TGViewer
Channel Public Channel
IT با طعم HIT | مهرداد حسن زاده

IT با طعم HIT | مهرداد حسن زاده

@hitwithit

این کانال به موضوعاتی درباره هوش مصنوعی و فناوری اطلاعات در سلامت و انفورماتیک پزشکی میپردازد. ایده ها ، دوره ها و اطلاعات مرتبط در این حوزه با شما دوستان به
اشتراک گذاشته می‌شود.
https://mehrdadhasanzade.ir
آیدی ادمین:
@zmehrdada(مهرداد حسن زاده)
Subscribers
1.64K
Photos
204
Videos
154
Links
296

Showing posts older than #733 · Back to latest

Older Posts 20 shown
Post #732 1.98K
چرا با بیشتر شدن دسترسی به ایجنت‌های برنامه‌نویسی، کوچک‌تر شدن تیم‌ها، و کم شدن فاصله تخصص، هنوز هم ساختن یک بیزینس مثل GapGPT و امثالهم هنوز چالش برانگیزه ؟

من این سؤال رو وقتی عمیق‌تر فهمیدم که پروژه‌ی عینک نابینایان رو توسعه می‌دادم.

اون موقع فکر می‌کردم وقتی محصول تموم بشه، عملاً کار اصلی هم تموم شده و فقط باید بره سمت فروش.
اما بعد از اتمام پروژه، وارد مرحله‌ای شدم که تازه فهمیدم چرا هر کسی نمی‌تونه استارتاپ یا بیزینس لانچ کنه.

البته واقعیت اینه که شرایط کشورمون خودش این مسیر رو چند برابر سخت‌تر و فرسایشی‌تر می‌کنه؛ چیزی که نمی‌شه انکارش کرد.
اما جدا از اون، ساختن یک محصول تازه فقط شروع ماجراست.
توی این عصر، که فاصله‌ی بین ایده تا ساخت خیلی کمتر شده، رقابت تازه از جایی شروع می‌شه که محصول آماده می‌شه.

چیزی که توی این مسیر برای من پررنگ‌تر شد، این‌ها بود:

- مهارت ارائه دادن و پرزنت کردن
- شبکه‌سازی واقعی
- ادامه دادن و بهتر کردن محصول
- مارکتینگ
- پیدا کردن مدل فروش مناسب برای بازار هدف
- و خلاقیت در فروش

بعد از رسانه‌ای شدن محصول، چند رقیب دیگه هم پیدا شدند.
و چیزی که باعث شد محصول ما هنوز هم سر پا بایسته، فقط «خوب بودنِ محصول» نبود؛
بلکه نوع پرزنت و اقدام به‌موقع برای فروش بود.

از اون طرف، توی این مسیر خیلی زود با یک واقعیت روبه‌رو شدم:
شبکه‌سازی، برخلاف چیزی که در ظاهر توی لینکدین و اینستاگرام دیده می‌شه، واقعاً می‌تونه مسیر رو چند برابر کوتاه‌تر کنه.
البته بین شبکه‌سازی و پارتی‌بازی تفاوت زیادی هست؛ و من متأسفانه‌ ( و خوشبختانه) هر دو رو از نزدیک لمس کردم و تفاوت‌شون رو کاملاً دیدم.

یه جاهایی، زودتر ارائه دادن و اولین بودن، رمز پیروزی بود.
یه جاهایی هم، بهتر بودن و یک قابلیت خاص داشتن، مسیر رو باز می‌کرد.

یکی از مهم‌ترین چیزهایی که توی این یک سال فهمیدم اینه که بیزینس و کارآفرینی، خیلی پیچیده‌تر از چیزیه که بیرون دیده می‌شه.
این مسیر صبر می‌خواد، حوصله‌ی دردسر می‌خواد، تحمل ابهام می‌خواد، و مهم‌تر از همه، تحمل ناپایداری.
و راستش محیط واقعی، خیلی با اون فضای گوگولیِ اینستاگرام، کتاب‌های رنگی‌پنگی، و شعارهای خوشگل لینکدینی فرق داره؛ مخصوصاً در بازار ایران.

گاهی حمایت‌ها فقط در حد حرف می‌مونن.
گاهی دایره‌ی ارتباطات، چیزی نیست که فکر می‌کردی.
حتی بعضی آدم‌ها که تصور می‌کردی در شبکه‌ات گاها کلاً جایگاهی برای حساب‌کردن ندارند.
و برعکس، گاهی یک آدم خیلی ساده — حتی کسی که اصلاً به چشم نمیاد — می‌تونه یک حلقه مهم از شبکه‌سازی رو برات بسازه.

چیزی که برای من کاملاً روشن شد اینه که همه آدم‌ها برای این مسیر ساخته نشدن.
این به معنی برتری یک گروه نسبت به گروه دیگه نیست.
بیشتر به این برمی‌گرده که هر کسی ارزش زندگیش رو کجا می‌بینه و می‌خواد وقت، انرژی و صبرش رو کجا خرج کنه.

یه نکته مهم دیگه‌ای هم که توی این مسیر یاد گرفتم، آشنایی با نظریه اقتضا بود.

خیلی از متدها و فرمول‌هایی که از پست‌های اینستاگرامی یا بعضی کتاب‌ها یاد گرفته بودم، با کلی ذوق روی بیزینس پیاده کرده بودم.
اما بعد دیدم آدم‌هایی وجود دارن که حتی ذره‌ای از این فرمول‌ها رو بلد نیستن، ولی راحت فروش دارن و خیلی سریع به درآمد بالا می‌رسن.

و از اون طرف، بعضی استارتاپ‌ها با اینکه همه‌چیزشون «درست» به نظر می‌رسه، تازه درگیر مذاکره و جذب سرمایه‌گذارند.

البته منظورم این نیست که این نکات بی‌فایده‌ان.
نه.
فقط می‌خوام بگم فرمول ثابت و قطعی‌ای برای موفقیت وجود نداره.
چون اگر چنین فرمولی وجود داشت، همه همون مسیر رو می‌رفتن و نتیجه هم معلوم بود.
بعضی از فرمول‌های اینستاگرامی و لینکدینی، حتی اگر علمی و مقاله‌محور هم باشند، الزاماً در دنیای واقعی جواب نمی‌دن.
و گاهی دقیقاً همون چیزی که فکر می‌کنی برای کارت جواب نمی‌ده، نقطه‌ی رشدت می‌شه.


➖➖➖➖➖➖
🔺 @hitwithit
🔻 مهرداد حسن زاده
  • ❤ 26
  • 🔥 1
Post #731 2.01K
میخوام یکم سبک کانال رو عوض کنم، فکر میکنم آماده ام تا یه سری تجربیاتم، حرفای دلی، روحیات و.... رو اینجا به اشتراک بزارم، قبلا یکم کمالگرایی و ترس قضاوت شدن بود، الان دیگه تقریباً هیچی نیست😀🤝


بنظرم اینکه صرفا یه سری پست با AI تولید بشه یا چندتا ابزار معرفی بشه، ارزشمند نیست، نکه نباشه ها ولی وقتی راحت با یه سرچ و پرسش از چت بات میتونید بهش دست پیدا کنید و اگرم تاحالا نکردین، شاید نیاز نبوده(البته یکم نقد وارده به این موضوع که حوصلش نیست و رد میشم) پس مسلما درستش اینه که سبک فعالیت بصورت تجربه باشه، تجربه از یک پروژه، محیط کاری، مقاله، پرزنت کردن، درس، استاد، کشور، و.....
خلاصه تصمیمم اینه برم سمت فعالیت مبتنی بر تجربه و شخصیت 🤝
  • ❤ 25
  • 👍 2
  • 💯 2
Post #730 1.91K
وقتی مدل فکر می‌کنه هر چیزی شبیه پنومونیه، پس حتماً پنومونیه! 😅 ( تجربه من از یک پروژه مقاله محور)

یه مدت قبل روی پروژه‌ای کار می‌کردم برای تشخیص پنومونی از روی تصاویر رادیولوژی قفسه سینه.
همه‌چیز از همون مسیر آشنای پروژه‌های دیپ‌لرنینگ شروع شد:
دیتاست رو دانلود کردم، تصاویر رو پیش‌پردازش کردم، مدل رو ساختم و آموزش دادم.

نتایج اولیه هم واقعاً خوب به نظر می‌رسید.
دقت مدل بالا بود و در نگاه اول می‌شد گفت: «خب، ظاهراً مدل پنومونی رو خوب یاد گرفته.»
اما اینجا دقیقاً همون جاییه که باید کمی شک کنیم!

چون دقت بالا لزوماً به این معنی نیست که مدل واقعاً خود بیماری رو فهمیده. ممکنه مدل فقط یک‌سری شباهت‌های تصویری رو یاد گرفته باشه.
مثلاً بعضی تغییراتی که در ریه‌ی بیمار مبتلا به پنومونی دیده می‌شن، ممکنه در بیماری‌های دیگه، مثل کووید-۱۹، هم وجود داشته باشن.
در این حالت، وقتی تصویر یک بیمار مبتلا به کووید رو به مدل می‌دیم، مدل ممکنه بگه:
😌این تصویر شبیه چیزهاییه که قبلاً با برچسب پنومونی دیدم؛ پس احتمالاً پنومونیه!در حالی که واقعیت چیز دیگه‌ایه.

اینجا بود که برای من یک سؤال جدی شکل گرفت:
آیا نباید علاوه بر تصویر، اطلاعات بیشتری از بیمار هم در اختیار مدل بذاریم؟
در دنیای واقعی، پزشک فقط به تصویر نگاه نمی‌کنه.
سن بیمار، علائم، سابقه بیماری، نتیجه آزمایش‌ها و توضیحات بالینی هم در تصمیم‌گیری نقش دارن.

پس تصمیم گرفتم ایده‌ی استفاده از چند نوع داده رو بررسی کنم.
برای این کار رفتم سراغ Functional API در Kerasو یک معماری چندورودی طراحی کردم.
در این معماری، مدل دو نوع اطلاعات دریافت می‌کنه:

1. تصویر رادیولوژی قفسه سینه
2. اطلاعات بالینی و متن‌های مرتبط با بیمار

این اطلاعات متنی می‌تونن از گزارش رادیولوژی یا فیلدهای متنی موجود در فایل‌های DICOM استخراج بشن.
یعنی مدل فقط قرار نیست تصویر رو ببینه؛
بلکه باید بتونه تصویر رو در کنار اطلاعات بالینی تفسیر کنه.
در ادامه، ویژگی‌های استخراج‌شده از تصویر و متن در بخشی از شبکه با هم ترکیب می‌شن و مدل بر اساس هر دو منبع داده تصمیم نهایی رو می‌گیره.

ایده ساده است:
اگر تصویر یک‌سری ویژگی‌های شبیه پنومونی داشته باشه، اما اطلاعات بالینی به بیماری دیگه‌ای اشاره کنن، مدل باید بتونه با احتیاط بیشتری تصمیم بگیره؛ نه اینکه صرفاً به خاطر شباهت تصویری، سریع برچسب پنومونی بزنه.

⁉️اما اینجا یک دام خیلی مهم وجود داره:
🚫Data Leakage🚫

اطلاعات متنی همیشه مفید نیستند. اگر داخل متن DICOM مستقیماً نوشته شده باشه که بیمار پنومونی داره، مدل ممکنه به جای یادگیری الگوی واقعی بیماری، فقط جواب رو از روی متن حفظ کنه!
در این حالت، مدل ظاهراً عملکرد فوق‌العاده‌ای داره، اما در واقع تقلب کرده 😄
برای همین باید چند نکته رو جدی بررسی کرد:

- آیا این اطلاعات در زمان استفاده‌ی واقعی از مدل هم در دسترس هستند؟
- آیا متن مستقیماً برچسب بیماری را لو می‌دهد؟
- آیا داده‌های آموزش و تست به شکل درستی جدا شده‌اند؟
- آیا تصاویر مربوط به یک بیمار، هم‌زمان در آموزش و تست قرار نگرفته‌اند؟
- آیا مدل روی بیمارستان‌ها، دستگاه‌ها و دیتاست‌های مختلف هم عملکرد قابل‌قبولی دارد؟
- اگر فقط تصویر را به مدل بدهیم چه نتیجه‌ای می‌گیریم؟
- اگر فقط اطلاعات متنی را بدهیم چطور؟
- و ترکیب هر دو ورودی واقعاً چقدر بهتر عمل می‌کند؟

این پروژه برای من یک نکته‌ی مهم داشت:

در هوش مصنوعی پزشکی، مدل خوب فقط مدلی نیست که Accuracy بالایی دارد.

مدل خوب مدلیه که برای تصمیمش به شواهد درست تکیه کنه.

گاهی برای بهتر کردن مدل لازم نیست فقط شبکه رو بزرگ‌تر کنیم، لایه‌های بیشتری اضافه کنیم یا تعداد Epochها رو بالا ببریم.

گاهی باید یک قدم عقب‌تر بریم و از خودمون بپرسیم:

> آیا مدل واقعاً مسئله‌ی پزشکی رو فهمیده، یا فقط یک میان‌بُر آماری پیدا کرده؟
استفاده از Functional API در Keras فقط برای وصل کردن چند ورودی به هم نیست. این قابلیت می‌تونه کمک کنه مدل‌هایی بسازیم که بیشتر شبیه فرآیند تصمیم‌گیری واقعی در پزشکی هستند؛ یعنی تصمیم‌گیری بر اساس ترکیبی از تصویر، علائم، گزارش و اطلاعات بالینی.

چون در پزشکی، هر چیزی که شبیه یک بیماری به نظر می‌رسه، الزاماً همون بیماری نیست.


✒️تجربه من از پروژه تشخص ۵ نوع ناهنجاری و کلاس های پنومونی در ریه کودکان با یادگیری عمیق

➖➖➖➖➖➖
🔺 @hitwithit
  • ❤ 16
  • 🔥 1
Post #728 1.78K
معرفی HAPI — ابزار کنترل ایجنت‌های کدنویسی از گوشی

اگه با ایجنت‌های کدنویسی مثل Claude Code، Codex یا Cursor کار می‌کنید، این‌رو از دست ندید.

ابزار HAPI یه اپ موبایله که می‌ذاره Sessionهای کدنویسی روی کامپیوترتون رو از گوشی ادامه بدید. دیگه لازم نیست برای هر تأیید یا تغییر کوچیک بدویید سمت لپ‌تاپ!

ویژگی ها:

🎤 با صدا دستور بده — توی مسیر، توی تاکسی، هر جا که هستی، فقط حرف بزن!

📂 همه چیز رو ببین — فایل‌ها، ترمینال و تغییرات پروژه‌ت رو مستقیم از گوشی چک کن

🔄 ؛Session رو ادامه بده — روی کامپیوتر شروع کن، توی گوشی تمومش کن (یا برعکس!)

✅ درخواست‌ها رو تأیید کن — وقتی ایجنت ازت مجوز می‌خواد، همون لحظه از گوشی جواب بده

💬 از تلگرام کنترل کن — بله، حتی لازم نیست اپ جدا باز کنی!

فقط کافیه بری به hapi.run و اپ رو دانلود کنی. راه‌اندازیش هم خیلی ساده‌ست.


➖➖➖➖➖➖➖➖➖➖
🔻 @hitwithit
✳️کانال انفورماتیک پزشکی و فناوری اطلاعات سلامت
  • 👍 7
  • ❤ 3
  • 🔥 1
Post #727 2.06K
یه سوتی وحشتناک از اپلیکیشنی که یکی از بچه ها با ایجنت نوشته بود دیدم...

فایل حاوی کلی API KEY هست!

من کد نویسی با ایجنت هارو هیچ وقت بد ندونستم، برای خیلی از مشتری ها خروجی فقط مهمه، خیلی هم سرعت رو زیاد می‌کنه، اینکه فاصله بین ایده و ساخت هم انقدر کم شده رو هم میپذیرم و مثبت میدونم. و خب اپلیکیشنش هم خوب کار میکرد، ولی خب مواظب چنین سوتی هایی باشید. بنظرم هرکاری که میخواید انجام بدید قبلش یه information Gathering جامع و کامل رو موضوع داشته باشید یا حداقل یه پرسش از همون مدل هوش مصنوعی بکنید که باگ های امنیتی مرسوم کدومان و به همون ایجنت بگید رفعش کنه. اگر چنین پروژه هایی با هدف کار صنعتی - تجاری پابلیک بشه، نتایج فاجعه باری داره، مخصوصا اگر پای نشت اطلاعات کاربر باشه.



پ ن : برای اون هایی که نفهمیدن سوتی چیه، فایل .env از سری فایل هایی هست که کلید API و گاها endpoint ها و برخی اطلاعات زیر ساختی در اون قرار داره و نباید در خود پروژه نگه داری بشه ولی این دوستمون این فایل رو درون خود اپلیکیشن قرار داده که با نرم افزار APK Editor قابل بازیابی هست.
➖➖➖➖➖➖
🔺 @hitwithit
  • ❤ 9
  • 👍 5
  • 😁 2
Post #726 2.03K
IT با طعم HIT | مهرداد حسن زاده Photo
1️⃣ ریپوی Hands-on LLMs: کتابش رو ول کن؛ توش کلی نوت‌بوک هست که همه چی رو پوشش داده، از مقدمات مدل‌های زبانی گرفته، تا آموزش و فاین‌تیون کردنشون. فصل ۷ که درباره دیپلوی و استقرار مدل‌هاست، خیلی به درد بخوره.

➖ ➖ ➖ ➖ ➖

2️⃣ ریپوی AI for Beginners: اسمش گول‌زنندس؛ اصلاً سطح مبتدی نیست، بیشتر می‌خوره به متوسط رو به بالا. یه ترکیب قشنگ از تئوری و تمرین عملی. درس ۸ که درباره الگوهای حافظه تو ایجنت‌هاست، بی‌نظیره.

➖ ➖ ➖ ➖ ➖

3️⃣ ریپوی Gen AI Agents: حدود ۹۰٪ش تئوریه، ۱۰٪ش کدی که واقعاً کار می‌کنه. ولی همون ۱۰٪ هم ارزش داره کلونش کنی و نگهش داری. به ساخت ایجنت‌های GenAI و آشنایی با ابزارها و APIهای مرتبط می‌پردازه.

➖ ➖ ➖ ➖ ➖

4️⃣ ریپوی Made with ML: بخش MLOps که همه معمولاً نادیده می‌گیرن رو پوشش می‌ده. چطور یه اپلیکیشن ML رو طراحی، توسعه، دیپلوی و بعدش بهبود و ارتقا بدی.

➖ ➖ ➖ ➖ ➖

5️⃣ ریپوی Prompt Engineering Guide: همه شروعش می‌کنن ولی بعد صفحه ۳ دیگه نمی‌خوننش. به‌جاش مستقیم برو سراغ تکنیک‌های پیشرفته‌ش.


✅یه مجموعه‌یِ کامل و پربار برای هر کسی که می‌خواد تو نوشتن پرامپت‌های موثر برای هوش مصنوعی استاد بشه! آموزش‌های عملی و قدم ‌به ‌قدم. مقاله‌ها و منابع تازه و به‌روز. ویدیوهای آموزشی و کاربردی.
➖➖➖➖➖➖➖➖➖➖
🔻 @hitwithit
✳️کانال انفورماتیک پزشکی و فناوری اطلاعات سلامت
  • ❤ 11
Post #724 2.08K
دوستان این لینک رو حتما ثبت نام کنید بهتون ۷۰ تا ۸۰ دلار اعتبار API و چت با مدل های هوش مصنوعی میده و میتونید به ایجنت های کدکس و کلاد و MiMo هم متصلش کنید.

تستش هم کردم فعلا که کاملا معتبره و کار میکنه

لینک ثبت نام:
Gorouter
gorouter.app New API Unified AI API gateway and admin dashboard.
  • ❤ 12
  • 👎 1
Post #723 2.25K
🟢سرویس سلامت‌محور ChatGPT Health برای تمامی کاربران آمریکا منتشر شد

🔹سرویس جدید ChatGPT Health با یکپارچه‌سازی سوابق پزشکی و داده‌های گجت‌های سلامت، امکان ارائه هشدار درباره مشکلات احتمالی و ارائه پاسخ‌های شخصی‌سازی‌شده را فراهم می‌کند. OpenAI مدعی است که قدرت استدلال آن در برخی موارد می‌تواند حتی از پزشکان هم بهتر باشد.

🔹این سرویس مبتنی بر مدل GPT-5.6 Sol است و با وجود عملکرد قوی در برخی آزمون‌های تشخیصی، جایگزین پزشک محسوب نمی‌شود. داده‌های کاربران به‌صورت رمزنگاری‌شده ذخیره شده و هم‌اکنون از طریق وب و اپ iOS با پشتیبانی از سرویس‌هایی مانند اپل Health در دسترس است.



➖➖➖➖➖➖➖➖➖➖
🔻 @hitwithit
✳️کانال انفورماتیک پزشکی و فناوری اطلاعات سلامت
  • ❤ 11
Post #722 2.66K
یه جوری بهت چرتو پرتو تحویل میده که فکر میکنی تو داری اشتباه می‌کنی!

هذیان گویی یا hallucinations در مدل های زبانی یه همچین چیزیه. حالا فکر کنید درباره موضوعی که ازش اطلاعات نداریم یا میخوایم برای اولین بار بخونیم و از مدل زبانی ای که اینطوری ریپ میزنه، استفاده کنیم چه شود!،
منو باش برای امتحاناتم از تو استفاده میکردم...

➖مدل را مجبور کن اگر مطمئن نیست بگوید «نمی‌دانم».
در پرامپت بنویس: «اگر شواهد کافی نداری، حدس نزن و صریح بگو نمی‌دانم.»
➖منبع یا استدلال بخواه.
بپرس: «این پاسخ بر چه منبع یا منطقی استوار است؟»
اگر نتواند توضیح منطقی بدهد، احتمال هذیان بیشتر است.
➖پاسخ را با چند منبع مستقل بررسی کن.
مخصوصاً برای اطلاعات پزشکی، حقوقی یا اخبار، یک منبع کافی نیست.
➖از مدل بخواه میزان اطمینانش را اعلام کند.
مثلاً: «برای هر ادعا درصد اطمینان و دلیلش را بنویس.»
این قطعی نیست، اما کمک می‌کند ادعاهای ضعیف را راحت‌تر تشخیص دهی.
➖سؤال را دقیق و محدود بپرس.
هرچه سؤال مبهم‌تر باشد، احتمال هذیان بیشتر می‌شود.
به‌جای «درباره سرطان بگو»، بپرس: «سه عامل
خطر سرطان ریه را طبق راهنمای WHO نام ببر.»

➖➖➖➖➖
🔴 @hitwithit
  • 😁 11
  • 👍 4
  • ❤ 2
  • 🔥 1
Post #721 2.34K
چند روزه دارم یه روش برای کدنویسی با AI امتحان می‌کنم که واقعاً از نتیجه‌ش خوشم اومده.
به جای اینکه یه مدل هم کد رو بنویسه هم تست‌ها رو، کار رو بین دو مدل تقسیم می‌کنم.
مدل اول فقط Test Caseها رو از روی نیازمندی‌ها می‌نویسه.
مدل دوم هم فقط توضیح فیچر رو می‌بینه و هیچ اطلاعی از تست‌ها نداره. بعد که کدش آماده شد، اجراش می‌کنم روی تست‌هایی که مدل اول نوشته.

چیزی که برام جالب بود اینه که خیلی وقت‌ها تست‌ها باگ‌ها یا Edge Caseهایی رو پیدا می‌کنن که مدل دوم اصلاً بهشون فکر نکرده.
به نظرم دلیلش اینه که وقتی مدل کدنویس تست‌ها رو نمی‌بینه، نمی‌تونه ناخودآگاه کدش رو برای پاس کردن همون تست‌ها تنظیم کنه. مجبور میشه واقعاً مسئله رو از روی نیازمندی‌ها حل کنه و تست‌ها هم نقش یه داور مستقل رو بازی می‌کنن.

برعکس، وقتی یه مدل هم کد رو می‌نویسه هم تست‌ها رو، معمولاً هر دو بر اساس یه سری فرض مشترک جلو میرن. نتیجه این میشه که همه تست‌ها سبز میشن، ولی ممکنه هنوز یه سری باگ یا سناریوی مهم اصلا تست نشده باشه.

فعلا این Workflow برای من نتیجه خوبی داشته و حس می‌کنم اعتمادم به کیفیت خروجی‌ها بیشتر شده.

➖➖➖➖➖➖
🔺 @hitwithit
  • 👍 10
  • ❤ 5
Post #720 2.37K
IT با طعم HIT | مهرداد حسن زاده اگر میخوای یه حوزه تخصصی رو در زمینه‌ی تکنولوژی شروع کنی و نمی‌دونی باید چه مسیری رو طی کنی سایت https://roadmap.sh/ برای توعه! ( شبیه چت جی پی تی جدیدن کپشن مینویسم!) این سایت یه مسیر کاربردی از یادگیری حوزه های برنامه نویسی و تکنولوژی رو بهتون با جزئیات…
آقا یه توصیه برادرانه از من، زبان رو جدی بگیرید، احساس میکنم تو سال ۲۰۲۶ اگر زبانتون خوب نباشه ۲۶ .... منظور اینکه زبان مهمه، اصلا دنیای ارتباطات، یادگیری چیزای بروز، مقالات، اولین دانش ها، خطاها و دیباگ، سیستم عامل، کد نویسی و.... همش به زبان گره خورده...

از اهمیت کار های کوچیک هم غافل نشید، شما روزی نیم ساعت زبان رو مستمر بخونی از ۲ ساعت در هفته یا ۱۰ ساعت در یک روز بهتره...
خلاصه که گفتم همه میگن ماهم بگیم🫳
  • ❤ 11
  • 👍 7
  • 👎 3
  • 👌 2
Post #719 2.38K
اگر میخوای یه حوزه تخصصی رو در زمینه‌ی تکنولوژی شروع کنی و نمی‌دونی باید چه مسیری رو طی کنی سایت https://roadmap.sh/ برای توعه! ( شبیه چت جی پی تی جدیدن کپشن مینویسم!)

این سایت یه مسیر کاربردی از یادگیری حوزه های برنامه نویسی و تکنولوژی رو بهتون با جزئیات و کورس های رایگان در یوتیوب لیست کرده که می‌تونه کاربردی باشه:

https://roadmap.sh/


➖➖➖➖➖
🔺 @hitwithit
roadmap.sh Developer Roadmaps - roadmap.sh Community driven roadmaps, articles and guides for developers to grow in their career.
  • ❤ 15
  • 👍 2
Post #718 2.09K
دسترسی به یوتیوب بدون فیلتر!

در پروژه زیر میتونید رو یوتیوب ویدیو ببینید بدون اینکه نیاز باشه از ابزار شکستن قند استفاده کنید! ( فیلترشکن خودمون دیگه، پلتفرم ایرانی نیستیم که سانسور کنیم)


https://fars-tube.ir/


➖➖➖➖➖
🔺 @hitwithit
  • 🔥 10
  • 👍 2
Post #717 2.19K
این پروژه هم بهتون کمک میکنه وایب کدینگ رو استارت بزنید، سریع و بدون دوره های الکی تو پاچه برو!

مطالب خلاصه که میتونید با چت جی پی تی بیشتر دربارشون بدونید و پرامپت های آماده و قوانین پرامپت نویسی که برای کد نویسی با ایجنت ها و زدن پروژه نیاز دارید:

https://52096.github.io/NoBootCamp/

وقتشه شروع کنید، تخصص داره فاصلش با شما کمتر میشه...
➖➖➖➖➖
🔺 @hitwithit
  • ❤ 14
  • 👍 3
Post #716 2.04K
معمولاً پروژه‌های شخصی من از یک ایده بزرگ شروع نمی‌شوند؛ از یک مشکل تکراری شروع می‌شوند. 🙂

چند وقتی بود موقع مطالعه مقاله‌ها، دیدن ویدئوهای آموزشی و حتی برنامه‌نویسی، مدام به دو مشکل برمی‌خوردم. هر بار یا باید چند ابزار مختلف را باز می‌کردم یا یک کار ساده را با کلی مرحله انجام می‌دادم. آخرش گفتم چرا خودم چیزی نسازم؟

نتیجه‌اش دو پروژه کوچک شد که تصمیم گرفتم به‌صورت Open Source منتشرشان کنم:

🔹 ScreenOCR
ابزاری سبک برای استخراج متن از هر بخش صفحه. فقط ناحیه موردنظر را انتخاب می‌کنید، متن با OCR استخراج می‌شود و مستقیماً در کلیپ‌بورد قرار می‌گیرد. برای زمانی که متن داخل تصویر، PDF، ویدئو یا هر جای دیگری از صفحه قابل کپی نیست، واقعاً کار را سریع‌تر می‌کند. البته این ابزار بیشتر برای لینوکس هست چون ویندوز این قابلیت رو بهتر هم داره😬 هرچند روی لینوکس هم ابزاری مثل Frog وجود داره، ولی برنامه من امکانات بیشتر، راحتی استفاده و پشتیبانی از زبان فارسی رو داره.

🔹 RCMIC
این پروژه را برای ساده‌تر شدن استفاده از میکروفون و مدیریت ورودی صوتی در سناریوهای مختلف ساختم. هدفش این بود که به‌جای درگیر شدن با تنظیمات تکراری، بتوانم سریع‌تر روی کاری که انجام می‌دهم تمرکز کنم. میتونید صحبت کنید و تایپ کنه یا یک فایل صوتی رو آپلود کنید تا متنشو بگیرید. بدون API از سمت خودتون و رایگان.

در نهایت با خودم گفتم شاید این ابزارها فقط به درد من نخورند؛ شاید برای افراد دیگری هم مفید باشند. به همین خاطر هر دو را روی GitHub به‌صورت متن‌باز منتشر کردم.

اگر از آن‌ها استفاده کردید یا ایده‌ای برای بهتر شدنشان دارید، خوشحال می‌شوم نظرتان را بدانم. مشارکت و Pull Request هم همیشه استقبال می‌شود. 🚀

پ ن : در حال بهبود و بهینه سازی ابزار هستم و اگر باگی پیدا شد ( که حتما هم میشه😬) گزارش بدید تا فیکس کنم.

📦 ScreenOCR
https://github.com/Mtgama/screenOCR

📦 RCMIC
https://github.com/Mtgama/rcmic

➖➖➖➖➖
🔺 @hitwithit
GitHub GitHub - Mtgama/screenOCR Contribute to Mtgama/screenOCR development by creating an account on GitHub.
  • 🔥 12
  • ❤ 8
  • 👏 2
  • 🏆 1
Post #715 2.09K
IT با طعم HIT | مهرداد حسن زاده من این دوره رو گذروندم و به شماهم توصیه میکنم. یادگیری مهندسی هوش مصنوعی و ساخت ایجنت های مبتنی بر LLM: https://github.com/ed-donner/llm_engineering من محتوای فایل هارو با چت جی پی تی میخوندم و سعی میکردم بیشتر تمرین کنم. اگر منظم پیگیری کنید در حدود 50…
یه توصیه دیگمم اینه که در ابتدا زیاد غرق در کد نویسی و سینتکس نشید سعی کنید یه concept کلی از هر فایل پیدا کنید و بفهمید هر ابزار برای چیه بعد کاربرد هر تابع و نحوه کارش رو یاد بگیرید. بعد یه حداقل بیسی از هر تابع رو با خوندن داکیومنت های هر ابزار پیاده سازی کنید تا اگر روزی دسترسی به چت بات نبود بتونید با حداقل ترین کانتکست ابزار رو بسازید. بعد میتونید پروژه های داخل دوره رو کمی به سمت پزشکی سوق بدید و با چت بات ها انجام بدید و یه ریویو روی کدتون داشته باشید بدون جزئی بینی الکی. هم تو اغلب شرکت هایی که کار کردم از LLM ها برای کد نویسی استفاده میکنن هم اغلب اساتیدم در دانشگاه. باید مهندسی کردن و رود مپ کلی هر کار رو بدونید این مهم تره بعد با ابزار های مختف از جمله ایجنت و LLM میتونید پروژه بزنید. توصیه نهاییم اینه که در ابتدا سعی کنید یه دید کلی داشته باشید و یه چیزی بسازید که یه خروجی داشته باشید بعد روی بهتر کردن وقت بزارید. اگر فرایند یادگیری های self-study خیلی طولانی بشه ، در وسط راه ول خواهید کرد. موفق باشید
  • ❤ 8
  • 🫡 7
  • 👍 6
Post #714 2.06K
من این دوره رو گذروندم و به شماهم توصیه میکنم. یادگیری مهندسی هوش مصنوعی و ساخت ایجنت های مبتنی بر LLM:

https://github.com/ed-donner/llm_engineering

من محتوای فایل هارو با چت جی پی تی میخوندم و سعی میکردم بیشتر تمرین کنم. اگر منظم پیگیری کنید در حدود 50 تا 60 روز میتونید به سطح خوبی از کار با LLM ها بصورت کاربردی برسید.
نحوه یادگیری self-study هست.

اگر نوع یادگیریتون با ویدیو هست میتونید این دوره رو با قیمت 64 هزار تومن از سایت https://git.ir/p/4z4l0 خریداری کنید. من توصیه نمیکنم چون هم ترجمه زیر نویس با هوش مصنوعی انجام شده هم اطلاعاتی که میده اغلب کلی و مبهم هست. بهترین کار اینه هر فایل موجود در weak(x) رو با همون چت بات ها مطالعه کنید و سعی کنید بفهمید هر کد در هر بخش چیکار میکنه و چه ابزاری رو توسعه میده. از functional calling با ساخت RAG و کار با langchain و gradio و مدل های ترنسفورمر در این دوره پشتیبانی شده

➖➖➖➖➖➖
🔴 @hitwithit
GitHub GitHub - ed-donner/llm_engineering: Repo to accompany my mastering LLM engineering course Repo to accompany my mastering LLM engineering course - ed-donner/llm_engineering
  • ❤ 19
  • 🔥 6
  • 👏 2
Post #712 1.55K
🔄🤖 راهنمای «مهندسی حلقه» منتشر شد؛ رویکردی جدید برای کار با عامل‌های هوش مصنوعی

یک مخزن جدید در GitHub با عنوان Loop Engineering منتشر شده که ایده متفاوتی را برای استفاده از عامل‌های هوش مصنوعی مطرح می‌کند.

📌 پیام اصلی این پروژه ساده است:


به‌جای اینکه دائماً برای عامل هوش مصنوعی پرامپت بنویسید، یک چرخه کاری (Loop) طراحی کنید تا عامل‌ها به‌صورت خودکار وظایف را انجام دهند، بررسی کنند، خطاها را اصلاح کنند و فقط در صورت نیاز، موضوع را به انسان ارجاع دهند.

امروزه بسیاری از کاربران هنوز ابزارهایی مانند Claude Code، Codex، Cursor یا Grok را به شکل سنتی استفاده می‌کنند:
✍️ پرامپت بنویس
⏳ منتظر پاسخ بمان
📋 خروجی را کپی کن
🛠 اصلاح کن
🔁 دوباره پرامپت بده...

اما در مهندسی حلقه، هدف این است که دیگر نقش «مراقب دائمی عامل» را نداشته باشید و به‌جای آن، یک سیستم خودکار طراحی کنید که بخش زیادی از این چرخه را بدون دخالت مستقیم شما مدیریت کند.

🧩 این مخزن شامل چرخه‌های آماده برای وظایفی مانند:


✅ بررسی روزانه پروژه‌ها (Daily Triage)
🔀 مدیریت Pull Requestها
⚙️ اجرای CI
📦 مدیریت وابستگی‌ها
📝 تولید Changelog
🐞 مدیریت Issueها

همچنین ابزارهای خط فرمان (CLI) برای ساخت چرخه‌ها، ارزیابی مصرف توکن، ممیزی مخزن و اجرای ایمن عامل‌ها از طریق GitHub Actions نیز در آن ارائه شده است.

💡 همان‌طور که نویسنده پروژه می‌گوید:


«مهندسی پرامپت درباره نوشتن پرامپت بهتر بود؛ اما مهندسی حلقه درباره ساخت سیستمی است که عامل‌های هوش مصنوعی بدون نیاز به نظارت مداوم شما به کار خود ادامه دهند.»

به نظر می‌رسد پس از Prompt Engineering، اکنون Loop Engineering می‌تواند یکی از مفاهیم مهم نسل بعدی توسعه نرم‌افزار مبتنی بر عامل‌های هوش مصنوعی باشد. 🚀

🔗 مخزن GitHub:
https://github.com/cobusgreyling/loop-engineering





➖➖➖➖➖➖➖➖➖➖
🔻 @hitwithit
✳️کانال انفورماتیک پزشکی و فناوری اطلاعات سلامت
GitHub GitHub - cobusgreyling/loop-engineering: Practical patterns, starters & CLI tools for loop engineering with AI coding agents. Design… Practical patterns, starters & CLI tools for loop engineering with AI coding agents. Design systems that prompt and orchestrate agents (inspired by Addy Osmani and Boris Cherny). Includes l...
  • ❤ 12
Post #711 1.94K
چرا بیشتر استادان دانشگاه، کارآفرین نمی‌شوند!

بر اساس مقاله: Entrepreneurial academics and academic entrepreneurs: A systematic literature review

لینک مقاله:
https://www.researchgate.net/publication/325164974_Entrepreneurial_academics_and_academic_entrepreneurs_A_systematic_literature_review


---

داستان استاد «دکتر رضایی»؛ کسی که یک ایده داشت اما یک شرکت نساخت...

در یک دانشگاه بزرگ، استادی به نام دکتر رضایی سال‌ها روی یک فناوری پزشکی کار کرده بود. شب‌ها مقاله می‌نوشت، آزمایش انجام می‌داد، دانشجو تربیت می‌کرد و هر سال چند مقاله علمی منتشر می‌کرد.

همه می‌گفتند:

«دکتر رضایی یکی از بهترین پژوهشگرهای دانشکده است.»

اما یک روز یکی از دانشجوهایش پرسید:

«استاد، این چیزی که ساختید می‌تواند به بیمارستان‌ها کمک کند. چرا تبدیلش نمی‌کنید به یک محصول؟ چرا یک شرکت نمی‌زنید؟»

دکتر رضایی لبخند زد و گفت:

«من استاد دانشگاه هستم، نه تاجر.»

و اینجا داستان اصلی شروع می‌شود...


---

سال‌ها دانشگاه‌ها یک تعریف مشخص از استاد داشتند:

یک استاد خوب کسی بود که:

مقاله چاپ کند،

درس بدهد،

پروژه پژوهشی بگیرد،

در جامعه علمی شناخته شود.


اما دنیا تغییر کرد.

جامعه دیگر فقط مقاله نمی‌خواست؛ می‌خواست دانش دانشگاه از آزمایشگاه بیرون بیاید و یک مشکل واقعی را حل کند.

مثلاً:

یک الگوریتم پزشکی تبدیل به نرم‌افزار شود،

یک کشف آزمایشگاهی تبدیل به درمان شود،

یک مدل هوش مصنوعی تبدیل به ابزار بالینی شود.


دانشگاه‌ها کم‌کم فهمیدند که باید «کارآفرین‌تر» شوند. اما یک مشکل وجود داشت:

قهرمان اصلی این تغییر، یعنی استاد دانشگاه، هنوز همان قوانین قدیمی را داشت.




---

چرا استادها کارآفرین نمی‌شوند؟

داستان دکتر رضایی فقط داستان یک نفر نیست. مقاله می‌گوید چند مانع بزرگ وجود دارد:

۱. سیستم پاداش دانشگاه

در دانشگاه به استاد برای مقاله، citation و پروژه امتیاز می‌دهند.

اما اگر استاد یک محصول بسازد یا با صنعت همکاری کند، خیلی وقت‌ها همان ارزش را ندارد.

یعنی استاد با خودش حساب می‌کند:

«اگر ۶ ماه وقت بگذارم شرکت بسازم، شاید ارتقای علمی نگیرم؛ ولی اگر مقاله بنویسم، مسیرم مشخص است.»




---

۲. دو دنیا با دو زبان متفاوت

استاد دانشگاه با زبان علم صحبت می‌کند:

«نوآوری، روش تحقیق، اعتبار علمی.»

بازار با زبان دیگری حرف می‌زند:

«مشتری، درآمد، نیاز واقعی.»

خیلی از استادها ایده عالی دارند، ولی مسیر تبدیل ایده به محصول را بلد نیستند.

مثل کسی که موتور یک ماشین را عالی می‌شناسد، ولی رانندگی در خیابان را تجربه نکرده.


---

۳. ترس از تغییر هویت

یک استاد سال‌ها خودش را «دانشمند» تعریف کرده.

وقتی وارد کسب‌وکار می‌شود، انگار وارد زمین ناشناخته‌ای شده:

«آیا هنوز یک پژوهشگر هستم؟ یا تبدیل شدم به یک تاجر؟»

مقاله می‌گوید اینجا دو مدل استاد شکل می‌گیرد:


---

مدل اول: استاد کارآفرین (Entrepreneurial Academic)

این فرد الزاماً شرکت نمی‌زند.

مثلاً:

با یک شرکت همکاری می‌کند،

مشاوره می‌دهد،

پروژه مشترک انجام می‌دهد،

دانشجو را وارد مسائل واقعی صنعت می‌کند.


یعنی دانشش را به جامعه وصل می‌کند.


---

مدل دوم: کارآفرین دانشگاهی (Academic Entrepreneur)

این همان استاد معروفی است که:

اختراع ثبت می‌کند،

شرکت دانش‌بنیان می‌زند،

فناوری دانشگاه را تجاری می‌کند.


مثل یک استاد که الگوریتم هوش مصنوعی خود را تبدیل به یک محصول پزشکی می‌کند.




---

اما استاد موفق چه چیزی فهمیده؟

استادهای موفق فهمیده‌اند که دانشگاه و صنعت دشمن هم نیستند.

دانشگاه می‌تواند کارخانه ایده باشد.

صنعت می‌تواند مسیر رسیدن آن ایده به مردم باشد.

یکی بدون دیگری ناقص است.


---

آخر داستان دکتر رضایی...

چند سال بعد، همان دانشجو برگشت و دید استادش هنوز در دانشگاه است، اما این بار یک تفاوت وجود داشت.

کنار دفترش نوشته بود:

«آزمایشگاه نوآوری پزشکی»

او شرکت بزرگی نزده بود؛ اما چند پروژه صنعتی داشت، دانشجوهایش روی مشکلات واقعی کار می‌کردند و تحقیقاتش به زندگی مردم رسیده بود.

او فهمیده بود:

استاد بودن و کارآفرین بودن دو نقش متضاد نیستند؛ مشکل این است که سیستم دانشگاه همیشه راه وصل کردن این دو را بلد نبوده است.

پ ن:البته داستان در ایران کمی متفاوت هست، شرایط و روند بازار هم قطعا تاثیر گذار هست...

➖➖➖➖➖
🔺 @hitwithit
ResearchGate (PDF) Entrepreneurial academics and academic entrepreneurs: A systematic literature review PDF | Universities are now viewed as key economic actors within regions and are central actors in shaping and influencing entrepreneurial ecosystems.... | Find, read and cite all the research you need on ResearchGate
  • 👍 13
  • ❤ 8
Older posts →
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →