📢یادگیری پایتون📢
قبلا یک پست پراکنده در مورد نحوه شروع کار با پایتون گذاشته بودم. در اینجا به صورت یک پست کامل و منسجم می توانید همه آن را بخوانید.

😃ساسی مانکن یا عزیز ویسی؟! کدوم رقصی تره؟ با پایتون😃


زبان پایتون یک زبان فوق العاده برای انجام بازه بسیار گسترده ای از کارهایی است که تقریبا در هر زبان دیگری فقط بخشی از آن را می توانید انجام دهید. اینجا با کتابخانه ای آشنا می شویم که از اسپاتیفای استفاده میکند. اگر هیچ اطلاعاتی از شروع کار با پایتون ندارید این مطلب قبلی ام را بخوانید.

اسپاتیفای یکی از بزرگترین سایت های موسیقی است که می توانید در آن موسیقی های مختلف از سراسر دنیا را جستجو کنید و بشنوید. اما بخش جالب تر این سایت بخشی است که برای توسعه دهندگان برنامه ها قرار داده شده است. اسپاتیفای بخش بسیار زیادی از اطلاعات خوانندگان، موسیقی ها و آلبوم ها و غیره و غیره را از طریق API خود در اختیار توسعه دهندگان قرار می دهد. با این ویژگی ها می توان برنامه های بسیار جالبی برای اندروید، آی او اس یا هر اپلیکیشن وبی و غیر وبی دیگر نوشت. ادامه در لینک زیر:

https://vrgl.ir/koHwN

مجموعه ای از بهترین ویژالیزیشن های سریال محبوب بازی تاج و تخت (game of thrones) با استفاده از d3js

https://jeffreylancaster.github.io/game-of-thrones/

🌕دوره یادگیری متلب از پایه (به زبان انگلیسی ساده)🌕

در طول چند سالی که متلب یاد گرفتم و در جاهای مختلف یاد دادم با منابع بسیار زیادی مواجه شدم. هر کدام ضعف ها و نقاط قوت خود را داشتند اما به طور قطع الان می توانم بگویم بهترین منبع برای یادگیری متلب دوره دانشگاه vanderbilt است که برای مدتی بر روی سایت coursera قرار داشت و بخاطر استقبال بسیار زیاد از آن دوره های بعدی آن هم تنظیم شد. ويژگی این دوره آن است که دارای سیبلابس بسیار منطقی و منسجمی است و دو نفری که آن را آماده کرده اند در این کار حرفه ای به معنای واقعی هستند. برای یادگیری این دوره نیازی به هیچ پیش نیازی اعم از بلد بودن برنامه نویسی زبان دیگری وجود ندارد. دوره همراه با تعداد زیادی مثال در هر قسمت است و تمرین های زیادی هم دارد. همچنین این دوره همراه با کتابچه و اسلاید هایی می آید که شبیه به یک جزوه بسیار کامل است و می توانید از طریق آن هم روند یادگیری را هم دنبال کنید.
به دلیل جلوگیری از شلوغی در کانال لینک ها را در یک کانال دیگر گذاشتم و از این به بعد فایل های حجیم در آنجا قرار می گیرند (به تبع از کانال های دیگر) شما نیازی به عضویت در آن کانال دیگر ندارید. سیلابس و لینک ها به ترتیب زیر هستند:
Chapter 1: Introduction to MATLAB
Lesson 1.1. Introduction: https://t.iss.one/matlabtips_files/3
Lesson 1.2 The MATLAB Environment: https://t.iss.one/matlabtips_files/4
Lesson 1.3 The MATLAB Desktop: https://t.iss.one/matlabtips_files/5
Lesson 1.4- MATLAB as a Calculator: https://t.iss.one/matlabtips_files/6
Lesson 1.5- Syntax and Semantics:‌ https://t.iss.one/matlabtips_files/8
Lesson 1.6-The MATLAB Help System: https://t.iss.one/matlabtips_files/8
Lesson 1.7- Introduction to Plotting in MATLAB: https://t.iss.one/matlabtips_files/9

Chapter 2: Matrices and Operators
Lesson 2.1 Introduction to Matrices and Operators: https://t.iss.one/matlabtips_files/10
Lesson 2.2- The Colon Operator: https://t.iss.one/matlabtips_files/11
Lesson 2.3- Accessing Parts of Matrix: https://t.iss.one/matlabtips_files/12
Lesson 2.4 Combining and Transforming Matrices: https://t.iss.one/matlabtips_files/13
Lesson 2.5- Arithmetic Part 1: https://t.iss.one/matlabtips_files/14
Lesson 2.6- Arithmetic Part 2: https://t.iss.one/matlabtips_files/15
Lesson 2.7- Operator Precedence: https://t.iss.one/matlabtips_files/16

Chapter 3: Functions
Lesson 3.1- Introduction to Functions: https://t.iss.one/matlabtips_files/17
Lesson 3.2- Function Input-Output: https://t.iss.one/matlabtips_files/18
Lesson 3.3- Formal Definition of Functions: https://t.iss.one/matlabtips_files/19
Lesson 3.4- Sub-functions: https://t.iss.one/matlabtips_files/20
Lesson 3.5- Scope: https://t.iss.one/matlabtips_files/21
Lesson 3.6- Advantages of Functions: https://t.iss.one/matlabtips_files/22
Lesson 3.7- Scripts: https://t.iss.one/matlabtips_files/23

Chapter 4: Programmer's Toolbox
Lesson 4.1- Introduction to the Programmer's Toolbox: https://t.iss.one/matlabtips_files/24
Lesson 4.2- Matrix Building: https://t.iss.one/matlabtips_files/25
Lesson 4.3- Input-Output: https://t.iss.one/matlabtips_files/26
Lesson 4.4- Plotting: https://t.iss.one/matlabtips_files/27
Lesson 4.5- Debugging: https://t.iss.one/matlabtips_files/28

Chapter 5: Branching
Lesson 5.1- Selection (Branching) in MATLAB: https://t.iss.one/matlabtips_files/29
Lesson 5.2 If-Statement contd: https://t.iss.one/matlabtips_files/30
Lesson 5.3- Relational and Logical Operators: https://t.iss.one/matlabtips_files/31
Lesson 5.4- Nested If-statements: https://t.iss.one/matlabtips_files/32
Lesson 5.5- Variable Number of Arguments: https://t.iss.one/matlabtips_files/33
Lesson 5.6- Robustness: https://t.iss.one/matlabtips_files/34
Lesson 5.7- Persistent Variables: https://t.iss.one/matlabtips_files/35

Chapter 6: Loops
Lesson 6.1 for-loops in MATLAB: https://t.iss.one/matlabtips_files/36
Lesson 6.2 while-loops in MATLAB: https://t.iss.one/matlabtips_files/37
Lesson 6.3- Break-statement in MATLAB: https://t.iss.one/matlabtips_files/38
Lesson 6.4- Logical indexing in MATLAB: https://t.iss.one/matlabtips_files/39
Lesson 6.5- Preallocation: https://t.iss.one/matlabtips_files/40

Chapter 7: Data Types
Lesson 7.1- Introduction to data types: https://t.iss.one/matlabtips_files/41
Lesson 7.2- Strings (old version): https://t.iss.one/matlabtips_files/42
Lesson 7.3 Structs: https://t.iss.one/matlabtips_files/43
Lesson 7.4- Cells: https://t.iss.one/matlabtips_files/44

Chapter 8: File Input/Output
Lesson 8.1- Introduction to files in MATLAB: https://t.iss.one/matlabtips_files/45
Lesson 8.2- Excel files in MATLAB: https://t.iss.one/matlabtips_files/46
Lesson 8.3- Text Files: https://t.iss.one/matlabtips_files/47
Lesson 8.4 Binary Files https://t.iss.one/matlabtips_files/48

handbook: https://t.iss.one/matlabtips_files/50
slides: https://t.iss.one/matlabtips_files/51

دوستانی که نگران حق کپی رایت هستند باید بگویم که خود این افراد این منابع را اخیرا بر روی یوتیوب هم قرار داده اند پس لطفا ما رو ریپورت نکنید.

پروانه ها در پارک لاله

موسیقی: "غریبه ها" از پیمان یزدانیان

مونا لیزا بالاخره شروع به حرف زدن کرد!

https://arxiv.org/abs/1905.08233v1

🕊شبیه سازی حرکت گروهی پرندگان در پایتون (قسمت ۱)🕊

(این متن مانند بیشتر مطالب کانال ترجمه یا کپی از جایی نیست کپی کردن از آن حتی بدون ذکر منبع نه تنها مجاز بلکه توصیه می شود!)

حتما برای شما هم پیش آمده است که محو تماشای حرکت پرندگان به خصوص در غروب آفتاب شوید. حرکت هایی به ظاهر نامنظم اما بسیار هماهنگ و زیبا! صدها یا حتی هزاران پرنده همزمان مانند یک کل واحد در پهنه آسمان غلط می خورند و با اشکال گوناگونی که می سازند شگفتی می آفرینند!

اصلا شاید بهترین موقع برای بیرون آوردن دفترچه و نوشتن یک دل نوشته یا شعر شود! اما برای من قضیه فرق می کند من این بار لپ تابم را در می آورم تا سر از کار این الگو در بیاورم و اگر بشود آن را شبیه سازی کنم. به قول ریچارد فاینمن فیزیکدان نامی قرن بیستم:

What I can't create I don't understand
پس ما هم سعی میکنیم ابتدا کلیات آن را بفهمیم و بعد واقعا آن را درک کنیم.
ادامه در لینک زیر:

https://vrgl.ir/PYSfB

شبیه سازی حرکت گروهی پرندگان در پایتون

https://vrgl.ir/PYSfB
@Matlabtips

‍ ⚡️مجوز اخلاقی (moral licensing)⚡️


در سازمانهایی که باد تند نقد عمومی وجود ندارد، یک فساد کوچک مانند قارچ رشد می کند(فردریش نیچه)
(تصویری از متهمان اخیر فساد پتروشیمی)

شما به طور معمول نوشابه نمی خورید اما در مهمانی هستید و آنجا نوشابه هست. با خودتان می گویید حالا یکبار که چیزی نمی شود. اتفاقا اخیرا خیلی سالم غذا خورده ام! مدتی است کمک زیادی به فقرا و خیریه می کنید موقعیتی پیش می آید و قدری پول بی حساب دستتان می رسد با خود میگویید من کار خوب زیاد کرده ام اشکالی ندارد این پول را بردارم!

چرا افرادی که به صورت نرمال اخلاقی هستند دست به کارهای غیر اخلاقی می زنند؟ دقیقا در آن لحظه چه اتفاقی می افتد؟ تصویر ساده از انسان که در دانش عرفی و ادیان بر آن تاکید می شود انسان را موجودی می داند که با پرهیزگاری و تقوا می تواند موجودی اخلاقی هم شود. اما چرا این اتفاق نمی افتد؟ چرا افراد پرهیزگار در مسند قدرت شروع می کنند به انجام کارهای غیر اخلاقی و در نهایت کنترل همه چیز از دست می رود. تنها دلیل این اتفاق این است که تصویر ما از روانشناسی انسان برای مدت ها دچار خطا بوده است. تصویر قدیمی اعتماد بیش از حدی به باور ها و عقاید افراد داشت اما تصویر جدید انسان را موجودی می داند که هنگام تصمیم گیری فقط بر اساس باور عمل نمی کند. این تصویر اساس فلسفه های مدرنی است که بنیان دموکراسی های غربی را شکل می دهد. این فلسفه ها متاسفانه تصویر تاریکی از طبیعت بشر ارایه می کنند.
اما روانشناسی جدید هم تصویر بهتری ارایه نمی کند. همه ما وقتی کار نادرستی انجام می دهیم احساس گناه یا عذاب وجدان می کنیم و می گوییم که آن را تکرار نمی کنیم. اما بخش دیگر ماجرا که به آن پرداخت نشده است تمایل انسان برای متعادل کردن تصمیم های خوب و بد است! به خودمان می گوییم مشکلی ندارد که این یک تکه شیرینی را بخورم چون دیروز یک ساعت دویده ام. اشکالی ندارد اگر این لباس گران قیمت را بخرم چون اخیرا خیلی صرفه جویی کرده ام و اشکالی ندارد این حساب ها را قدری جابجا کنم چون من که یک آدم خداشناس هستم! امروزه دیگر این رفتار یک فکت است چرا که مطالعه رفتار مشتری ها و افراد آن را به اثبات رسانده است. در یک مطالعه در دانشگاه تورنتو نشان داده شد افرادی که محصولات سبز(مفید برای محیط زیست) می خرند با احتمال بیشتری ممکن است یکی دو جنس را از مغازه کش بروند![1] مثال های این چنینی در روانشناسی رفتاری بسیار زیاد هستند[2].

مجوز اخلاقی مکانیزمی است که طی آن افراد به خود اجازه می دهند برای یک بار یا حتی مدت کوتاهی کاری که خود میدانند غلط است را انجام بدهند چون خود را به اندازه کافی پرهیزگار می دانند که در نهایت خیلی هم برایشان بد نشود! در واقع وقتی ما یک عمل خوب انجام می دهیم حس خوبی که از آن میگیریم به نحوی این اجازه را به ما می دهد که دفعه های بعدی خودخواهانه تر رفتار کنیم. تنها راه برون رفت از این شیوه زیستن آگاهی نسبت به آن است و دانستن این نکته که پرهیزگاری اخلاق نمی آورد!

[1] https://arxiv.org/pdf/1711.05492
[2] https://ipfs.io/ipfs/QmXoypizjW3WknFiJnKLwHCnL72vedxjQkDDP1mXWo6uco/wiki/Moral_self-licensing.html

🕊شبیه سازی حرکت گروهی پرندگان در پایتون (قسمت ۲)🕊

در قسمت قبلی نشان دادیم که چطور می توان حرکت پرندگان و قانون هم ترازی را در پایتون پیاده سازی کرد. در این قسمت به پیاده سازی دو قانون دیگر یعنی جدایی و انسجام می پردازیم.

https://vrgl.ir/ruEDR

فرانسوا شله، بنیان گذار کتابخانه یادگیری عمیق keras و از پیشروان هوش مصنوعی به ویتگنشتاین فیلسوف بزرگ قرن بیستم اشاره کرده است، این اهمیت دانستن فلسفه حتی برای فنی ترین افراد را نشان می دهد.

🔥بهترین منبع برای یادگیری ماشین و یادگیری عمیق (Machine learning and Deep learning)🔥

این موضوع شاید چیزی باشد که واقعا نیازی به معرفی نداشته باشد اما کافی است یک سرچ در گوگل بکنید تا متوجه بشوید در هزاران هزار منابع مختلف برای یادگیری ماشین گم می شوید. همه آن ها هم به شما می گویند ما بهترین منبع هستیم! از کورس های آنلاین گرفته تا کتابخانه ها و کتابها! شاید یادگیری ماشین جز معدود مباحثی باشید که بیش از نیاز برایش منبع بر روی اینترنت وجود دارد. اما اینجا نمی خواهم دوباره همان داستان را با گیج کردن شما با معرفی چندین منبع ادامه بدهم. به همین خاطر فقط یک منبع معرفی میکنم. یادگیری موضوعی مثل "یادگیری ماشین و یادگیری عمیق" ممکن است از دید عده ای با چند توتریال هم ممکن باشد اما اگر می خواهید در حد قابل قبولی مفاهیم را هم یاد بگیرید نیاز هست به کتاب مراجعه کنید. کتابی که معرفی میکنم نیاز به پیش نیازهای ریاضی چندانی ندارد به همین خاطر یک کتاب بسیار فنی نیست و از طرفی هم به سطحی بودن یک توتریال نیست. این کتاب یک بالانس فوق العاده بین مفاهیم تئوری و عملی بر قرار کرده است و برای هر کسی در حد سطحی حرفی برای گفتن دارد. کتاب بسیار ساده و روان است و نویسنده به خوبی از عهده روشن کردن تمام جزییات بر آمده است:

https://www.amazon.com/Hands-Machine-Learning-Scikit-Learn-TensorFlow/dp/1491962291

👓 به دلیل حفظ حق کپی رایت نمی توانم خود pdf کتاب را اینجا قرار بدهم اما دانلود آن ساده است. کافی است به سایت https://gen.lib.rus.ec بروید اسم کتاب را سرچ کنید و آن را دانلود کنید . همچنین لینک گیت هاب برای دسترسی به کد ها اینجاست.
👓 ویرایش جدیدتر کتاب بزودی منتشر می شود اما اگر می خواهید به محتوای آن دسترسی داشته باشید خود نویسنده سخاوتمندانه کدهای آن را در قالب Jupyter notebook در گیت هاب قرار داده است.

🗣باز سازی چهره از روی صدای شخص!(speech2face)👨🏻‍🦲

شاید بیشتر شبیه به فیلمهای بی سر و ته جیمز باند بنظر برسد اما واقعیت دارد! پژوهشگران دانشگاه MIT شبکه عصبی ای را آموزش داده اند که می تواند چهره فرد را بر اساس صدایش بازسازی کند! این کار بر اساس استخراج ویژگی های مشخصی مانند سن، جنسیت و قومیت(ethnicity) صورت می پذیرد اگرچه همبستگی (correlation) های پیچیده تری هم بین تصاویر چهره و صداها وجود دارد که قابل توضیح به صورت یک ویژگی سطح بالا (مثلا همان سن و جنسیت) نیستند. هرچند عجیب به نظر می رسد اما این پژوهشگران نشان داده اند که همبستگی های زیادی بین صدا و تصویر وجود دارد! البته چند نکته در این بازسازی وجود دارد. بازسازی ای که انجام می شود یک تصویر میانگین می دهد به این معنا که اطلاعات مربوط به صدا به صورت کامل نمی توانند چهره یک شخص را تعیین کنند بلکه یک تصویر حدودی که مربوط به اشخاصی که ممکن است صدایشان آنطور باشد را خروجی می دهد. کدهای این پروژه هنوز در دسترس نیست اما بزودی بر روی این صفحه قرار می گیرد.

@matlabtips

🧩آیا برای اثبات قضایا به مغز انسان احتیاج هست؟🧩

گوگل شبکه ی عصبی ای را برای اثبات کننده قضایا (theorem prover) توسعه داده است که تا کنون توانسته ۱۲۰۰ قضیه جدید را اثبات کند! این شبکه بر روی ۱۰۲۰۰ قضیه اثبات شده از منابع مختلف آموزش داده شده است. بیشتر این قضایا در زمینه های جبر خطی، آنالیز حقیقی و آنالیز مختلط بوده اند.
مقاله https://arxiv.org/abs/1904.03241

🖥منبع برای یادگیری زبان پایتون به فارسی رایگان🖥

به جرات می توان گفت که این مجموعه جادی بهترین منبع برای یادگیری زبان پایتون به فارسی است. اگر جادی رو نمیشناسید باید بگم که یکی از پیشگامان روزنامه نگاری علمی برای برنامه نویسان و ایجاد کننده خیلی از منابع بسیار مفید یادگیری برنامه نویسی و لینوکس و غیره به صورت رایگان برای همه است. سایتش رو هم می تونید چک کنید. این نسخه آپارات و یوتیوب برای دوره یادگیری پایتون است.

All of man's troubles come from his inability to sit quietly in a room by himself

🎵برنامه shazam چطوری کار میکند؟🎵

احتمالا با برنامه shazam آشنا هستید (اگر نیستند آن را دانلود و نصب کنید چون بسیار ضروری است!). این برنامه میتواند اسم آهنگی که پخش می شود را حتی در یک محیط پر سرو صدا و نویزی پیدا کند! کافی است میکروفون را روشن کنید و بعد از چند ثانیه اسم آهنگ را نشان می دهد. این برنامه ی بسیار مفید بر اساس ایده ی نسبتا ساده ای در پردازش سیگنال کار میکند. نویسندگان مقاله شزم این ایده را تجاری کردند و شرکت بزرگی بنا نهادند. در نهایت در سال ۲۰۱۸ اپل این شرکت را به ارزش ۴۰۰ میلیون دلار خرید! (میشه دید بعضی مقاله ها آدم رو پولدار می کنن!! 😄😄)