متخصصان علم داده ها data scientists

↖️↙️پایگاه‌‌های داده‌ برداری
#VectorDatabases
#Databases
@toobabigdatascience

🐫°°°°🐪••••وضعیت زندگی مردم عربستان مشهور به اعراب بادیه‌نشین حدود ۷۰ سال پیش در سال ۱۹۴۸ میلادی!
مشاغل اصلی : #شتر‌چران
#بز‌چران
🐫این همه‌ی تمدن عربستان سعودی بوده و ظرف مدت ۷۰ سال! اکنون با #پترو‌دلار ها ، شاه سلمان و شاه قربان و شاه حیوان و....ساخته شده است🥴
#کشک_شتر
#پشم_شتر
#پشکل_شتر
در برابر تمدنی که زایشگاه تاریخ تمدن بشری بوده است
یعنی تمدن ایران❕
#عربستان
#نشنال‌جئوگرافی
#پاینده‌ایران
@toobabigdatascience

🎦جاسوسی بر روی چشمان شما
عینک‌های هوشمندِ متا

👀توماس فوکس، مسئول حفاظت از داده‌ها و آزادی اطلاعات در هامبورگ آلمان، فیلم‌برداری نامحسوس با عینک‌های هوشمند را "غیرقانونی" دانسته و در این زمینه هشدار داده است.

😎عینک‌های هوشمند شرکت متا به‌سختی از عینک‌های معمولی قابل تشخیص‌‌اند. اما مشکل اصلی این‌جاست که آن‌ها علاوه بر برخورداری از این ویژگی می‌توانند فیلم‌برداری و عکاسی هم بکنند، آن هم به شکلی کاملا نامحسوس و مخفیانه.

🧿تنها یک چراغ کوچک در حاشیه این عینک‌ها نشان می‌دهد که دستگاه در حال ضبط است؛ عینک‌هایی که استفاده از آن‌ها روز‌به‌روز بیش‌تر می‌شود.

#عینک_متا
#حفاظت_داده‌ها
@toobabigdatascience

متخصصان علم داده ها data scientists pinned «🏠🤖 مدل زبانی بزرگ محلی خودتان را راه‌اندازی کنید (مناسب برای مدل‌اولّی ها🫪) 🔥مدل‌های زبانی بزرگ جذاب‌اند، اما اجرای یک مدل محلی روی سیستم خودتان حس و حال دیگری دارد نه خبری از ابر است، نه کلید API، نه هیچ محدودیتی. 🧩 مرحله ۱: نصب اُلاما (Ollama) اُلاما…»

🏠🤖 مدل زبانی بزرگ محلی خودتان را راه‌اندازی کنید (مناسب برای مدل‌اولّی ها🫪)

🔥مدل‌های زبانی بزرگ جذاب‌اند، اما اجرای یک مدل محلی روی سیستم خودتان حس و حال دیگری دارد
نه خبری از ابر است، نه کلید API، نه هیچ محدودیتی.

🧩 مرحله ۱: نصب اُلاما (Ollama)
اُلاما را روی سیستم‌تان نصب کنید (در مک، ویندوز و لینوکس کار می‌کند).

بعد از نصب، ترمینال را باز کنید.

🚀 مرحله ۲: اجرای یک مدل

ollama run llama3.2

⚠️این دستور کارهای زیر را انجام می‌دهد:
• مدل را دانلود می‌کند
• آن را به‌صورت محلی راه‌اندازی می‌کند
• اجازه می‌دهد بلافاصله گفت‌وگو کنید 💬

❌اگر پرامپت (خط فرمان) را دیدید، یعنی مدل زبانی محلی‌تان در حال اجراست.

⚙️ مرحله ۳: استنتاج محلی به سبک API
اولاما یک سرور محلی روی سیستم شما اجرا می‌کند.

curl http://127.0.0.1:11434/api/generate \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama3.2",
    "prompt": "Explain overfitting like I am 12",
    "stream": false
  }'

❌اگر پاسخ JSON‌ای همراه با متن دریافت کردید → ✅ یعنی کار می‌کند.

چرا این روش فوق‌العاده است ⁉️
°شخصا امتحان شده و کار کرده
°بدون نیاز به اینترنت کار می‌کند
°به‌صورت پیش‌فرض کاملاً خصوصی است
°برای یادگیری، تست کردن و اپلیکیشن‌های کوچک عالی است

این شاید ساده‌ترین راه برای شروع کار با مدل‌های زبانی بزرگ به‌صورت محلی است.
#LLMs
#AI
@toobabigdatascience

🔥 آمریکا، کویت را آزاد کرد(از اشغال صدام‌حسین) و حالا دارد برای دفاع از آن در برابر ایران دست و پا می‌زند

🚨وال استریت ژورنال:
حملات ایران، کویت را از «پایگاه امن» آمریکا به خط مقدم تهدید تبدیل کرد؛ پنتاگون در حال بازنگری آرایش نیروهاست.

#وال‌استریت‌ژورنال
#الکویت 🤓
#جنگ
@toobabigdatascience

⚽️ جهان، به ساز ایران، برقص
#تنگه_هرمز
#پاینده‌ایران
@toobabigdatascience

https://www.anthropic.com/research/discovering-cryptographic-weaknesses

🤖 ‏ شناسایی حفره‌های رمزنگاری توسط Claude

🔬 ‏ شرکت Anthropic اعلام کرد مدل Claude Mythos Preview موفق به کشف ضعف‌های امنیتی در دو الگوریتم رمزنگاری شده است. این دستاورد نشان می‌دهد هوش مصنوعی به توانمندی خیره‌کننده‌ای در تحلیل‌های عمیق ریاضی دست یافته است.

⚡ ‏ در مورد اول، مدل به سراغ HAWK، کاندیدای NIST برای امضای دیجیتال پساکوانتومی رفت. طی ۶۰ ساعت، Claude توانست امنیت کلیدی کوچک را از سطح 2^64 به 2^38 کاهش دهد که پیشرفتی چشمگیر نسبت به بررسی‌های دو ساله انسانی است.

🧠 ‏ دومین پروژه مربوط به نسخه هفت راندی AES-128 است؛ جایی که مدل با ابداع تکنیکی جدید، سرعت حملات را بین ۲۰۰ تا ۸۰۰ برابر افزایش داد. لازم به ذکر است که نسخه کامل AES-128 دارای ۱۰ راند بوده و همچنان مقاوم است.

📊 ‏ نکته کلیدی، خودمختاری مدل است که به مطالعه مقالات، فرضیه‌سازی و اجرای آزمایش‌های پیچیده پرداخت.
#Cryptography
#AES
#ClaudeMythos
#HAWK
#NIST

🔥سنای آمریکا به طرح توقف جنگ علیه ایران رای منفی داد

❌مجلس سنای آمریکا با ۴۹ رای موافق در برابر ۵۰ رای مخالف، قطعنامه‌ای را که قرار بود از کمیته روابط خارجی سنا خارج شود و دونالد ترامپ، رئیس‌جمهور آمریکا را به توقف جنگ علیه ایران ملزم کند، مسدود کرد!

⭕️ تذکره‌تُن:
همانطور که قبلا هم اشاره شد، بین سنای امریکا و دولت آمریکا
همچنین بین جمهوری‌خواهان و دموکرات‌ها، هیچ تفاوتی وجود ندارد!
⚠️همه برای غارت دنیا، با هم،همدست اند و موافق ...
#جنگ
#پاینده‌ایران
@toobabigdatascience

🌐چشم‌انداز اقتصاد جهان چیست؟
نیمه‌ابری، با احتمال یک اشتباه بزرگ❗️
#اختصادی
#جنگ
#IMF
@toobabigdatascience

🧮A Master of the Traveling Salesperson Problem Finds His Own Path

https://www.linkedin.com/safety/go/?url=https%3A%2F%2Flnkd%2Ein%2FeiGxWP28&urlhash=6EaZ&mt=R_qr5Tg2PxDdA8-LZ-2z3hRFUXl1zq6bV_xj0jhvVpO56et-wifBZCZgH-CgFsyXpW6y9vcxSxZFrViLKgxWdRxzDec&isSdui=true

۴. بی‌طرف‌ها (Neutral)
سوئیس، اتریش، بخشی از کشورهای آفریقایی و آمریکای لاتین (برزیل، آفریقای‌جنوبی).
❌آنگاه...
هدف اصلی‌شان حفظ تجارت و امنیت انرژی است. اما در جنگ جهانی سوم مدرن، «بی‌طرفی مطلق» ممکن نیست؛ زیرا حملات سایبری و اختلال در ماهواره‌ها، شبکه‌های اینترنتی آن‌ها را نیز مختل خواهد کرد.

۵. جایگاه «جهان» (WORLD)
این عنوان نشان می‌دهد که کل کره زمین میدان جنگ است، نه فقط یک منطقه.
❌آنگاه... :
· اقتصاد: زنجیره تأمین جهانی (ریزتراشه، غذا، کود شیمیایی) طی ۷۲ ساعت اول قطع می‌شود و تورم افسارگسیخته رخ می‌دهد.
· هسته‌ای: با وجود این دسته‌بندی، جنگ تمام‌عیار آمریکا و روسیه به جنگ هسته‌ای محدود (تاکتیکی) ختم می‌شود، نه تبادل کلاهک‌های عظیم، چون هیچ‌کس «پیروز» مطلق نخواهد بود.
· نتیجه نهایی: جنگ جهانی یک جنگ سرد ورژن ۲.۰ با شعله‌های گرم منطقه‌ای است (اوکراین، خاورمیانه، دریای جنوبی چین) که در نهایت به پای میز مذاکره ختم می‌شود؛ زیرا دسته «Too Complicated» اجازه نمی‌دهد هیچ اردوگاهی به برتری قاطع دست یابد.
#WWIII
#جنگ_جهانی_سوم
@toobabigdatascience

☢اگر جنگ جهانی سوم آغاز شود؛ آنگاه•••
۱. اردوگاه غرب (Western-aligned)
آمریکا، بریتانیا، ناتو، ژاپن، کره‌جنوبی، استرالیا.
❌آنگاه... جنگ ترکیبی تمام‌عیار با بهانه دفاع از دموکراسی‌های لیبرال، کنترل اقیانوس‌ها و جنگ سایبری. تمرکز بر حفظ خطوط تدارکاتی و استفاده از بمب‌افکن‌های دوربرد، اما با احتیاط شدید برای جلوگیری از تقابل هسته‌ای.

۲. اردوگاه شرق (Eastern-aligned)
چین، روسیه، کره‌شمالی، ایران، بلاروس.
❌آنگاه... جنگ فرسایشی در زمین (مخصوصاً اروپای شرقی و تایوان). تکیه بر موشک‌های مافوق‌صوت، تحریم‌شکنی از طریق بلاک‌چین و ارزهای دیجیتال، و حمله به زیرساخت‌های انرژی غرب. پیروزی در این سناریو به معنای فروپاشی نظام تحریم‌هاست.
۳. دسته «بسیار پیچیده» (Too Complicated)
هند، ترکیه، عربستان، امارات، پاکستان.
❌آنگاه... مهم‌ترین متغیر جنگ اینجاست. این کشورها نه با غرب هم‌پیمان اند و نه با شرق؛ بلکه فرصت‌طلب عمل می‌کنند. مثلاً هند خرید نفت از روسیه را با همکاری نظامی با آمریکا تلفیق می‌کند. این دسته باعث می‌شود جنگ جهانی سوم برخلاف جنگ‌های قبلی، دوقطبیِ صرف نباشد و هر دو اردوگاه برای جذب آن‌ها امتیازهای کلان بدهند.
ادامه

❌ البته درک ما از نرم‌السازی دسته‌ای (Batch Normalization) در سال‌های اخیر تکامل پیدا کرده است. برخلاف باور عمومی، دلیل اصلی موفقیت آن، کاهش «تغییرپذیری توزیع داخلی» (Internal Covariate Shift) نیست (تحقیقات ۲۰۱۸ توسط Santurkar و همکاران این نظریه را نقض کرد).

🪔دلیل واقعی که شبکه‌های عمیق را ساده‌تر و سریع‌تر آموزش می‌دهد، به ۴ عامل کلیدی زیر بازمی‌گردد که دقیقاً همان وضعیتی را که در تصویر پست (همگرایی سریع و صاف در سمت راست در برابر نوسان شدید در سمت چپ) می‌بینیم، توضیح می‌دهد:

۱. هموارسازی چشم‌انداز تابع هزینه (Loss Landscape)
مهم‌ترین دستاورد BN این است که سطح خطا را هموار (Smooth) و لیپ‌شیتز (Lipschitz) می‌کند. به عبارت ریاضی، BN بزرگی گرادیان‌ها را محدود کرده و از تغییرات ناگهانی و شدید در تابع هزینه جلوگیری می‌کند. در نمودار سمت چپ (بدون BN)، سطح خطا ناهموار است، بنابراین الگوریتم به‌جای حرکت مستقیم به سمت کمینه، دچار نوسان (Oscillation) می‌شود. در سمت راست، سطح هموار شده و مسیر بهینه‌سازی مستقیم‌تر می‌شود.

۲. امکان استفاده از نرخ یادگیری بسیار بالاتر (Larger Learning Rates)
در شبکه‌های عمیق، فعال‌سازی لایه‌ها در ابتدای آموزش ممکن است بسیار بزرگ یا بسیار کوچک شود (انفجار یا محو شدگی گرادیان). BN با نرمال کردن داده‌ها به میانگین ۰ و واریانس ۱، این نوسانات مقیاس را حذف می‌کند. این ویژگی به بهینه‌ساز اجازه می‌دهد تا گام‌های بلندتر (Learning Rate بالاتر) بردارد بدون آنکه دچار واگرایی (Divergence) شود، در نتیجه همگرایی در نمودار راست بسیار سریع‌تر رخ می‌دهد.

۳. کاهش وابستگی شدید به مقدار اولیه وزن‌ها (Initialization)
بدون BN، شما مجبورید وزن‌ها را با دقت بسیار بالا مقداردهی کنید (مثلاً با روش‌های Xavier یا He). BN این وابستگی را از بین می‌برد. لایه‌های میانی دیگر «نگران» مقیاس ورودی لایه بعدی نیستند، زیرا BN این مقیاس را در هر مینی‌بچ بازتنظیم می‌کند. این یعنی شبکه عمیق‌تر بخشنده‌تر (Robust) نسبت به تنظیمات اولیه می‌شود.

۴. اثر نظم‌دهندگی ذاتی (Regularization)
هر مینی‌بچ دارای میانگین و واریانس متفاوتی است. BN از همین نویز آماری بهره می‌برد و مقداری اختلال (Noise) به فرآیند آموزش تزریق می‌کند. این اختلال مشابه اثر Dropout عمل کرده و از بیش‌برازش (Overfitting) جلوگیری می‌کند؛ هرچند این اثر جانبی بوده و دلیل اصلی سرعت آموزش نیست.

در تصویر ضمیمه این پست :
در سمت بدون BN, گرادیان‌ها رفتار غیرخطی و طغیان‌گر دارند و بهینه‌ساز مدام مسیر خود را اصلاح می‌کند. در سمت با BN ، ماتریس هِشین (Hessian) تابع هزینه خوش‌رفتارتر می‌شود. بنابراین، شبکه عمیق دیگر شبیه به رانندگی در جاده کوهستانی پرپیچ‌وخم نیست، بلکه شبیه به رانندگی در یک بزرگراه صاف است؛ جایی که می‌توانید پا را روی گاز بگذارید (نرخ یادگیری بالا) و سریع‌ترین مسیر را به مقصد (کمینه) طی کنید🤓/.
#BatchNormalization
#Regularization
#Overfitting
#ML
@toobabigdatascience

🕸چرا Batch Normalization , فرآیند یادگیری در شبکه های عمیق را آسانتر می‌کند؟

⭕️آموزش یک شبکه‌ی عمیق، شبیه به این می‌مونه که یک پیام رو بین بیست نفر دست به دست کنید. اگر هر کدوم از این افراد، یک کم به پیام اضافه یا کم کنند، تا وقتی به نفر آخر می‌رسه، پیام کاملاً عوض شده.

دقیقاً همین اتفاق توی شبکه‌های عصبی می‌افته❕
🕸با هر بار به‌روزرسانی لایه‌های اولیه، توزیع مقادیری که به لایه‌های بعدی می‌رسه، مدام تغییر می‌کنه. در نتیجه، هر لایه مجبوره که هی خودش را با شرایط جدید وفق بده.

نرمال‌سازی دسته‌ای (Batch Normalization) این مشکل را برطرف می‌کنه؛ به این شکل که در حین آموزش، هر دسته (مینی‌بچ) را نرمال می‌کند تا ورودی لایه‌های بعدی، توزیع پایداری‌تری داشته باشد.

🥨نتیجه‌؟
• همگرایی سریع‌تر
• امکان استفاده از نرخ یادگیری بالاتر
• وابستگی کمتر به مقداردهی اولیه‌ی وزن‌ها
• پایداری بیشتر در فرآیند آموزش

#BN
#Learning
#DL
@toobabigdatascience

https://l.euronews.com/HlEN

شایان اویسِ قرن برنده مدال آباکوس در ریاضیات و استاد دانشگاه واشینگتن امریکا:"خیلی سخت است به دولتی مالیات بدهید که روی سر مردم کشورتان بمب می‌ریزد!"

مساله ی #فروشنده_دوره‌گرد
#Mathematics
#شایان_اویس‌قرن
#Algorithms

⚠️تورمی به قدرت 💯 درصد ، سفره خانوارها را لرزاند
نقطه‌به‌نقطه در تیرماه ۱۴۰۵
سوال اساسی : آیا کنترل تورم و تثبیت قیمت‌ها ، اساسا دغدغه ی این دولت هست یا خیر⁉️
#گسل_اقتصادی
#اختصادی
#تورم
@toobabigdatascience

متخصصان علم داده ها data scientists pinned a file

📕گوگل منتشر کرد : آیا کیفیت داده‌های شما برای ورود به دنیای ایجنت‌های هوشمند مناسب است؟
Build your AI-ready data foundation

❌ قبل از ساخت یک AI Agent، زیرساخت داده‌های خود را آماده کنید

چون قدرت اینجنت‌های هوشمند مستقیما به کیفیت داده های شما وابسته است!

#AI
#DataQuality
@toobabigdatascience

🔥مگه تحصیل هم،میثلی یارانه بنزین و آب و برق و گاز و...است که فِس‌درصدش به محرومان و💯درصدش به برخورداران برسد؟
📊آمارها سخن می‌گویند:
⚠️سهم مستضعفان از قبولی دانشگاههای دولتی؛ فقط ۵ درصد/ آموزش رایگان دولتی در انحصار طبقات برخوردار

❌ گزارش وزارت رفاه نشان می‌دهد که فرصت تغییر جایگاه اجتماعی از طریق تحصیل، به‌شدت محدود شده است.

🆘 از میان بیش از ۵۰۰ هزار دانشجوی دانشگاه‌های دولتی، تنها ۵.۶ درصد یعنی حدود ۲۶ هزار نفر به سه دهک پایین درآمدی تعلق دارند.

💨🐄💨🫏••• در مقابل، نزدیک به ۶۰ درصد صندلی‌ها در اختیار سه دهک بالای درآمدی قرار گرفته است.

🍽 بخش بزرگی از دانشجویان کم‌درآمد نیز با چالش‌های جدی روبرو هستند

🍆تذکره‌تُن
این پست اصلا تذکره نمی‌خواهد!
سفره خالی از گوشت و مرغ و میوه ی محرومان🍽
امروز از تحصیل در دانشگاه‌های دولتی هم خالی شده!
اینها نه از آنور سهمیه دارند!
نه ازینور
تازه فکر کن قبول هم بشوند
اگر تازگی‌ها ازینها 🥚 خریده باشید که قیمت یک شانه اش از ۶۰۰ هزار تومن شروع می‌شود
و بخواهید یک شام دانشجویی با اینها 🍅 و روغن ۷۰۰ هزار تومنی میل کنید!
بر شما واضح و مبرهن می شود چه خبر است
@toobabigdatascience