شاخه‌ی هم‌خون جدامانده‌ی من
آسمان تو چه رنگ‌ست امروز؟
آفتابی‌ست هوا
یا گرفته‌ست هنوز؟
من درین گوشه
که از دنیا بیرون‌ست
آسمانی به سرم نیست
از بهاران خبرم نیست
آنچه میبینم
دیوار است
#IranProtests
آسمان تو چه رنگ‌ست امروز؟
آفتابی‌ست هوا
یا گرفته‌ست هنوز؟
من درین گوشه
که از دنیا بیرون‌ست
آسمانی به سرم نیست
از بهاران خبرم نیست
آنچه میبینم
دیوار است
#IranProtests
این روزها حالم خوب نیست! از همه چیز احساس بدی دارم. از جوانی ای که در راه اعتراض صرف کردیم. از حس امید و نا امیدی ای که آنقدر پشت سر هم داشتیم که نسبت به آن بی حس شدیم. نسبت به شرایطی که انگار در آن حبس شدیم. نسب به خودم که از آن شرایط فرار کردم به امید آنکه حداقل خودم را نجات دهم. نسبت به همه آن کسانی که تصمیم گرفتند یک هفته ۸۰ میلیون را مانند یک پادگان تنبیه کنند و هر آنکه در داخل و خارج است را به یک چوب برانند تا «شرایط را کنترل» کنند.
براستی ما کجای تاریخیم. جبر جغرافیا و واقعیت تا به کجا می خواهد تارو پود وجود ما را از هم بگسلد؟ به چه اعتراض کنم؟ به خودم یا سیستمی که من را بر نمی تابد؟ من کجا حقی داشته ام که بتوانم حتی حرفی بزنم چه برسد که اعتراض کنم. الان باید از «بسته حمایتی خانوار» خوشحال باشم؟ مثل تکه نانی که صاحب سگ برایش پرت میکند و اگر اعتراضی ببینید او را مثل «سگ» می زند. این چه اقتداری ست؟ برای من است یا صاحبم؟
دیگر خواب و بیداری و رویا برایم بی معنا شده است. میان ملغمه ای از همه سیر میکنم و خودم را لابلای هزاران خط کد خفه میکنم و هر روز خودکشی میکنم. خودم را به خری میزنم. میگویم هیچ چیز نمیدانم. میگویم این حقم است. میگویم من باید بمیرم و خفه شوم. میگویم «از ماست که بر ماست!» باید پول در بیاورم و چشمم را به خون کف خیابان ببندم. این کشور و مملکت درست شدنی نیست. خودم را هر روز لابلای هزاران دروغ و کثافت و لجن مخفی کنم. بله این یک من جدید است که حتی نمی داند کیست. من همان رباتی هستم که همه دوستش دارند همانی که کارهایش را می کند و دم بر نمی آورد. همانی که مهم نیست دوستش در خوزستان نمی داند پول وعده بعدی غذایش را از کجا بیاورد. یا آن یکی دیگر در سیستان که حتی فردایی نمی بیند چون خانواده اش گرسنه اند. من همان هستم! من حتی دیگر عصبانی نیستم. از چه کسی عصبانی باشم؟ من به خود قبولانده ام که من قربانی شرایط هستم!
خوش شانس باش و فرار کن! بله این راه حل تراژدی هر روزی ست که میبینی و اگر نمی توانی قبول کن و بمیر! فرار کن و خود را بفروش! من دیگر ایرانی نیستم و هرجا بروم این را میگویم. یک کثافت بی ریشه! چون از درون هم میدانم کسی نیستم و نخواهم بود.
.
.
.
و اما این «بوی خون است که بی قرار در باد می گذرد» و روح من را از جای می کند....
براستی ما کجای تاریخیم. جبر جغرافیا و واقعیت تا به کجا می خواهد تارو پود وجود ما را از هم بگسلد؟ به چه اعتراض کنم؟ به خودم یا سیستمی که من را بر نمی تابد؟ من کجا حقی داشته ام که بتوانم حتی حرفی بزنم چه برسد که اعتراض کنم. الان باید از «بسته حمایتی خانوار» خوشحال باشم؟ مثل تکه نانی که صاحب سگ برایش پرت میکند و اگر اعتراضی ببینید او را مثل «سگ» می زند. این چه اقتداری ست؟ برای من است یا صاحبم؟
دیگر خواب و بیداری و رویا برایم بی معنا شده است. میان ملغمه ای از همه سیر میکنم و خودم را لابلای هزاران خط کد خفه میکنم و هر روز خودکشی میکنم. خودم را به خری میزنم. میگویم هیچ چیز نمیدانم. میگویم این حقم است. میگویم من باید بمیرم و خفه شوم. میگویم «از ماست که بر ماست!» باید پول در بیاورم و چشمم را به خون کف خیابان ببندم. این کشور و مملکت درست شدنی نیست. خودم را هر روز لابلای هزاران دروغ و کثافت و لجن مخفی کنم. بله این یک من جدید است که حتی نمی داند کیست. من همان رباتی هستم که همه دوستش دارند همانی که کارهایش را می کند و دم بر نمی آورد. همانی که مهم نیست دوستش در خوزستان نمی داند پول وعده بعدی غذایش را از کجا بیاورد. یا آن یکی دیگر در سیستان که حتی فردایی نمی بیند چون خانواده اش گرسنه اند. من همان هستم! من حتی دیگر عصبانی نیستم. از چه کسی عصبانی باشم؟ من به خود قبولانده ام که من قربانی شرایط هستم!
خوش شانس باش و فرار کن! بله این راه حل تراژدی هر روزی ست که میبینی و اگر نمی توانی قبول کن و بمیر! فرار کن و خود را بفروش! من دیگر ایرانی نیستم و هرجا بروم این را میگویم. یک کثافت بی ریشه! چون از درون هم میدانم کسی نیستم و نخواهم بود.
.
.
.
و اما این «بوی خون است که بی قرار در باد می گذرد» و روح من را از جای می کند....
🔵معرفی یک ابزار🔵
یکی از دشوار ترین مسایل در بخش های مختلف مهندسی و علوم پایه حسابان برای متغیر های برداری و ماتریس است. کسی که چند بار هسین و گرادیان را محاسبه کرده است متوجه این موضوع شده است. یک ابزار آنلاین برای این منظور وجود دارد که فوق العاده ساده است و شبیه آن را در متلب یا متمتیکا یا بقیه نرم افزارها پیدا نکردم*
https://www.matrixcalculus.org/
*اگر شما می شناسید به من پیام بدهید
یکی از دشوار ترین مسایل در بخش های مختلف مهندسی و علوم پایه حسابان برای متغیر های برداری و ماتریس است. کسی که چند بار هسین و گرادیان را محاسبه کرده است متوجه این موضوع شده است. یک ابزار آنلاین برای این منظور وجود دارد که فوق العاده ساده است و شبیه آن را در متلب یا متمتیکا یا بقیه نرم افزارها پیدا نکردم*
https://www.matrixcalculus.org/
*اگر شما می شناسید به من پیام بدهید
www.matrixcalculus.org
Matrix Calculus
MatrixCalculus provides matrix calculus for everyone. It is an online tool that computes vector and matrix derivatives (matrix calculus).
برای کسانی که بر روی ژنتیک و پروتئین ها کار میکنند، ابزار مبتنی بر یادگیری عمیق با استفاده از پایتورچ و API فوق العاده huggingface به تازگی منتشر شده است که برای بایوانفورماتیک عالی ست.
https://github.com/songlab-cal/tape?files=1
https://github.com/songlab-cal/tape?files=1
Forwarded from اتچ بات
“شتاب کردم که آفتاب بیاید
نیامد
دویدم از پیِ دیوانه‌ای که گیسوانِ بلوطش را به سِحرِ گرمِ مرمرِ لُمبرهایش می‌ریخت
که آفتاب بیاید
نیامد
به روی کاغذ و دیوار و سنگ و خاک نوشتم که تا نوشته بخوانند
که آفتاب بیاید
نیامد
چو گرگ زوزه کشیدم، چو پوزه در شکمِ روزگارِ خویش دویدم
شبانه روز دریدم، دریدم
که آفتاب بیاید
نیامد
چه عهدِ شومِ غریبی! زمانه صاحبِ سگ؛ من سگش
چو راندم از درِ خانه ز پشت بامِ وفاداری درون خانه پریدم که آفتاب بیاید
نیامد
کشیده‌ها به رُخانم زدم به خلوتِ پستو
چو آمدم به خیابان
دو گونه را چُنان گدازه‌ی پولاد سوی خلق گرفتم که آفتاب بیاید
نیامد
اگرچه هق هقم از خواب، خوابِ تلخ برآشفت خوابِ خسته و شیرین بچه‌های جهان را
ولی گریستن نتوانستم
نه پیشِ دوست نه در حضور غریبه نه کنجِ خلوتِ خود گریستن نتوانستم
که آفتاب بیاید
نیامد”
― رضا براهنی, خطاب به پروانه ها و چرا من دیگر شاعر نیمایی نیستم
نیامد
دویدم از پیِ دیوانه‌ای که گیسوانِ بلوطش را به سِحرِ گرمِ مرمرِ لُمبرهایش می‌ریخت
که آفتاب بیاید
نیامد
به روی کاغذ و دیوار و سنگ و خاک نوشتم که تا نوشته بخوانند
که آفتاب بیاید
نیامد
چو گرگ زوزه کشیدم، چو پوزه در شکمِ روزگارِ خویش دویدم
شبانه روز دریدم، دریدم
که آفتاب بیاید
نیامد
چه عهدِ شومِ غریبی! زمانه صاحبِ سگ؛ من سگش
چو راندم از درِ خانه ز پشت بامِ وفاداری درون خانه پریدم که آفتاب بیاید
نیامد
کشیده‌ها به رُخانم زدم به خلوتِ پستو
چو آمدم به خیابان
دو گونه را چُنان گدازه‌ی پولاد سوی خلق گرفتم که آفتاب بیاید
نیامد
اگرچه هق هقم از خواب، خوابِ تلخ برآشفت خوابِ خسته و شیرین بچه‌های جهان را
ولی گریستن نتوانستم
نه پیشِ دوست نه در حضور غریبه نه کنجِ خلوتِ خود گریستن نتوانستم
که آفتاب بیاید
نیامد”
― رضا براهنی, خطاب به پروانه ها و چرا من دیگر شاعر نیمایی نیستم
Telegram
attach 📎
This media is not supported in your browser
VIEW IN TELEGRAM
همیشه نیاز به حل مساله با پیچیده ترین روش ها نیست، گاهی یک ایده ساده سریع تر و کاراتر از یک الگوریتم پیچیده ست
مرتب سازی میوه بر اساس اندازه
مرتب سازی میوه بر اساس اندازه
کتابی که اینجا گذاشته ام یک کتاب رایگان و فوق العاده برای یادگیری ریاضیات لازم برای یادگیری ماشین است. این کتاب را هم می توانید از اول بخوانید یا صرفا به عنوان یک کتاب مرجع از ان استفاده کنید. ریاضیات آن از بسیار ساده تا متوسط است و تقریبا تمام ریاضیاتی که در یادگیری ماشین استفاده می شود را پوشش می دهد. این هم وب سایت این کتاب است. بر روی گیت هاب آن ها مثال هایی با پایتون هم دیده می شود که به تدریج به تعداد آن ها اضافه می شود.
https://mml-book.github.io/
https://mml-book.github.io/
درک توزیع بتا و دیریکله (خدا تاس بازی نمیکند خدا تاس ها را خلق می کند: توزیع دیریکله بخش اول)
(به زبان انگلیسی)
https://link.medium.com/dVUjIKRRy2
(به زبان انگلیسی)
https://link.medium.com/dVUjIKRRy2
Medium
God doesn’t play dice! God creates dices: Dirichlet distribution (Pt.1)
When we think about probabilities we try to ask questions like: What is the probability of two dices have the same number? Or, what is the…
درک توزیع دیریکله (خدا تاس بازی نمی کند، خدا تاس ها را خلق می کند: توزیع دیریکله بخش دوم)
به انگلیسی
https://link.medium.com/4VyeFFxOD2
به انگلیسی
https://link.medium.com/4VyeFFxOD2
Medium
God doesn’t play dice! God creates dices: Dirichlet distribution (Pt.2)
As we saw in the previous part, the dices or coins that represent a probability distribution themselves can come from another distribution…
🍉فال امسال با پایتون🍉
اگرچه چند روزه از شب یلدا گذشته و من هم این مدت سرم شلوغ بود. اما تصمیم گرفتم کدی رو با شما به اشتراک بذارم که باهاش میتونید فال حافظ بگیرید.
برای استفاده نیاز به پایگاه داده گنجور دارید که اون رو هم اینجا آپلود کردم و حاوی تمام شعرهای شعرای فارسی زبانه (حدود ۱۰۰ مگابایت) و در sqlite3 هست. نیاز به نصب هیچ کتابخانه ی خاصی نیست چون از دو کتابخانه sqlite3 و random استفاده کردم که هر دو در کتابخانه های اصلی پایتون هستند. فقط کافیه دیتابیس رو دانلود کنید و بذارید کنار کد و اجراش کنید! (به این ریپو سر بزنید چیزهای جالب تری در آینده میذارم توش که شامل تحلیل شعر فارسی با پایتونه!)
این هم کدها
این هم فال من. امیدوارم شادی هامون برای بقیه سال بیشتر بشه و زندگی روی خوشش رو بیشتر نشون بده!
اگرچه چند روزه از شب یلدا گذشته و من هم این مدت سرم شلوغ بود. اما تصمیم گرفتم کدی رو با شما به اشتراک بذارم که باهاش میتونید فال حافظ بگیرید.
برای استفاده نیاز به پایگاه داده گنجور دارید که اون رو هم اینجا آپلود کردم و حاوی تمام شعرهای شعرای فارسی زبانه (حدود ۱۰۰ مگابایت) و در sqlite3 هست. نیاز به نصب هیچ کتابخانه ی خاصی نیست چون از دو کتابخانه sqlite3 و random استفاده کردم که هر دو در کتابخانه های اصلی پایتون هستند. فقط کافیه دیتابیس رو دانلود کنید و بذارید کنار کد و اجراش کنید! (به این ریپو سر بزنید چیزهای جالب تری در آینده میذارم توش که شامل تحلیل شعر فارسی با پایتونه!)
این هم کدها
این هم فال من. امیدوارم شادی هامون برای بقیه سال بیشتر بشه و زندگی روی خوشش رو بیشتر نشون بده!
🧩مولوی پژوهی با تخصیص پنهان دیریکله (Latent Dirichlet allocation)🎲
اینجا می خواستم نتیجه یه کارهام رو باهاتون به اشتراک بذارم که کلا برای اولین بار هست انجام میشه (نه فقط توی فارسی و شعر بلکه به صورت کلی) اون هم ساختن یک شبکه واژگانی از یک مجموعه بزرگ از متون هست. خود روش شناخته شده هست ولی استخراج یک روش نمایش به صورت شبکه تا حالا انجام نشده. خود الگوریتم متاسفانه خیلی پیچیده ست و بدون پیش نیاز ریاضی سنگین قابل درک نیست اما ازونجا که میگن اگه نتونی کارت رو برای مادربزرگت توضیح بدی یعنی خودتم نفهمیدی پس من سعی میکنم قابل درکش کنم. اگه حوصله حتی این نسخه ساده رو ندارید می تونید برید پاراگراف آخر.
برای شروع فرض کنید من می خوام یه ماشین بسازم که متن تولید کنه! این ماشین بر اساس یه سری تنظیمات یه سری کلمه پرت می کنه بیرون! دقیقا پرت می کنه بیرون! یعنی هیچ نظم و ترتیب گرامری نداره! همین اول شاید بگید خوب این که خیلی مسخره ست چیزی که تولید میشه یه مشت چرت و پرته! درسته ولی چون زبان خیلی چیز پیچیده ایه (شاید اصلا پیچیده ترین چیز توی دنیا!) مجبوریم یه ساده سازی خیلی عجیب غریب انجام بدیم و اون هم اینه که فرض کنیم هر متنی یه کیسه از کلماته! (bag of words).
حتی اگه همچین فرضی بکنیم باز هم همه متون شبیه هم نیستند! اگه موافق نیستید یه کیسه کلمات از توضیح المسایل آیت الله سیستانی و آثار محمود دولت آبادی رو درست کنید! کلمات توی این دو گروه و درصد تکرارشون خیلی با هم فرق دارن!
حالا فرض کنید هر متنی ملغمه ای از چند «موضوع» مختلفه! مثلا یه متن در مورد بحران زیست محیطی می تونه کمی به مسایل سیاسی بپردازه کمی در مورد علم باشه و کمی هم در مورد بوم شناسی! ایده اینه که هر متنی یه درصدی از چند موضوع مختلفه! مثل یک سالاد. اما از طرفی باید تعریف کنیم اصلا منظورمون از «موضوع» چی هست. موضوع رو میتونیم یه توزیع از کلمات فرض کنیم. یعنی مثلا اگه تمام کلمات دیکشنری رو در نظر بگیریم اگه موضوع ما سیاسی باشه کلمه «انتخابات» پر اهمیت تره تا مثلا کلمه «شکلات»!
حالا برگردیم به اون ماشینه که متن (به صورت کیسه کلمات) تولید میکنه. فرض کنید این ماشین به طریقی فهمیده چطوری یه متن رو (مثلا سبک داستانی دولت آبادی) تقلید کنه. یعنی فهمیده روی چه موضوعاتی باید مانور بده و توی هر موضوع هم هر کلمه چقدر اهمیت داره. پس کاری که باید بکنه صرفا اینه که یک تاس بندازه و بره سراغ یکی از موضوعات (قاعدتا اون موضوعی که پر اهمیت تره با احتمال بیشتری انتخاب میشه و برعکس موضوعی که کم اهمیته با احتمال کمتر) بعد که موضوع رو انتخاب کرد باز یه تاس میندازه و یک کلمه از موضوعی که توی مرحله قبل انتخاب کرد، برمیداره و پرت میکنه بیرون. (دقت کنید وقتی میگم تاس منظورم تاس شش وجهی نیست. برای انتخاب کلمه اندازه تاسم به اندازه کل دیکشنریه!!)
همین روش ساده لوحانه فوق العاده عمل میکنه! تنها نکته ای که میمونه اینه که روشی پیدا کنیم که اون نسبت ها (نسبت موضوعات و نسبت کلمه ها در هر موضوع) رو پیدا کنیم که کار خود الگوریتمه و توضیح نمیدم.
نکته آخر اینکه کشف موضوعات تماما اتوماتیک انجام میشه. یعنی اون موضاعاتی که کشف میشن لزوما منطبق با یک موضوع قابل فهم (مثلا ورزشی، سیاسی و غیره)نیستند! اما قطعا یه سری همبستگی بین کلماتشون هست! و اینکه کلا این روش کاری نداره شما روی چینی فارسی یا انگلیسی کار می کنید، چون اصلا کاری به گرامر و این مسخره بازی ها نداره!
کاری که اینجا انجام دادم نمایش کلمات مهم از متن به صورت یک شبکه ست. قسمت هایی که خوشه شکل گرفته نشون دهنده یک موضوعه! بعضی هاشون تقریبا معنا دار هستند! مثلا یه خوشه جدا افتاده کلمات عربی رو نشون میده! همچنین یه خوشه توی فاز «ساغر» و «شراب» و «ساقی» و این کارهای خاک بر سریه! یه خوشه «عشق» و «عاشقان» و «شمس» و «آتش» و «تن» هست. کلمات «عشق» و «جهان» و «باغ» و «مه» نقش کلیدی توی ارتباط خوشه ها با هم دارن. چیزهای عجیب و غریب تری هم توش هست مثلا ارتباط نزدیک «زن» و «مکر» (این ها به من ربطی نداره برید از مولوی بپرسید!)
در نهایت اینکه باز هم تاکید کنم همه این ها با یک روش ریاضی به صورت خودکار کشف شده (یعنی یک درصد فکر کنید من تمام آثار مولانا که ۸۹۶ هزار کلمه ست رو بخونم و بعد اینها رو بهم بچسبونم!!)
چندین خروجی با تغییر توی تنظیمات اون ماشین می تونید بگیرید. این چیزها رو میشه روش مطالعه کرد و خروجی های بهتر و بهتری تولید کرد که اگر وقتی شد بیشتر روش کار میکنم!
دو نکته: رنگ های به سمت طیف آبی تر نشان دهنده تعداد بیشتر ارتباطات اون کلمه با بقیه کلماته و اندازه هر کلمه نشان دهنده اهمیت اون کله توی موضوع خودشه
کدها
اینجا می خواستم نتیجه یه کارهام رو باهاتون به اشتراک بذارم که کلا برای اولین بار هست انجام میشه (نه فقط توی فارسی و شعر بلکه به صورت کلی) اون هم ساختن یک شبکه واژگانی از یک مجموعه بزرگ از متون هست. خود روش شناخته شده هست ولی استخراج یک روش نمایش به صورت شبکه تا حالا انجام نشده. خود الگوریتم متاسفانه خیلی پیچیده ست و بدون پیش نیاز ریاضی سنگین قابل درک نیست اما ازونجا که میگن اگه نتونی کارت رو برای مادربزرگت توضیح بدی یعنی خودتم نفهمیدی پس من سعی میکنم قابل درکش کنم. اگه حوصله حتی این نسخه ساده رو ندارید می تونید برید پاراگراف آخر.
برای شروع فرض کنید من می خوام یه ماشین بسازم که متن تولید کنه! این ماشین بر اساس یه سری تنظیمات یه سری کلمه پرت می کنه بیرون! دقیقا پرت می کنه بیرون! یعنی هیچ نظم و ترتیب گرامری نداره! همین اول شاید بگید خوب این که خیلی مسخره ست چیزی که تولید میشه یه مشت چرت و پرته! درسته ولی چون زبان خیلی چیز پیچیده ایه (شاید اصلا پیچیده ترین چیز توی دنیا!) مجبوریم یه ساده سازی خیلی عجیب غریب انجام بدیم و اون هم اینه که فرض کنیم هر متنی یه کیسه از کلماته! (bag of words).
حتی اگه همچین فرضی بکنیم باز هم همه متون شبیه هم نیستند! اگه موافق نیستید یه کیسه کلمات از توضیح المسایل آیت الله سیستانی و آثار محمود دولت آبادی رو درست کنید! کلمات توی این دو گروه و درصد تکرارشون خیلی با هم فرق دارن!
حالا فرض کنید هر متنی ملغمه ای از چند «موضوع» مختلفه! مثلا یه متن در مورد بحران زیست محیطی می تونه کمی به مسایل سیاسی بپردازه کمی در مورد علم باشه و کمی هم در مورد بوم شناسی! ایده اینه که هر متنی یه درصدی از چند موضوع مختلفه! مثل یک سالاد. اما از طرفی باید تعریف کنیم اصلا منظورمون از «موضوع» چی هست. موضوع رو میتونیم یه توزیع از کلمات فرض کنیم. یعنی مثلا اگه تمام کلمات دیکشنری رو در نظر بگیریم اگه موضوع ما سیاسی باشه کلمه «انتخابات» پر اهمیت تره تا مثلا کلمه «شکلات»!
حالا برگردیم به اون ماشینه که متن (به صورت کیسه کلمات) تولید میکنه. فرض کنید این ماشین به طریقی فهمیده چطوری یه متن رو (مثلا سبک داستانی دولت آبادی) تقلید کنه. یعنی فهمیده روی چه موضوعاتی باید مانور بده و توی هر موضوع هم هر کلمه چقدر اهمیت داره. پس کاری که باید بکنه صرفا اینه که یک تاس بندازه و بره سراغ یکی از موضوعات (قاعدتا اون موضوعی که پر اهمیت تره با احتمال بیشتری انتخاب میشه و برعکس موضوعی که کم اهمیته با احتمال کمتر) بعد که موضوع رو انتخاب کرد باز یه تاس میندازه و یک کلمه از موضوعی که توی مرحله قبل انتخاب کرد، برمیداره و پرت میکنه بیرون. (دقت کنید وقتی میگم تاس منظورم تاس شش وجهی نیست. برای انتخاب کلمه اندازه تاسم به اندازه کل دیکشنریه!!)
همین روش ساده لوحانه فوق العاده عمل میکنه! تنها نکته ای که میمونه اینه که روشی پیدا کنیم که اون نسبت ها (نسبت موضوعات و نسبت کلمه ها در هر موضوع) رو پیدا کنیم که کار خود الگوریتمه و توضیح نمیدم.
نکته آخر اینکه کشف موضوعات تماما اتوماتیک انجام میشه. یعنی اون موضاعاتی که کشف میشن لزوما منطبق با یک موضوع قابل فهم (مثلا ورزشی، سیاسی و غیره)نیستند! اما قطعا یه سری همبستگی بین کلماتشون هست! و اینکه کلا این روش کاری نداره شما روی چینی فارسی یا انگلیسی کار می کنید، چون اصلا کاری به گرامر و این مسخره بازی ها نداره!
کاری که اینجا انجام دادم نمایش کلمات مهم از متن به صورت یک شبکه ست. قسمت هایی که خوشه شکل گرفته نشون دهنده یک موضوعه! بعضی هاشون تقریبا معنا دار هستند! مثلا یه خوشه جدا افتاده کلمات عربی رو نشون میده! همچنین یه خوشه توی فاز «ساغر» و «شراب» و «ساقی» و این کارهای خاک بر سریه! یه خوشه «عشق» و «عاشقان» و «شمس» و «آتش» و «تن» هست. کلمات «عشق» و «جهان» و «باغ» و «مه» نقش کلیدی توی ارتباط خوشه ها با هم دارن. چیزهای عجیب و غریب تری هم توش هست مثلا ارتباط نزدیک «زن» و «مکر» (این ها به من ربطی نداره برید از مولوی بپرسید!)
در نهایت اینکه باز هم تاکید کنم همه این ها با یک روش ریاضی به صورت خودکار کشف شده (یعنی یک درصد فکر کنید من تمام آثار مولانا که ۸۹۶ هزار کلمه ست رو بخونم و بعد اینها رو بهم بچسبونم!!)
چندین خروجی با تغییر توی تنظیمات اون ماشین می تونید بگیرید. این چیزها رو میشه روش مطالعه کرد و خروجی های بهتر و بهتری تولید کرد که اگر وقتی شد بیشتر روش کار میکنم!
دو نکته: رنگ های به سمت طیف آبی تر نشان دهنده تعداد بیشتر ارتباطات اون کلمه با بقیه کلماته و اندازه هر کلمه نشان دهنده اهمیت اون کله توی موضوع خودشه
کدها
🌟معرفی ابزار🌟
ممکن است برای شما هم پیش آمده باشد که هنگام نوشتن مقاله با latex نیازمند نوشتن فرمولی باشید که در یک فایل پی دی اف یا در یک وبسایت قرار داشته باشد. معمولا مجبور میشوید آن را از نو بنویسید بخصوص اگر فایل اصلی latex را نداشته باشید. با این ابزار می توانید براحتی از فرمول خود اسکرین شات بگیرید و latex آن را استخراج کنید.
https://mathpix.com/
ممکن است برای شما هم پیش آمده باشد که هنگام نوشتن مقاله با latex نیازمند نوشتن فرمولی باشید که در یک فایل پی دی اف یا در یک وبسایت قرار داشته باشد. معمولا مجبور میشوید آن را از نو بنویسید بخصوص اگر فایل اصلی latex را نداشته باشید. با این ابزار می توانید براحتی از فرمول خود اسکرین شات بگیرید و latex آن را استخراج کنید.
https://mathpix.com/
Mathpix
Mathpix: document conversion done right.
Convert images and PDFs to LaTeX, DOCX, Overleaf, Markdown, Excel, ChemDraw and more, with our AI-powered document conversion technology.
در برهه ای زندگی میکنیم که جامعه به پرتگاه دو قطبی شدن پیش می رود و بلایای روزانه امانمان را بریده است. هر کسی دیدگاه های خود را بر سر دیگری فریاد میزند و جایی برای تنفس باقی نمانده است. این کانال برای نشر دیدگاه شخصی ساخته نشده است اما شاید بتوان با مطالعه مفید قدری آرام تر شد و بیشتر فکر کرد. کاری که این روزها به شدت به آن احتیاج داریم. اینجا یکی از مقالات بسیار معروف کانت را به اشتراک می گذارم. مقاله ای که فصل جدیدی را در تاریخ اروپا رقم زد که به «دوره روشنگری» معروف است. مقاله تنها یک تلنگر برای آغاز مطالعات بیشتر برای کسی است که بخواهد در این موارد بیشتر بداند. این مقاله فقط شش صفحه است و ترجمه عالی یداله موقن خواندن آن را راحتتر هم می کند. پاراگراف نخست:
روشنگری خروج انسان از صغارتی است که خود بر خویش تحمیل کرده است. صغارت ناتوانی در به کار بردن فهم خود بدون راهنمایی دیگری است. این صغارت خود-تحمیلی است اگر علت آن نه سفیه بودن بلکه فقدان عزم و شهامت در به کارگیری فهم خود بدون راهنمایی دیگری باشد. شعار روشنگری این است: در بکارگیری فهم خود شهامت داشته باش!
ادامه
روشنگری خروج انسان از صغارتی است که خود بر خویش تحمیل کرده است. صغارت ناتوانی در به کار بردن فهم خود بدون راهنمایی دیگری است. این صغارت خود-تحمیلی است اگر علت آن نه سفیه بودن بلکه فقدان عزم و شهامت در به کارگیری فهم خود بدون راهنمایی دیگری باشد. شعار روشنگری این است: در بکارگیری فهم خود شهامت داشته باش!
ادامه
Wikipedia
عصر روشنگری
جنبشی فلسفی و علمی متعلق به سده‌های ۱۶ تا ۱۸ میلادی
This media is not supported in your browser
VIEW IN TELEGRAM
«ــ دریغا
ای‌کاش ای‌کاش
قضاوتی قضاوتی قضاوتی
درکار درکار درکار
می‌بود!» ــ
شاید اگرت توانِ شنفتن بود
پژواکِ آوازِ فروچکیدنِ خود را در تالارِ خاموشِ کهکشان‌های بی‌خورشیدــ
چون هُرَّستِ آوارِ دریغ
می‌شنیدی:
«ــ کاشکی کاشکی
داوری داوری داوری
درکار درکار درکار درکار…»
اما داوری آن سوی در نشسته است، بی‌ردای شومِ قاضیان.
ذاتش درایت و انصاف
هیأتش زمان. ــ
و خاطره‌ات تا جاودانِ جاویدان در گذرگاهِ ادوار داوری خواهد شد.
شاملو
ای‌کاش ای‌کاش
قضاوتی قضاوتی قضاوتی
درکار درکار درکار
می‌بود!» ــ
شاید اگرت توانِ شنفتن بود
پژواکِ آوازِ فروچکیدنِ خود را در تالارِ خاموشِ کهکشان‌های بی‌خورشیدــ
چون هُرَّستِ آوارِ دریغ
می‌شنیدی:
«ــ کاشکی کاشکی
داوری داوری داوری
درکار درکار درکار درکار…»
اما داوری آن سوی در نشسته است، بی‌ردای شومِ قاضیان.
ذاتش درایت و انصاف
هیأتش زمان. ــ
و خاطره‌ات تا جاودانِ جاویدان در گذرگاهِ ادوار داوری خواهد شد.
شاملو
🔵یک کتابخانه بسیار خوب برای طراحی بازی با پایتون🔵
کتابخانه arcade یک کتابخانه بسیار جالب و ساده پایتون برای طراحی بازی هست که ساختن گرافیک های ساده را آسان و در دسترس میکند. برای یادگیری می توانید آموزش زیر را دنبال کنید
https://realpython.com/arcade-python-game-framework/
کتابخانه arcade یک کتابخانه بسیار جالب و ساده پایتون برای طراحی بازی هست که ساختن گرافیک های ساده را آسان و در دسترس میکند. برای یادگیری می توانید آموزش زیر را دنبال کنید
https://realpython.com/arcade-python-game-framework/
Realpython
Arcade: A Primer on the Python Game Framework – Real Python
In this step-by-step tutorial, you'll learn how to use arcade, a modern Python framework for crafting games with compelling graphics and sound. Object-oriented and built for Python 3.6 and up, arcade provides you a modern set of tools for crafting great Python…
Forwarded from اتچ بات
Rohola Zandie, [16.01.20 23:24]
🐄این یک عکس آموزشی نیست! این کد واقعی ست.🍗
امروز قدری با ویژگی های جدید پایتون ۳ کار میکردم و متوجه اموجی ها شدم. به صورت سنتی حتی نوشتن کلمات خارج از دامنه ASCII مانند حروف فارسی داخل برنامه دشوار است و معمولا با خطاهای مختلف مربوط به کدگذاری مواجه میشوید. البته چندین سال است که بیشتر کامپایلر ها و برنامه ها سعی کرده اند که Unicode را پوشش دهند. اما الان با امکانات جدید حتی می توان از اموجی ها استفاده کرد!!
کد بالا دقیقا به همین شکل در ابونتو ۱۸ و پایتون ۳ قابل اجرا و دیدن است. کدی که نوشته ام سه عملکرد جالب پایتون را توضیح میدهد.(پایین داخل مین برنامه) اولی تابع map است که یک تابع و یک لیست به عنوان ورودی می گیرد و تابع را بر هر کدام از اعضای لیست اعمال کرده و خروجی میگیرد. مثلا اینجا تابع پختن(cook) هست که به ترتیب گاو را به همبرگر،سیب زمینی را به سیب زمینی سرخ کرده و مرغ را به سوخاری و ذرت را به ذرت بوداده تبدیل میکند!!
تابع دوم filter است که یک تابع بولین و یک لیست میگیرد و آنهایی که تابع برای آن ها true برنمیگرداند را فیلتر میکند. مثلا تابع اینکه این غذا گیاه هست یا نه. که ازین لیست فقط سیب زمینی سرخ کرده و ذرت هستند (البته طرفداران گیاه خواری به شدت مخالف این هستند که سیب زمینی سرخ کرده را جزو غذاهای سالم گیاهی حساب کنیم!)
و تابع آخر recduce هست که یک تابع و یک لیست می گیرد و به صورت بازگشتی دو تا از اعضای لیست را گرفته به تابع می دهد و خروجی آن را به بعدی میدهد. این یک مورد کمی حال بهم زن هست و خودتا از روی شکل ها می توانید بفهمید برای غذای خورده شده چه اتفاقی می افتد!!
من این کد را برای ویندوز امتحان نکرده ام. اگر کسی امتحان کرد و توانست اموجی ها را ببیند برای من بفرستد یا خبر دهد
🐄این یک عکس آموزشی نیست! این کد واقعی ست.🍗
امروز قدری با ویژگی های جدید پایتون ۳ کار میکردم و متوجه اموجی ها شدم. به صورت سنتی حتی نوشتن کلمات خارج از دامنه ASCII مانند حروف فارسی داخل برنامه دشوار است و معمولا با خطاهای مختلف مربوط به کدگذاری مواجه میشوید. البته چندین سال است که بیشتر کامپایلر ها و برنامه ها سعی کرده اند که Unicode را پوشش دهند. اما الان با امکانات جدید حتی می توان از اموجی ها استفاده کرد!!
کد بالا دقیقا به همین شکل در ابونتو ۱۸ و پایتون ۳ قابل اجرا و دیدن است. کدی که نوشته ام سه عملکرد جالب پایتون را توضیح میدهد.(پایین داخل مین برنامه) اولی تابع map است که یک تابع و یک لیست به عنوان ورودی می گیرد و تابع را بر هر کدام از اعضای لیست اعمال کرده و خروجی میگیرد. مثلا اینجا تابع پختن(cook) هست که به ترتیب گاو را به همبرگر،سیب زمینی را به سیب زمینی سرخ کرده و مرغ را به سوخاری و ذرت را به ذرت بوداده تبدیل میکند!!
تابع دوم filter است که یک تابع بولین و یک لیست میگیرد و آنهایی که تابع برای آن ها true برنمیگرداند را فیلتر میکند. مثلا تابع اینکه این غذا گیاه هست یا نه. که ازین لیست فقط سیب زمینی سرخ کرده و ذرت هستند (البته طرفداران گیاه خواری به شدت مخالف این هستند که سیب زمینی سرخ کرده را جزو غذاهای سالم گیاهی حساب کنیم!)
و تابع آخر recduce هست که یک تابع و یک لیست می گیرد و به صورت بازگشتی دو تا از اعضای لیست را گرفته به تابع می دهد و خروجی آن را به بعدی میدهد. این یک مورد کمی حال بهم زن هست و خودتا از روی شکل ها می توانید بفهمید برای غذای خورده شده چه اتفاقی می افتد!!
من این کد را برای ویندوز امتحان نکرده ام. اگر کسی امتحان کرد و توانست اموجی ها را ببیند برای من بفرستد یا خبر دهد
Telegram
attach 📎