#یاد_ایام
🌱زیبایی در سادگی‌ست
#کودکانه
#دهه_شصت
@toobabigdatascience

[👨‍🏫] 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

🏆 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

🛫 مقصد مهاجرت دانشجویان ایرانی کجاست؟

خدایگان، قائم‌مقام بنیاد ملی نخبگان، پاسخ می‌دهد:
🔧⚙ برای رشته‌های غیرپزشکی، مقاصد اصلی شامل آمریکا (۳۶ درصد)، کانادا (۲۴ درصد)، آلمان (۷ درصد) و انگلستان (۵ درصد) است.

🩺 در جامعه پزشکی نیز امارات با ۲۲ درصد، کانادا با ۲۰ درصد، آلمان با ۱۳ درصد و استرالیا با ۱۱ درصد، بیشترین مقاصد مهاجرتی را تشکیل می‌دهند.

📰 بخش زیادی از این تصمیمات برای مهاجرت، ناشی از فشارهای تورمی و وضعیت اقتصادی است.
#مهاجرت_نخبگان
#اختصادی
#تورم
@toobabigdatascience

🔥کتاب‌سوزان مغول‌های عصر فرا‌اطلاعاتی
حمله به میراث فرهنگ عالیقدرِ بشری

شواهد زیادی وجود دارد که نشان می‌دهد برخی از شرکت‌های بزرگ فناوری در آمریکا، کتاب‌های نایاب و عتیقه را می‌خرند، اسکن می‌کنند و سپس از بین می‌برند و می‌سوزانند. هدفشان تأمین داده‌های آموزشی باکیفیت برای پیشی گرفتن در رقابت هوش مصنوعی است! مصیبت اینجاست که این مغول‌بازی در قوانین حقوقی آمریکا، جرم محسوب نمی‌شود❗️
🔥شرکت‌ها برای آموزش مدل‌های زبانی بزرگ (LLM) خود به حجم عظیمی از متن باکیفیت و متنوع نیاز دارند و به دو دلیل عمده سراغ کتاب‌های فیزیکی رفته‌اند :

۱. دور زدن ممنوعیت‌های قانونی: استفاده از کتابخانه‌های آنلاین غیرمجاز (کتابخانه‌های سایه) برای آنها دردسرساز شده و منجر به شکایت‌های بزرگ شده است. خرید کتاب فیزیکی، با استناد به دکترین «فروش نخست» (First-Sale Doctrine)، به آنها اجازه می‌دهد کتاب را اسکن کنند، زیرا مالک قانونی نسخه فیزیکی محسوب می‌شوند .

◀️ادامه در ادامه....

#کتاب‌سوزان۲۰۲۶
#AICompanies
#AI
@toobabigdatascience

دلیل دوم دسترسی به داده‌های «پاک» و منحصربه‌فرد است:
اینترنت امروز پر از متن‌های تولیدشده توسط هوش مصنوعی است و آموزش مدل جدید با این داده‌ها کیفیت آن را پایین می‌آورد (پدیده «فروریختن مدل»). کتاب‌های منتشرشده قبل از سال ۲۰۲۲، منبعی امن از متون انسانی و ویرایش‌شده هستند. همچنین، کتاب‌های نایاب و خارج از چاپ، محتوایی را در اختیارشان می‌گذارند که در جای دیگری یافت نمی‌شود .

📜مقیاس فاجعه و ...شواهد غیرقابل انکار

چندین گزارش تحقیقی ابعاد این ماجرا را آشکار کرده است:

👹 پروژه «پاناما» (Project Panama) شرکت Anthropic:
اسناد دادگاه نشان داد که این شرکت برنامه داشته تا «همه کتاب‌های جهان را به‌طور مخرب اسکن کند». آنها میلیون‌ها کتاب فیزیکی را با دستگاه‌های صنعتی از صحافی جدا کرده و پس از اسکن، نابود کرده‌اند. این شرکت برای دسترسی به کتاب‌ها، میلیون‌ها دلار هزینه کرده و با غول‌های نشر به توافقات مالی کلانی رسیده است .
👺ردیابی یک کتاب تا انبار آمازون: یک کتابفروش که به خرید عمده مشکوک شده بود، یک فرستنده موقعیت‌یاب (AirTag) را در یکی از کتاب‌های نایاب جاسازی کرد. ردیابی آن، محموله را به یک مرکز تخصصی آمازون در لاس‌وگاس به نام VGT3 رساند. کارمندان آنجا تأیید کردند که کارشان «تنها اسکن کتاب» است و حتی لوگوی بخششان، یک دایناسور ماقبل تاریخ بنام ِ تی‌رکس در حال خوردن کتاب است! .

· خریدهای اسرارآمیز در سراسر جهان: کتابفروشان دست‌دوم در اروپا، از هلند و آلمان گرفته تا بریتانیا، از سفارش‌های عجیب و عظیم برای کتاب‌های تخصصی و نایاب خبر داده‌اند. یک کتابفروش بریتانیایی گفت در ۳۰ سال سابقه‌اش، چنین حجم از سفارش‌های بی‌ربط را ندیده است .
· نقش واسطه‌ها و دلال‌ها : شرکت‌هایی مانند ISBNdb به‌صراحت خود را به عنوان واسطه‌ای برای فروش عمده (بین ۱۰۰۰ تا ۱ میلیون جلد) کتاب به شرکت‌های هوش مصنوعی معرفی می‌کنند و حتی به خریداران قول محرمانگی می‌دهند .

☠ آیا این کار قانونی است؟

بله، در ایالات متحده، این اقدام بر اساس قوانین فعلی قانونی است. دادگاه فدرال تشخیص داده که اسکن یک کتاب خریداری‌شده برای آموزش هوش مصنوعی، نوعی «استفاده منصفانه» (Fair Use) محسوب می‌شود، زیرا این فرایند یک «تغییر شکل» (Transformative) در اثر ایجاد می‌کند. شرکت‌ها از این حکم به عنوان مجوزی برای ادامه کار استفاده می‌کنند .

🥀بدین ترتیب میراث ِ مکتوب فرهنگ بشری، بصورت کاملا آگاهانه و عامدانه و قانونی! در حال نابودی ست و کشورهای قلدر مدافع فرهنگ و تمدن و دموکراسی! خفقان گرفته اند...

⚠️مواظب ِ کتاب‌ها‌یمان باشیم
مغول‌ها از دروازه‌های تاریخ گذشته اند و مجددا حمله کرده‌اند
#ProjectPanama
#Anthropic
#ISBNdb
#VGT3
@toobabigdatascience

مهندسی هوش مصنوعی 🆚 مهندسی لرنینگ

#AI
#ML
@toobabigdatascience

🍏اعلام نتایج نهایی آزمون دکتری ۱۴۰۵

🍎 داوطلبان می‌توانند با مراجعه به سایت سنجش از نتیجه نهایی پذیرش خود مطلع شوند.
#نتایج_دکتری۱۴۰۵
#دکتری۱۴۰۵
@toobabigdatascience

📜اپوزیسیون/ دگر‌اندیش یا منتقد؟
این مطلب را به پاس اینکه تفّکر انتقادی،مجددا در میان مهارت‌های اصلی مورد توجه در میان مهارت‌های کلیدی بشری در ۲۰۲۶ گنجانده شده و کودتای ۲۸مرداد۳۲ می‌نویسم!
سه واژه اپوزیسیون،دگر‌اندیش و منتقد، اگر‌چه سهوا معادل محسوب می‌شوند اما در عمل و در تجربیات زیست شده ی بشری، معادل نیستند حتی اگر در همه آنها رگه‌هایی از #مخالفت با وضع موجود باشد
اپوزیسیون = مخالفِ قدرتِ حاکم
دگراندیش = متفاوت با اندیشه غالب ِ جامعه
منتقد = ارزیابِ استدلالیِ یک فکر یا عملکرد
و یک جامعه سالم معمولاً به هر سه نیاز دارد:
اپوزیسیون برای رقابت در قدرت، دگراندیش برای نوآوری فکری، و منتقد برای اصلاح خطاها و جلوگیری از جزم‌اندیشی!
نکته: هیچ جامعه‌ای در جهان، برخلاف منافع قدرت حاکمش، به این سه گروه میدان نمی‌دهد! بالاخص جوامعی که ادعای مضحک آزادی اندیشه و حقوق بشر و دموکراسی و لیبرال‌دموکراسی دارند!
#ادامه دارد...
#اپوزیسیون
#منتقد
#دگر‌اندیش
#کودتا
@toobabigdatascience

⛩ در مشرق‌زمین دولت ها رُک تر اند و ریاکاری کمتری دارند، مثلا چین تکلیفش با این سه گروه علنا روشن است همچنین کره ی شمالی و روسیه و عربستان سعودی.

🔞در غرب (اروپای غربی بالاخص و امریکآ) آزادی ِ مخالفت،دگراندیشی و تفکر انتقادی، در منظر عوام! چیز بدرد‌بخوری ست اما دقیقا مثل دخترعموی بیوه شده‌‌ی بی‌سرپرستی ست که لاجرم سرپرستی‌اش را خانواده دیگری پذيرفته است
در طبقه پنجم در اتاق زیر‌شیروانی آلونکی به او داده‌اند،گاه روز تعطیل هفته او را با خود به پارک می‌برند که نشان دهند اهل مدارا و فضیلت اند و سگ! نیستند و باقی اوقات ازو می‌خواهند در را بروی خود ببندد و حتی اگر گردن‌کلفت یا آژانِ محله هم در جایی از کوچه به او تعرض کرد،جریان را در بوق و کرنا نکند! و صدایش را در‌نیآورد چون چیز جدیدی نیست که، مهم هم نيست که،بالاخص با آقای خانه اگر باشد که پشتیبان و سرپرست او شده، و خرجش را می‌دهد!
این مفاهیم متعالی! در غرب، سالهاست که بیوه شده اند آنهم به همان شکلی که عرض شد.
آقا و صاحبشان( ایالات متحده) هر جوری به آن تعرض کند ، هرکاری که با منتقد و دگر‌اندیش و معترض بکند
هیچکدام‌شان، صدایش را در‌نمی‌آورند! او اجازه دارد تجاوز کند
مثلا استاد دانشگاهش را که به نسل‌کشی معترض شده است را مثل یک خلاف‌کار و یک مجرم روی زمین در خاک و خون بکشاند!
یا در یک ویدئو، رئیس‌جمهورش،با استفاده از هوش مصنوعی، روی سر معترضین و منتقدینش، #مدفوع بریزد .

🎎در‌شرق،امّا به یکباره تکلیف دخترعموی بیوه را یکسره و حل کرده‌اند،بالاخص در مکتب مارکسیست
چجوری؟
اینجوری که دخترعموی مطلقه را انداخته‌اند توی کمد قدیمی چوبی و دو تا قفل مرغوب هم بر آنها زده‌اند و منتظرند تاریخ! بزاید و بعد از یک‌قرن وقتی جامعه بی طبقه🫪 آرمانی عدالت‌محور اشتراکی ساخته شد او را از کمد بیرون بیآورند و جشن باشکوهی در سن‌پطرزبورغ! بَرگَرار کنند البته اگر تا آنزمان، بید و حشرات موذی، دختر‌عمو را نخورده باشند!.
از جامعه‌بی‌طبقه گفتم، بگذارید عرض کنم که در اوائل انقلاب در یکی از شهرهای غربی کشور، عدّه‌ای جوجه‌مارکسیست !تصمیم گرفته بودند جامعه را بی‌طبقه کنند! فلذا هر‌ ساختمان چند‌طبقه را که بیشتر از یک‌طبقه بود را آتش می‌زدند🤓...
این دو رویکرد به آزادی اندیشه و پذیرش مخالف ِ خود و... ( رویکرد اتاق زیرشیروانی و رویکرد کمد چوبی!🫪) در طول تاریخ منادیان اصلی تغییر و اصلاح بوده‌اند و دائم بر‌آن اند که خود را به دیگری تحمیل کنند و هردو هم بشدت دروغ می‌گویند!

امروزه اما دگر‌اندیش و منتقد به کسانی اطلاق می‌شود که دائما در حال غر‌غر کردن و نِق‌زدن در باره اوضاعند!
منتقد برخلاف اپوزیسیون می‌تواند در بدنه سیستمی باشد که به او نقد دارد! نه دشمن یا براندازِ آن.
او می‌خواهد به کارهایی بپردازد که لازم است تا انجام شوند و ناديده گرفته شده اند یا روش انجام‌شان منطقی و درست نیست و دقیقا بهمین خاطر است که انجام نشده‌اند تا امروز!
منتقد، با قصدِ قبلی و نیت کردن از پیش، اینکاره نشده است این وضعیت نتیجه تفکر، رفتار یا کار آنان است که غالبا در برخورد با وضعیت و شرایط بیرونی که خارج از اختیار آنها‌ست رخ داده‌است!
🪤اگر چه واژه منتقد در ادبیات رسانه‌ای ما به چیزی مثل عهد‌شکن! و یا حتی از‌دین‌برگشته و چیزهای وحشتناک دیگر تعبیر شده و اشتباه هم تفسیر شده بشدّت!
برخی هم فکر می‌کنند منتقدان؛ ناراضیانِ حرفه ای هستند که از پیش قصد تخریب هدفمند را در دل دارند، مثل اینکه کسی تصمیم بگیرد باغبان،خیاط، آهنگر و بقال شود!

هیچکس عالماً و عامداً منتقد نمی‌شود حتی اگر شب و روز همه تلاشش را صرف این کند که بقول عزیزان گیرِ سه‌پیچ بدهند به نارسایی ها، سوء مدیریت ها،ناترازی ها و... باز هم انتقاد،حرفه ی آنها نخواهد شد😇
این صرفا و فقط نگرش ِ زیستی آنها‌ست
آنها نه دنبال منصب اند و نه شهرت، آنان یک درد مشترک را با صدای بلند فریاد می‌زنند! دردهایی را که دیگران نمی‌توانند یا می‌ترسند بزبان آورند!
و این تنها تفاوت‌شان با دیگرانی ست که دردها را می‌بینند و به هیچ جای‌شان هم نمی‌گیرند و سر‌در‌آخور فعلاً دارند

آنها متعلق به هیچ محفل یا حلقه‌ی قدرتی نیستند،ابدا...
آنها آدم‌های معمولی با دغدغه‌های معمولی اند. و در اکثر موارد به فعالیت‌های فکری گرایش دارند و اهل نوشتن و قلم اند ، فلذا کلامِ مکتوب را برای انتقال مسیج بشدت ترجیح می‌دهند...
در حالیکه بسیاری از آنان، سال‌ها بعد متوجه می‌شوند که چه بلایی سرشان آمده و پی‌می‌برند که #منتقد شده‌اند.

آنها هیچ منفعت مسلّم و مستقیمی از نقد نارسایی‌ها و جراحات جامعه نمی‌برند،هیچ منفعتی، درحالیکه بزودی سیبل حملات هم خواهند شد بجرم منفعت‌طلبی که علنا در تناقض با تعریف منتقد است چون توجه و تمام تمرکزشان به به دردها و رنج‌هتی کل جامعه است،یعنی اساسِ تمرکزشان و علاقه‌شان معطوف کسانی‌ست که خودشان_به‌هر‌علتی_نمی‌توانند

رنج‌ها‌یشان را بیان کنند و طبیعتا ممکن و محتمل است که دردِ شخصی خودشان هم باشد چون آنها از مردم اند و برای مردم و مشترک با مردمان در رنج‌هایشان.

اتفاقا کسانی که اقدام به حذف و تکفیر منتقدان مصلح می‌کنند، بشدت می‌دانند که آنها چگونه می‌اندیشند و برای چه حقیقت والایی، زندگی را بر خود و عزیزانشان سخت گرفته اند فلذا با آگاهی و عمد، منتقد را تهمت‌باران می‌کنند و گاها انگِ "دشمنِ اجتماع"، مخالف پیشرفت و توسعه، خودمحور و آشتی‌ناپذیر، و یا مخالف نظر جمع! را حواله‌اش می‌کنند چون
خودشان صرفا بدلیل ادامه وضعِ موجود است که ارتزاق می‌کنند و حیات دارند
آنها می‌دانند که منابع تغذیه شان این زخم‌ها و عفونت‌های فساد و ناکار‌آمدی در اجتماع است
اگر منتقد بتواند صدایش را به گوش مردم برساند، فشار افکار عمومی و مردم، التیام و اصلاح جراحت‌ها را مطالبه می‌کند و دکان تغذیه‌کنندگان از آن عفونت‌ها، بر سرشان خراب خواهد شد!
فلذا بهترین راه خاموش کردن این صدا، انگ‌های بزرگ و شنیع به آنهاست طوری که همه باورشان بشود، طوریکه اعتبار و شخصیت شان لکه دار شود و حرف‌شان خریدار نداشته باشد!

🪩 این رفتار را در مقیاس جهانی هم بسیار دیده‌ایم! امپراطوری عظیم و بی‌رحم #مدیا و رسانه در غرب، مثل آب‌خوردن، ملت‌های منتقد به نظم ظالمانه نوین جهانی و هژمونی سرکوب‌گرایانه، را به ضرب ِ تهمت و افترا سرکوب می‌کند!: [ به سخنرانی‌های ترامپ در مورد ایران رجوع کنید].
از وحشی خطاب کردن باشناسنامه‌ترین مردم جهان، تا انگ دیوانه زدن به یک ملت! چون تا کنون تسلیم نشده‌اند، تا تبعیض نژادی علنی علیه کشورها و ملت ها...

با کلام باشکوهی از #ولتر به پایان می‌رسیم:
"

من مثل شما فکر نمی‌کنم امّا؛ جانم را می‌دهم تا شما آزاد زندگی کنید و حق بیان اندیشه و تفکر‌تان را داشته باشید!"

#منتقد
#دگر‌اندیش
#کودتای_۲۸‌مرداد
#حسین_فاطمی
#مصدق
@toobabigdatascience

🤖انواع یادگیری‌ ماشینی بر اساس نوع مساله‌ای که حل می‌کنند:
پیش‌بینی 🆚 کشف ساختار
#ML
#PredictingTrends
#Classification
@toobabigdatascience

🦾 انواع یادگیری ماشین از منظری متفاوت:

🌇تصویر، یادگیری ماشین را به دو شاخه‌ی اصلی تقسیم کرده است، اما بر خلاف بسیاری از طبقه‌بندی‌ها، اینجا هر شاخه با یک کاربرد کلیدی معرفی شده، نه صرفاً با نام الگوریتم.

۱. یادگیری نظارت‌شده (Supervised Learning) → کاربرد: پیش‌بینی روندها (Predicting Trends)

· در این نوع یادگیری، ما داده‌های شناخته‌شده (برچسب‌دار) داریم.
· مدل بر اساس این داده‌ها آموزش می‌بیند و سپس برای داده‌ی جدید، خروجی را پیش‌بینی می‌کند.
· مثال‌های برجسته‌ی آن رگرسیون خطی (برای پیش‌بینی اعداد پیوسته) و رگرسیون لجستیک (برای دسته‌بندی) هستند – البته الگوریتم‌های دیگری هم در این گروه قرار می‌گیرند.

🔹 در واقع، محور اصلی در اینجا "پیش‌بینی مقدار یا کلاس برای داده‌های آینده" است.

۲. یادگیری بدون نظارت (Unsupervised Learning) → کاربرد: دسته‌بندی داده‌ها (Classifying Data)

· در این روش، داده‌ها بدون برچسب و در ابتدا دسته‌بندی‌نشده هستند.
· الگوریتم به‌طور خودکار الگوهای پنهان را پیدا کرده و داده‌ها را در خوشه‌های جدید (دسته‌های تازه) سازماندهی می‌کند.
· معروف‌ترین مثال‌های آن خوشه‌بندی (Clustering) و تحلیل مؤلفه‌های اصلی (PCA) هستند – که البته روش‌های دیگری هم وجود دارند.

🔹 در اینجا، هدف اصلی کشف ساختار پنهان در داده‌ها و گروه‌بندی آنهاست، نه پیش‌بینی یک خروجی مشخص.


👁در یک نگاه:
نوع یادگیری هدف اصلی وضعیت داده‌ها مثال‌ها
نظارت‌شده پیش‌بینی روندها داده‌های شناخته‌شده (برچسب‌دار) رگرسیون خطی، رگرسیون لجستیک
بدون نظارت دسته‌بندی خودکار داده‌های دسته‌بندی‌نشده خوشه‌بندی، PCA

👨‍🏫 تصویر در واقع یادگیری ماشین را نه بر اساس «نوع الگوریتم»، بلکه بر اساس نوع مسئله‌ای که حل می‌کند (پیش‌بینی در برابر کشف ساختار) را نشان می‌دهد.

#Clustering
#PCA
#ML
@toobabigdatascience