بازارسال شده از Masiha
3931787399659724547_81921679204147.pdf
۱.۲۱ مگابایت
رهبری فقط برای مدیرانِ بالای هرم سازمان نیست؛ پیامی است برای تکتک ما.
در کتاب «رهبر متولد شدهاید» خواننده همراه با نویسنده قدمبهقدم پیش میرود تا دریابد رهبری پیش از هر چیز به معنای شناخت خود، مسئولیتپذیری و تأثیرگذاری مثبت بر دیگران است.
ترجمه فارسی این کتاب با این امید ارائه شده است که هر خواننده، رهبر درونی خود را جدیتر بگیرد.
۲۰:۳۸
بیانیه انجمن ملی اینترنت اشیا و علوم دادهدر پی حملات نظامی اخیر که منجر به تخریب کامل زیرساخت تولیدی ۵ شرکت بزرگ مدار چاپی (PCB) در کشور شده، انجمن ملی اینترنت اشیا و علوم داده این اقدام را لطمهای سنگین به بخش زیرساختهای صنعتی و الکترونیک دانست.بر اساس تماس رسمی با انجمن تولیدکنندگان PCB، صحت این حادثه تأیید شده و خسارات وارده موجب توقف گسترده در زنجیره تأمین صنایع الکترونیک شده است.این انجمن با محکومیت جدی هرگونه اقدام علیه زیرساختهای تولیدی و صنعتی کشور، از نهادهای مسئول خواستار حمایت فوری از شرکتهای آسیبدیده و آغاز برنامههای بازسازی و جبران خسارات اقتصادی شد.
#جنگ #اضطرار #مهم #الکترونیک #زیرساخت #مدارچاپی #pcb سازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
#جنگ #اضطرار #مهم #الکترونیک #زیرساخت #مدارچاپی #pcb سازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۲۰:۱۹
۱۲:۴۱
به اطلاع پژوهشگران محترم دانشگاه می رساند:دسترسی به پایگاه های Science Direct و Scopus و هوش مصنوعی اسکوپوس Scopus AI برقرار شده است.در حال حاضر دانشگاه تهران علاوه بر پایگاه های فوق به پایگاه Sage مناسب بسیاری از رشته ها هم دسترسی دارددانشگاه تهران به پایگاه های فارسی نورمگز، نورلایب، مگیران، ابرنور و سیویلیکا دسترسی دارد.
فیلم کارگاه های آموزشی پایگاه های اطلاعاتی در وب سایت کتابخانه مرکزی در دسترس قرار دارد.آدرس سایت کتابخانه مرکزی: library.ut.ac.irنکته: کلیه پایگاه های فوق از طریق شبکه دانشگاه تهران قابل دسترس است. راهنمای اتصال از خارج دانشگاه در سایت کتابخانه مرکزی موجود است.
فیلم کارگاه های آموزشی پایگاه های اطلاعاتی در وب سایت کتابخانه مرکزی در دسترس قرار دارد.آدرس سایت کتابخانه مرکزی: library.ut.ac.irنکته: کلیه پایگاه های فوق از طریق شبکه دانشگاه تهران قابل دسترس است. راهنمای اتصال از خارج دانشگاه در سایت کتابخانه مرکزی موجود است.
۱۳:۳۷
چطور در شرایط پر تنش از سالمندان مراقبت کنیم
#جنگ #اضطرار #مهم #کمکهای_اولیه #سالمندانسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
#جنگ #اضطرار #مهم #کمکهای_اولیه #سالمندانسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۱۴:۱۰
فراررسیدن سال نو همیشه نوید بخش افکار نو، کردار نو و تصمیم های نو برای آینده است .آینده ای که همه امیدواریم بهتر از گذشته باشد.در سال نو سلامتی، شادی، پیروزی، مهر، دوستی و عشق را برای شما آرزومندیم و یادی میکنیم از جاوید نامانی که سال پیش در کنارمان بودند و امسال درکنار عکسشان هستیم. نوروز مبارک.
انجمن ملی ترویج اینترنت اشیا و علوم داده @iotds_ngo
انجمن ملی ترویج اینترنت اشیا و علوم داده @iotds_ngo
۸:۱۴
فیلم، سریال و مستند.pdf
۱۳.۲۴ مگابایت
#فیلم، #سریال و #مستند ترویج کننده آینده #علم، #فناوری و #نوآوری
انجمن ملی ترویج اینترنت اشیا و علوم داده @iotds_ngo
انجمن ملی ترویج اینترنت اشیا و علوم داده @iotds_ngo
۲۱:۲۱
در شرایط بحرانی و جنگی، توانایی ارزیابی سریع و دقیق وضعیت مصدومان، نقشی حیاتی در نجات جان آنها ایفا میکند. این راهنما، یک دستورالعمل گامبهگام برای ارزیابی علائم حیاتی و سطح هوشیاری در صحنههای پرخطر ارائه میدهد.
#جنگ #اضطرار #مهم #کمکهای_اولیه سازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۱۷:۵۲
چگونه اساتید دانشگاههای برتر جهان با NotebookLM گوگل دورههای درسی میسازند.
اساتید دانشگاههای NYU، استنفورد و کیس وسترن رزرو دیگر دورههای درسیشان را دستی نمیسازند. آنها با کمک NotebookLM گوگل این کار را در عرض چند ساعت انجام میدهند. یکی از این اساتید، این ابزار را بزرگترین تحول در تحقیقات آکادمیک طی ۲۰ سال اخیر توصیف کرده است.در ادامه، گردش کار دقیق و مرحلهبهمرحلهای را مرور میکنیم که این اساتید به صورت عمومی به اشتراک گذاشتهاند.
مرحله ۱: استراتژی آپلود منابعاغلب کاربران فقط یکی دو سند در NotebookLM آپلود میکنند. اما اساتیدی که یک دوره کامل میسازند، رویکرد متفاوتی دارند: آنها تمام لیست خواندنیها را یکجا وارد میکنند.ظرفیت نسخه رایگان:● تا ۵۰ منبع در هر نوتبوک● ۵۰۰ هزار کلمه برای هر منبع● پشتیبانی از PDF، Google Docs، لینکهای وب، ویدیوهای یوتیوب، فایلهای صوتی و تصاویر با OCRبه عبارت دیگر: یک نوتبوک برابر است با یک واحد درسی کامل.گردش کار مستندشده اساتید استنفورد:← آپلود تمام خواندنیهای اختصاصی واحد← آپلود سیلابس دوره← آپلود سؤالات امتحانی سالهای قبل← آپلود هر منبع اولیه مرتبطNotebookLM اکنون پنجره زمینهای با ظرفیت یک میلیون توکن دارد. یعنی کل محتوای یک واحد درسی را همزمان در حافظه نگه میدارد و روی تمام آنها استدلال (reasoning) انجام میدهد. هیچ ابزار هوش مصنوعی دیگری در بازار این قابلیت را با اتکای کامل (grounding) بر منابع خود کاربر ارائه نمیدهد.
مرحله ۲: پرامپت نقشهبرداری برنامه درسیپس از آپلود منابع، اولین پرامپتی که اساتید اجرا میکنند، طراحی نقشه کلی برنامه درسی است. متن دقیق این پرامپت به شرح زیر است:Based on all uploaded materials, create a complete curriculum map for this unit. Identify the 5 core concepts students must understand. For each concept, list: the source that introduces it, the source that deepens it, and the source that challenges or complicates it. Then suggest a logical teaching sequence.نتیجه: یک نقشه راه ساختارمند از کل واحد درسی، که در آن هر ادعا به منبع آپلودشده ارجاع دقیق دارد.معاون دانشکده NYU نسخهای از همین پرامپت را برای شناسایی معادلهای درسی در کل برنامه بازنگریشده به کار گرفت. کاری که پیش از این هفتهها زمان میبرد، در یک جلسه به نتیجه رسید.
مرحله ۳: تولید طرح درسبعد از ترسیم نقشه برنامه درسی، اساتید پرامپت دوم را اجرا میکنند تا طرح درس هر جلسه تولید شود. متن دقیق این پرامپت به شرح زیر است:Using the uploaded syllabus and course materials, create a detailed day-by-day lesson plan for [topic]. Each class session should include: a learning objective, the key concepts to cover, one real-world example or analogy, a discussion question, and an estimated time breakdown for a 60-minute class.NotebookLM طرح درس را کاملاً مبتنی بر مواد آپلودشده میسازد. هیچ ارجاع ساختگی و هیچ مثال خیالی وجود ندارد. هر بخش از طرح درس به منبع مشخصی برمیگردد که میتوان آن را کلیک کرد و مستقیماً بررسی کرد.اساتید دانشگاه ایالتی آریزونا دقیقاً از همین روش برای سازماندهی مقالات علمی و شناسایی تمهای مشترک میان رشتههای مختلف استفاده کردند. پیش از این، چنین کاری یک ترم کامل تحقیق میطلبید.
مرحله ۴: تولید مواد آموزشی دانشجوییاینجا جایی است که NotebookLM بیشترین صرفهجویی زمانی را ایجاد میکند. بعد از ساخت طرح درس، اساتید کل بسته آموزشی دانشجویان را از همان نوتبوک تولید میکنند:← راهنماهای مطالعه شامل ایدههای اصلی، استدلالهای کلیدی و شواهد پشتیبان (با یک کلیک در Studio)← سؤالات درک مطلب بر اساس دقیقاً همان مواد درسی← فلشکارتهای مفاهیم و اصطلاحات کلیدی (تولید خودکار و ارجاعدار)← آزمونهای تمرینی (چندگزینهای یا کوتاهپاسخ) همراه با کلید پاسخی که مستقیم به خواندنیها ارجاع میدهدمدرسان دانشگاه Northeastern به دانشجویان آموزش دادند که خودشان با همین گردش کار، ابزارهای مطالعه شخصی بسازند. دانشجویان دیگر نمیپرسند «چه چیزی باید بدانم؟». نوتبوک، دقیقاً به زبان و فرمت دلخواهشان و بر اساس منابع استاد، پاسخ میدهد.
#هوش_مصنوعی #AI #NOTEBOOKLMسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
اساتید دانشگاههای NYU، استنفورد و کیس وسترن رزرو دیگر دورههای درسیشان را دستی نمیسازند. آنها با کمک NotebookLM گوگل این کار را در عرض چند ساعت انجام میدهند. یکی از این اساتید، این ابزار را بزرگترین تحول در تحقیقات آکادمیک طی ۲۰ سال اخیر توصیف کرده است.در ادامه، گردش کار دقیق و مرحلهبهمرحلهای را مرور میکنیم که این اساتید به صورت عمومی به اشتراک گذاشتهاند.
مرحله ۱: استراتژی آپلود منابعاغلب کاربران فقط یکی دو سند در NotebookLM آپلود میکنند. اما اساتیدی که یک دوره کامل میسازند، رویکرد متفاوتی دارند: آنها تمام لیست خواندنیها را یکجا وارد میکنند.ظرفیت نسخه رایگان:● تا ۵۰ منبع در هر نوتبوک● ۵۰۰ هزار کلمه برای هر منبع● پشتیبانی از PDF، Google Docs، لینکهای وب، ویدیوهای یوتیوب، فایلهای صوتی و تصاویر با OCRبه عبارت دیگر: یک نوتبوک برابر است با یک واحد درسی کامل.گردش کار مستندشده اساتید استنفورد:← آپلود تمام خواندنیهای اختصاصی واحد← آپلود سیلابس دوره← آپلود سؤالات امتحانی سالهای قبل← آپلود هر منبع اولیه مرتبطNotebookLM اکنون پنجره زمینهای با ظرفیت یک میلیون توکن دارد. یعنی کل محتوای یک واحد درسی را همزمان در حافظه نگه میدارد و روی تمام آنها استدلال (reasoning) انجام میدهد. هیچ ابزار هوش مصنوعی دیگری در بازار این قابلیت را با اتکای کامل (grounding) بر منابع خود کاربر ارائه نمیدهد.
مرحله ۲: پرامپت نقشهبرداری برنامه درسیپس از آپلود منابع، اولین پرامپتی که اساتید اجرا میکنند، طراحی نقشه کلی برنامه درسی است. متن دقیق این پرامپت به شرح زیر است:Based on all uploaded materials, create a complete curriculum map for this unit. Identify the 5 core concepts students must understand. For each concept, list: the source that introduces it, the source that deepens it, and the source that challenges or complicates it. Then suggest a logical teaching sequence.نتیجه: یک نقشه راه ساختارمند از کل واحد درسی، که در آن هر ادعا به منبع آپلودشده ارجاع دقیق دارد.معاون دانشکده NYU نسخهای از همین پرامپت را برای شناسایی معادلهای درسی در کل برنامه بازنگریشده به کار گرفت. کاری که پیش از این هفتهها زمان میبرد، در یک جلسه به نتیجه رسید.
مرحله ۳: تولید طرح درسبعد از ترسیم نقشه برنامه درسی، اساتید پرامپت دوم را اجرا میکنند تا طرح درس هر جلسه تولید شود. متن دقیق این پرامپت به شرح زیر است:Using the uploaded syllabus and course materials, create a detailed day-by-day lesson plan for [topic]. Each class session should include: a learning objective, the key concepts to cover, one real-world example or analogy, a discussion question, and an estimated time breakdown for a 60-minute class.NotebookLM طرح درس را کاملاً مبتنی بر مواد آپلودشده میسازد. هیچ ارجاع ساختگی و هیچ مثال خیالی وجود ندارد. هر بخش از طرح درس به منبع مشخصی برمیگردد که میتوان آن را کلیک کرد و مستقیماً بررسی کرد.اساتید دانشگاه ایالتی آریزونا دقیقاً از همین روش برای سازماندهی مقالات علمی و شناسایی تمهای مشترک میان رشتههای مختلف استفاده کردند. پیش از این، چنین کاری یک ترم کامل تحقیق میطلبید.
مرحله ۴: تولید مواد آموزشی دانشجوییاینجا جایی است که NotebookLM بیشترین صرفهجویی زمانی را ایجاد میکند. بعد از ساخت طرح درس، اساتید کل بسته آموزشی دانشجویان را از همان نوتبوک تولید میکنند:← راهنماهای مطالعه شامل ایدههای اصلی، استدلالهای کلیدی و شواهد پشتیبان (با یک کلیک در Studio)← سؤالات درک مطلب بر اساس دقیقاً همان مواد درسی← فلشکارتهای مفاهیم و اصطلاحات کلیدی (تولید خودکار و ارجاعدار)← آزمونهای تمرینی (چندگزینهای یا کوتاهپاسخ) همراه با کلید پاسخی که مستقیم به خواندنیها ارجاع میدهدمدرسان دانشگاه Northeastern به دانشجویان آموزش دادند که خودشان با همین گردش کار، ابزارهای مطالعه شخصی بسازند. دانشجویان دیگر نمیپرسند «چه چیزی باید بدانم؟». نوتبوک، دقیقاً به زبان و فرمت دلخواهشان و بر اساس منابع استاد، پاسخ میدهد.
#هوش_مصنوعی #AI #NOTEBOOKLMسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۱۸:۰۷
مرحله ۵: خروجی صوتی (Audio Overview) برای آمادگی دانشجواین ویژگی بین دانشجویان به سرعت فراگیر شد. قبل از هر کلاس، اساتید یک Audio Overviewاز خواندنیهای آن هفته تولید میکنند. دانشجویان یک پادکست ۱۰ تا ۱۵ دقیقهای با دو میزبان هوش مصنوعی دریافت میکنند که مطالب را توضیح میدهد، ارتباطها را نشان میدهد و مثال میزند. همه اینها پیش از آنکه دانشجو حتی یک صفحه بخواند.اساتید دانشگاه کیس وسترن رزرو دقیقاً از همین روش برای کمک به دانشجویان در مواجهه با خواندنیهای سنگین استفاده کردند. نتیجه روشن بود: دانشجویان با درکی اولیه از ایدههای کلیدی وارد کلاس میشوند و زمان کلاس از توضیح دوباره مطالب به بحث واقعی، کاربرد عملی و تبادل نظر تبدیل شده است. اساتید این تغییر را «تحولآفرین» مینامند.
مرحله ۶: Deep Research برای بررسی ادبیات پژوهشیاین ویژگی بیشتر به کار اساتید پژوهشگر میآید. قابلیت Deep Research در NotebookLM به ابزار اجازه میدهد به صورت خودکار وب را جستجو کند، فهرست منابع بسازد و گزارش تحقیقاتی کاملاً ارجاعدار تولید کند. یکی از پژوهشگران دانشگاه پیتسبورگ گزارش داده که زمان آمادهسازی بررسی ادبیات خود را ۷۰ درصد کاهش داده است.گردش کار:← آپلود منابع موجود همراه با سؤال تحقیقاتی← اجرای Deep Research← NotebookLM جستجوهای وب را برنامهریزی میکند، شکافهای منابع را شناسایی میکند، مقالات جدید پیدا میکند و همه را در قالب یک گزارش ارجاعدار ترکیب میکندوالتر آیزاکسون، نویسنده برنده جایزه پولیتزر، از NotebookLM برای تحلیل ژورنالهای ماری کوری در نوشتن کتابش استفاده کرد. وقتی یک بیوگرافر در این سطح از ابزار استفاده میکند، نشاندهنده بلوغ واقعی آن است.
مرحله ۷: ادغام با Google Classroomاین آپدیت سال ۲۰۲۶ حلقه را برای اساتید تکمیل کرد. اکنون میتوان مستقیماً از داخل Google Classroom یک نوتبوک NotebookLM ایجاد کرد. با یک کلیک، تمام منابع اختصاصدادهشده به دانشجویان وارد نوتبوک میشود و دیگر نیازی به آپلود دستی دوباره نیست.نوتبوکها به صورت «فقط مشاهده» به دانشجویان اختصاص داده میشوند. دانشجویان تجربه کامل هوش مصنوعی را با دقیقاً همان منابعی دریافت میکنند که استاد تعیین کرده است. آنها میتوانند سؤال بپرسند، راهنمای مطالعه شخصی بسازند، Audio Overview اختصاصی اجرا کنند و فلشکارت تولید کنند. همه اینها بر پایه همان دانشی که استاد تنظیم کرده.استاد یکبار پایه دانش را میسازد. دانشجویان به هر شکلی که برای یادگیریشان مؤثرتر است با آن تعامل میکنند. این یعنی آموزش شخصیسازیشده در مقیاس بزرگ، بدون هیچ کار اضافی برای استاد بعد از راهاندازی اولیه.
خلاصه گردش کار کامل اساتیداین پشته کامل مستندشده توسط اساتید NYU، استنفورد، کیس وسترن، آریزونا استیت و Northeastern است:1. آپلود منابع: کل لیست خواندنیها، سیلابس و امتحانات گذشته در یک نوتبوک برای هر واحد2. نقشهبرداری: اجرای پرامپت نقشه برنامه درسی و دریافت توالی تدریس با ارجاعات3. طرح درس: تولید طرح درس جلسهبهجلسه برای هر کلاس4. بسته دانشجویی: تولید راهنما، فلشکارت و آزمون با یک کلیک5. Audio Overview: ساخت خروجی صوتی برای آمادگی دانشجویان قبل از هر کلاس6. Deep Research: بررسی ادبیات و شناسایی شکاف منابع7. اشتراکگذاری: ارسال نوتبوکها به دانشجویان از طریق Google Classroomسخن پایانیآنچه قبلاً یک تابستان کامل طول میکشید، اکنون در یک هفته انجام میشود. آنچه یک هفته زمان میبرد، حالا یک بعدازظهر.اساتیدی که زودتر این گردش کار را درک کنند، لزوماً کمتر کار نمیکنند. فقط تمرکزشان را روی بخشهایی میگذارند که واقعاً حضور انسان لازم دارد.سیستم دانشگاهی دههها با یک فرآیند تکراری کار میکرد: آپلود خواندنی، نوشتن جلسه درس، ساخت ارزیابی، و تکرار از صفر هر ترم. NotebookLM محتوای تدریس اساتید را عوض نکرده. فقط زمان کارهای نامرئی را تغییر داده است.بررسی ادبیاتی که سه ماه وقت میگرفت. طرح درسی که دو هفته زمان میبرد. موادی مطالعهای که یک آخر هفته کامل تلف میشد. همه اینها هنوز کار فکری استاد است. NotebookLM فقط بخش دستی مقایسه ۵۰ فایل PDF ساعت ۱۱ شب را حذف کرده.دانشگاههایی که سریعتر حرکت میکنند، استاد را جایگزین نمیکنند. فقط زمانشان را به آنها برمیگردانند.این یک تغییر واقعی است. و همین حالا در حال رخ دادن است.
https://x.com/i/status/2035320092540514401
#هوش_مصنوعی #AI #NOTEBOOKLMسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
مرحله ۶: Deep Research برای بررسی ادبیات پژوهشیاین ویژگی بیشتر به کار اساتید پژوهشگر میآید. قابلیت Deep Research در NotebookLM به ابزار اجازه میدهد به صورت خودکار وب را جستجو کند، فهرست منابع بسازد و گزارش تحقیقاتی کاملاً ارجاعدار تولید کند. یکی از پژوهشگران دانشگاه پیتسبورگ گزارش داده که زمان آمادهسازی بررسی ادبیات خود را ۷۰ درصد کاهش داده است.گردش کار:← آپلود منابع موجود همراه با سؤال تحقیقاتی← اجرای Deep Research← NotebookLM جستجوهای وب را برنامهریزی میکند، شکافهای منابع را شناسایی میکند، مقالات جدید پیدا میکند و همه را در قالب یک گزارش ارجاعدار ترکیب میکندوالتر آیزاکسون، نویسنده برنده جایزه پولیتزر، از NotebookLM برای تحلیل ژورنالهای ماری کوری در نوشتن کتابش استفاده کرد. وقتی یک بیوگرافر در این سطح از ابزار استفاده میکند، نشاندهنده بلوغ واقعی آن است.
مرحله ۷: ادغام با Google Classroomاین آپدیت سال ۲۰۲۶ حلقه را برای اساتید تکمیل کرد. اکنون میتوان مستقیماً از داخل Google Classroom یک نوتبوک NotebookLM ایجاد کرد. با یک کلیک، تمام منابع اختصاصدادهشده به دانشجویان وارد نوتبوک میشود و دیگر نیازی به آپلود دستی دوباره نیست.نوتبوکها به صورت «فقط مشاهده» به دانشجویان اختصاص داده میشوند. دانشجویان تجربه کامل هوش مصنوعی را با دقیقاً همان منابعی دریافت میکنند که استاد تعیین کرده است. آنها میتوانند سؤال بپرسند، راهنمای مطالعه شخصی بسازند، Audio Overview اختصاصی اجرا کنند و فلشکارت تولید کنند. همه اینها بر پایه همان دانشی که استاد تنظیم کرده.استاد یکبار پایه دانش را میسازد. دانشجویان به هر شکلی که برای یادگیریشان مؤثرتر است با آن تعامل میکنند. این یعنی آموزش شخصیسازیشده در مقیاس بزرگ، بدون هیچ کار اضافی برای استاد بعد از راهاندازی اولیه.
خلاصه گردش کار کامل اساتیداین پشته کامل مستندشده توسط اساتید NYU، استنفورد، کیس وسترن، آریزونا استیت و Northeastern است:1. آپلود منابع: کل لیست خواندنیها، سیلابس و امتحانات گذشته در یک نوتبوک برای هر واحد2. نقشهبرداری: اجرای پرامپت نقشه برنامه درسی و دریافت توالی تدریس با ارجاعات3. طرح درس: تولید طرح درس جلسهبهجلسه برای هر کلاس4. بسته دانشجویی: تولید راهنما، فلشکارت و آزمون با یک کلیک5. Audio Overview: ساخت خروجی صوتی برای آمادگی دانشجویان قبل از هر کلاس6. Deep Research: بررسی ادبیات و شناسایی شکاف منابع7. اشتراکگذاری: ارسال نوتبوکها به دانشجویان از طریق Google Classroomسخن پایانیآنچه قبلاً یک تابستان کامل طول میکشید، اکنون در یک هفته انجام میشود. آنچه یک هفته زمان میبرد، حالا یک بعدازظهر.اساتیدی که زودتر این گردش کار را درک کنند، لزوماً کمتر کار نمیکنند. فقط تمرکزشان را روی بخشهایی میگذارند که واقعاً حضور انسان لازم دارد.سیستم دانشگاهی دههها با یک فرآیند تکراری کار میکرد: آپلود خواندنی، نوشتن جلسه درس، ساخت ارزیابی، و تکرار از صفر هر ترم. NotebookLM محتوای تدریس اساتید را عوض نکرده. فقط زمان کارهای نامرئی را تغییر داده است.بررسی ادبیاتی که سه ماه وقت میگرفت. طرح درسی که دو هفته زمان میبرد. موادی مطالعهای که یک آخر هفته کامل تلف میشد. همه اینها هنوز کار فکری استاد است. NotebookLM فقط بخش دستی مقایسه ۵۰ فایل PDF ساعت ۱۱ شب را حذف کرده.دانشگاههایی که سریعتر حرکت میکنند، استاد را جایگزین نمیکنند. فقط زمانشان را به آنها برمیگردانند.این یک تغییر واقعی است. و همین حالا در حال رخ دادن است.
https://x.com/i/status/2035320092540514401
#هوش_مصنوعی #AI #NOTEBOOKLMسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۱۸:۱۵
برای دوستانی که نیازمند نصب پکیجهای پایتون هستند :
پکیج های pypi، npm، داکرhttps://runflare.com/mirrors/
پکیج های پایتونhttps://icodeacademy.ir/python-packages/
کتاب رایگانhttps://icodeacademy.ir/library/
مخازن اوبونتو، دبیان، کالی روی شاتلhttps://mirror.shatel.ir/
مخزن ملی منابع متن بازhttps://repo-portal.ito.gov.ir/
میرور جامع دانشگاه صنعتی اصفهان از توزیع های لینوکسhttps://repo.iut.ac.ir/
داکر ریجستری مبین هاستhttps://docker.mobinhost.com/
یه cdn برای کتابخونه ها و فریم ورکhttps://lib.arvancloud.ir/
ابزارهای برنامه نویسی:ان پی ام میرور (npm mirror)https://runflare.com/mirrors/npm-mirror/
مخازن ابونتوhttps://mirror.shatel.ir/
ریپازیتوری لینوکسhttps://repo.iut.ac.ir/
میرور مایکتhttps://maven.myket.ir/
میرور مبین هاستhttps://mirror.mobinhost.com/
#هوش_مصنوعی #AI #پایتون #مخزنسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
#هوش_مصنوعی #AI #پایتون #مخزنسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۱۷:۰۸
باهم هر روز با یک پروتکل اینترنت اشیا و هوشمند سازی آشنا شویم
1. MQTT (Message Queuing Telemetry Transport)
*مدل ارتباطی:* Publish/Subscribe (Pub/Sub)
*لایهی حمل:* TCP (استاندارد)، WebSockets (برای مرورگرها)
*مدل پیامرسانی و قالب داده:* مدل کارگزار (Broker) مرکزی. پیامها دارای موضوع (Topic) هستند. پشتیبانی از قالبهای مختلف داده (JSON, Binary, Protobuf).
*سربار (Overhead):* بسیار پایین (Header حدوداً 2 بایت در حالت بهینه).
*مصرف انرژی:* بسیار بهینه، مناسب برای دستگاههای با باتری محدود.
*مقیاسپذیری:* بالا؛ کارگزاران (Brokers) مقیاسپذیر برای مدیریت میلیونها اتصال.
*کیفیت خدمات (QoS):*QoS 0: At most once (ارسال حداکثر یک بار)QoS 1: At least once (ارسال حداقل یک بار)QoS 2: Exactly once (ارسال دقیقاً یک بار)
*امنیت:* پشتیبانی از TLS/SSL برای رمزنگاری. احراز هویت مبتنی بر کاربر/گذرواژه یا گواهی.
*تشخیص و مدیریت دستگاه:* مستقیماً ندارد، اما با استفاده از “Last Will and Testament” (LWT) و تمهای اختصاصی میتوان وضعیت دستگاه را مانیتور کرد.
*کاربرد اصلی:* تلهمتری (Telemetry)، سنسورهای IoT، اتوماسیون خانگی، ارتباطات دستگاه به دستگاه (M2M) در مقیاس بزرگ.
*پیچیدگی پیادهسازی:* نسبتاً آسان. کتابخانههای فراوان برای اکثر زبانهای برنامهنویسی.
*اکوسیستم و پشتیبانی:* بسیار قوی و گسترده. جامعهی فعال، کارگزاران متنباز و تجاری متعدد (Mosquitto, HiveMQ, EMQX).
#پروتکل #اینترنت_اشیا #لایه_کاربرد #iot #mqtt #protocolسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
1. MQTT (Message Queuing Telemetry Transport)
#پروتکل #اینترنت_اشیا #لایه_کاربرد #iot #mqtt #protocolسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۸:۰۵
#هوش_مصنوعی #AI #اینترنت_ملیسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۸:۵۰
لینک های داخلی در دسترسhttps://darbaaz.ir/https://linkdooni.sitehttps://iran.ir/
#اینترنت_ملی #سایت_داخلیسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
#اینترنت_ملی #سایت_داخلیسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۸:۵۰
باهم هر روز با یک پروتکل اینترنت اشیا و هوشمند سازی آشنا شویم
2. CoAP (Constrained Application Protocol)
*مدل ارتباطی:* Request/Response (مشابه HTTP)، اما با امکانات Pub/Sub از طریق Observation.
*لایهی حمل:* UDP (استاندارد، برای شبکههای محدود)، DTLS (برای امنیت).
*مدل پیامرسانی و قالب داده:* پیامهای بسیار کوچک (Header حدوداً 4 بایت). پشتیبانی از قالبهای مختلف، به ویژه CBOR (Concise Binary Object Representation) که باینری و کارآمد است، و همچنین JSON.
*سربار (Overhead):* بسیار پایین، بهینه شده برای دستگاههای محدود.
*مصرف انرژی:* بسیار بهینه، ایدهآل برای دستگاههای با باتری محدود.
*مقیاسپذیری:* متوسط تا بالا؛ به دلیل استفاده از UDP، سربار کمتری دارد اما مدیریت اتصالات پیچیدهتر است.
*کیفیت خدمات (QoS):* دارای 4 سطح QoS (0, 1, 2, 3) بر پایه UDP.
*امنیت:* استفاده از DTLS (Datagram TLS) برای تأمین امنیت روی UDP.
*تشخیص و مدیریت دستگاه:* مستقیماً ندارد، اما اغلب با پروتکلهای دیگر (مانند LwM2M) برای مدیریت دستگاه ترکیب میشود.
*کاربرد اصلی:* دستگاههای IoT با منابع محدود (محدودیت توان، حافظه، پردازش)، سنسورها، شبکههای اتوماسیون صنعتی (IIoT) و خانگی.
*پیچیدگی پیادهسازی:* متوسط؛ نیاز به درک مفاهیم UDP و DTLS دارد.
*اکوسیستم و پشتیبانی:* خوب، اما به گستردگی MQTT نیست. کتابخانههایی برای زبانهای مختلف موجود است.
#پروتکل #اینترنت_اشیا #لایه_کاربرد #iot #COAP #protocolسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
2. CoAP (Constrained Application Protocol)
#پروتکل #اینترنت_اشیا #لایه_کاربرد #iot #COAP #protocolسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۶:۵۰
باهم هر روز با یک پروتکل اینترنت اشیا و هوشمند سازی آشنا شویم
3. AMQP (Advanced Message Queuing Protocol)
*مدل ارتباطی:* پیامرسانی مبتنی بر صف (Queue-based Messaging) و Publish/Subscribe. بسیار انعطافپذیر.لایهی حمل: TCP.
*مدل پیامرسانی و قالب داده:* پروتکل کامل برای مدیریت صفها، اکسچنجها (Exchanges)، و باندها (Binds). پشتیبانی از قالبهای متنوع داده.
*سربار (Overhead):* بالاتر از MQTT و CoAP، زیرا قابلیتهای بیشتری ارائه میدهد.
*مصرف انرژی:* کمتر بهینه نسبت به MQTT و CoAP، زیرا مبتنی بر TCP است و قابلیتهای بیشتری دارد.
*مقیاسپذیری:* بسیار بالا؛ طراحی شده برای سیستمهای پیامرسانی سازمانی با مقیاس بزرگ.
*کیفیت خدمات (QoS):* دارای مکانیزمهای قوی برای تضمین تحویل و تراکنشها.
*امنیت:* پشتیبانی از TLS/SSL. مکانیزمهای احراز هویت قوی.
*تشخیص و مدیریت دستگاه:* مستقیماً ندارد، اما اغلب در کنار پروتکلهای مدیریت دستگاه استفاده میشود.
*کاربرد اصلی:* پیامرسانی سازمانی، سیستمهای مالی، بانکداری، ارتباطات بین سرویسها (Microservices).
*پیچیدگی پیادهسازی:* بالا؛ پیادهسازی کامل AMQP پیچیدهتر است.
*اکوسیستم و پشتیبانی:* قوی در حوزهی پیامرسانی سازمانی (RabbitMQ, ActiveMQ).
#پروتکل #اینترنت_اشیا #لایه_کاربرد #iot #AMQP #protocolسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
3. AMQP (Advanced Message Queuing Protocol)
#پروتکل #اینترنت_اشیا #لایه_کاربرد #iot #AMQP #protocolسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۱۱:۲۸
بازارسال شده از سازمان مردم نهاد ترویج اینترنت اشیا و علوم داده
لینک های داخلی در دسترسhttps://darbaaz.ir/https://linkdooni.sitehttps://iran.ir/
#اینترنت_ملی #سایت_داخلیسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
#اینترنت_ملی #سایت_داخلیسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۱۰:۰۳
باهم هر روز با یک پروتکل اینترنت اشیا و هوشمند سازی آشنا شویم
4. XMPP (Extensible Messaging and Presence Protocol)
*مدل ارتباطی:* مبتنی بر XML، Client-Server و Peer-to-Peer (با استفاده از شبکههای Ad-hoc یا Mash). بیشتر برای چت و حضور (Presence).
*لایهی حمل:* TCP، WebSockets.
*مدل پیامرسانی و قالب داده:* مبتنی بر XML، انعطافپذیر با امکان تعریف افزونهها (XEPs).
*سربار (Overhead):* بالا به دلیل ماهیت XML.
*مصرف انرژی: کمتر بهینه نسبت به پروتکلهای باینری.
*مقیاسپذیری: متوسط؛ برای مقیاسهای بسیار بزرگ IoT چالشبرانگیز است.
*کیفیت خدمات (QoS):* ندارد؛ مبتنی بر TCP است.
*امنیت:* پشتیبانی از TLS/SSL.
*تشخیص و مدیریت دستگاه:* از طریق افزونههای XEP خاص IoT.
*کاربرد اصلی:* چت، پیامرسانی فوری، حضور، ارتباطات انسان به انسان (H2H) و دستگاه به دستگاه (M2M) در مقیاس متوسط.
*پیچیدگی پیادهسازی:* متوسط تا بالا؛ نیاز به آشنایی با XML و مفاهیم XMPP.
*اکوسیستم و پشتیبانی:* قوی در حوزهی پیامرسانی و چت (Jabber).
#پروتکل #اینترنت_اشیا #لایه_کاربرد #iot #XMPP #protocolسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
4. XMPP (Extensible Messaging and Presence Protocol)
#پروتکل #اینترنت_اشیا #لایه_کاربرد #iot #XMPP #protocolسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۱۰:۰۶
باهم هر روز با یک پروتکل اینترنت اشیا و هوشمند سازی آشنا شویم
5. LLAP (Logic Layer Access Protocol)
*مدل ارتباطی:* یک پروتکل اختصاصی مبتنی بر متن ساده (Plaintext).
*لایهی حمل:* TCP یا UDP.
*مدل پیامرسانی و قالب داده:* بسیار ساده، طراحی شده برای سادگی و کممصرف بودن.
*سربار (Overhead):* بسیار پایین.
*مصرف انرژی:* بسیار بهینه.
*مقیاسپذیری:* محدود؛ عمدتاً برای شبکههای خانگی کوچک.
*کیفیت خدمات (QoS):* ندارد.
*امنیت: ندارد؛* نیاز به لایههای امنیتی خارجی دارد.
*تشخیص و مدیریت دستگاه:* آسان.
*کاربرد اصلی:* سیستمهای اتوماسیون خانگی، به ویژه در اکوسیستم Home Assistant.
*پیچیدگی پیادهسازی:* بسیار آسان.
*اکوسیستم و پشتیبانی:* محدود به اکوسیستمهای خاص.
#پروتکل #اینترنت_اشیا #لایه_کاربرد #iot #LLAP #protocolسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
5. LLAP (Logic Layer Access Protocol)
#پروتکل #اینترنت_اشیا #لایه_کاربرد #iot #LLAP #protocolسازمان مردم نهاد ترویج اینترنت اشیا و علوم داده@iotds_ngo
۱۴:۱۲
شرکت آنتروپیک (Anthropic) دیروز به طور تصادفی تمام سورسکد (کد منبع) خود را لو داد. اتفاقاتی که بعد از آن افتاد، یکی از دیوانهوارترین داستانهای تاریخ تکنولوژی است.
آنتروپیک ساعت ۴ صبح یک آپدیت نرمافزاری برای «کلود کد» (Claude Code) منتشر کرد.
یک فایل دیباگ (عیبیابی) به طور تصادفی درون این آپدیت بستهبندی شده بود.
آن فایل حاوی ۵۱۲,۰۰۰ خط از سورسکد اختصاصی و محرمانه آنها بود.
محققی به نام «چائوفان شو» در عرض چند دقیقه متوجه آن شد و لینک دانلود را در شبکه اجتماعی X منتشر کرد.
۲۱ میلیون نفر آن رشتهتوییت را دیدند.
تمام پایگاه کد (Codebase) دانلود، کپی و در سراسر گیتهاب (GitHub) تکثیر شد، آن هم قبل از اینکه تیم آنتروپیک حتی از خواب بیدار شوند.
آنتروپیک پکیج را از دسترس خارج کرد و شروع به ارسال درخواستهای حذف (DMCA) برای هر مخزنی (Repo) کرد که میزبان کد بود.
همان زمان بود که یک توسعهدهنده کرهای به نام «سیگرید جین» ساعت ۴ صبح با صدای زنگ و پیامهای گوشیاش از خواب پرید.
او فعالترین کاربر «کلود کد» در جهان است؛ وال استریت ژورنال گزارش داده که او به تنهایی در سال گذشته ۲۵ میلیارد توکن مصرف کرده است.
دوستدخترش نگران بود که او فقط به خاطر داشتن این کدها در کامپیوترش، مورد پیگرد قانونی قرار بگیرد.
پس او کاری را انجام داد که هر مهندسی انجام میدهد.
او قبل از طلوع آفتاب، کل آن سیستم را از ابتدا به زبان پایتون بازنویسی کرد.
نام آن را claw-code گذاشت و در گیتهاب منتشر کرد.
از نظر قانونی، بازنویسی به زبان پایتون یک «اثر خلاقانه جدید» محسوب میشود و قانون کپیرایت (DMCA) نمیتواند به آن دست بزند.
این مخزن سریعتر از هر مخزن دیگری در تاریخ گیتهاب به ۳۰,۰۰۰ ستاره رسید.
او باز هم راضی نشد و شروع کرد به بازنویسی دوباره آن به زبان راست (Rust).
این پروژه اکنون ۴۹,۰۰۰ ستاره و ۵۶,۰۰۰ فورک (کپی) دارد.
یک نفر نسخه اصلی کدها را در یک پلتفرم غیرمتمرکز با این پیام منتشر کرد: «هرگز حذف نخواهد شد».
این کدها اکنون دائمی شدهاند. آنتروپیک دیگر نمیتواند آنها را بازپس بگیرد.
آنتروپیک سیستمی به نام «Undercover Mode» ساخته بود که دقیقاً برای جلوگیری از نشت اسرار داخلی توسط هوش مصنوعی کلود طراحی شده بود. اما بعد، خودشان سورسکد خودشان را لو دادند. چنین داستانی را حتی نمیشود تخیل کرد!https://x.com/Jeremybtc/status/2039077799643005198?s=20لینک گیت هابhttps://github.com/instructkr/claw-code
آنتروپیک ساعت ۴ صبح یک آپدیت نرمافزاری برای «کلود کد» (Claude Code) منتشر کرد.
یک فایل دیباگ (عیبیابی) به طور تصادفی درون این آپدیت بستهبندی شده بود.
آن فایل حاوی ۵۱۲,۰۰۰ خط از سورسکد اختصاصی و محرمانه آنها بود.
محققی به نام «چائوفان شو» در عرض چند دقیقه متوجه آن شد و لینک دانلود را در شبکه اجتماعی X منتشر کرد.
۲۱ میلیون نفر آن رشتهتوییت را دیدند.
تمام پایگاه کد (Codebase) دانلود، کپی و در سراسر گیتهاب (GitHub) تکثیر شد، آن هم قبل از اینکه تیم آنتروپیک حتی از خواب بیدار شوند.
آنتروپیک پکیج را از دسترس خارج کرد و شروع به ارسال درخواستهای حذف (DMCA) برای هر مخزنی (Repo) کرد که میزبان کد بود.
همان زمان بود که یک توسعهدهنده کرهای به نام «سیگرید جین» ساعت ۴ صبح با صدای زنگ و پیامهای گوشیاش از خواب پرید.
او فعالترین کاربر «کلود کد» در جهان است؛ وال استریت ژورنال گزارش داده که او به تنهایی در سال گذشته ۲۵ میلیارد توکن مصرف کرده است.
دوستدخترش نگران بود که او فقط به خاطر داشتن این کدها در کامپیوترش، مورد پیگرد قانونی قرار بگیرد.
پس او کاری را انجام داد که هر مهندسی انجام میدهد.
او قبل از طلوع آفتاب، کل آن سیستم را از ابتدا به زبان پایتون بازنویسی کرد.
نام آن را claw-code گذاشت و در گیتهاب منتشر کرد.
از نظر قانونی، بازنویسی به زبان پایتون یک «اثر خلاقانه جدید» محسوب میشود و قانون کپیرایت (DMCA) نمیتواند به آن دست بزند.
این مخزن سریعتر از هر مخزن دیگری در تاریخ گیتهاب به ۳۰,۰۰۰ ستاره رسید.
او باز هم راضی نشد و شروع کرد به بازنویسی دوباره آن به زبان راست (Rust).
این پروژه اکنون ۴۹,۰۰۰ ستاره و ۵۶,۰۰۰ فورک (کپی) دارد.
یک نفر نسخه اصلی کدها را در یک پلتفرم غیرمتمرکز با این پیام منتشر کرد: «هرگز حذف نخواهد شد».
این کدها اکنون دائمی شدهاند. آنتروپیک دیگر نمیتواند آنها را بازپس بگیرد.
آنتروپیک سیستمی به نام «Undercover Mode» ساخته بود که دقیقاً برای جلوگیری از نشت اسرار داخلی توسط هوش مصنوعی کلود طراحی شده بود. اما بعد، خودشان سورسکد خودشان را لو دادند. چنین داستانی را حتی نمیشود تخیل کرد!https://x.com/Jeremybtc/status/2039077799643005198?s=20لینک گیت هابhttps://github.com/instructkr/claw-code
۴:۴۹