✅ مکانیزم intern در پایتون چیست؟

از آنجایی که مقایسه دو رشته از طریق آدرس مموری(is) بسیار سریع تراز مقایسه کاراکتر با کارکتر آنها(==) است، پایتون برای بهینه سازی، بعضی از رشته ها را مانند اسامی متغیر ها، توابع و کلاس های موجود در کد و همچنین بعضی رشته های پرکاربرد و کوتاه را intern میکند؛ یعنی تمامی رشته های با یک مقدار برابر به یک خانه مشترک در حافظه اشاره می کنند و بدین ترتیب می توان از is برای مقایسه آنها استفاده کرد. همچنین با استفاده از sys.intern می توان به صورت دستی رشته های دلخواه را intern کرد که زمانی که با داده های حجیم و تکراری در کاربرد هایی مانند NLP سر و کار داریم می تواند باعث بهبود عملکرد شود.

🆔 @software_engineers_channel

پروفسور علی لطفی زاده

پدر منطق فازی و هر آنچه که از سال ۱۳۴۵ تا به حال به نام هوش مصنوعی میشناسیم. کامپیوترهای کوانتومی حیات خود را مدیون این شخص هستند...

RIP (1921-2017)

🆔 @software_engineers_channel

امروز با یک ابزار جالب آشنا شدم که میتونه به صورت اتوماتیک براتون داده کاوی بکنه و با چندتا کلیک ساده کلی نمودار کامل و قابل ارزیابی بهتون تحویل میده.
با همه دیتابیس ها هم کار میکنه و حتی به صورت داکر هم میتونید نصب کنید فقط چون با زبان جاوا نوشته شده یه مقدار سی پی یو و رم میکشه ازتون.
توی گوگل سرچ کنید metabase و دیگه طبق داکویمنتش می تونید نصبش کنید.

🆔 @software_engineers_channel

🔸 The awful truth

#fun

🆔 @software_engineers_channel

✔️Python Backend Developer (Mid level) for a full time/Remote work:



We are looking for an Experienced (at least 5 years)

Must know:
1. Experienced with Pandas/Numpy
2. Experienced with Django or Flask
3. Experienced with Selenium, Data Crawling, Data Parsing
4. PostgresQL , SQL/MongoDb Database
5. Expertise in microservice architecture, distributed systems as well as RESTful API
6. Linux
7. knowledge in Continuous Integration & Continuous Deployment (CI/CD) utilizing Docker containers.
8. Familiarity with front-end languages (e.g. HTML, JavaScript, and CSS).
9. Experienced with FastApi /Async

Featured skills
1. OpenCV
2. familiar with Raspberry PI

Working hours (Monday to Friday): 10 am to 17:00 Tehran Time

Salary : we pay more than 20 millions toman /month
BS in CS is a must.

Please share your CV's with

Email: [email protected]


🆔 @software_engineers_channel

✅ انواع هوش مصنوعی:

🔸 هوش مصنوعی ضعیف (Weak AI):
هوش مصنوعی ضعیف، رایج ترین نوع هوش مصنوعی است که با نام هوش مصنوعی محدود (Narrow AI) هم شناخته می شود. ابزاری از هوش مصنوعی است که بر انجام خوب یک وظیفه تمرکز دارد یعنی برای انجام کار خاصی که برای آن برنامه ریزی شده، بسیار هوشمند است. سیستم های پیشنهاد دهنده خرید، بازی شطرنج و پیش بینی وضعیت آب و هوا مثال هایی از این نوع هوش مصنوعی هستند. بینایی کامپیوتر، پردازش زبان طبیعی و تشخیص گفتار نیز در محدوده هوش مصنوعی ضعیف هستند.

🔸 هوش مصنوعی قوی (Strong AI):
هوش مصنوعی قوی که هوش مصنوعی عمومی (General AI) نیز نامیده می شود، نشان دهنده هوش سطح انسانی است. بنابراین، می تواند به روش مشابه یک انسان بفهمد، فکر کند و عمل کند، همچنین دارای خود آگاهی و احساسات است. هر کاری که یک انسان می تواند انجام دهد، هوش مصنوعی قوی هم می تواند انجام دهد. مانند داستان های علمی تخیلی از قبیل ترمیناتور، هدف ساخت ماشینی است که هوشی در سطح هوش یک انسان واقعی دارد.

🔸 هوش مصنوعی سوپر (Super AI):
هوش مصنوعی سوپر یا هوش فوق العاده (super intelligence) از هوش و توانایی انسان پیشی گرفته و هرکاری از جمله ریاضیات، پزشکی و سرگرمی را به بهترین شکل انجام می دهد. حتی نوابغ انسانی نیز توانایی نزدیک به هوش مصنوعی سوپر را ندارند.

🆔 @software_engineers_channel

https://pubmed.ncbi.nlm.nih.gov/31918046/

✅ هوش مصنوعی می تواند سرطان خون میلوئید حاد (AML) را با قابلیت اطمینان بالا تشخیص دهد.

مطالعه حاضر بر روی AML شکلی از سرطان بدخیم و کشنده خون صورت گرفته است. AML با تکثیر سلولهای مغز استخوان آسیب دیده تغییر می یابد ، که در نهایت می تواند وارد جریان خون شود.

این مطالعه با استفاده از ۱۲۰۰۰ نمونه با استفاده از تکنیک ترکیب یادگیری ماشین مبتنی بر متن و رونویسی از ژن انجام گرفت.

هدف : پیش‌بینی تشخیص افتراقی و طبقه بندی فرعی AML توسط ژنومیک

✅روش آنها مبتنی بر تجزیه و تحلیل فعالیت ژن سلولهای موجود در خون است. این روش، می تواند از تشخیص عادی پشتیبانی کند و احتمالاً شروع درمان را تسریع کند.


🆔 @software_engineers_channel

✅ الگوریتم جدید هوش مصنوعی Google ،با نگاه به چشمان شما بیماری قلبی را پیش بینی می کند.

این مقاله نشان می دهد که چگونه هوش مصنوعی می تواند به بهبود ابزارهای تشخیصی موجود کمک کند.اگرچه ایده نگاه کردن به چشمان شما برای قضاوت در مورد سلامت قلب شما غیرمعمول به نظر می رسد ، اما از یک مجموعه تحقیقات ثابت شده حاصل می شود.

🔸راه حل : دیواره داخلی عقب چشم (فوندوس) مملو از عروق خونی است که سلامت کلی بدن را منعکس می کند. با مطالعه ظاهر آنها با دوربین و میکروسکوپ، پزشکان می توانند مواردی مانند فشار خون ، سن و سیگار کشیدن یا عدم استنباط آنها را که همگي پیش بینی کننده های مهم سلامت قلب و عروق هستند، استنباط کنند. می توان از این موارد برای پیش بینی خطر ابتلا به یک واقعه قلبی مهم - مانند حمله قلبی - با دقت تقریباً مشابه روش های پیشرو فعلی استفاده کرد.

🔸مزايا : این الگوریتم به طور بالقوه تجزیه و تحلیل ابتلا فرد به خطر قلبی عروقی را برای پزشکان سریعتر و آسان تر می کند ، زیرا نیازی به آزمایش خون ندارد. برای آموزش الگوریتم ، دانشمندان Google و Verily’s از یادگیری ماشینی برای تجزیه و تحلیل مجموعه داده های پزشکی شامل اسکن چشم و همچنین داده های پزشکی عمومی بود. همانند سایر تجزیه و تحلیل های یادگیری عمیق ، سپس از شبکه های عصبی برای استخراج این اطلاعات برای الگوها استفاده شد ، ارتباط بین پارامترها در اسکن چشم با متریک های مورد نیاز برای پیش بینی خطر قلبی عروقی یافت شد (سن و فشار خون).

🔸ارزيابي : هنگامی که تصاویر شبکیه از دو بیمار ارائه شد ، یکی از آنها در 5 سال بعد دچار یک بیماری قلبی عروقی شد ، و یکی دیگر از این موارد را نداشت ، الگوریتم Google توانست حدود 70 درصد بگوید که چه فردی مبتلا به بیماری قلبی میشود.


🆔‌‌ @software_engineers_channel

✅ لینوس تروالدز دیروز یه کامیت روی سورس کد لینوکس زده که لینوکس خیلی مزخرفه و برید windows xp نصب کنید عالیه!

Link: https://github.com/torvalds/linux/blob/8bcab0346d4fcf21b97046eb44db8cf37ddd6da0/README

پ ن: بامزه بازی توروالدز با فیک کامیت گیتهاب
پ ن۲: با این روش میشه یک سری حملات مثل فیشینگ رو انجام داد:
You should not trust any GitHub URL with a commit SHA in it - only trust ones with branch names - because it could be a phishing attack otherwise.

🆔 @software_engineers_channel

✅ توضیح کارل سیگن در مورد ابعاد

🆔 @software_engineers_channel

✅استخدام DevOps Engineer

وظایف:
استقرار محصولات نرم افزاری
مدیریت محیط های عملیاتی و تست
پیکربندی و مدیریت زیرساخت عملیاتی و تست


مهارت ها:
آشنایی با Git
آشنایی کافی به لینوکس
درک مناسب از TCP/IP
آشنا به فرآیند CI/CD و Gitlab
آشنایی به فرایند و ابزار های بک آپ
آشنایی با یک زبان برنامه نویسی
آشنایی با معماری توزیع شده و میکروسرویس ها
آشنایی با‍ مفاهیم و ابزارهای HA و Load balancing
تسلط به مدیریت و نگهداری و T-Shoot سرورهای مبتنی بر لینوکس
آشنایی به Hardening و firewall ها و افزایش امنیت سرور های لینوکسی
آشنا به Container Orchestration ها مانند Docker Swarm و Kubernetes
آشنایی با Terraform
آشنایی با AWS
Link: https://jobinja.ir/companies/gathersa/jobs/RNhc


🆔 @software_engineers_channel

خلاصه برگ پنج صفحه‌ای مفاهیم یادگیری ماشین

🆔 @software_engineers_channel

✅ خستگی تصمیم

مغز ما با هر تصمیم گیری انرژی میسوزونه و بعد از تصمیم گیری های متعدد خسته میشه؛ درست مثل ماهیچه ها که بعد از کار کردن خسته میشن.

هر تصمیمی (ناهار چی بخورم؟ با کدوم آسانسور برم؟ چه ماشینی بخرم؟) هم بنابر ابعادش سهم بخصوصی از انرژی مغز ما رو مصرف میکنه. مثلاً برای انتخاب یک آهنگ برای شنیدن بخشی از این انرژی مصرف میشه، چه ما اون رو تصمیم بدونیم یا نه.

در این راستا تحقیقی صورت گرفته که نشون میده قاضی ها در ابتدای روز کاری (و یا حتی بعد از استراحت ناهار) بیشتر افراد رو عفو میکنن تا انتهای روز (در پرونده های نسبتاً یکسان).
شاید دیده باشید که کسانیکه در طول روز با تصمیمات بزرگی سر و کار دارن (مارک زاکربرگ، استیو جابز، آنگلا مرکل و...) معمولا لباس های تکراری میپوشن. اونها با این کار انرژی انتخاب لباس رو برای کارهای دیگه ذخیره میکنن.

راه های زیادی برای مقابله با خستگی تصمیم وجود داره:

🔸 برای اکثر کارهامون برنامه ی از پیش تعیین شده داشته باشیم (مثلا اینکه چه روزهای چی بپوشیم یا قرار های اداری رو فقط در روزهای خاصی از هفته داشته باشیم)

🔸 کاهش انتخاب ها (مثلا بجای انتخاب از بین 20 گزینه، اونها رو در دسته های 5 تایی مقایسه کنیم و در آخر بین 4 گزینه یکی رو انتخاب کنیم)

🔸 مهم ترین تصمیم ها رو صبح بگیریم تا انرژی کافی داشته باشیم

🔸 وقتی خسته هستیم انتخاب نکنیم چون معمولا این انتخاب ها اشتباه هستن

🔸 روی انتخاب ها وسواس به خرج ندیم

🔸 استراحت کنید!

🆔 @software_engineers_channel

‍ 📍«هوش مصنوعی» پایش التهابات کرونایی رونمایی شد

محققان دانشگاه آکسفورد یک پلتفرم مبتنی بر هوش مصنوعی طراحی کرده اند که قادر است التهابات ناشی از ویروس کرونا را شناسایی کند و تا هفت برابر از میزان مرگ و میر بیماران بکاهد.

 محققان دانشگاه اکسفورد موفق شده اند یک پلتفرم هوش مصنوعی برای پایش و اسکن التهابات موجود در عروق خونی طراحی کنند و از این طریق میزان خطرات ناشی از ویروس کرونا را ارزیابی کنند.
این فناوری یک نوع یادگیری ماشین است که تمامی عوارض ناشی از طوفان سیتوکین در عروق خونی  موجود در قفسه سینه را شناسایی می کند و در مراحل بعدی سطح التهابات ناشی از این واکنش خطرناک را در بیماران مبتلا به ویروس کرونا ارزیابی خواهد کرد.

ناگفته نماند، در موارد شدید، کووید-۱۹ منجر به ایجاد یک وضعیت مرموز می شود که سیستم ایمنی بدن را به هم می ریزد؛  بطوریکه به جای اینکه سیستم ایمنی تنها به سلول های عفونی حمله کند، سلول های سالم را نیز مورد حمله قرار می دهد.  این وضعیت که به طوفان سیتوکین معروف است می تواند کشنده باشد و یک واکنش غیرطبیعی ایمنی است. این واکنش نوعی سندرم پاسخ التهابی سیستمیک است و می‌تواند با علایم مانند تب، خستگی، بی‌اشتهایی، درد مفاصل، تهوع، استفراغ، اسهال، عوارض پوستی، تنفس سریع، تپش قلب، افت فشار خون، تشنج، سردرد، توهم و لرزش همراه باشد.
کارلا انتونینز پروفسور دانشگاه آکسفورد ضمن تایید این فناوری شگفت انگیز گفت: یکی از کشنده ترین بخش های ویروس کرونا التهابات عروقی و طوفان سیتوکین می باشد که بیشترین آمار مرگ و میر را در طور یک سال اخیر به جا گذاشته است و همین امر منجر به انجام تحقیقات وسیعی گشت که در نهایت به یک پلتفرم هوش مصنوعی با قابلیت بسیار دقیق و سریع انجامید.

وی افزود: در این پلتفرم از رمز گشایی اطلاعات تصاویر عروق خونی بیمارانی که به طور معمول در بیمارستان بستری شده اند استفاده شده است که طی یک فرآیند همگام سازی با منابع زیستی RNA  نمونه برداری شده از بافت های انسانی بیماران ادغام شده است. این هوش یک مرحله درمانی را به مراقبت های بیماران اضافه کرده است تا هر گونه عوارض تهدید کننده زندگی حیاتی فرد را شناسایی و  متناسب با بهبودی طولانی مدت وی عمل کند.
گفتنی است، BHF  و سازمان بهداشت جهانی طراحی و تولید این فناوری برجسته را یک نقطه عطف در درمان بیماران کرونایی بر شمردند و اعلام نمودند که این یادگیری ماشین نتنها در سهولت ارزیابی التهابات عروقی کرونایی موثر خواهد بود بلکه در سایر بیماری ها از جمله حملات قلبی و سکته های مغزی ناشی از التهابات عروقی دیگر موثر واقع خواهد شد.

در این هوش مصنوعی بیش از ۳۰۰۰ تصویر بدست آمده از بیمارستان های سراسر دنیا ثبت شده است که با ۲۰۰۰ تصویر دیگر بیماران غیر کرونا مورد مقایسه قرار گرفته است؛ تمامی مراحل از ابتدای شروع عفونت تا آخرین نقطه، رمزگذاری شده  و به عنوان یک پلتفرم هوشمند گردهم آمده است.

تیم طراح این هوش مصنوعی امیدوار هستند که این پلتفرم تا ۶ الی ۷ برابر از میزان خطر مرگ و میر بیماران عفونت های قلبی عروق بکاهد و همچنین هر گونه خطر احتمالی و ناگهانی را در کمترین زمان ممکن به تیم های پشتیبانی  و پزشکی اطلاع رسانی کند.

🆔 @software_engineers_channel

✅ الگوریتم ژنتیک

🔸یکی از جالب ترین مباحث بین رشته ای ارتباط بین پردازش کامپیوتری و علم ژنتیکه.
توی الگوریتم ژنتیک برای پیدا کردن جواب مساله از مفاهیم متناظر در ژنتیک و فرگشت استفاده میشه.

🔸رشته ی DNA مولکولیه که اطلاعات ژنتیکی رو در خودش نگه میداره. 4 نوع باز آلی (A,T,C,G) وجود داره که اطلاعات موجود در DNA رو با ترکیب و تعداد گوناگون خودش رمز گزاری میکنه (مثل حروف الفبا که کلمات رو میسازن).

🔸این مولکول برای انتقال صفات به نسل بعدی همانند سازی میکنه؛ اما گاهی توی این همانند سازی اشتباه کوچکی رخ میده و «جهش» بوجود میاد (جهش هدفی نداره و کاملا تصادفیه). ممکنه این جهش با محیط سازگارتر، ناسازگارتر، و یا خنثی باشه.

🔸همچنین مکانیزم دیگه ای در تولید مثل وجود داره (Crossover) که باعث میشه ژن های دو موجود به روش های مختلفی زاده ها رو بوجود بیاره و زاده ها از تنوع ژنتیکی بیشتری برخوردار بشن.

🔸جانداری که دارای ژن هایی (بخشی از DNA) هست که با محیط سازگار تره؛ طی نسل های متمادی شانس بیشتری برای تولید مثل داره و افراد بیشتری از جمعیت رو تشکیل میده. (انتخاب طبیعی)

🔸توی الگوریتم های پیشین، ما یک فضای نمونه داشتیم و با گام های کوچکی به سمت پاسخ حرکت میکردیم تا به تقریب مورد نظرمون از جواب برسیم.

🔸اما در روش الگوریتم ژنتیک داده ها به صورت رمزگزاری شده هستن و در گروهی از داده ها (فضای نمونه) به صورت تصادفی تولید مثل میکنن (در اینجا جهش به معنای تغییر مقدار جواب ماست). پس در واقع اینجا بجای گرادیان از احتمال استفاده میکنیم.

🔸همچنین پاسخ های مطلوب تر میتونن با هم ترکیب بشن و انواع جدیدی از پاسخ ها رو بوجود بیارن.

🔸اگر مقدار جدید به مقدار مطلوب نزدیک تر باشه اون جواب احتمال تولید مثل بیشتری داره و اگر از مقدار مطلوب دور بشه شانس کمتری برای تولید مثل پیدا میکنه.

🔸حالا اصلا چرا این الگو؟ توی خیلی از الگوریتم ها فضای ما نامنظمه و نمیتونیم به سمت جواب حرکت کنیم، بلکه باید قدم های تصادفی برداریم و دور یا نزدیک شدنمون رو نسبت به جواب بسنجیم.

🆔 @software_engineers_channel

۱۲هزار نفر از کارکنان گوگل پس از آن که ساعت ۳ صبح اکانت‌شان deactivate شد، ایمیلی مبنی بر قطع همکاری دریافت کردند!

 ابهام زدایی از ماجرای اخراج ۵۰ هزار نفر از Big 5 (گوگل، اپل، مایکروسافت، متا و آمازون):
 
ابهام شماره ۱:‌چرا گوگل باید همکاری که 17 سال باهاش کار کرده رو با یه ایمیل اتوماتیک و بدون هیچ توضیحی اخراج کنه؟
 
این شرکت ها بار اول‌شون نیست که اخراج میکنن! مدیران و کارکنانی  که دسترسی به فایلهای مهم دارند، میتونن بدون به جا گذاشتن ردی، در لحظات عصبانیت خسارت سنگینی به بار بیارن یا حتی سرقت کنن! این طوری گوگل باید تا شش ماه دنبال رفع خرابکاری های حاصل از این اتفاق باشه!
معمولا در زمان تعدیل و layoff ،قطع ناگهانی دسترسی برای جلوگیری از این اتفاق انجام میشه، اما این الزاما به معنای قطع ارتباط و عدم تعهد و پاسخگویی شرکت در ادامه پروسه نیست و صرفا دسترسی به فایل ها ازشون گرفته شده!

ابهام شماره ۲: ولی شرکت هایی با این همه ادعای فرهنگ سازمانی نباید با همکاراش چنین رفتاری بکنه و بدون هیچ پشتوانه ای اخراجشون کنه!
 
همه چیز به قراردادی که در زمان استخدام با شرکت امضا کردند بستگی داره. اروپا حمایت های ویژه‌تری از کارمندها میکنه، ولی حتی در ایالات متحده هم روال به این صورته که جلساتی برگزار میشه و همه چیز را کامل توضیح میدن، از قبیل بیمه سلامتی،بیمه بیکاری، حساب بازنشستگی، توصیه نامه، نامه قطع همکاری.

تعدیل‌ها از آمریکا شروع میشه و در ایمیلی که این افراد دریافت کردند به وضوح نوشته شده گوگل پکیجی شامل حداقل ۲ ماه حقوق+ ۶ ماه بیمه سلامت + بیمه بیکاری و حمایت از کامندان مهاجر رو ارایه میده و در سایر کشورها هم طبق قانون کار همون کشور عمل میکنه.
البته با توجه به رزومه ای که این ۵۰ هزار نفر با کار کردن در این شرکت ها ساختند هیچکدام مدت طولانی بیکار نمی‌مونن!

ابهام شماره۳: خداحافظ کدنویسی! وقتی میشه نیرو انسانی رو با هوش مصنوعی جایگزین کرد، چرا باید نگهشون داشت؟؟ این layoff قابل پیش بینی بود و تازه اولشه! وای به حال برنامه‌نویس‌ها…
 
لااقل در مورد layoff های یک سال اخیر از Big 5 گرفته تا شاپیفای و  salesforce ماجرا ربطی به هوش مصنوعی نداره. مدیرعامل گوگل در ایمیلی که ارسال کرده به وضوح اشاره کرده :
‏We hired for a different economic reality than the one we face today
 

به تعبیری با وجود کرونا و رشد چشمگیر دورکاری، گوگل و شرکت های فناوری به شکل انفجاری نیرو استخدام کردند تا بتونن سرویس‌های مورد نیاز مشتریان‌شون رو توسعه بدن و نگهداری کنند. در اون دوران فقط گوگل به تنهایی بیش از ۵۰ هزار نفر استخدام کرد و الان با کنترل پاندمی از طرفی، و تورم و بحران اقتصادی جهانی از طرف دیگه، تصمیم به کاهش تعداد پرسنل گرفته.منطقا اگر توسعه هوش مصنوعی دلیل بود، اتفاقا این شرکت ها نیروی بیشتری استخدام میکردند تا بتونن توسعه سرویس‌ها AI رو با سرعت بیشتری دنبال کنند.

ابهام شماره ۴: بله آقا!‌ نظام سرمایه داری همینه! هدف اولش افزایش سود سهامداره و به محض این که کارمند براش سود نداشته باشه اخراجش میکنه!
 
چرخه‌ی سالم اقتصادی مجموعه ای از دوران های رکود و رونقه و استراتژی سازمان ها در آغاز دوران بحران تغییر میکنه و این طبیعیه! ترکیب رشد ناگهانی استخدام ها در صنعت تکنولوژی در دوره کرونا و بالا رفتن نرخ تورم جهانی، شرکت هارو به عدم تعادلی میرسونه که یکی از روشهای به تعادل رسوندن‌اش سیاست‌های انقباضیه!