متخصصان علم داده ها data scientists
1.4K subscribers
1.5K photos
239 videos
281 files
479 links
ارتباط با ادمین @IDataScientist
صفحه لینکدین
https://www.linkedin.com/groups/6728779/
Download Telegram
IMG_20260814_104943_602.jpg
207.6 KB
🪎۱۵ ریپوی گیت‌هاب برای مهندسین لرنینگ
#ML
#GithubRepositories
@toobabigdatascience
👏1
From_Prompt_Injection_to_Web_Exploitation.pdf
847.1 KB
#Research :

💉از تزریق فرمان (پرامپت) تا سوءاستفاده در وب:
بازبینی آسیب‌پذیری‌های کلاسیک در برنامه‌های یکپارچه‌شده با مدل‌های زبانی بزرگ (LLM)»، اوت ۲۰۲۶.
🤖این مقاله به معرفی حملات وب با واسطه‌گری LLM می‌پردازد؛ دسته‌ای از حملات که در آن، ورودی تحت کنترل مهاجم، توسط برنامه‌ی یکپارچه‌شده با LLM پردازش و تغییر شکل داده می‌شود و سپس به نقاط پایانی آسیب‌پذیر (sinks) برنامه‌های وب سنتی می‌رسد.
مقاله این سطح حمله را از طریق گونه‌های شاخص LLM2X نظام‌مند کرده که شامل موارد زیر می‌شود:

· #LLM2SQLi (تزریق به پایگاه داده‌ی SQL)
· #LLM2XSS (برنامه‌نویسی میان‌وب‌گاهی یا تزریق اسکریپت در وب)
· #LLM2SSTI (تزریق قالب سمت سرور)
· #LLM2CommandInjection (تزریق دستورات سیستمی)
· #LLM2IDOR (ارجاع مستقیم نامطمئن اشیا)
· LLM2CSRF (جعل درخواست )
· LLM2XXE (تزریق موجودیت خارجی در XML)
· LLM2SSRF (جعل درخواست سمت سرور)
در ادامه...
#LLMs
#Vulnerabilities
@toobabigdatascience
👏1
متخصصان علم داده ها data scientists
From_Prompt_Injection_to_Web_Exploitation.pdf
🪔تذکره‌تُن:
نکته‌ی هشداردهنده این است که توسعه‌دهندگان معمولاً فکر می‌کنند امنیت LLM فقط مربوط به «خروجی‌های نامناسب» خود مدل است، اما این مقاله نشان می‌دهد که خروجی یک LLM (که توسط مهاجم دستکاری شده) می‌تواند مستقیماً وارد بخش‌های حیاتی وب‌اپلیکیشن شود و آسیب‌پذیری‌های کلاسیک و قدیمی را با شدتی بالاتر و در قالبی جدید احیا کند. به عبارت دیگر، LLM به یک تولیدکننده‌ی خودکار پِی‌لود های مخرب تبدیل می‌شود که از فیلترهای سنتی عبور می‌کنند.

🪄کلمات و ترکیبات تازه
●Prompt Injection
تزریق فرمان (پرامپت) نوعی حمله است که در آن دستورات مخرب در ورودی مدل زبانی قاطی می‌شود تا رفتار مدل تغییر کند.

●LLM-mediated attacks
حملات با واسطه‌گری LLM حملاتی ست که مدل زبانی بزرگ نقش پل یا واسطه را بین ورودی مهاجم و خروجی مخرب ایفا می‌کند.
●Sinks
نقاط پایانی آسیب‌پذیر در امنیت نرم‌افزار، به توابع یا محل‌هایی در کد گفته می‌شود که داده‌های ورودی بدون اعتبارسنجی، در آنجا اجرا یا تفسیر می‌شوند (مثل تابع ()eval در جاوااسکریپت یا تابع ()system در سیستم عامل).
●Attack Surface
سطح حمله مجموع تمام نقاط ورودی و خروجی‌هایی که مهاجم می‌تواند از آنها برای نفوذ استفاده کند.
●Systematize
نظام‌مند کردن / دسته‌بندی ساختاریافته یعنی ارائه‌ی یک چارچوب منظم و طبقه‌بندی‌شده برای شناسایی و تحلیل این آسیب‌پذیری‌ها.

#PromptInjection
#LLMs
@toobabigdatascience
👏1
-2147483648_-214938.jpg
103.8 KB
💶 خسارت محض :خط تولیدِ زیان در سایپا؛ ضرر ۲۵ همتی در یک سال...

🚨 تذکره‌تُن :
یکنفر بیاید پاسخی عنایت بفرماید در کجای دنیا محصولی تولید می‌شود که :
هم تولید‌کننده زیان می‌دهد
هم واسطه‌ها زیان می دهند
هم مصرف‌کننده زیان می‌دهد
هم دولت ناتراز می‌شود!
هم ملت بی‌تراز می‌شوند


این چه #تولیدی ِ زیاندهِ بدبختی ست و سوال مهم‌تر اینکه با کدام توجیه اقتصادی،هنوز به تولیدِ ضرر‌و‌زیان ادامه می‌دهد؟
#اختصادی
#سايپا
#خودروساز_داخلی
#زیاندهی
@toobabigdatascience
😱1
71MdjXXXprL._AC_UF1000,1000_QL80_.jpg
138.8 KB
رسم شوم یهودیان باستان در کتاب :
📜"قربانیِ کودک، در اسرائيل باستان"

Child Sacrifice in Ancient Israel
Heath D. Dewrell
Series: Explorations in Ancient Near Eastern Civilizations
Volume: 5
Copyright Date: 2017
https://doi.org/10.5325/j.ctv2321hnd
Published by: Penn State University Press, Eisenbrauns
Pages: 236

با مطالعه این کتاب، شکی برای مخاطب باقی نمی‌ماند که جنایت در مدرسه میناب، دقیقا از سر عمد و به رسم حیوانات درنده‌ای بنام صهیونیست بوده است.
#ChildSacrifice
#DownWithIsrael
@toobabigdatascience
😱2🙏1💯1😴1
🤖یادگیری ماشینی چگونه کار‌می‌کند؟
#ML
@toobabigdatascience
👏2
🤖راه حلی برای حدس کروزیکس پس از ۲۰ سال آزگار ولی با کمک ChatGPT
https://arxiv.org/html/2608.03841v1?utm_source=chatgpt.com

🤖حل یک مسئله ریاضی ۲۰ ساله با کمک ChatGPT!

⭕️«جین شانمو»، پژوهشگر پسادکتری در کالج پزشکی اتحادیه پکن، موفق شده است حدس کرویزیکس را حل کند؛ مسئله‌ای ریاضی که بیش از دو دهه ذهن ریاضی‌دانان را به خود مشغول کرده بود.

⛔️جین در جریان پژوهش خود از ChatGPT، کمک گرفت؛ اتفاقی که نمونه‌ای تازه از ظرفیت هوش مصنوعی در یادگیری، پژوهش و کشف علمی به شمار می‌رود.

🪄حدس کرویزیکس که حدود ۲۰ سال پیش توسط ریاضی‌دان فرانسوی میشل کرویزیکس مطرح شد، به رفتار توابعی می‌پردازد که روی ماتریس‌ها اعمال می‌شوند.

🔥تذکره‌تُن مهم‌تر از خودِ مطلب و خودِ جین:
الان این افتخار باید بنام این محقق عزیزِ پَسا‌دکتری ثبت شود یا برادر جناب آقای ChatGPT 5.6 ؟
🫪در حالِ حاضر و از منظر ریاضی، اثبات به نام خود جین ثبت شده است؛ یعنی این‌طور نیست که "هوش مصنوعی به تنهایی حدس را اثبات کرده باشد". ولی آیا اینطور است که " جین به تنهایی این حدس را اثبات کرده است؟"❗️
وقتی پیچیده‌ترین محاسبات در اثبات یک مساله سخت یا یک حدس (مثلا حدس پوانکاره!) را که گاها سالهای سال طول می‌کشید را جناب هوش مصنوعی انجام می‌دهد، حق و حقوقش از نظر قانونی و هم از نظر اخلاقی! چه می‌شود؟
او اخلاق نمی‌داند...بله درست است
ولی ما که می‌دانیم! طراحان و توسعه دهندگانش که می‌دانند! سالها تلاش پیوسته و علمی به این تحول گرانقیمت انجامیده،گِل لقد نمی‌کرده اند که!
حق آنها چه می‌شود؟
آنچه فعلاً گزارش شده این است که هوش مصنوعی در فرایند کشف و توسعهٔ ایده‌ها نقش مهمی داشته است.
#حقوقی_اخلاقی
#حدس_پوانکاره
#Mathematics
#AI
#ChatGPT5.6
@toobabigdatascience
👏2🎉1
🤖 LLM Performance Evaluation

⚠️آماده برای دفاع سایبری.
🔑قابلیتهای کدنویسی و عامل‌محور در سطح بالا، که از طریق پس‌آموزش روی مدل پایه ۷۴۳ میلیاردی به دست آمده است
🏆جهشی بزرگ در امنیت سایبری، که استانداردی تازه در میان مدل‌های باز تعیین می‌کند!
#LLMs
#CyberDefence
#GLMs
@toobabigdatascience
🔥1👏1
https://www.math.uci.edu/~rvershyn/teaching/hdp/hdp.html

🆓 احتمال ابعاد بالا
و کاربردها در علوم داده

🆓 دوره شامل ۴۱ جلسه ویدیویی و ۱۳ مجموعه تمرین است.
دوره کاملا رایگان است.
#Mathematics
#DataScience
@toobabigdatascience
👏2
🔥امروز ۲۵ مرداد است

در ۲۵ مرداد ۱۳۳۲، نخستین کودتای نظامی برای سرنگونی دولت دکتر محمد مصدق با شکست مواجه شد. این رویداد که با طراحی و پشتیبانی سازمان‌های اطلاعاتی آمریکا (سیا) و بریتانیا (ام‌آی‌۶) صورت گرفت، به دلیل لو رفتن طرح و هوشیاری دولت، نافرجام ماند.

📜 تدارک و نقشه کودتا

کودتای ۲۵ مرداد که حاصل ماه‌ها برنامه‌ریزی بود، در ابتدا با نام رمز «عملیات چکمه» توسط بریتانیا و سپس با پیوستن آمریکا، تحت عنوان «عملیات آژاکس» طراحی شد. هدف، برکناری مصدق و جایگزینی او با سرلشکر فضل‌الله زاهدی بود.

برای این کار، شاه دو فرمان را امضا کرد: یکی برای عزل مصدق و دیگری برای نخست‌وزیری زاهدی. شاه که از بیم شکست، دو ورق سفید را امضا کرده بود، پس از امضای فرمان‌ها، تهران را به مقصد کلاردشت! ترک کرد.

🗓️ شب عملیات و دستگیری نصیری

در نیمه‌شب ۲۴ مرداد، عملیات با بازداشت چند تن از وزیران و یاران نزدیک مصدق، از جمله دکتر حسین فاطمی، وزیر امور خارجه، آغاز شد.

ساعت یک بامداد ۲۵ مرداد، سرهنگ نعمت‌الله نصیری، رئیس گارد سلطنتی، با نیروهای مسلح به خانه مصدق رسید تا فرمان عزل را ابلاغ کند.

نکته کلیدی این بود که پیش از رسیدن نصیری، سرهنگ مبشری از افسران حزب توده، طرح کودتا را از طریق تلفن به مصدق اطلاع داده بود. به این ترتیب، هنگامی که نصیری فرمان را تحویل داد، مصدق با خونسردی روی پاکت نوشت: «ساعت یک بعد از نصف شب ۲۵ مرداد ۱۳۳۲، دستخط مبارک به اینجانب رسید» و سپس دستور بازداشت نصیری را صادر کرد.



📉 پیامدهای فوری شکست


با دستگیری نصیری، طرح کودتا در همان ساعات اولیه فروپاشید. دولت بلافاصله اطلاعیه‌ای صادر کرد و ضمن اعلام خنثی‌سازی کودتا، دستور بازداشت گسترده عوامل آن را صادر کرد.

در پی این شکست، شاه بهمراه ثریا ،که از بیم دستگیری از شمال کشور گریخته بود، ابتدا به بغداد و سپس به رم گریخت !و سران کودتا مانند سرتیپ نادر باتمانقلیچ و سرهنگ حسین آزموده دستگیر شدند. فضل‌الله زاهدی نیز در یک خانه امن متعلق به سیا مخفی شد.

🔥با وجود این موفقیت، آرامش دوام نیاورد. تنها سه روز بعد، در ۲۸ مرداد ۱۳۳۲، کودتای دوم با همکاری ارازل و اوباش مشهور شهر به سرکردگی شعبان‌بی‌مخ ( حاج آقا شعبان ِ استاد‌خوانی🫪 یا همان شعبون‌استخونی!) و افسران سیا که در خیابان‌ها کنارش قدم می‌زدند! با موفقیت اجرا شد و نخستین و تنها دولت ملی ایران را سرنگون کرد.

💨وقتی خیال ِ فراریِ بغداد از دستگیری و عزل مصدق راحت شد ،شادمانه به کشور بازگشت تا #فاطمی را که موفق به دستگیری او نشده بودند بیابد و به جوخه اعدام بسپارد!
جرمِ فاطمی، ارائه ایده ی ملی شدن صنعت نفت! و تلاش مجاهدانه برای به ثمر رساندن آن بود.
همچنین صریح‌ترین نقدها را ،دکتر فاطمی بر شاه و دربار فاسد او در روزنامه‌اش،#باختر_امروز نوشته بود! حقیقتا احدی جز فاطمی هم جرات چنین کاری را نداشت.


بسیاری از تحلیلگران مستقل تاریخ ایران معتقدند که #شاه همان شبی که دستور تیرباران دکتر‌فاطمی را صادر کرد! سقوط کرده بود حتی قبل از بهمن ۱۳۵۷

🔥جالب اینجاست که نزدیک به ۵۰ سال بعد از انقلاب! خیابان بنام #مختاری ( سرپاس مختاری، هیولای خونخوار و قاتل بی رحم مخالفان رضا‌شاه قلدر ) و امیربهادر، گردن کلفتی که نصف آدم‌های اینور پل امین بهادر و دو‌سوّم ِ آنور پل را مورد عنایت قرار‌داده بود! داریم
ولی بنام
#دکتر‌فاطمی و #دکتر‌مصدق حتی یک میدانچه بصورت رسمی نداریم! میدان. میدان‌چه و خیابان که هیچ، یک کوچه هم نداریم...

📜 یادمان نرود ، ملتی که تاریخ ندارد بالاخص اگر تاریخ معاصرش پاک شده باشد، افسارش را به هر پدرسوخته ی بیگانه‌ی اجنبی می‌دهد! چون تصور می‌کند تنها افتخارش هخامنشیان بوده اند و آنها هم که گوربگور شده اند و تمام... چون از تاریخ صد‌سال یا ۲۰۰ سال اخیر خودش بی‌اطلاع است و بهمین علت است که گاها که برای اعتراض بخیابان می‌زند دقیقا در کنارش افسران موساد قدم می‌زنند!
یعنی محکوم به تکرار تاریخ است...
آری‌اینچنین‌بود‌ برادر

#کودتا
#ضد_کودتا
#کودتای_۲۸‌مرداد
https://www.aparat.com/v/i490de4
👏3
🖼تصاویر :آخرین امتحان استاد فرمی در ترم زمستان و بهار ۱۹۵۴ که در مکانیک کوانتمی مقدماتی از دانشجویان گرفت و پاسخ سوالات با دستخط فرمی
برای دکتر #انریکو‌فرمی :
آخرین مردی که همه‌چیز را می‌دانست...یک سیگاریِ حرفه‌ای!
فِرمی در ۲۹ سپتامبر ۱۹۰۱ در رم به دنیا آمد. پدرش آلبرتو، کارشناس عالیِ راه‌آهن دولتی، و مادرش آیدا ,معلم مدرسه بود. استعداد خارق‌العاده او در ریاضیات و فیزیک از کودکی شناسایی شد.
🌠فرمی در ۱۷ سالگی برای ورود به مدرسه عالی نورمال در پیزا شرکت کرد. موضوع مقاله امتحان ورودی «ویژگی‌های خاص صداها» بود. فرمی با استفاده از تحلیل فوریه، معادله دیفرانسیل جزئی برای یک میله ارتعاشی را حل کرد و در رتبه اول پذیرفته شد. استاد ممتحن گفت که این مقاله حتی برای دریافت مدرک دکتری نیز قابل تقدیر بود.

🏛در پیزا، استاد راهنمای او پوچیانتی، مدیر آزمایشگاه فیزیک، اعتراف کرد که چیزی برای آموزش به فرمی ندارد و اغلب از خود فرمی می‌خواست که به او درس بدهد! دانش فرمی در فیزیک کوانتوم حیرت‌انگیز بود فرمی در سال ۱۹۲۲ دکترای خود را از دانشگاه پیزا دریافت کرد.
در ادامه ناگفته‌های زندگی یک نابغه
@toobabigdatascience
🔥2
متخصصان علم داده ها data scientists
Photo
فرمی به عنوان "آخرین انسانی که همه چیز می‌دانست" شناخته می‌شد ، اما زندگی شخصی پیچیده‌ای داشت:

· کودکی تروماتیک: در سن ۱۳ سالگی، برادر بزرگتر و محبوبش، جولیو، در جریان یک عمل جراحی ساده درگذشت. این حادثه تأثیری عمیق و مادام‌العمر بر او گذاشت و مادرش نیز به افسردگی مبتلا شد. این فقدان احتمالاً به شکل‌گیری شخصیت درون‌گرا و روش علمیِ کمی‌گرای او برای درک جهان کمک کرد .

· پنهان‌کاری: فرمی علیرغم شهرتش، بسیار خصوصی بود و خاطرات یا نامه‌های شخصی از خود برجای نگذاشت. همسر و همکارانش منابع اصلی اطلاعات درباره او هستند .

· روابط پیچیده: او رهبری کاریزماتیک و معلمی
دلسوز بود، اما در زندگی شخصی‌اش لایه‌های پیچیده‌تری وجود داشت. پسرش جولیو (که به نام برادر مرحومش نامگذاری شده بود)، برای فاصله گرفتن از پدرش، ترجیح می‌داد خود را "جاد" صدا کند .
· همکاری با رژیم فاشیستی: فرمی در سال ۱۹۲۹ به حزب فاشیست #موسولینی پیوست، هرچند بسیاری این اقدام را بی‌علاقگی او به سیاست می‌دانند تا حمایت از ایدئولوژی خاص. ولی در نهایت بدلیل داشتن همسری یهودی! تصمیم به مهاجرت به آمریکا گرفت .

♧ مرگ در ۵۳ سالگی: علت مرگ فرمی، سرطان معده، ترکیبی از عوامل احتمالی مانند قرارگیری در معرض تشعشعات و سایر عوامل خطرساز است، علاوه بر‌این فرمی یک سیگاریِ حرفه ای و زنجیره‌ای بود از آنها که هر سیگار را با آتش سیگار قبلی روشن می‌کنند! او با وجود دستاوردهای علمی عظیم، شخصیتی پیچیده و تا حدی مبهم داشت که تحت تأثیر یک کودکی دشوار شکل گرفته بود.
.اگر‌چه خود او معتقد بود که سرطان معده‌اش ناشی از کار کردن در کنار رآکتور هسته‌ای (پایل هسته‌ای) بوده است .
· با وجود این آگاهی، او معتقد بود که مزایای این کار برای علم از خطرات شخصی آن بیشتر است و به کار خود ادامه داد .


فرمی در سال ۱۹۳۸ جایزه نوبل فیزیک را دریافت کرد. او از این فرصت استفاده کرد و با خانواده‌اش به سوئد رفت و هرگز به ایتالیا بازنگشت و مستقیماً به آمریکا مهاجرت کرد.

میراث جاودان

فرمی به عنوان «آخرین فیزیکدان جهانی» شناخته می‌شود - کسی که هم در فیزیک نظری و هم در فیزیک تجربی نبوغ داشت. نام او بر روی آزمایشگاه ملی فرمی (فرمی‌لب)، مؤسسه انریکو فرمی در دانشگاه شیکاگو، و جایزه انریکو فرمی که یکی از معتبرترین جوایز علمی دولت آمریکاست، باقی مانده‌است.
#انریکو_فر‌می
#فیزیک_هسته‌ای
#مکانیک_کوانتومی
#نوبل_فیزیک
@toobabigdatascience
👏1
build_a_large_language_model_from_scratch.pdf
4.6 MB
📗"ساختِ یک مدل زبانی بزرگ (از صفر)" تا صد

📕 این کتاب از انتشارات منینگ در سال ۲۰۲۵ با این هدف نوشته شده است که شما را از پایه با نحوهٔ کار این مدل‌ها آشنا کند و به شما بیاموزد که چگونه مدل زبانی بزرگ خودتان را بسازید.
📙مسیر کتاب با مفاهیم بنیادینِ کار با داده‌های متنی و کدنویسی و..شروع می‌شود، سپس قدم‌به‌قدم شما را در پیاده‌سازیِ کاملِ یک مدل جی‌پی‌تی از صفر همراهی می‌کند.
📘در ادامه، کتاب به مبحث پیش‌آموزش (Pretraining) و همچنین تنظیم دقیق (Fine-tuning) مدل برای کارهای خاص، مثل دسته‌بندی متن و پیروی از دستورات، می‌پردازد.

📓 وقتی این کتاب را به پایان ببرید، هم درک عمیقی از نحوهٔ کار مدل‌های زبانی بزرگ پیدا کرده‌اید و هم مهارت لازم برای ساخت مدل‌های اختصاصی خودتان را به دست آورده‌اید. هرچند مدل‌هایی که شما می‌سازید از نظر مقیاس بسیار کوچک‌تر از مدل‌های بزرگِ بنیادین هستند، اما همان مفاهیم اصلی را به کار می‌برند و ابزاری آموزشیِ بسیار نیرومند محسوب می‌شوند تا بتوانید سازوکارهای کلیدی و فنونِ به‌کاررفته در ساختِ پیشرفته‌ترین مدل‌های زبانی بزرگ را به خوبی درک کنید.
#LLMs
#DeepNeuralNetworks
@toobabigdatascience
👏1
This media is not supported in your browser
VIEW IN TELEGRAM
[👨‍🏫] لایه Pooling در شبکه‌های عصبی کانولوشنی (CNN) را می‌توان به زبان ساده «فشرده‌کنندهٔ اطلاعات مهم تصویر» نامید.
فرض کنید یک عکس ۱۰۰×۱۰۰ پیکسلی دارید. بعد از اعمال فیلترهای کانولوشن، شبکه یک نقشه ویژگی (Feature Map) تولید می‌کند. این نقشه ممکن است هنوز بسیار بزرگ باشد و پردازش آن هزینهٔ زیادی داشته باشد. لایه Pooling کمک می‌کند اندازهٔ این نقشه کوچک‌تر شود، بدون اینکه مهم‌ترین اطلاعات از بین برود

مثال :
فرض کنید از بالای یک شهر عکس گرفته‌اید.
اگر بخواهید بدانید شهر صنعتی است یا مسکونی، لازم نیست جای تک‌تک پنجره‌های ساختمان‌ها را بدانید.
می‌توانید تصویر را کوچک کنید و فقط ویژگی‌های اصلی را نگه دارید.
پولینگ، دقیقاً همین کار را انجام می‌دهد:
جزئیات ریز و کم‌اهمیت را کنار می‌گذارد و اطلاعات مهم را حفظ می‌کند.
⭕️در هر حال پولینگ مقداری از اطلاعات را حذف می‌کند بهمین علت در برخی نسخه‌های مدرن CNN و معماری‌های بینایی مبتنی بر Transformer، نقش Pooling کمتر شده است.
#CNNs
#Pooling
@toobabigdatascience
👏1
متخصصان علم داده ها data scientists
[👨‍🏫] لایه Pooling در شبکه‌های عصبی کانولوشنی (CNN) را می‌توان به زبان ساده «فشرده‌کنندهٔ اطلاعات مهم تصویر» نامید. فرض کنید یک عکس ۱۰۰×۱۰۰ پیکسلی دارید. بعد از اعمال فیلترهای کانولوشن، شبکه یک نقشه ویژگی (Feature Map) تولید می‌کند. این نقشه ممکن است هنوز…
🏆 مزایای لایه Pooling در CNN در‌مجموع:

⭕️اندازه Feature Map را کاهش می‌دهد.

⭕️محاسبات را کمتر می‌کند.

⭕️از بیش‌برازش (Overfitting) تا حدی جلوگیری می‌کند.

⭕️شبکه را نسبت به جابه‌جایی‌های کوچک مقاوم‌تر می‌کند.

⭕️مهم‌ترین ویژگی‌ها را نگه می‌دارد.
#CNNs
@toobabigdatascience
👏1