✅ کریپتو تب/ کلاه برداری یا واقعیت ؟
چند سالی هست که افزونه مرورگری به اسم CryptoTab بین افراد علاقمند به ارز های دیجیتال دهان به دهان میشه و خیلی ها درحال نصب یا زیرمجموعه گیری باهاش هستند .
🔸طبق تحقیقات ,اثری از سازنده این افزونه نیست , یک سری آدرس ها در Whois این سایت در UK,US ثبت شدن . اما هیچ شخص حقیقی یا شرکتی مشخصی ,مسئول این وبسایت نیست.
🔸آیا ارزشش رو داره ماین کردن با این افزونه؟
جواب کوتاه : خیر
جواب بلند : اگر از دنیای ارز های دیجیتال اطلاعاتی داشته باشید و درباره hashrate و difficulty و pool ها اطلاعات داشته باشید و بدونید که چه افرادی با چه میزان سخت افزار ( و همینطور هزینه برق ) بصورت حریصانه و وحشتناکی درحال ماین هستن، فکر ماین کردن با یه cpu ناچیز رو از سرتون بیرون میکنید.
و همینطور آسیب به cpu و کند و ناکارامد و مستهلک کردن سیستم شما هم کاملا قریب الوقوع خواهد بود .
🔸سود نهایی این افزونه صرفا برای سازنده ی نامعلومش هست.
🔸و از آنجایی که بصورت پلاگین مرورگر هست، میتونه دسترسی های خطرناکی مانند دسترسی به یوزر پسورد های مرورگر شما (یا حساب های بانکی) یا نصب کردن سایر malwareها به این افزونه بده.
🆔 @software_engineers_channel
چند سالی هست که افزونه مرورگری به اسم CryptoTab بین افراد علاقمند به ارز های دیجیتال دهان به دهان میشه و خیلی ها درحال نصب یا زیرمجموعه گیری باهاش هستند .
🔸طبق تحقیقات ,اثری از سازنده این افزونه نیست , یک سری آدرس ها در Whois این سایت در UK,US ثبت شدن . اما هیچ شخص حقیقی یا شرکتی مشخصی ,مسئول این وبسایت نیست.
🔸آیا ارزشش رو داره ماین کردن با این افزونه؟
جواب کوتاه : خیر
جواب بلند : اگر از دنیای ارز های دیجیتال اطلاعاتی داشته باشید و درباره hashrate و difficulty و pool ها اطلاعات داشته باشید و بدونید که چه افرادی با چه میزان سخت افزار ( و همینطور هزینه برق ) بصورت حریصانه و وحشتناکی درحال ماین هستن، فکر ماین کردن با یه cpu ناچیز رو از سرتون بیرون میکنید.
و همینطور آسیب به cpu و کند و ناکارامد و مستهلک کردن سیستم شما هم کاملا قریب الوقوع خواهد بود .
🔸سود نهایی این افزونه صرفا برای سازنده ی نامعلومش هست.
🔸و از آنجایی که بصورت پلاگین مرورگر هست، میتونه دسترسی های خطرناکی مانند دسترسی به یوزر پسورد های مرورگر شما (یا حساب های بانکی) یا نصب کردن سایر malwareها به این افزونه بده.
🆔 @software_engineers_channel
✅سیستم Windows Package Manager معرفی شد؛ نصب آسان برنامهها در ویندوز
🔸مایکروسافت با رونمایی از یک سیستم مدیریت پکیج جدید کاربران ویندوز را غافلگیر کرد. این ابزار که مبتنی بر cmd است به توسعه دهندگان و کاربران اجازه میدهد تا هر برنامهای را با تنها یک دستور ساده نصب کنند.
🆔 @software_engineers_channel
🔸مایکروسافت با رونمایی از یک سیستم مدیریت پکیج جدید کاربران ویندوز را غافلگیر کرد. این ابزار که مبتنی بر cmd است به توسعه دهندگان و کاربران اجازه میدهد تا هر برنامهای را با تنها یک دستور ساده نصب کنند.
🆔 @software_engineers_channel
This media is not supported in your browser
VIEW IN TELEGRAM
✅ آموزش شبکه ی عصبی برای اجرای خودکار بازی محبوب Snake :
در هر خانه snake قادر به حرکت به 8 جهت می باشد و در هر جهت 3 مورد را بررسی می کند :
🔸مسافت تا غذا
🔸مسافت تا بدن خود
🔸مسافت تا دیوار
شبکه دارای لایه ی ورودی با 24 نورون
3 x 8 directions = 24 inputs
دو لایه ی مخفی با 16 نورون و لایه ی خروجی 4 نورون که مشخص کننده ی حرکت بعدی Snake میباشد، است.
GitHub :
https://lnkd.in/gFTA8md
🆔 @software_engineers_channel
در هر خانه snake قادر به حرکت به 8 جهت می باشد و در هر جهت 3 مورد را بررسی می کند :
🔸مسافت تا غذا
🔸مسافت تا بدن خود
🔸مسافت تا دیوار
شبکه دارای لایه ی ورودی با 24 نورون
3 x 8 directions = 24 inputs
دو لایه ی مخفی با 16 نورون و لایه ی خروجی 4 نورون که مشخص کننده ی حرکت بعدی Snake میباشد، است.
GitHub :
https://lnkd.in/gFTA8md
🆔 @software_engineers_channel
✅ 3 راه برای بهبود نتایج روش های یادگیری ماشین بدون افزودن داده بیشتر
زمانی که دقت نتایج الگوریتم های یادگیری ماشین مطلوب نیست معمولا توصیه می شود که داده بیشتری در آموزش مدل مورد استفاده قرار گیرد. اما اگر داده کمیاب یا استخراج آن گران باشد از سه روش زیر برای بهبود دقت و کارایی مدل می توان استفاده کرد:
1- تنظیم هایپر پارامترها (Hyperparameter Tuning): پارامترهایی هستند که کاربر آنها را در فرایند یادگیری ماشین تنظیم می کند. یافتن بهترین هایپرپارمترها معمولا به صورت دستی و با روش سعی و خطا صورت می گیرد.
2- روش های ترکیبی (Ensemble Methods): تلفیق نتایج پیش بینی چند تکنیک یادگیری ماشین به صورت همزمان را روش ترکیبی می گویند. استفاده از این روش ها می تواند در بهبود نتایج موثر یاشد.
3- مهندسی ویژگی (Feature Engineering): مهندسی ویژگی شامل انتخاب و به کارگیری دقیق ویژگی های داده می باشد. یکی از روش های مهندسی ویژگی PCA یا تحلیل مولفه اصلی است. به کار گیری این روش ها نیز در ارتقا نتایج پیش بینی مدل موثر است.
منبع: towardsdatascience.com
🆔 @software_engineers_channel
زمانی که دقت نتایج الگوریتم های یادگیری ماشین مطلوب نیست معمولا توصیه می شود که داده بیشتری در آموزش مدل مورد استفاده قرار گیرد. اما اگر داده کمیاب یا استخراج آن گران باشد از سه روش زیر برای بهبود دقت و کارایی مدل می توان استفاده کرد:
1- تنظیم هایپر پارامترها (Hyperparameter Tuning): پارامترهایی هستند که کاربر آنها را در فرایند یادگیری ماشین تنظیم می کند. یافتن بهترین هایپرپارمترها معمولا به صورت دستی و با روش سعی و خطا صورت می گیرد.
2- روش های ترکیبی (Ensemble Methods): تلفیق نتایج پیش بینی چند تکنیک یادگیری ماشین به صورت همزمان را روش ترکیبی می گویند. استفاده از این روش ها می تواند در بهبود نتایج موثر یاشد.
3- مهندسی ویژگی (Feature Engineering): مهندسی ویژگی شامل انتخاب و به کارگیری دقیق ویژگی های داده می باشد. یکی از روش های مهندسی ویژگی PCA یا تحلیل مولفه اصلی است. به کار گیری این روش ها نیز در ارتقا نتایج پیش بینی مدل موثر است.
منبع: towardsdatascience.com
🆔 @software_engineers_channel
✅ تفاوت استاندارسازی (Standardization) و نرمال سازی (Normalization) در تغییر مقیاس ویژگی ها:
🔸تغییر مقیاس (Scaling) تکنیکی برای قرار دادن مقادیر ویژگی ها در یک بازه عددی خاص می باشد و در مرحله پیش پردازش داده انجام می شوند. نرمال سازی و استاندارد سازی دو تکنیک تغییر مقیاس داده می باشند و برای کاهش ابعاد داده استفاده می شود. در نرمال سازی، مقادیر یک متغیر بین 0 و 1 قرار می گیرند. در حالی که در استانداردسازی، مقادیر متغیر به اعدادی با میانگین 0 و انحراف استاندارد 1 تبدیل می شود.
🔸اینکه از کدام تکنیک استفاده کنید بستگی به مساله ایی دارد که در حال حل آن هستید. اما در بیشتر موارد توصیه می شود که از استاندارد سازی استفاده کنید زیرا نتایج بهتری به همراه دارد.
🆔 @software_engineers_channel
🔸تغییر مقیاس (Scaling) تکنیکی برای قرار دادن مقادیر ویژگی ها در یک بازه عددی خاص می باشد و در مرحله پیش پردازش داده انجام می شوند. نرمال سازی و استاندارد سازی دو تکنیک تغییر مقیاس داده می باشند و برای کاهش ابعاد داده استفاده می شود. در نرمال سازی، مقادیر یک متغیر بین 0 و 1 قرار می گیرند. در حالی که در استانداردسازی، مقادیر متغیر به اعدادی با میانگین 0 و انحراف استاندارد 1 تبدیل می شود.
🔸اینکه از کدام تکنیک استفاده کنید بستگی به مساله ایی دارد که در حال حل آن هستید. اما در بیشتر موارد توصیه می شود که از استاندارد سازی استفاده کنید زیرا نتایج بهتری به همراه دارد.
🆔 @software_engineers_channel
✅ نرمافزارهای متن باز و حقایقی در این رابطه که از دید عموم پنهان است ... .
https://bit.ly/2yaxJlz
🆔 @software_engineers_channel
https://bit.ly/2yaxJlz
🆔 @software_engineers_channel
✅ موجودی پرحرف و دوستداشتنی برای سفرهای فضایی / روباتی که همدم و همکار فضانوردان میشود
🔸 با توجه به بحران جهانی فعلی به دلیل شیوع کرونا، بسیاری از مردم در قرنطینه و انزوا هستند. روسای پروژه سیمون معتقدند که تجربههای به دست آمده در آزمایش روبات سیمون در فضا میتواند برای از بین بردن حس تنهایی برای افراد روی زمین نیز کاربرد داشته باشد.
🔸 ماتیس بینیوک، رئیس پروژه سیمون در آلمان، در این مورد میگوید: درطول سفرهای فضایی، سیمون راهکارهایی برای تعاملات اجتماعی ارائه میدهد که میتواند یا برای کاهش استرس ناشی از انزوا و دوری از زمین باشد یا در مأموریتهای طولانی مدتی مثل سفر به ماه یا مریخ، باعث پویایی تعاملات گروهی شود.
🆔 @software_engineers_channel
🔸 با توجه به بحران جهانی فعلی به دلیل شیوع کرونا، بسیاری از مردم در قرنطینه و انزوا هستند. روسای پروژه سیمون معتقدند که تجربههای به دست آمده در آزمایش روبات سیمون در فضا میتواند برای از بین بردن حس تنهایی برای افراد روی زمین نیز کاربرد داشته باشد.
🔸 ماتیس بینیوک، رئیس پروژه سیمون در آلمان، در این مورد میگوید: درطول سفرهای فضایی، سیمون راهکارهایی برای تعاملات اجتماعی ارائه میدهد که میتواند یا برای کاهش استرس ناشی از انزوا و دوری از زمین باشد یا در مأموریتهای طولانی مدتی مثل سفر به ماه یا مریخ، باعث پویایی تعاملات گروهی شود.
🆔 @software_engineers_channel
🔴 لو رفتن اطلاعات کاربران رایتل تایید شد
در ادامه لو رفتن اطلاعات کاربران ایرانی، حالا اطلاعات ۵.۵ میلیون مشترک رایتل به قیمت ۱۰۰۰ دلار به فروش گذاشته شده است؛ اطلاعاتی که برخی از کارشناسان امنیت مجازی و مرکز ماهر، صحت و سقم آن را تایید کردهاند، هرچند تا به این لحظه واکنشی از سوی خود رایتل در پی نداشته است. از سوی دیگر معاون وزیر ارتباطات نیز اگرچه میگوید که این اطلاعات متعلق به ۴ سال پیش هستند اما لو رفتن آنها را تایید کرده است.
🆔 @software_engineers_channel
در ادامه لو رفتن اطلاعات کاربران ایرانی، حالا اطلاعات ۵.۵ میلیون مشترک رایتل به قیمت ۱۰۰۰ دلار به فروش گذاشته شده است؛ اطلاعاتی که برخی از کارشناسان امنیت مجازی و مرکز ماهر، صحت و سقم آن را تایید کردهاند، هرچند تا به این لحظه واکنشی از سوی خود رایتل در پی نداشته است. از سوی دیگر معاون وزیر ارتباطات نیز اگرچه میگوید که این اطلاعات متعلق به ۴ سال پیش هستند اما لو رفتن آنها را تایید کرده است.
🆔 @software_engineers_channel
This media is not supported in your browser
VIEW IN TELEGRAM
✅ ده ایده برتر برای دانشمندان داده و مهندسین نرم افزار در دوران کرونا:
🔸 تحلیل و بصری سازی داده ها برای درک بهتر بیماری.
🔸 مدل سازی بیماری و تحلیل های پیشگویانه (بر اساس متغیرهایی مانند تراکم جمعیت و میانگین سنی، تعداد ابتلا یا مرگ در اثر بیماری را پیش بینی کنید)
🔸 طراحی اپ های گزارش بیماری و آگاهی های عمومی برای جمع آوری داده و شناسایی افرادی که بیشتر در معرض خطر هستند.
🔸 طراحی پلتفرم جستجوی شغلی برای کمک به افرادی که شغل خود را به علت کرونا از دست دادند.
🔸 طراحی چت بات برای کمک به افرادی مانند سالمندان تا به اطلاعات بیماری راحت تر دسترسی پیدا کنند.
🔸 هدفمند سازی و توزیع بهتر هدایای مردمی به NGO تا کاربر بتواند کمک های خود را ردیابی کند.
🔸 طراحی اپ هایی به منظور رواج مثبت نگری و روایت داستان افراد بهبود یافته.
🔸 اشاعه اطلاعات بیماری از طریق بازی های COVID-19.
🔸 کاوش تحقیقات مربوط به بیماری از طریق روش هایی مانند پردازش زبان طبیعی برای درک بهتر آنها.
🔸 کمک به توزیع مناسب تجهیزات حمایتی مانند دستکش و ماسک بین بیمارستان ها.
🆔 @software_engineers_channel
🔸 تحلیل و بصری سازی داده ها برای درک بهتر بیماری.
🔸 مدل سازی بیماری و تحلیل های پیشگویانه (بر اساس متغیرهایی مانند تراکم جمعیت و میانگین سنی، تعداد ابتلا یا مرگ در اثر بیماری را پیش بینی کنید)
🔸 طراحی اپ های گزارش بیماری و آگاهی های عمومی برای جمع آوری داده و شناسایی افرادی که بیشتر در معرض خطر هستند.
🔸 طراحی پلتفرم جستجوی شغلی برای کمک به افرادی که شغل خود را به علت کرونا از دست دادند.
🔸 طراحی چت بات برای کمک به افرادی مانند سالمندان تا به اطلاعات بیماری راحت تر دسترسی پیدا کنند.
🔸 هدفمند سازی و توزیع بهتر هدایای مردمی به NGO تا کاربر بتواند کمک های خود را ردیابی کند.
🔸 طراحی اپ هایی به منظور رواج مثبت نگری و روایت داستان افراد بهبود یافته.
🔸 اشاعه اطلاعات بیماری از طریق بازی های COVID-19.
🔸 کاوش تحقیقات مربوط به بیماری از طریق روش هایی مانند پردازش زبان طبیعی برای درک بهتر آنها.
🔸 کمک به توزیع مناسب تجهیزات حمایتی مانند دستکش و ماسک بین بیمارستان ها.
🆔 @software_engineers_channel
✅ Linus Torvalds:
"کرنل لینوکس نسخه ی 5.8 یکی از بزرگترین نسخه های منتشر شده در تمام دوران است... ."
🔗 https://zd.net/2N5Tab5
🆔 @software_engineers_channel
"کرنل لینوکس نسخه ی 5.8 یکی از بزرگترین نسخه های منتشر شده در تمام دوران است... ."
🔗 https://zd.net/2N5Tab5
🆔 @software_engineers_channel
🔴 فیلترینگ تلگرام در روسیه برداشته شد!
از امروز فیلترینگ تلگرام در روسیه برداشته شده و آی پی های روسیه با شدت بیشتری در تلگرام جوین دادهاند.
🆔 @software_engineers_channel
از امروز فیلترینگ تلگرام در روسیه برداشته شده و آی پی های روسیه با شدت بیشتری در تلگرام جوین دادهاند.
🆔 @software_engineers_channel
✅ متالرنینگ (Meta-learning)
متالرنینگ که یادگیری فرآیند یادگیری (Learn to Learn) هم نامیده می شود یکی از زیر شاخه های یادگیری ماشین است که هدف آن طراحی مدلی است که با سرعت بالا و تعداد کمی نمونه های آموزشی، مهارت های جدید را یاد بگیرد و با محیط های جدید تطبیق پیدا کند .
یک مدل یادگیری ماشین خوب اغلب نیاز به تعداد زیادی نمونه های آموزشی دارد. اما انسان، مفاهیم و مهارت های جدید را به سرعت یاد می گیرد. مثلا یک کودک با چند بار دیدن گربه و پرنده می تواند انها را از هم تشخیص دهد. هدف متالرنینگ نیز یادگیری سریع و با تعداد کمی نمونه های آموزشی است.
یک الگوریتم متالرنینگ می تواند سیستمی با ویژگی های زیر ایجاد کند:
🔸یادگیری سریعتر
🔸قابل تعمیم با وظایف گوناگون
🔸قابل انطباق با تغییرات محیطی مانند یادگیری Reinforcement
مطالعه بیشتر در:
https://medium.com/huggingface/from-zero-to-research-an-introduction-to-meta-learning-8e16e677f78a
و
https://medium.com/walmartlabs/an-introduction-to-meta-learning-ced7072b80e7
🆔 @software_engineers_channel
متالرنینگ که یادگیری فرآیند یادگیری (Learn to Learn) هم نامیده می شود یکی از زیر شاخه های یادگیری ماشین است که هدف آن طراحی مدلی است که با سرعت بالا و تعداد کمی نمونه های آموزشی، مهارت های جدید را یاد بگیرد و با محیط های جدید تطبیق پیدا کند .
یک مدل یادگیری ماشین خوب اغلب نیاز به تعداد زیادی نمونه های آموزشی دارد. اما انسان، مفاهیم و مهارت های جدید را به سرعت یاد می گیرد. مثلا یک کودک با چند بار دیدن گربه و پرنده می تواند انها را از هم تشخیص دهد. هدف متالرنینگ نیز یادگیری سریع و با تعداد کمی نمونه های آموزشی است.
یک الگوریتم متالرنینگ می تواند سیستمی با ویژگی های زیر ایجاد کند:
🔸یادگیری سریعتر
🔸قابل تعمیم با وظایف گوناگون
🔸قابل انطباق با تغییرات محیطی مانند یادگیری Reinforcement
مطالعه بیشتر در:
https://medium.com/huggingface/from-zero-to-research-an-introduction-to-meta-learning-8e16e677f78a
و
https://medium.com/walmartlabs/an-introduction-to-meta-learning-ced7072b80e7
🆔 @software_engineers_channel
✅ اوپن سوزه Leap 15.2 منتشر شد!
اوپن سوزه نسخه جدید توزیع خود را با عنوان Leap 15.2 معرفی کرد. در این نسخه از کتابخانه PyTorch که برای یادگیری ماشینی استفاده میشود، به کار گرفته شده است. این کتابخانه باعث میشود که نمونه سازی یک پروژه و پروسه تولید آن سرعت بیشتری داشته باشد.
در این نسخه همچنین از ONNX که یک فرمت باز برای نشان دادن مدلهای یادیگری ماشینی هست استفاده شده است. همچنین گرافانا و پرومتئوس دو بسته نگهدارنده جدید هستند که امکانات جدیدی را برای تجریه و تحلیل داده ها در اختیار کارشناسان قرار میدهند.
در اوپن سوزه لیپ 15.2 برای اولین بار از بسته Kubernetes برای مدیریت و استفاده از برنامههای کانتینر استفاده شده است.
جرالد پفیفر رئیس هیئت مدیره پروژه اوپن سوزه افزودند، در پروژه اوپن سوزه افزونه های که به کرنل توسط صدها نفر اضافه شدهاند، باعث میشود ما با یک رشد عظیمی مواجه باشیم.
لازم به ذکر است که توزیع اوپن سوزه همواره با چندین دسکتاپ عرضه میشود ولی بهترین کارایی این توزیع را میتوانیم در دسکتاپ KDE تجربه کنیم.
🆔 @software_engineers_channel
اوپن سوزه نسخه جدید توزیع خود را با عنوان Leap 15.2 معرفی کرد. در این نسخه از کتابخانه PyTorch که برای یادگیری ماشینی استفاده میشود، به کار گرفته شده است. این کتابخانه باعث میشود که نمونه سازی یک پروژه و پروسه تولید آن سرعت بیشتری داشته باشد.
در این نسخه همچنین از ONNX که یک فرمت باز برای نشان دادن مدلهای یادیگری ماشینی هست استفاده شده است. همچنین گرافانا و پرومتئوس دو بسته نگهدارنده جدید هستند که امکانات جدیدی را برای تجریه و تحلیل داده ها در اختیار کارشناسان قرار میدهند.
در اوپن سوزه لیپ 15.2 برای اولین بار از بسته Kubernetes برای مدیریت و استفاده از برنامههای کانتینر استفاده شده است.
جرالد پفیفر رئیس هیئت مدیره پروژه اوپن سوزه افزودند، در پروژه اوپن سوزه افزونه های که به کرنل توسط صدها نفر اضافه شدهاند، باعث میشود ما با یک رشد عظیمی مواجه باشیم.
لازم به ذکر است که توزیع اوپن سوزه همواره با چندین دسکتاپ عرضه میشود ولی بهترین کارایی این توزیع را میتوانیم در دسکتاپ KDE تجربه کنیم.
🆔 @software_engineers_channel
✅ یادگیری انتقالی (Transfer Learning) :
روشی مورد استفاده در یادگیری ماشین است که دانش به دست آمده در حل یک مساله را ذخیره می کند و آن را در مساله ایی متفاوت اما مشابه به کار می گیرد. مثلا دانش به دست آمده در یادگیری تشخیص اتومبیل، می تواند در تشخیص کامیون هم به کار گرفته شود. یادگیری انتقالی نوعی بهینه سازی (Optimization) است که باعث پیشرفت سریع یا بهبود عملکرد در هنگام مدل کردن مسائل دیگر می شود. این روش عموماً در موقعیت هایی کاربرد دارد که داده های اندکی برای مدل سازی پدیده جدید در دسترس است.
یادگیری انتقالی، رویکردی محبوب در یادگیری عمیق است که در آن از مدل های از پیش آموزش یافته (Pre-trained Models) به عنوان نقطه شروع مسائل مبتنی بر بینایی ماشین و پردازش زبان طبیعی استفاده می شود.
مطالعه بیشتر در:
https://towardsdatascience.com/a-comprehensive-hands-on-guide-to-transfer-learning-with-real-world-applications-in-deep-learning-212bf3b2f27a
🆔 @software_engineers_channel
روشی مورد استفاده در یادگیری ماشین است که دانش به دست آمده در حل یک مساله را ذخیره می کند و آن را در مساله ایی متفاوت اما مشابه به کار می گیرد. مثلا دانش به دست آمده در یادگیری تشخیص اتومبیل، می تواند در تشخیص کامیون هم به کار گرفته شود. یادگیری انتقالی نوعی بهینه سازی (Optimization) است که باعث پیشرفت سریع یا بهبود عملکرد در هنگام مدل کردن مسائل دیگر می شود. این روش عموماً در موقعیت هایی کاربرد دارد که داده های اندکی برای مدل سازی پدیده جدید در دسترس است.
یادگیری انتقالی، رویکردی محبوب در یادگیری عمیق است که در آن از مدل های از پیش آموزش یافته (Pre-trained Models) به عنوان نقطه شروع مسائل مبتنی بر بینایی ماشین و پردازش زبان طبیعی استفاده می شود.
مطالعه بیشتر در:
https://towardsdatascience.com/a-comprehensive-hands-on-guide-to-transfer-learning-with-real-world-applications-in-deep-learning-212bf3b2f27a
🆔 @software_engineers_channel
✅ لغزش فرویدی
فروید معتقد بود لغزش زبان یا اشتباه لُپی تصادفی نیست و از ناخودآگاه و امیال و افکار سرکوب شده ی ما سرچشمه میگیره. در واقع برای لحظه ای زبان ما چیزی رو که چه آگاهانه و چه ناآگاهانه پنهان می کنیم برملا می کنه.
جالبه که بدونید دانشمندان داده (data scientists) احتمال اشتباه به کار بردن هر حرف به جای حرف دیگه توسط انسان رو جمع آوری؛ و لغزش فرویدی رو با تولید هزاران کلمه توسط هوش مصنوعی (که امیال و افکار سرکوب شده نداره) شبیه سازی کردن. نهایتا با مقایسه ی احتمال تولید یک واژه ی اشتباه در ماشین و انسان به این نتیجه رسیدن که وجود ناخودآگاه و امیال و افکار سرکوب شده نقشی در احتمال تولید اشتباه لُپی توسط انسان نداره.
🔸منبع : کتاب همه دروغ میگویند اثر سث استفنز دیویدویتز
🆔 @software_engineers_channel
فروید معتقد بود لغزش زبان یا اشتباه لُپی تصادفی نیست و از ناخودآگاه و امیال و افکار سرکوب شده ی ما سرچشمه میگیره. در واقع برای لحظه ای زبان ما چیزی رو که چه آگاهانه و چه ناآگاهانه پنهان می کنیم برملا می کنه.
جالبه که بدونید دانشمندان داده (data scientists) احتمال اشتباه به کار بردن هر حرف به جای حرف دیگه توسط انسان رو جمع آوری؛ و لغزش فرویدی رو با تولید هزاران کلمه توسط هوش مصنوعی (که امیال و افکار سرکوب شده نداره) شبیه سازی کردن. نهایتا با مقایسه ی احتمال تولید یک واژه ی اشتباه در ماشین و انسان به این نتیجه رسیدن که وجود ناخودآگاه و امیال و افکار سرکوب شده نقشی در احتمال تولید اشتباه لُپی توسط انسان نداره.
🔸منبع : کتاب همه دروغ میگویند اثر سث استفنز دیویدویتز
🆔 @software_engineers_channel
✅ مایکروسافت هزار نفر از کارمندان خود را اخراج کرد
🔸 مایکروسافت اعلام کرده نیروی انسانی خود را کاهش داده است. طبق گزارش ها حدود هزار نفر از کارمندان این شرکت اخراج شده اند.
🔸 این خبر در حالی منتشر می شود که مایکروسافت چندی قبل اعلام کرد الگوریتم های هوش مصنوعی در پرتال خبری «ام اس ان» را به عنوان جایگزین ادیتورهای انسانی استفاده می کند و از سوی دیگر در زیر مجموعه «مایکروسافت آزور» نیز نیروی انسانی را کاهش داده است.
🔸 مایکروسافت اعلام کرد فروشگاه های خرده فروشی خود را تعطیل می کند.
🆔 @software_engineers_channel
🔸 مایکروسافت اعلام کرده نیروی انسانی خود را کاهش داده است. طبق گزارش ها حدود هزار نفر از کارمندان این شرکت اخراج شده اند.
🔸 این خبر در حالی منتشر می شود که مایکروسافت چندی قبل اعلام کرد الگوریتم های هوش مصنوعی در پرتال خبری «ام اس ان» را به عنوان جایگزین ادیتورهای انسانی استفاده می کند و از سوی دیگر در زیر مجموعه «مایکروسافت آزور» نیز نیروی انسانی را کاهش داده است.
🔸 مایکروسافت اعلام کرد فروشگاه های خرده فروشی خود را تعطیل می کند.
🆔 @software_engineers_channel