وقتی میگم پروژه‌های جون‌دار انجام بدید تا رزومه وزن پیدا کنه، منظورم چنین پروژه‌هایی هست.

این کلاستر محاسباتی کوچک و زیبا، کارِ درخشانِ آقای محمدمتین ناصری، دانشجوی کارشناسی مهندسی کامپیوتر، در درس «اینترنت اشیا» است!
با استفاده از چند برد Raspberry Pi 4 که به‌صورت عمودی استک شده‌اند، محمدمتین موفق شده یک کلاستر واقعی کوبرنتیز (Kubernetes)+ OpenMPi راه‌اندازی کند که:
کاملاً کاربردی و مدیریت‌شده با k3s است
قابلیت اجرای محاسبات ماتریسی بزرگ و موازی را دارد
حدود ۳۰ گیگافلاپس توان محاسباتی ارائه می‌دهد (معادل یک کامپیوتر رومیزی قدرتمند چند سال پیش!)
همه‌ی این‌ها در فضای کمتر از یک جعبه کوچک و با مصرف برق بسیار پایین

این پروژه نه‌تنها نشان‌دهنده درک عمیق از مفاهیم توزیع‌شده و orchestration است، بلکه یک نمونه عالی از این حقیقت است که برای شروع کارهای بزرگ، لزوماً به سرورهای چندصدهزاردلاری نیاز نیست؛ گاهی چند برد کوچک و ذهن خلاق کافی است!
افتخار می‌کنم که چنین دانشجوی باانگیزه و توانمندی در کلاس درسمان داریم 👏
منبع پست در لینکدین

این پروژه هیچ ارتباطی به به من نداره، من فقط از لینکدین نقل قول کردم. لینک پست رو هم گذاشتم.

یک‌جایی توی مکالمه با جمنای، عبارت زیر رو به کار برد:

لحن زرد و "لینکدینی" به جای لحن علمی

منظورش که واضحه؛ من هم نسبت به یکسری پست‌های لینکدینی همین حس زرد بودن رو دارم. اما از خود جمنای خواستم که بیشتر درباره این عبارتی که نوشته بهم توضیح بده. خلاصه توضیحش رو در آوردم.

وقتی می‌گوییم یک متن «لحن لینکدینی» دارد، منظورمان اشاره به یک سبک خاص و کلیشه‌ای از نوشتار است که در چند سال اخیر در شبکه اجتماعی لینکدین (LinkedIn) بسیار شایع شده و حتی اصطلاح طنزآمیز «Broetry» (ترکیب Bro + Poetry) را برایش ساخته‌اند.

در اینجا ویژگی‌های این «لحن لینکدینی» را باز می‌کنم:

۱. دراماتیک‌سازی مصنوعی (The Artificial Drama)
در سبک لینکدینی، نویسنده سعی می‌کند معمولی‌ترین اتفاقات را به یک داستان حماسی تبدیل کند.

۲. جملات قصار و بریده‌بریده (Broetry Style)
اگر دقت کنید، متن‌های لینکدینی معمولاً پاراگراف‌های طولانی ندارند. هر جمله یک خط است و بین آن‌ها فاصله زیادی می‌گذارند تا در موبایل راحت خوانده شود (و کاربر بیشتر اسکرول کند که برای الگوریتم خوب است).

۳. تبدیل همه چیز به «درس موفقیت» (Toxic Positivity)
یکی از آزاردهنده‌ترین ویژگی‌های لحن لینکدینی این است که به زور می‌خواهد از هر چیزی «۵ درس برای زندگی» یا «فرمول طلایی موفقیت» بیرون بکشد.

۴. استفاده از کلمات پرطمطراق و توخالی (Buzzwords)
نویسندگان این سبک عاشق کلماتی هستند که هوشمندانه به نظر برسند اما بار معنایی خاصی نداشته باشند.

۵. اعتماد به نفس کاذب (False Authority)
در پست‌های لینکدینی، نویسنده (یا راوی) طوری صحبت می‌کند که انگار دانای کل است و حقایق مطلق را کشف کرده.

نمونه مثال:
لحن علمی/ژورنالیستی: "ایلیا سوتسکیور در سخنرانی خود اشاره کرد که با توجه به ساختار بیولوژیک مغز، احتمالاً هوش مصنوعی محدودیتی در یادگیری نخواهد داشت." (سندیت دارد، بی‌طرف است).

لحن لینکدینی/زرد: "آیا فکر می‌کنید مغزتان جادویی است؟ اشتباه می‌کنید! ایلیا سوتسکیور آب پاکی را روی دست همه ریخت. مغز شما فقط یک کامپیوتر است. برای شوکه‌کننده ترین حقیقت آماده باشید... 👇" (هیجانی، تهاجمی، کم‌مایه).

یک مورد هم من بگم:
توی این نوع پست‌های لینکدینی، هر جمله یک اموجی داره. خصوصا اینها: 🎯⛳️💯👌

عمو Andrew Ng :
ما در حال انتشار یک "Agentic Reviewer" جدید برای مقالات تحقیقاتی هستیم.
من این کار را به عنوان یک پروژه آخر هفته شروع به کدنویسی کردم و Yixing J. آن را بسیار بهتر کرد.

من از دانشجویی الهام گرفتم که مقاله‌اش در طول ۳ سال ۶ بار رد شده بود.
حلقه بازخورد او که هر بار حدود ۶ ماه طول می‌کشید تا بازخورد دریافت کند به طرز دردناکی کند بود.
ما می‌خواستیم ببینیم آیا Agentic Workflow می‌تواند به محققان کمک کند سریع‌تر به کارشان بپردازند؟

هنگامی که سیستم را با استفاده از بازبینی‌های ICLR 2025 آموزش دادیم و همبستگی Spearman را در مجموعه آزمایشی اندازه‌گیری کردیم: (بالاتر بهتر است)

همبستگی بین دو بازبین انسانی: 0.41
همبستگی بین AI و یک بازبین انسانی: 0.42

این نشان می‌دهد که Agentic در حال نزدیک شدن به عملکرد سطح انسانی است.

https://paperreview.ai/

یک مثال فارسی درباره TF-IDF از جمنای گرفتم، کمی اصلاحش کردم و بعد به نانو بنانا دادم که به تصویر تبدیل کنه.

اینجا، منِ انسان فقط نقش پرامپت دادن، بازبینی و اصلاح پرامپت‌ها و خروجی‌ها، نظارت روی فرآیند انجام کار و ساختن پایپ‌لاین برای رسیدن به هدف رو داشتم. خروجی کار متناسب با سلیقه من نیست، چون اگه قرار بود این رو من بسازم، قشنگ‌تر و عمیق‌تر می‌ساختم! البته، احتمالا با 20 برابر وقت بیشتر...

ولی با وجود هوش مصنوعی در این سطح، بازم من انسان نقش پررنگی دارم؛ باید اونقدر خوب هدایتش کنم که دقیقا خروجی متناسب با سلیقه خودم ازش بگیرم.

البته، به نظرم ابزارها هم باید پیشرفت کنن و بهتر از این بشن. مثلا، ادیت تصویر راحت‌تر بشه، نیاز نباشه با هر تغییر پرامپت تصویر از نو ساخته بشه، خروجی ‌ای بدن که قابلیت ادیت شدن در پاورپوینت یا درایو داشته باشه...

ترند شدیدا صعودی "هوش مصنوعی" در فارسی رو ببینید؛ تقریبا از 2023 اوج گرفتن رو شروع کرده (نمودار آبی). چرا از 2023؟ احتمالا به خاطر ChatGPT (اواخر نوامبر 2022 اومد) و ابزارهایی که بعدش اومدن.

برای زیارت عاشورا (قرمز) و بلک فرایدی (زرد) هم رفتار فصلی می‌بینیم. اون پیک‌های بزرگ قرمز مربوط به محرم میشه. زیارت عاشورا، کلیدواژه پرسرچی هست. حالا سرچ این روزهای هوش مصنوعی رو با اوج زیارت عاشورا مقایسه کنید.

پیک بلک فرایدی داره سال به سال بزرگتر میشه.

نمودار سبز هم مربوط به پایتون میشه. چرا پایتون این اندازه کمه و شیب صعودیش کم هست، اما هوش مصنوعی انقدر شدید رشد کرده؟ چون مردم اینا رو سرچ میکنن:

آهنگ هوش مصنوعی
دانلود هوش مصنوعی
هوش مصنوعی هایده
هوش مصنوعی مهستی
هوش مصنوعی عکس
برنامه هوش مصنوعی
هوش مصنوعی رایگان

مدتی هست که کم‌وبیش برای مسابقه CSIRO کگل وقت گذاشتم. یک تسک مولتی رگرسیون با داده‌های تصویری هست. مسابقه سه ماه وقت داشت که دو ماهش باقیمونده. دیگه نوتبوکش رو به سطح مطلوب برای یک فرد استارتر رسوندم. دیشب پابلیکش کردم. اینجا هم میذارم، اگه خواستید شما هم روش کار کنید. احتمال داره که ویدئوش رو ضبط کنم و توی سایت تحت عنوان پروژه/دوره جدید معرفی کنیم.

https://www.kaggle.com/code/sajadai/csiro-pytorch-starter

بخشی از مصاحبه اخیر ایلیا سوتسکور (Ilya Sutskever) رو در ادامه بخونید:

دوران آزمون و خطا (۲۰۱۲ تا ۲۰۲۰): در گذشته، پیشرفت در یادگیری ماشین بیشتر بر پایه دستکاری و آزمایش‌های تجربی توسط محققان بود تا نتایج جالبی به دست آید.

عصر مقیاس‌پذیری (Scaling) (۲۰۲۰ تا ۲۰۲۵): با ظهور مدل‌هایی مثل GPT-3، محققان متوجه شدند که یک فرمول ساده وجود دارد: "افزایش داده‌ها و قدرت محاسباتی برابر است با نتایج بهتر." این دوران برای شرکت‌ها بسیار جذاب بود، زیرا سرمایه‌گذاری روی «بزرگ‌تر کردن مدل» ریسک کمتری نسبت به تحقیقات داشت و نتایج آن قابل پیش‌بینی بود.

پایان دوران مقیاس‌پذیری آسان: سوتسکور اشاره می‌کند که داده‌های موجود برای آموزش مدل‌ها (Pre-training) محدود هستند و روزی تمام می‌شوند. او معتقد است که صرفاً بزرگ‌تر کردن مدل‌ها تا ۱۰۰ برابر، دیگر باعث تحول چشمگیری نخواهد شد.

بازگشت به عصر پژوهش (اکنون): ما اکنون دوباره به دورانی بازگشته‌ایم که نیاز به "پژوهش" و کشف روش‌های جدید (فراتر از روش‌های فعلی) داریم، با این تفاوت که اکنون کامپیوترهای بسیار قدرتمندتری در اختیار داریم.

منبع

امروز توی سرچ‌هام درباره AI Agent با ریپوی زیر مواجه شدم که شامل بیش از 500 پروژه و نمونه کار واقعی از AI Agent هست:
https://github.com/ashishpatel26/500-AI-Agents-Projects

بمونه اینجا شاید بعدا بدردمون خورد...

با دوستان داشتیم درباره مایندست صحبت می‌کردیم. نوید چیزی گفت که خیلی جالب بود و دوست داشتم اینجا هم باشه:

خانم کارل دوک (استاد روانشناسی استنفورد) توی کتاب طرز فکر (مایندست) میگه ما کلا دو نوع طرز فکر داریم، یکی ثابت و یکی رشد...
طرز فکر ثابت، مدام میخواد همه چیزو راحت بدست بیاره و ثبات فکری داره و در برابر یادگیری مقاومت میکنه
اما طرز فکر رشد، مدام دوست داره چیزهای جدید یاد بگیره و از به چالش کشیدن خودش لذت میبره...
در نهایت میگه ما کلی تحقیق کردیم، دیدیم مهم‌ترین تفاوت افراد موفق با افراد دیگه، اینکه اونا طرز فکرشون از نوع رشد بوده.

یک پست جالب در X درباره رزومه و دعوت به مصاحبه دیدم که در ادامه آوردم...

یک نفر گفته:

من نمیتونم دلیل رد شدن قبل از مصاحبه تو موقعیت کاراموزی رو درک کنم
دیگه چی باید بلد باشم که باهام مصاحبه کنن
ینی واقعا توقعشون بیشتره؟؟؟

یک نفر متخصص پیام بالا رو کوت کرده و گفته:

این نظر شخصی منه:
درصد بالایی از افراد توی همون ۳ثانیه اول دیده شدن رزومه‌اشون ریجکت می شن!

همچنین، یک نفر دیگه تصویر بالا رو منتشر کرده و گفته:

هیت‌مپ تمرکز recruiter‌ روی رزومه‌ی applicant. این رو من تو پرامپت و برنامه‌ای که واسه tailor کردن رزومه‌م ساخته بودم لحاظ کرده بودم.
جواب داد. یعنی تا مصاحبه گرفتن :))

خیلی مهمه‌ها!

لینک مرجع

خبر جالب اینکه، حالا به راحتی می‌تونید VSCode سیستمتون رو باز کنید و وصل بشید به سخت‌افزارهای کولب و کد بزنید.

برای انجام این کار، کافی هست که به صفحه اصلی کولب برید و افزونه Colab برای VSCode رو نصب کنید. اطلاعات و نحوه فعال‌سازیش رو در لینک زیر گفته شده:
https://colab.research.google.com/

من این خبر رو اولین بار در لینکدین دیدم. می‌خواستم بهش ارجاع بدم، اما لینکدین رفرش شد و پرید! ☹️ بعدش خودم تست کردم و تونستم به راحتی به T4 کولب وصل بشم و چند خطی کد بزنم.

شورای صنفی شریف :
در هفته گذشته سامانه‌ CW به‌عنوان بستر اصلی ارائه‌ تمرین‌ها، پروژه‌ها، جزوات و سایر مطالب آموزشی، دچار اختلال جدی و قطعی‌های مکرر بوده است. این وضعیت، روند تحصیلی تعداد زیادی از دانشجویان را مختل کرده است.

طبق پیگیری‌های انجام‌شده، مشکل اصلی پر شدن فضای ذخیره‌سازی سامانه و نبود بودجه برای افزایش ظرفیت اعلام شده است.

داغانیم ...

The Modern Software Developer
.
من و جام مِی و معشوق
الباقی اضافات است
اگر هستی که بسم الله
در تأخیر آفات است
.
این دوره نشان می‌دهد که ابزارهای مدرن هوش مصنوعی نه تنها بهره‌وری توسعه‌دهندگان را افزایش می‌دهند، بلکه مهندسی نرم‌افزار را برای طیف گسترده‌تری از افراد دموکراتیزه می‌کنند.
ما نشان خواهیم داد که توسعه نرم‌افزار از مرحله‌ی «ایجاد کد از صفر» به یک جریان کاری تکرارشونده شامل برنامه‌ریزی، تولید با کمک هوش مصنوعی، اصلاح و تکرار تکامل یافته است.
دانشجویان هم نظریه‌ی چالش‌های سنتی مهندسی نرم‌افزار را خواهند آموخت و هم ابزارهای پیشرفته‌ی مبتنی بر هوش مصنوعی که امروز آن‌ها را حل می‌کنند.
.
CS146S: The Modern Software Developer
Stanford University - Fall 2025

NVIDIA Nemotron 3 Family of Models

کارآمدترین خانواده مدل‌های باز با دقت پیشرو برای کاربردهای هوش مصنوعی عامل‌محور (Agentic AI).
خانواده Nemotron 3 شامل سه مدل است: Nano، Super و Ultra.
این مدل‌ها توانایی‌های قدرتمند در استدلال، مکالمه و عملکرد عامل‌محور ارائه می‌دهند.

نانو Nano : کوچک‌ترین مدل است که نسبت به مدل‌های مشابه دقت بالاتری دارد و در عین حال هزینه‌ی استنتاج بسیار پایینی دارد.

سوپر Super : برای عوامل همکاری‌محور و بارهای کاری حجیم مانند اتوماسیون تیکت‌های IT بهینه شده است.

آلترا Ultra : بزرگ‌ترین مدل است که دقت و توانایی استدلال در سطح پیشرفته ارائه می‌دهد.

مدل و گزارش فنی Nemotron 3 Nano اکنون منتشر شده‌اند.
نسخه‌های Super و Ultra در ماه‌های آینده عرضه خواهند شد.