‍ 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

کد شکل بالا. گرفتن از اینترنت

“The post-totalitarian system touches people at every step, but it does so with its ideological gloves on. This is why life in the system is so thoroughly permeated with hypocrisy and lies: government by bureaucracy is called popular government; the working class is enslaved in the name of the working class; the complete degradation of the individual is presented as his or her ultimate liberation; depriving people of information is called making it available; the use of power to manipulate is called the public control of power, and the arbitrary abuse of power is called observing the legal code; the repression of culture is called its development; the expansion of imperial influence is presented as support for the oppressed; the lack of free expression becomes the highest form of freedom; farcical elections become the highest form of democracy; banning independent thought becomes the most scientific of world views; military occupation becomes fraternal assistance. Because the regime is captive to its own lies, it must falsify everything. It falsifies the past. It falsifies the present, and it falsifies the future. It falsifies statistics. It pretends not to possess an omnipotent and unprincipled police apparatus. It pretends to respect human rights. It pretends to persecute no one. It pretends to fear nothing. It pretends to pretend nothing.”
― Václav Havel, The Power of the Powerless (Routledge Revivals): Citizens Against the State in Central-eastern Europe


سیستم تمامیت خواه سیستمی ست که در هر قدم برای مردم قابل حس است اما این کار را با دستکش های ایدیولوژیک خاص خود انجام می دهد. و به همین خاطر است که زندگی در چنین سیستمی به طور تمام و کمال با ریاکاری و دروغ همراه است: دولت فشل دولت محبوب لقب می گیرد. طبقه کارگر به نام طبقه کارگر به بردگی کشیده می شود. تنزل کامل فرد به عنوان بالاترین نوع آزادی معرفی می شود. محروم کردن مردم از اطلاعات به عنوان دسترسی همگانی به اطلاعات، استفاده از قدرت برای دستکاری افکار عمومی به عنوان کنترل مردم بر قدرت، استفاده سلیقه ای و دلبخواهی از قدرت به عنوان اعمال قانون، سرکوب فرهنگ به عنوان توسعه آن، گسترش دخالت منطقه ای و جهانی به عنوان حمایت از مظلومان، نبود آزادی بیان به عنوان بالاترین شکل آزادی، انتخابات نمایشی به عنوان بالاترین فرم دموکراسی،‌ منع افکار مستقل به عنوان بالاترین فرم جهان بینی علمی، اشغال و دخالت نظامی به عنوان کمک برادرانه! معرفی و به خورد مردم داده می شود. بخاطر اینکه رژیم اسیر دروغ های خودش شده است باید همه چیز را تحریف کند. گذشته را تحریف می کند. حال را تحریف می کند. آینده را تحریف می کند. آمار را تحریف می کند. تظاهر می کند که ابزار حضور همه جایی و غیر اصولیِ پلیسی را ندارد. تظاهر می کند به حقوق بشر احترام می گذارد. تظاهر می کند کسی را آزار و اذیت نمی کند. تظاهر می کند ترس ایجاد نمی کند. تظاهر می کند که به هیچ چیزی تظاهر نمی کند!

واکلاو هاول، قدرت بی قدرتان: شهروندان علیه حکومت در اروپای مرکزی و شرقی

تمام کتابهای جهان در یک کهکشان به هم مرتبط

با استفاده از تکنیک node2vec و UMAP متون تمام کتاب های جهان تحلیل و کنار هم گذاشته شده است تا یک ویژوالیزیشن شگفت انگیز را ایجاد کند. هر گره (node) در این شکل یک کتاب. اندازه آن گره اهمیت کتاب و فاصله کتاب ها به صورت فاصله اقلیدسی سنجیده می شود به این معنا که کتاب های مرتبط تر کنار هم هستند. همین کمک می کند تا با استفاده از رنگ ها رشته ها از هم جدا شود. رشته هایی که از لحاظ محتوایی به هم نزدیک ترند (مانند کامپیوتر و برق یا سینما و موسیقی)‌به هم نزدیک تر هستند.

https://galaxy.opensyllabus.org/

الگوریتم Metropolis hasting به صورت تصویری

🎲نمونه گیری تصادفی🎲


یکی از چالش های بزرگ در بیشتر مسایل یادگیری ماشین یافتن روشی برای نمونه گیری از یک توزیع احتمال است. دلیل این موضوع این است که توزیع های احتمالی که در یادگیری ماشین با آن ها سر و کار داریم بسیار پیچیده و شامل صدها و هزاران متغیر می شوند. اما مشکل حتی فراتر است چرا که ما نمی توانیم توزیع احتمال (به معنای واقعی آن یعنی برای تمام نمونه ها جمعش برابر با یک باشد)‌را ایجاد کنیم در عوض با یک تابع امتیاز روبرو هستیم. به عنوان یک مثال ساده اگر تابع امتیاز به صورت [1,4,6,2] باشد. می توان هر کدام از امتیاز ها را تقسیم به جمع کل کرد تا به یک توزیع احتمال به صورت [0.076,0.307, 0.4615, 0.1538] رسید. در حالت کلی تر این جمع کردن به انتگرال تبدیل می شود. مشکل دقیقا همینجاست. یعنی اگر ما تابع توزیع برای توابع با متغیر های زیاد را داشته باشیم انتگرال گرفتن بر روی آن ها از لحاظ محاسباتی بسیار بسیار دشوار است. همین موضوع باعث می شود که از خیر انتگرال گیری بگذریم و در عوض دنبال درست کردن توزیع احتمال با نمونه گیری از آن باشیم. اما چگونه ممکن است از توزیع احتمالی که فرم آن را نمیدانیم نمونه گیری کنیم؟ این کار فقط به قدری قوه تخیل نیاز دارد!
بیاید فرض کنیم که بر روی یک کوه قرار گرفته ایم که دقیقا فرم همان توزیع احتمال را دارد. مناطق مرتفع تر کوه جاهایی هستند که احتمال بیشتر است پس باید آن جا ها بیشتر باشیم. فرض کنید می توانیم هر بار یک پرش کنیم اما در عین حال نمی خواهیم خیلی از جای اصلی امان دور شویم. از یک نقطه کاملا تصادفی شروع می کنیم. و اولین پرش را انجام می دهیم. حالا بیایید بپرسیم آیا این نقطه جدید که رفته ایم دارای احتمال بیشتری است یا کمتر؟ خب چون توزیع احتمال را نمی دانیم نمی توانیم بگوییم ولی مهم نیست!‌ چون سوال ما این بود که احتمال نسبت به نقطه قبلی بیشتر است یا کمتر! اگر اینطوری باشد نسبت تابع امتیاز کافی ست! اگر احتمال بیشتر بود به آن نقطه می رویم. اما برای اینکه نمی خواهیم یک مسافرت به قله کنیم بلکه از همه جا نمونه برداریم با یک شانسی که متناظر با همان نسبت احتمال از نقطه فعلی به بعدی است به نقطه بعدی می رویم! در شکل قرمز ها پرش هایی است که رد می کنیم چون ما را به نقاط خوبی نمیبرد ولی سبز ها را قبول می کنیم. به این ترتیب از هر نقطه به بعدی میپریم و به همین نحو ادامه می دهیم. همین روش ساده ی تصویری منجر به الگوریتم Metropolis-Hasting می شود که برای نمونه برداری از توزیع های پیچیده بسیار کاراست. برای اینکه دقیقا متوجه توضیحاتم بشوید می توانید به صورت یک پویانمایی کل فرآیند را در این جا ببینید.
الگوریتم های دیگر مانند Gibbs sampling هم از قوانین تصویری مشابهی پیروی میکنند.

‍ ريتم صفر (rhythm 0)


در سال ۱۹۷۴، مارینا آبراموویچ یک اجرای هنری به مفهوم مدرن داشت:
او اعلام کرده بود که در طی اجرای ۶ ساعته، مانند یک شیء بی حرکت و بدون هر گونه واکنش خواهد بود.
در این مدت شرکت کنندگان اجازه داشتند هر کاری می خواهند با او بکنند و حتی از ۷۲ وسیله ای که آبراموویچ روی میز استودیو گذاشته بود هم استفاده نمایند.این اجرا «ریتم ِ صفر» نام داشت.
روی میز یادداشت زیر به چشم می‌خورد: راهکار: -۷۲ وسیله روی میز است که هر طور دوست داشتید می توانید آنها را روی من بکار ببرید.
تعهد: - من برای مدت ۶ ساعت صرفاً یک ابژه خواهم بود و مسوولیت هر نوع عواقبی را بر عهده می گیرم. -۶ ساعت از ۸ شب تا ۲ صبح می باشد.
روی میز هم ادوات لذت مانند پر، دستمالهای ابریشمی، گل، آب و ... بود و هم ابزار شکنجه: چاقو، تیغ، زنجیر، سیم... و حتی یک اسلحه ی پُر!
در ابتدای کار همه رودربایستی داشتند. یک نفر نزدیک شد و او را با گلها آراست. یک نفر دیگر او را با سیم به یک شیئ دیگر بست، دیگری قلقلکش داد...
کمی بعد او را بلند کردند و جایش را تغییر دادند!
کم کم زنجیرها را بکار گرفتند، به او آب پاشیدند و وقتی دیدند واکنشی نشان نمی‌دهد رفتارها حالت تهاجمی‌تر گرفت. منتقد هنری، توماس مک اویلی، که در این پرفورمنس شرکت کرده بود به خاطر می‌آورد که چگونه رفتار مردم رفته رفته، خشن و خشن‌تر شد.
«اولش ملایم بود، یک نفر او را چرخاند، یکی دیگر بازوهایش را بالا برد... ...»
مردی جلو آمد و با تیغ ریش تراشی که برداشته بود گردن او را مجروح کرد و مردی دیگر خارهای گل را روی شکم آبراموویچ کشید. در ساعت سوم تمام لباس های او رو پاره کرده بودند و آزارهای جنسی محدودی بر او انجام شد.
یک نفر تفنگ را به دستش داد و دستش را تا بالای گیجگاهش برد.
مسئول گالری وحشت زده آمد تفنگ را گرفت و از پنجره به بیرون پرت کرد. اون چنان متعهد به کارش بود که احتمال تجاوز یا حتی مرگ را به جان خریده بود.
با این پرفورمنس آبراموویچ نشان داد که اگر شرایط برای افرادی که به خشونت گرایش دارند مهیا باشد، به چه راحتی و با چه سرعتی آن را اعمال می‌کنند.
بعد از پایان ۶ ساعت پرفورمنس، آبراموویچ در سالن استودیو به راه افتاد و از مقابل دستیاران و بازدیدکنندگان گذشت.
همه از نگاه کردن به صورت او اجتناب می‌کردند.
بازدید کنندگان هم آنقدر عادی رفتار می کردند که انگار اصلاً از خشونتی که دمی پیش به خرج داده بودند و اینکه چگونه از آزار و حمله به او لذت برده بودند چیزی در خاطرشان نمانده.
این اثر نکته ای دهشتناک را در باب وجود بشر آشکار می‌کند.
به ما نشان می‌دهد که اگر شرایط مناسب باشد، یک انسان با چه سرعت و به چه آسانی می‌تواند به همنوع خود آسیب برساند، به چه سادگی می‌شود از شخصی که از خود دفاع نمی‌کند یا نمی‌جنگد بهره‌کشی کرد
و این که اگر بسترش فراهم باشد اکثریت افراد به ظاهر «نرمال» جامعه می توانند در چشم برهم زدنی به موجودی حقیقتاً وحشی و خشن تبدیل شوند.
مارینا بعدها اعلام کرد که وقتی که شب به هتل خود برگشته بود، دید که یک دسته از موهایش در عرض چند ساعت سفید شده بود. خودداری و عدم واکنش او چنین هزینه‌ای به او تحمیل کرده بود.
مارينا آبراموويچ و پرفورمنس ريتم صفر به ما ياد ميدهد كه وقتي منفعل باشيد هم خودتان نابود ميشويد و هم بخش نابودگر ديگران را بيدار مي كنيد.
وقتي منفعل باشید آدم ها وحشي ميشوند ، زورگو ميشوند، اخلاق و شأن انساني شما را ديگر هر کسی محترم نمي شمارد و امیال و عقده و غده هایی که درونش وجود دارد مجال ابراز وجود پیدا کرده و خود نمایی میکند !

"هر بار که ما ظلمی را شاهد هستیم و کاری نمیکنیم، شخصیت خود را آموزش میدهیم که در زمان مشکل منفعل باشد و به مرور تمام توانایی خود را برای دفاع از خود و کسانی که دوست داریم را از دست می دهیم"
جولیان آسانژ

یکی از ابزارهای جالبی که امروز پیدا کردم سرویس جستجوی دیتاست هاست که توسط گوگل راه اندازی شده است. با این ابزار می توانید دیتاست مناسب خودتان در هر زمینه ای که باشید را پیدا کنید. گزینه های زیادی در سرچ وجود دارد که قطعا آن را از جستجوی مستقیم در گوگل متمایز می کند. به طور مثال قابلیت کامل کردن به شما کمک میکند دیتاست های مرتبط را پیدا کنید. همچنین می توانید بر اساس فرمت، بر اساس تاریخ انتشار و رایگان بودن و نبودن نتایج را به دلخواه تغییر دهید

https://datasetsearch.research.google.com/

#dataset

این ویدیو بالاترین رزولوشن از نقشه مغز «مگس سرکه» را نشان می دهد که بر اساس عملکرد (بینایی، بویایی و غیره) دسته بندی شده است. این کار با همکاری گوگل و janelia انجام شده است. تعداد نورون های مغز مگس سرکه حدود ۲۵ هزار است که دارای چهار هزار نوع مختلف نورون است.

قسمت جالب تر این است که تمام اطلاعات مربوط به نورون ها و ارتباط آن ها در دیتاستی در اختیار پژوهشگران قرار داده شده است. فرمت آن بر اساس پایگاه داده معروف neo4j است و یک رابط به زبان پایتون هم برای آن درست شده است. اندازه این دیتاست حدود چهار گیگابایت است! برای راحتتر بودن کار حتی یک ابزار آنلاین برای گشتن در نقشه مغز قرار داده شده است که می توانید با آن کار کنید.

برای مقایسه باید بدانید تعداد نورون های مغز انسان حدود ۸۶ میلیارد عدد است که چیزی حدود ۳.۵ میلیون برابر مگس سرکه است!!

#brain
#python
#dataset

🌪انتقال کل داده های ویکی پدیا به پایگاه داده مونگو🌪

می توان گفت ویکی پدیا مهمترین دیتاست در حوزه پردازش زبان طبیعی است. اما بعد از سالها تجربه کار کردن با آن متوجه شدم که خیلی مواقع آن قدر ها هم که فکر میکنید به راحتی نمیتوانید به آن دسترسی داشته باشید به چند دلیل مشخص:

۱- داده های دامپ (dump) ویکی پدیا حجم عظیمی هستند که به فرمت بسیار بدخوان xml ذخیره شده اند که خواندن آن معمولا ساده نیست.

۲-حتی بعد از تبدیل داده ها به فرمت مناسب تر (مثلا json) این داده ها حاوی مقادیر زیادی تگ های اضافه مانند لینک ها، هدر ها، ویرایش ها، رفرنس ها و صدها جزییات کوچک و بزرگ است که آن را از یک متن تمیز و ساده بسیار متمایز میکند. تمیز کردن این ورودی تقریبا شما را راهی تیمارستان می کند!!

۳- ابزارهای آنلاینی برای تمیز کردن داده ها وجود دارند اما مشکل این است که آن ها صرفا دوباره داده ها را بر روی دیسک ذخیره می کنند و این بدان معناست شما نیاز به نوشتن کد اضافی برای خواندن از روی دیسک دارید.

۴- حتی اگر این کدها را هم بنویسید به خاطر اینکه بر روی دیسک ذخیره شده است انجام کارهای ساده بر روی آن را دشوار می کند. دقت کنید ویکی پدیا یکی از بزرگترین داده های متنی است که حاوی حدود پنج میلیون مقاله است و حجمی نزدیک به ۳۰ گیگابایت از دیسک را ذخیره می کند. انجام عملیاتی مثل دسترسی به یکی از مقاله ها ممکن است چند دقیقه طول بکشد اگر صرفا آن را به صورت ترتیبی بخوانید.

این دلایل و دلایلی دیگر باعث شد یک بار برای همیشه یک API ساده برای آن بسازم که تمام داده ها را در چند قدم ساده بدون اینکه درگیر جزییات بشوید در یک پایگاه داده مبتنی بر سند یعنی Mongodb ذخیره کند. انجام این کار ممکن است کمی طول بکشد اما بعد از وارد کردن داده ها و اندیس دهی می توانید علاوه بر دسترسی بسیار ساده و بسیار سریع (کمتر از یک هزارم ثانیه بعد از اندیس دهی)‌ به داده ها از طریق یک کلاس که فقط اطلاعات اتصال به دیتابیس را میخواهد به همه مقالات با متن تمیزه و به راحتی دسترسی داشته باشید.

https://github.com/roholazandie/wikipedia_to_mongodb

شرکت openai به صورت رسمی تمام چارچوب های نرم افزاری یادگیری عمیق خود را به پایتورچ تغییر داد. هدف از این کار سادگی کار با پایتورچ و کاهش زمان توسعه از هفته ها به روز است. از طرف دیگر پایتورچ با استقبال بسیار زیادی از سوی استارتاپ های کوچک و همچنین فیسبوک، مایکروسافت و آمازون و دیگر غولهای فناوری روبرو شده است.
[با این حساب احتمالا تنها شرکتی که به صورت فعال از تنسرفلو استفاده می کند خود گوگل است.]
توضیحات بیشتر:

https://openai.com/blog/openai-pytorch/

گوشه ای کوتاه از مصاحبه ریچارد فاینمن فیزیکدان بزرگ قرن بیستم در رابطه با جهان، حقیقت و مذهب


"من از ندونستن نمیترسم!"
- ریچارد فاینمن

ریچارد فاینمن قهرمان دوران نوجوانی من بود! شخصی که علم را نه از طریق کتاب و دانشگاه آموخت بلکه آن را زندگی می کرد! علم برای فاینمن موضوعی مربوط به دانشگاه و آزمایشگاه نیست بلکه یک بخش اساسی از زندگی اوست. افرادی مانند فاینمن نشان می دهند علم چقدر می تواند سرگرم کننده و جالب باشد آنقدر که شما آن را هر روز و همه جا ببینید و لذت ببرید!

کتاب «حتماً شوخی می‌کنید آقای فاینمن؟» داستان بسیار جالب زندگی او به قلم رالف لیگ تون است که خواندنش را به همه توصیه می کنم (ترجمه فارسی آن هم وجود دارد) این کتاب مجموعه از خاطرات شیرین و جالب و مقدار کمی فیزیک است.

اما اگر حوصله خواندن کتاب ندارید مستند ۵۰ دقیقه ای زیر به اسم «لذت فهمیدن چیزها» (the pleasure of finding things out) را می توانید ببینید که توسط horizon bbc ساخته شده و یک مصاحبه گرم و صمیمی با این نابغه است.

دانلود (حجم ۹۲ مگابایت)

🔵مدل سازی ریاضی پخش ویروس کرونا🔵

آزمایشگاه Brockmann Lab در آلمان به تازگی پژوهش گسترده ای بر روی مدل ریاضی پخش ویروس کرونا منتشر کرده است که بر اساس مطالعه سیستم های پیچیده (complex systems) است. اینجا می توانید صفحه اصلی آن ها را مشاهده کنید. این مدل ها می توانند به صورت تقریبی ریسک پخش ویروس در نقاط مختلف دنیا را بر اساس داده های ورودی و خروجی فرودگاه ها،‌فاصله تا ووهان و بقیه پارامتر های دیگر محاسبه کنند.
علاوه بر اینها ویژالیزیشن های بسیار جالبی هم می توانید اینجا ببینید.

@matlabtips