TGViewer
Channel Public Channel
متخصصان علم داده ها data scientists

متخصصان علم داده ها data scientists

@toobabigdatascience

ارتباط با ادمین @IDataScientist
صفحه لینکدین
https://www.linkedin.com/groups/6728779/
Subscribers
1.43K
Photos
1.6K
Videos
253
Links
503

Showing posts older than #3046 · Back to latest

Older Posts 17 shown
Post #3044 109
⚠️هشدار چین به آمریکا درباره تحریم‌های جدید ایران

🔥 پکن نسبت به اقدامات متقابل در برابر گسترش تحریم‌های ثانویه آمریکا علیه ایران هشدار داد.

🎎 دولت چین در صورت هدف قرار گرفتن شرکت‌های خود، دست به واکنش قاطع خواهد زد.

💵 تحریم‌های جدید واشنگتن مستقیما پالایشگاه‌های بخش خصوصی چین را هدف گرفته است.

🛢 این تنش درست یک ماه پیش از دیدار برنامه‌ریزی‌شده دونالد ترامپ و شی جینپینگ در واشنگتن رخ می‌دهد.

#اختصادی
#تحریم
#محاصره
#جنگ
#پاینده‌ایران
@toobabigdatascience
  • 👏 1
  • 😴 1
Post #3043 110
How Much of the Web Is AI-Written? Pew 2026 | Truescho
https://truescho.com/en/blog/pew-ai-web-content-study

🤖استفاده از خط فاصلهٔ بلند یا Em Dash(موردعلاقهٔ هوش مصنوعی) در وب (به ازای هر ۱۰٬۰۰۰ کلمه) :

۲۰۲۳: ۶ بار
۲۰۲۶: ۱۱٫۵ بار
منبع: مرکز تحقیقات پیو

⭕️این افزایش تقریباً دوبرابری در بازهٔ تنها سه سال، نشان‌دهندهٔ نفوذ روزافزون محتوای تولیدشده توسط هوش مصنوعی در فضای مجازی است. خط فاصلهٔ بلند («—») که در نگارش سنتی فارسی و انگلیسی کمتر کاربرد دارد، به‌دلیل نقشی که در ایجاد مکث، تأکید و جملات اعتراضی دارد، به‌طور طبیعی در خروجی مدل‌های زبانی بزرگ مانند GPT پرتکرار می‌شود.

⭕️اگر این روند صعودی ادامه یابد، تا سال ۲۰۲۸ ممکن است این نرخ به بیش از ۲۰ بار در هر ۱۰٬۰۰۰ کلمه برسد. این مسئله دو پیامد مهم دارد:
●نخست، تشخیص متون انسانی از ماشینی را برای پژوهشگران آسان‌تر می‌کند (چرا که انسان‌ها معمولاً از ویرگول یا پرانتز به جای خط فاصلهٔ بلند استفاده می‌کنند).

●دوم، سبک نگارش در وب به‌تدریج دگرگون خواهد شد و ممکن است نسل جدیدی از نویسندگان انسانی نیز این الگو را تقلید کنند. در نتیجه، خط فاصلهٔ بلند به یک شاخص سبک‌شناختی عصر دیجیتال تبدیل می‌شود؛ چه هوش مصنوعی آن را بنویسد و چه انسان.

#AIWRITTEN
#AI
#EmDash
@toobabigdatascience
Truescho How Much of the Web Is AI-Written? Pew 2026 Pew analyzed 490,000 webpages (Aug 20, 2026): ~10% of .com pages show AI-writing signs vs ~1% on .edu and .gov — nine times the pre-ChatGPT baseline.
  • 👏 1
Post #3042 112
#اختصادی :
بیش از ۶۹ میلیون نفر در کشور،خودرو شخصی ندارند!
و بنده شک ندارم که با این وضعیت قیمت‌سازی در خودرو‌سازان داخلی، دیگر هم مالک خودرو نخواهند شد!
⭕️ #مالکیت باعث می‌شود، نظرات مالک نسبت به نظرات اکثریت مردم که مالک نیستند، ۱۸۰ درجه تفاوت داشته باشد!
مثل مالکیتِ خانه و زمین و...
که نمی‌گذارد قانون مالیات خانه‌های خالی اجرایی شود بطور کامل!
❌مصیبت اینجاست که ۹۰ درصد تصمیم‌گیران!، خود، #مالک اند آنهم از نوع مرغوبش...

#قانون_مالک‌پسند
#مالک_و_مستاجر
#خودرو_شخصی
#گسل_طبقاتی
@toobabigdatascience
  • 👍 1
Post #3041 115
متخصصان علم داده ها data scientists 🔥حمله به H3[ پایگاه هوایی عراق] را فراموش کنید حمله به S7 را دریابید! هکرهای ایرانی حملات علیه کنترل‌گرهای زیمنس S7 را خودکار می‌کنند ⚠️سه سازمان NSA، CISA و FBI هشدار مشترکی صادر کرده‌اند که گروه‌های هکری ایران اکنون از هوش مصنوعی برای تولید اسکریپت‌های…
در حمل‌ونقل، این کنترل‌گرها نقش مغز متفکر اتوماتیک را ایفا می‌کنند و وظیفه هماهنگی و کنترل دقیق زیرساخت‌های حیاتی را بر عهده دارند. کاربردهای اصلی آن‌ها به این شرح است:

· 🚆 کنترل راه‌آهن و قطار: مدیریت علائم راه‌آهن یا #سیگنالینگ ریلی : سوزن‌ها (برای تغییر مسیر)، و سیستم‌های تشخیص اشغال بودن ریل برای جلوگیری از برخورد قطارها . در پروژه‌های پیشرفته مانند مترو ملبورن، از این کنترل‌گرها برای مدیریت سیستم‌های تهویه تونل در شرایط اضطراری (مثل آتش‌سوزی) استفاده می‌شود تا جان مسافران حفظ شود .
· ✈️ مدیریت فرودگاه‌ها: یکی از حیاتی‌ترین کاربردها، سیستم‌های حمل‌ونقل بار (Baggage Handling) است. برای نمونه، در فرودگاه پکن، ۹۲ عدد از این کنترل‌گرها، ۶۸ کیلومتر نوار نقاله را مدیریت می‌کنند تا چمدان‌ها به‌سرعت به دست مسافران برسد . همچنین برای کنترل پل‌های اتصال مسافران به هواپیما و سیستم‌های روشنایی باند فرودگاه کاربرد دارند .
· 🏢 لجستیک و انبارها: در انبارهای بزرگ و فرودگاه‌ها، از این کنترل‌گرها برای هدایت ربات‌های حمل‌ونقل ریلی (RGV) استفاده می‌شود که کالاها را به‌صورت کاملاً خودکار جابه‌جا می‌کنند .

⭕️مطالعاتِ موردی🤓:

🚆 پروژه کریدور مرکزی مینیاپولیس: در این پروژه، از سیستم Sicas® S7 زیمنس، که یک سیستم قفل‌کننده مرکزی یعنی اینترلاکینگ (Interlocking) پیشرفته است، برای طراحی و مهندسی سیستم علامت‌دهی(سیگنال دادن) استفاده شده است. Sicas S7 یک پلتفرم تخصصی برای بازار آمریکای شمالی است و به‌طور خاص برای هماهنگ‌سازی مسیر قطارها و افزایش ایمنی در تقاطع‌ها طراحی شده است .

⚠️مثال : حالا تصور کنید در حالیکه یک قطار در بلاک است و بلاک هنوز کلی‌یِر نشده سیگنال روبروی قطار دیگر را که قرمز است! سبز کنید و بوممممب! قطارها با هم شاخ‌بشاخ بشوند...

· 🛡️ پیاده‌سازی سیستم PTC (کنترل مثبت قطار): این سیستم که برای افزایش ایمنی و جلوگیری از برخورد و خروج قطار از ریل در سراسر آمریکا اجباری شده است، نمونه‌ای بارز از کاربرد کنترلرهای صنعتی است. زیمنس در این حوزه با ارائه راه‌حل‌های سیگنال‌دهی و کنترل نقش کلیدی ایفا کرده است .

· 💻 مرکز خدمات دیجیتال لوکوموتیو در دلاور: در این مرکز، از داده‌های ارسالی از تجهیزات کنترلی لوکوموتیوها (که شامل کنترلرهای رده S7 است) برای نظارت بر سلامت تجهیزات و انجام تعمیرات پیش‌بینی‌کننده استفاده می‌شود. این یعنی با تحلیل بیش از ۸۰۰ نقطه داده از هر لوکوموتیو در روز، می‌توان پیش از بروز مشکل، نسبت به تعمیر آن اقدام کرد .

🔥در مجموع، اهمیت کنترلرهای سری S7 و سیستم‌های مشابه، بمثابه اهمیت مغز متفکر در پروژه‌های ریلی آمریکا‌ست .
از مدیریت ترافیک و مسیر قطارها در پروژه‌ای مانند مینیاپولیس گرفته تا پیاده‌سازی سیستم‌های ایمنی حیاتی PTC در سطح ملی و همچنین پیش‌بینی خرابی‌ها....

فقط تصور‌کن چه خواهد شد...🤓

#S7
#Interlocking
#Vulnerabilities
#Hack
#SicasS7
#RailwaySignaling
#جنگ
#پاینده‌ایران
@toobabigdatascience
  • 🤔 1
Post #3040 94
🔥حمله به H3[ پایگاه هوایی عراق] را فراموش کنید
حمله به S7 را دریابید!


هکرهای ایرانی حملات علیه کنترل‌گرهای زیمنس S7 را خودکار می‌کنند

⚠️سه سازمان NSA، CISA و FBI هشدار مشترکی صادر کرده‌اند که گروه‌های هکری ایران اکنون از هوش مصنوعی برای تولید اسکریپت‌های بهره‌برداری (اکسپلویت) targeting کنترل‌گرهای زیمنس S7 استفاده می‌کنند. این #تحول، سدّ مقابله ی فنی در برابر حملات سایبری به زیرساخت‌های حیاتی را به‌شدت پایین آورده است!

🕸کنترلرهای S7 زیمنس چه اهمیتی دارند؟

کنترل‌گرهای S7 زیمنس (که با نام Programmable Logic Controller یا PLC نیز شناخته می‌شوند)، مغز متفکر اتوماتیکِ زیرساخت‌های حیاتی هستند


. وظیفهٔ اصلی آن‌ها، کنترل فرایندهای فیزیکی در صنایع گوناگون است؛ مانند:

· آب و فاضلاب: کنترل پمپ‌ها، شیرآلات و فرایندهای تصفیه.
· انرژی و نیرو: مدیریت شبکه‌های برق و فرایندهای پالایشگاه‌ها.
· تولید و کارخانجات: هدایت خطوط مونتاژ، ربات‌ها و ماشین‌آلات.
· ساختمان‌های بزرگ: مدیریت سیستم‌های تهویه و کنترل تردد (مثلاً در بیمارستان‌ها).

و البته : در حمل‌و‌نقل بالاخص:
.حمل و نقل ریلی

🚨اهمیت فوق‌العادهٔ آن‌ها به دو دلیل اصلی است:

۱. نقش حیاتی در زیرساخت‌ها
این کنترل‌گرها، قلب تپندهٔ سامانه‌هایی هستند که حیات روزمره و امنیت ملی به آن‌ها وابسته است. هرگونه اختلال در عملکرد آن‌ها می‌تواند مستقیماً به قطعی آب و برق، بروز حوادث ایمنی (مانند انفجار یا نشت مواد شیمیایی)، یا توقف کامل خطوط تولید منجر شود. هدف آن‌ها ایجاد یک «اتوماسیون یکپارچه» (Totally Integrated Automation - TIA) است تا تمام اجزای یک کارخانه به‌صورت هماهنگ با یکدیگر کار کنند.

۲. پیچیدگی و ارزش راهبردی
نفوذ به این تجهیزات در گذشته نیازمند ماه‌ها مهندسی معکوس و دانش عمیق از پروتکل‌های اختصاصی آن‌ها بود. به‌همین دلیل، این کنترل‌گرها همواره هدفی راهبردی برای حملات سایبری محسوب می‌شوند؛ چراکه با نفوذ به آن‌ها، مهاجم می‌تواند مستقیماً بر دنیای فیزیکی تأثیر بگذارد. به‌روزرسانی و محافظت از آن‌ها در برابر تهدیدات سایبری، به یکی از چالش‌های اصلی اپراتورها تبدیل شده است.

🤖ایران، چشم‌انداز تهدیدها را در عمل با موفقیت تغییر می‌دهد

⭕️با خودکارسازی فرایند کشف و بهره‌برداری از آسیب‌پذیری‌ها، مهاجمان دیگر نیازی به صرف هفته‌ها زمان برای مهندسی معکوس دستی ندارند؛ بلکه کافی است مشخصات معماری سامانه را در اختیار مدل‌های هوش مصنوعی قرار دهند تا کد بهره‌برداریِ عملیاتی دریافت کنند. این موضوع، چشم‌انداز تهدید را از یک فعالیت فوق‌تخصصی به یک گردش‌کار خودکار و کارآمد تبدیل کرده، به‌گونه‌ای که حتی گروه‌های با مهارت پایین نیز می‌توانند به بخش‌های حیاتی مانند آب، انرژی و تولید حمله کنند.

🔥دولت تروریست آمریکا! به‌ویژه تأکید کرده که این بازیگران به‌طور فعال از ابزارهای هوش مصنوعی برای آزمایش دفاعیات سامانه‌های صنعتی استفاده می‌کنند. پیش‌تر، نفوذ به این کنترل‌گرها نیازمند درک عمیق از پروتکل‌های اختصاصی و ماه‌ها تحقیق بود؛ اما اکنون این بازهٔ زمانی به صفر رسیده و امکان آزمون‌های مکرر و سریع در برابر اقدامات دفاعی فراهم شده است. این وضعیت، اپراتورها را مجبور می‌کند که چرخهٔ به‌روزرسانی امنیتی خود را شتاب بخشند، چرا که اکنون با تهدیدی روبه‌رو هستند که به‌مراتب سریع‌تر از بروزرسانی‌های سنتی امنیتی، تکرار و تکامل می‌یابد.

#تذکره‌تُن :
وقتی غیرنظامیان یک کشور را با محاصره اقتصادی و تحریم‌هایی که هدف‌شان نسل‌کشی ست تحت فشار قرار بدهید
هر پاسخ و هر رفتاری از طرف آن کشور، نه تنها غیر‌عادی و عجیب نیست بلکه:
دفاعی مشروع و شرافت‌مندانه و لازم و واجب بر هر انسان آزاده‌ای ست که با هر اقدامی که در توان دارد با این اقدام جنایتکارانه مقابله کند
وگرنه تا صد نسلِ بعد ایرانی، باید زیر بار ذلت و اشغال علنی کشور زندگی کند
#پاینده‌ایران
#جنگ
#تحریم
#نسل‌کشی
#TIA
#S7
#PLCs
@toobabigdatascience
  • 👏 1
Post #3039 102
💶 #اختصادی :

⭕️‏وام جدید بانک مسکن به تهرانی ها دو میلیاردِ تومان
۲ میلیارد میده ، ۵.۸ میلیارد میگیره!

#نزولخوران_شرعی
#مسکن
#تورم
#وام_مسکن
@toobabigdatascience
Post #3038 117
🤖هزینه‌ی هر تسک در مدل‌های هوش مصنوعی، چقدر تمام می‌شود؟
💶 گران‌ترین‌ مدل‌های هوش‌مصنوعی
#ClaudeFable5
#DeepSeek
#AI

@toobabigdatascience
  • 👏 1
Post #3037 103
⚠️چرا داده‌ها را بخش‌بندی می‌کنیم؟
چرا با همه داده‌هایمان ، مدل را آموزش ندهیم؟🤓


❌اگر مدلی را با همه داده‌هایمان آموزش دهیم و با همان داده‌ها هم ارزیابی‌اش کنیم درواقع فقط داریم میزانِ حفظ‌کردنش را می‌سنجیم، نه تواناییِ تعمیم‌دهی‌اش را.

به‌همین‌دلیل، داده‌ها را معمولاً به سه بخش تقسیم می‌کنند:

·
بخش آموزش ← مدل از این بخش یاد می‌گیرد.
· بخش اعتبارسنجی ← برای تنظیمِ پارامترهای مدل به‌کار می‌رود.
· بخش آزمون ← فقط یک بار در پایان استفاده می‌شود تا عملکردِ واقعی را بسنجیم.


⭕️این قضیه مثلِ درس‌خواندن برای امتحان است:
مطالعه‌ی کتابِ درسی = آموزش.
حلِ سؤال‌های تمرینی = اعتبارسنجی.
امتحانِ نهایی = بخش آزمون.

#ML
#TrainingDataset
#Validation
@toobabigdatascience
  • 🤗 1
Post #3036 101
متخصصان علم داده ها data scientists ⚠️کاری که #کافکا می‌کُنه ⭕️برنامه‌ی Apache Kafka برگرفته از نام نویسنده‌ی مشهور، فرانتس کافکا است. چرا ؟ دلیل اصلی این انتخاب توسط جی کریپس، یکی از خالقان اصلی آن، بسیار ساده است: · سیستمی برای نوشتن: کافکا به عنوان سیستمی طراحی شد که در "نوشتن" (ذخیره‌سازی)…
شباهت‌ها و ارتباط‌های مفهومی آپاچی‌کافکا و فرانتس کافکا!:

با وجود دلیل ساده‌ی نام‌گذاری، ارتباط‌های جالبی بین این دو حوزه وجود دارد:

· دنیای کافکایی (Kafkaesque): سیستم‌های رایانشی مدرن گاهی به پیچیدگی و گنگی بوروکراسی‌های غیرقابل‌درک در داستان‌های کافکا (مثل "محاکمه") تشبیه می‌شوند. نامگذاری کافکا، اشاره‌ای طنزآمیز به این پیچیدگی در دنیای داده‌هاست .
· داده‌های تکه‌تکه: در داستان‌های کافکا، روایت‌ها اغلب از قطعات و یادداشت‌های پراکنده شکل می‌گیرند. در سیستم کافکا هم داده‌ها به صورت رویدادهای جداگانه (Event) ذخیره می‌شوند که در کنار هم جریان داده‌های پیوسته را می‌سازند .


جالب است که این شباهت‌ها یک تناقض جذاب هم ایجاد می‌کنند: در حالی که "کافکایی" معمولاً به معنای هرج‌ومرج و پیچیدگی طاقت‌فرسا است، Apache Kafka دقیقاً برای ایجاد نظم در این هرج‌ومرج و مدیریت کارآمد جریان‌های عظیم داده ساخته شده است .

#فرانتس‌کافکا
#آپاچی‌کافکا
@toobabigdatascience
  • 👏 1
Post #3035 102
⚠️کاری که #کافکا می‌کُنه
⭕️برنامه‌ی Apache Kafka برگرفته از نام نویسنده‌ی مشهور، فرانتس کافکا است. چرا ؟
دلیل اصلی این انتخاب توسط جی کریپس، یکی از خالقان اصلی آن، بسیار ساده است:

· سیستمی برای نوشتن: کافکا به عنوان سیستمی طراحی شد که در "نوشتن" (ذخیره‌سازی) داده‌ها بسیار بهینه است، بنابراین استفاده از نام یک نویسنده مناسب به نظر می‌رسید .
· علاقه‌ی شخصی: جی کریپس به آثار فرانتس کافکا علاقه داشت و نام "کافکا" را برای یک پروژه‌ی متن‌باز جذاب و به‌یادماندنی می‌دانست .

#APACHEKAFKA
@toobabigdatascience
  • 👏 1
Post #3034 134
متخصصان علم داده ها data scientists 🤖سه نوع گردش‌کار در هوش مصنوعی وجود دارد که دانستنشان ارزشمند است و هرکدام وظیفهٔ متفاوتی را انجام می‌دهند. اگر این‌ها را درک نکنید، به احتمال زیاد از قافله عقب می‌مانید. ◀️توضیح در ادامه ی پست #AgenticAI #AIAgents #NonAgenticAI @toobabigdatascience
ساده‌گفتن، هنر است:


. هوش مصنوعی غیرعامل (Non-Agentic AI) = یک بار مصرف، بدون حافظه

مثال:
شما به ChatGPT می‌گویید: «این ایمیل طولانی مشتری رو برای من خلاصه کن در ۳ خط.»
چت‌جی‌پی‌تی همان‌لحظه یک خلاصه می‌دهد. بعد شما پنجره را می‌بندید. فردا دوباره همان ایمیل را می‌پرسید، او هیچ‌چیز از دیروز یادش نیست و دوباره از صفر جواب می‌دهد.

مثل این است که هر بار یک متخصص موقت را برای یک سؤال خاص استخدام کنید. بعد از جواب، او می‌رود و دیگر شما را نمی‌شناسد.

⭕️ویژگی اصلی:
✔ سریع و ارزان
✘ هیچ استدلالی ندارد، فقط همان خواسته را انجام می‌دهد.


۲. عامل هوش مصنوعی (AI Agent) = یک کارمند متخصص برای یک کار تکراری

مثال:
شما به یک عامل فروش می‌گویید: «هر جمعه ساعت ۹ صبح، لیست قراردادهای بسته‌شدهٔ این هفته را از نرم‌افزار CRM ما بگیر و در یک صفحهٔ گوگل‌شیت به‌روز کن.»
این عامل هر هفته دقیقاً همین کار را بدون اینکه شما دوباره بگویید، انجام می‌دهد. اما اگر به او بگویید «حالا تحلیل هم بکن ببین چرا فروش کم شده؟»، از کار می‌افتد، چون فقط برای همان یک وظیفه طراحی شده.

به کارگر خط تولید می‌ماند :که فقط پیچ‌های خاصی را می‌بندد، عالی و سریع، اما اگر ماشین خراب شود، نمی‌داند چطور تعمیر کند.

⭕️ویژگی اصلی:
✔ خودکار و قابل اعتماد برای کار تکراری
✘ انعطاف‌پذیری صفر، برای کار جدید باید دوباره برنامه‌ریزی شود.


۳. هوش مصنوعی عامل‌گونه (Agentic AI) = یک مدیر خودراهبر برای پروژه‌های پیچیده

مثال:
به این سیستم می‌گویید: «یک استراتژی بازاریابی برای محصول جدید ما در سه بازار ایران، ترکیه و امارات آماده کن. بودجه را بین گوگل‌ادز، اینستاگرام و تیک‌تاک تقسیم کن، هر روز عملکرد را بررسی کن و اگر تبلیغی خوب پیش نرفت، بودجه را به دیگری منتقل کن. آخر هر هفته هم یک گزارش تصویری برای من بفرست.»
این سیستم خودش کار را تکه‌تکه می‌کند، ابزارها را صدا می‌زند، اشتباهات را اصلاح می‌کند و بدون اینکه شما مدام بپرسید، پیش می‌رود.

این یکی مثل مدیر پروژه‌ای که نه فقط دستور می‌گیرد، بلکه خودش برنامه می‌ریزد، تیم را هدایت می‌کند، اشکالات را رفع می‌کند و نتیجه را تحویل می‌دهد.

⭕️ویژگی اصلی:
✔ توانایی برنامه‌ریزی و اصلاح خودکار
✘ کندتر، گران‌تر و نیازمند نظارت گاه‌به‌گاه انسانی.

🤖شباهت آنها :

هر سه از همان مدل‌های زبانی (مثل GPT-5 یا Claude-4) استفاده می‌کنند. فرق در لایهٔ مدیریتی بالای آنهاست:
· در نوع اول، شما خودتان مدیر هستید و هر بار دستور می‌دهید.
· در نوع دوم، شما یک دستور ثابت به او می‌دهید و او هر روز آن را تکرار می‌کند.
· در نوع سوم، شما هدف را می‌دهید و او خودش مدیر می‌شود.


یک مثال خوب:

فرض کنید می‌خواهید ۱۰۰ تا ایمیل سفارشی برای مشتریان بفرستید:

· غیرعامل: می‌نشینید و ۱۰۰ بار کپی‌پیست می‌کنید و هر بار به ChatGPT می‌گویید «برای این مشتری بنویس». (شما خسته می‌شوید)

· عامل ساده: یک بار به یک عامل می‌گویید «لیست مشتریان را از اینجا بخوان و برای هرکدام یک ایمیل با این قالب بفرست». او تا آخرین نفر می‌رود و تمام می‌کند. (او خسته نمی‌شود، اما اگر مشتری ناراضی جواب دهد، کاری نمی‌کند)

· عامل‌گونه: به سیستم می‌گویید «ایمیل‌های شخصی‌شده بفرست، اگر کسی جواب نداد، پیگیری کن، اگر ناراضی بود، تخفیف پیشنهاد بده، و هر روز به من بگو چند نفر باز کردند و چند نفر پاسخ دادند». (او خودش سناریوهای مختلف را مدیریت می‌کند)
#AI
@toobabigdatascience
  • 👏 1
Post #3033 98
🤖سه نوع گردش‌کار در هوش مصنوعی وجود دارد که دانستنشان ارزشمند است و هرکدام وظیفهٔ متفاوتی را انجام می‌دهند. اگر این‌ها را درک نکنید، به احتمال زیاد از قافله عقب می‌مانید.
◀️توضیح در ادامه ی پست
#AgenticAI
#AIAgents
#NonAgenticAI
@toobabigdatascience
  • 👏 1
Post #3032 95
🆘هکرهای مرتبط با ایران به تأسیسات آب آمریکا حمله کردند
#اکونومیست نوشته

#تذکره‌تُن:
وقتی با کسی، گروهی، افرادی، تا....با کشوری، با ۹۰ میلیون نفر آدم،
طبیعی( آنچنانکه با همه رفتار می‌شود و یا با ۹۹٪ کشورهای دیگر) رفتار نکنید
بناچار رفتار آن آدم، آن گروه، آن افراد و یا آن کشور، طبیعی نخواهد بود
نه فقط "نخواهد بود"
نمی‌تواند که طبیعی رفتار کند!
آیا فهم این مهم، اینقدر سخت است⁉️
آدمیزاد، چون نمی‌تواند همه چیز را شخصا، و عینا، تجربه نُماید! بهتر است گاهی خودش را جایِ دیگران بگذارد!
بهتر‌نیست؟

۹۰ میلیون آدم، یعنی ۹۰ میلیون دهان ِ باز، باید غذا بخورند! دارو بخورند! زندگی بکنند!
تو،نه تنها #تحریم که #محاصره شان کرده ای؟
که مردم ایران نتوانند زندگی کنند!
چون مسئولین کشور مگر کلا چند نفر اند؟ که بیشترشان را هم #ترور کرده اید!
#تروریسم_اقتصادی، به همین معناست
#جنایت_جنگی یعنی، وقتی یک‌نفر را می‌کشی، خانواده‌اش را هم با او بکشی
اصلا مهم نیست آن شخص، گناهکار است یا بی‌گناه!
خانواده‌اش، قطعا بی‌گناه اند!
امریکا، دارد
#خانواده ها را می‌کشد

#جنگ
#محاصره
@toobabigdatascience
  • 😢 3
Post #3031 92
متخصصان علم داده ها data scientists Photo
👁مساله دیگر رساندن کابل ها از سر ِ سیگنال‌ها 🚦 و سوزن‌های الکتریکی ژاپنی به #اتاق_رله بود!
این کابل‌ها که بخش مهم و شاهرگ‌های اتصال #مدار_فرمان در سیستم سیگنالینگ اند باید از درون کانال های کابل کشی رد می‌شدند تا به اتاق رله برسند!
قرقره های عظیم کابل ، برای آنکه بچرخد باید روی پایه های مخصوص و یا توسط جرثقیل بالاتر از سطح زمین نگاه داشته می‌شد و تمام این کابل باید روی شانه‌های ما در عمق کانال می‌خوابید...
و سپس تستِ کابل می‌شد
حالا تصور کنید در دمای بالای ۵۰ درجه اردکان و ایستگاه اشک‌ذر که وزش باد ماسه‌بادی های کویری را مثل تکه‌های ترکش توی صورت شما می‌زند! در عمق کانال کابل‌کشی و با کمترین امکانات.
کابل بسختی از قرقره عظیم ش باز می‌شود و این کابل روی شانه‌های تکنیسین ها و مهندسینِ دولت حرکت می‌کرد! در طول کابل کشی، شانه ی مامورین سیگنالینگ بارها تاول می‌زد و می‌ترکید و خونمردگی‌های دردناکی ایجاد می‌کرد ، از تکه‌های کارتن مقوایی زیر لباس کار استفاده می‌کردند تا از تماس کابل داغ شده با پوست اندکی بکاهند و فایده‌ای هم نداشت البته!
کلاه‌های حصیری بزرگ مکزیکی هم نمی‌توانست مانع سوختن پوست سر و صورت بچه‌های اکیپ کویر بشود...
جزغاله می‌شدیم تا ۴۵ روز تمام می‌شد
تا این کابل‌ها به اتاق رله برسند، جان افراد به لب‌شان می‌رسید...


👨‍🚀این خاطره‌ای بود از اکیپ‌های تخصصی👲 کابل‌کشی در ایران(عَمَلگی)
و پول‌های مفتی! که تکنیسین‌ها و مهندسین می‌گیرند و دولت را ورشکست کرده اند از بس می‌گیرند...


تذکره‌تُن :
این تصاویر مربوط به یک پروژه زیرساخت شبکه در فلوریدای جنوبی (South Florida) است که توسط شرکت «Blue Wave Communications» انجام شده است . این افکت که به «Bare Maximum» شهرت دارد ، در واقع یک استایل محبوب در انجمن‌های حرفه‌ای شبکه است که به دلیل تکنیک خاص حلقه‌زنی و نظم کاملاً سخت‌گیرانه‌اش، به‌عنوان یک اثر هنری دیده می‌شود .
#کابل‌کشی
#ایستگاه_اشک
#شور‌آب
#سیستان
#محمدیه
#سیگنالینگ
#رهگذار_عمر
@toobabigdatascience
  • 👏 1
Post #3027 71
🧬 Structured Cabling Art
🚥کمی زیبایی ببینیم:
🛰 همراه با دوستی رفته بودیم بازدید دیتا‌سنتر و اتاق سرور یک جای مهم!
هرجا پا می‌گذاشتیم ، پایمان به یک‌چیزی گیر می‌کرد از دور‌ریز سوکت‌های کابل، تا کابل‌های دراز و بی‌قواره ی کوتاه‌بلند که عینهون موی اجنه می‌ماند! درهم‌و‌برهم!
#اسپاگتی درست کرده بودند! مشکل فقط رَک‌های دیتا‌سنتر و ..نبود
حتی دفترشان که چندین خط تلفن داشت!
سیم‌های تلفن‌ها چنان در هم فرو‌رفته و بهم آمیخته بودند که قابل تفکیک نبود!
☎️دوستم گفت:" نظرت چیه؟"
عرض کردم:" اگر بنده مسئول‌شان بودم ، خودم استعفا می‌دادم و بقیه را هم اخراج می‌کردم!"
#سلیقه داشتن، کار‌سختی نیست،همت می‌خواهد
حقیر سراپاتقصیر قبل از ظهور و بروز اینترنت و شبکه‌های کامپیوتری و... با کابل‌های ۶۰‌رشته به بالا سر‌وکار داشتم و کابل‌کشی! در #سیگنالینگ ریلی، در تمام بیابان‌های ایران،که به #ایستگاه‌های_تابعه مشهور بودند!
جهنمِ مجسّم کویری
جایی‌که روکش کابل‌ها آنقدر داغ بود که اگر بدون دستکش لمسش می‌کردی، سریعا دستتان تاول می‌زد
ادامه دارد...
#Cabling
#RailwaySignaling
@toobabigdatascience
  • 👏 1
Post #3026 80
متخصصان علم داده ها data scientists ⚠️ قطعی‌های روزانه ی مکرر و دو ساعته برق ، و تاثیر آن بر آنتن‌های BTS ۱. اثرات فنی بر تجهیزات (RRH و بک‌هاول) · خاموشی‌های ناگهانی و فرسایش سخت‌افزار: قطع مکرر برق، به‌ویژه بدون فرآیند کاهش توان تدریجی (Power Ramping Down)، باعث ایجاد شوک حرارتی و الکتریکی…
این اثرات صرفا بر تجهیزات شبکه موبایل بود.
تاثیر بر #کیفیت_سرویس که مستقیما توسط کا بران و مشتریان احساس می‌شود مهم‌تر است:

. اثرات کیفی بر شبکه (کیفیت سرویس)🤬

· قطع کامل پوشش در دقایق ابتدایی: منابع تغذیه اضطراری (باتری) معمولاً تنها برای ۱ تا ۳ ساعت طراحی می‌شوند. در یک خاموشی دو ساعته، باتری‌ها عمیقاً تخلیه می‌شوند و زمان کافی برای شارژ مجدد ندارند. این امر موجب قطع کامل پوشش و ایجاد جزایر مرده (Dead Zones) در ساعات اوج مصرف می‌شود .

· افزایش ترافیک و افت سرعت: با قطع یک BTS، ترافیک مشترکان به سایت‌های مجاور (سلول‌های همسایه) منتقل می‌شود. این هجوم ترافیک باعث افزایش تداخل (Interference) و کاهش شدید نرخ تخصیص داده (Throughput) و افزایش نرخ مکالمه‌های از‌دست‌رفته (Call Drop) می‌شود .

· افت توان موثر (EIRP): پایین بودن ولتاژ باتری‌ها باعث می‌شود RRH نتواند توان خروجی نامی خود را تولید کند. این موضوع شعاع تحت پوشش آنتن را کاهش داده و کیفیت سیگنال دریافتی در لبه سلول به شدت تنزل می‌یابد.

#QOS
#ERIP
@toobabigdatascience
  • 👏 1
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 →