیغ داخل کانال انجام شد و بابتش مبلغی جمع شده بود، بخشی از اون مبلغ برای پست زیر واریز شد.
https://t.iss.one/yaatim/2980

@Ai_Events ❤️

0- دولوپری که از هوش مصنوعی فقط صدا کردن LLM رو یاد گرفته، نجاریه که چکش داره و همه چیز رو میخ می‌بینه!

1- واسه یه مشکلی LLM صدا می‌کردن، در حالی که TF-IDF کارشون رو راه انداخت!

2- ساده‌ترین راه برای کاهش حجم کار، جذب نیروی جدیده، اما پرهزینه‌ترین! هم از نظر مالی هم اعتباری (بعدش مجبور به اخراج کردنید)؛ راه بهتر تعدیل انتظاراته.

3- اسم قشنگ‌تر اخراج، تعدیل، عدم تمدید قرارداد و … هستش.

4- کلید موفقیت محصول، خروجی داشتن و وابسته کردن ذی‌نفع به خروجیه، راه‌اندازی‌زیرساخت و اوتومیشن در اولویت‌های بسیار پایین‌تری قرار می‌گیره.

5- کامت (Comet) یه مرورگر رایگان بر پایه‌ی LLM هست که می‌تونه آینده‌ی مرورگرها رو شیفت بده.

6- خسیس‌ترین توسعه‌دهنده در ارسال نوتیفیکیشن باشید.

@Ai_Events

انجمن علمی علوم کامپیوتر دانشگاه تهران برگزار می‌کند:

🔷 World Models: From prediction to congnitive maps

🔶 Most AI reacts to data—but what if machines could imagine and plan like humans? This talk explores world models, showing how agents like Dreamer can master complex worlds such as Minecraft through internal simulation. We introduce Cloned-Structured Cognitive Graphs (CSCGs), a structured, interpretable approach that could open the door to more powerful and fundamentally different AI.

👤 آرش نیک‌زاد، دانشجوی علوم کامپیوتر دانشگاه تهران

📍مکان: دانشکده‌ی ریاضی، آمار و علوم‌کامپیوتر، کلاس ۲۲۱
📅 تاریخ: سه‌شنبه ۲ دی
🕑 زمان: ساعت ۱۷:۰۰

🔓 ورود برای عموم آزاد است.

✍️ در‌ صورتی که از دانشگاهی غیر از دانشگاه تهران حضور پیدا می‌کنید، لطفاً جهت هماهنگی با حراست دانشگاه، فرم مربوطه را پر کنید.
@CS_Talks_UT

@Ai_Events

🪢 Compositional Learning Journal Club

Join us this week for a critical exploration of robustness in Visual Question Answering systems and the broader implications for visual–language model reliability. We’ll analyze how even subtle, meaning-preserving changes to inputs can destabilize model outputs and discuss what this means for future evaluation and model design.

🌟 This Week's Presentation

📄 Paper:
Questioning the Stability of Visual Question Answering

🧠 Abstract:
Modern Visual Language Models (VLMs) have achieved impressive performance on a wide range of visual reasoning tasks, yet fundamental questions remain about their robustness to benign input perturbations. This paper presents the first large-scale, systematic study of how VLMs respond to small, meaning-preserving changes—such as pixel shifts, light geometric transformations, padded rescaling, paraphrasing, and multilingual rewrites—that do not change the true semantics of an image–question pair.

Across multiple datasets and models, the authors find that minor visual or textual perturbations frequently lead to different predicted answers, even for state-of-the-art systems like GPT-4o and Gemini 2.0 Flash. They also show that stability under perturbations correlates strongly with correctness, and that the stability patterns of small open-source models can be used to predict when larger models will fail.

In this session, we’ll discuss:
• What kinds of input changes most disrupt VQA predictions.
• How stability can serve as a proxy for reliability and model confidence.
• Implications for evaluation benchmarks and future model development.


🎙 Presenter: Amir Kasaei

Session Details:
- 📅 Date: Tuesday, December 23rd
- 🕒 Time: 3:00 AM - 4:00 PM
- 🌐 Location: Online at vc.sharif.edu/ch/rohban

We look forward to your participation! ✌️

@Ai_Events

📖 موضوع: تحلیل جریان اطلاعات مغزی در اوتیسم با بهره گیری از شبکه های عصبی مبتنی بر گراف

👨‍🎓 ابوالفضل حقیقی فر

🕘 زمان: ۳ دی‌ماه، چهارشنبه ساعت ۱۱:۰۰

🏢 مکان: دانشگاه شهید بهشتی، دانشکده فیزیک، تالار ابن هیثم

🌐 لینک گوگل میت:
https://meet.google.com/rqz-mwbj-wau

@Ai_Events

اگر ما همه گمشدگانی باشیم که
به یکدیگر کمک میکنیم که پیدا شویم چه؟


بخشی از مبلغ تبلیغات کانال برای این پست واریز شد.

@Ai_Events ❤️

🔻نشست تخصصی هفته پژوهش
دانشکده مهندسی صنایع دانشگاه صنعتی شریف برگزار می‌کند:

🔹آینده زنجیره‌های تامین با هوش مصنوعی: فرصت‌ها و چالش‌ها

👥 سخنرانان:
🔸دکتر محمدرضا اکبری جوکار - عضو هیئت علمی دانشکده مهندسی صنایع دانشگاه صنعتی شریف
🔸مهندس علی بهرامی - مدیرعامل شرکت کادک
🔸دکتر رضا سمیع‌زاده - مدیرعامل گروه فاخر
🔸مهندس سجاد خالصی - مدیر نوآوری هولدینگ شوینده گلرنگ
🔸دکتر علی شجاع - قائم مقام مدیرعامل شرکت آهن‌آنلاین و عضو هیئت مدیره

🗓 زمان: یکشنبه ۷ دی‌ماه
⏰ ساعت: ۱۵:۳۰ تا ۱۷:۳۰

📍 محل برگزاری:
دانشگاه صنعتی شریف، دانشکده مهندسی صنایع، طبقه سوم، سالن اجتماعات
🔻محل برگزاری آنلاین
@IE_SUT


@Ai_Events

اولین نمایشگاه بین‌المللی هوش مصنوعی ایران (Iran AIX Expo 2026)22 تا 25 دی ماه در محل دائمی نمایشگاه‌های بین‌المللی تهران برگزار می‌شود.

نمایشگاه بین المللی هوش مصنوعی ایران، به عنوان نخستین گردهمایی رسمی و تخصصی کشور در این حوزه، رویدادی استراتژیک است که با مجوز رسمی سازمان توسعه تجارت ایران و به همت شرکت ایده تجارت هرمس برگزار می‌شود.

این نمایشگاه که در سالن های ۷، ۸، ۹، ۱۰، ۱۱ و ۲۷ نمایشگاه بین المللی تهران برپا خواهد شد، با هدف اصلی ایجاد یک بستر تعاملی قدرتمند میان تمامی بازیگران اکوسیستم هوش مصنوعی کشور طراحی شده است.

https://iranaiexpo.com/

@Ai_Events

🔵برنامه نویسی در عصر ایجنت ها🔵

برای مدتی است که از مدل های زبانی بزرگ و همچنین «ایجنت» (agent) ها استفاده میکنم و این نوشتار را بهانه ای کردم برای خلاصه کردن برخی تجربیات شخصیم. تبلیغات کنونی آینده ی تاریکی را برای برنامه نویسان متصور هستند چرا که برخلاف آنچه تصور میشد نوشتن کد فرآیند تکراری است که به راحتی توسط ماشین یاد گرفته می شود. بخصوص اینکه چنین سیستم هایی تمام ارتباطات نرم افزاری، الگوریتم های برنامه سازی و حتی سخت افزار و فراتر از آن را در خود دارند. خود این سیستم ها حتی گاهی کد می نویسند تا بعضی از کارهای خودشان را انجام دهند. به طور مثال اگر بخشی از پاسخ به یک ورودی مشخص نیازمند یک محاسبه ی دقیق باشد مدل کدی می نویسد که آن را محاسبه کند. برنامه نویسی وارد دوره ی جدیدی می شود و به همین دلیل برنامه نویسان باید استراتژی های خود را تغییر دهند. البته هیچ شکی وجود ندارد که بخش زیادی از برنامه نویسانی که به شیوه های سنتی ادامه می دهند در نهایت از چرخه حذف می شوند. اما ویژگی های این دوران جدید چیست؟

اولین ویژگی برنامه نویسی با استفاده از یک کمک مانند یک ایجنت این است که شما را از سطح کد بیرون آورده و به سطح جدیدی وارد می کند که گاهی به کنایه به آن «وایب کدینگ» (vibe coding) گفته می شود. در این سطح جدید شما درگیر مسائل با درجه ی انتزاع پایین تر مانند مرتب کردن یک لیست نیستید بلکه به رابطه ها در سطح بالاتری نگاه می کنید مثلا شما ممکن است نیازمند یک کلاس باشید که تمام فایلاهای با فرمت مشخص را خوانده و آن را در یک پایگاه داده ذخیره کند. در این روش جدید جزییات آن کار انتزاعی اهمیتی ندارد چرا که مسائلی مشابه این بارها قبل توسط برنامه نویسان انجام شده مدل آن را «می داند». اما دقت کنید که این بدان معنی نیست که برنامه نویس نیاز به برنامه ریزی (planning)، بهینه سازی (optimization) و سازماندهی ندارد! این سازماندهی سطح بالاتر چیزی است که مدل به تنهایی قادر به انجام آن نیست! به همین دلیل هم مدل های کنونی می توانند معمولا برنامه های کوچک را به صورت کامل تنها با یک دستور بسازند اما به محض اینکه قدری برنامه بزرگ تر می شود یا مشخصات ان تغییر میکند، دچار مشکلات جدی می شوند.

دومین ویژگی برنامه نویسی با ایجنت ها وارد شدن به عصری است که در آن به تدریج کدهای ما به ترکیبی از زبان دقیق برنامه نویسی و زبان احتمالاتی (و مبهم) متنی تبدیل می شود. امروزه ما هر چه بیشتر از مدل هایی استفاده می کنیم که یک تابع بسیار پیچیده را محاسبه می کنند. مثلا یک بخش کد می تواند اطلاعات مربوط به پرواز را از یک ورودی متنی بدون هیچ فرمت مشخصی استخراج کرده و به سیستم دیگری پاس دهد که بتواند پراوز را رزرو کند! این ارتباط رفت و برگشتی بین «کد» و «مدل» (یا کد احتمالاتی) مشخصه ی نرم افزار های آینده هستند.

اما چنین تغییری موضوع جدیدی نیست: در ابتدای ساختن کامپیوتر ها پانچ کارت ها تنها راه ارتباط با کامپیوتر بود بعد ها این به زبان اسمبلی و ماشین و بعد ها به زبان های سطح پایین و در نهایت به زبان های سطح بالاتر که حاوی مفاهیمی چون «کلاس»، «وراثت» (inheritance) و چند ریختی (polymorphism) هستند منجر شد. انتزاعات کنونی به سطحی آمده است که زبان روزمره هم در آن دخیل شده است اما این بدان معنی نیست که می توان «شعر» را وارد کد کرد! چگونه این زبان جدید و دورگه را باید یاد گرفت؟ اگر دیگر روش های سنتی برای یادگیری برنامه نویسی جواب نمی دهد چه باید کرد؟ بنظر می رسد که نیاز به یادگیری پایه های محاسبه هرگز از بین نمیرود یا ارزش آن کم نخواهد شد با این حال تمرکز بیشتر برنامه نویسان اینده و زمان آن ها صرف مسائل مهم تری مانند مدل سازی می شود. به طور مثال شروع کردن از مدل های ساده و ساختن نرم افزار نیازمند درک دقیق ارتباط ها و نحوه ی رشد دادن آن است. نباید فراموش کنیم که مدل های زبانی معجزه نمی کنند! شما نمی توانید بنویسید یک نرم افزار شبیه فوتوشاپ بساز و مدل برای شما ده هزار خط منطقی و منسجم بنویسد! چنین کاری حداقل بسیار فراتر از تکنولوژی کنونی است. اگر شما ابزارتان را از اره به اره برقی تغییر بدهید یکدفعه یک ساختمان را برای شما درست نمی کند ولی با این حال ساختن چنین ساختمانی را سریع تر، لذت بخش تر کرده و شاید حتی فضای بیشتری برای خلاقیت به شما بدهد.

برنامه نویسان بیشتر از هر زمان دیگری نیاز دارند که به نیاز ها و فرآیند های بزرگ دقت بیشتری کنند یا قوانین و علوم را بهتر بشناسند! چنین ویژگی قدرت بیان دقیق تری به ان ها می دهد که ابزارهای هوش مصنوعی را به جای یک دشمن به یک دوست تبدیل می کند!

source: @matlabtips

@Ai_Events