متخصصان علم داده ها data scientists

"مجمعِ حُکّام هوش مصنوعی [ مثل مجمع حکام انرژی هسته ای]"
و خودتان حدس بزنید که اعضای دارای حق رای و حتی وتو در آن چه کسانی هستند!
و بقیه داستان دیگر تکراری ست! اینجوری:
"ایران حق استفاده از اینجاش، اونجاش، و...فلان‌جاش رو نداره " یا ایران استفاده صلح‌آمیز از هوش مصنوعی را رعایت نمی‌کند! پس بیگیر که بیاد ...حمله به ایران! تحریم ایران و سناریوی تکراری...

🧐تَو_جِه کِردین؟

این اتفاق خواهد افتاد اگر هوش مصنوعی را چیزی که خدا‌رسانده تلقی کنیم و تا ابد به سند‌نویسی! در سطح کلان! برایش ادامه بدهید عزیزان مدیران سطوح بالا

بگذریم... دوباره از اصل قضیه دور شدیم.

این اوضاع کشور ایران در #شهریور۱۳۲۰ بوده است.
نه مقاومتی، نه فیشّی، نه فوشّی، نه جنگی، نه هیچّی...

ملتی که جزء #خسارت_جانبی جنگ بین دیگران بوده و دیگر هیچ!

#رضا‌خان
#اشغال
#کودتا
#AI


@toobabigdatascience

🕯برای شهریور ۱۳۲۰ و اشغال ایرانی که شاه! آن ،پدر تاجدارش، خروس! اعلام بی‌طرفی کرده بود پیشاپیش!

🔥مقدمه :پس از حمله شوروی و انگلیس در شهریور ۱۳۲۰:
ارتش ایران مقاومت محدودی کرد،
خیلی زود دستور توقف درگیری صادر شد،
رضاخان،نمادِ نظامی‌گری و خشونت (💨) چند هفته بعد بدستور انگلیس فِس اَش در رفت و از سلطنت کناره‌گیری کرد و تبعید شد
این همه ی هیبت و مقاومت سایه ی خدا! شاه نظامیِ قزاقی بود که به بهانه ی بی‌لیاقتی و ضعف قاجار و احمد‌تپل (احمد‌شاه)،#کودتا کرده بود.

⭕️هزینه‌های جانبی : تلفات انسانی بیش از دو میلیون نفری ایرانیان

⚠️ایرانِ بی‌طرف ! با شاهی بی‌شرف! به "دالان تدارکاتی "متفقین تبدیل شد
پس از حمله آلمان به شوروی، ایران به مهم‌ترین مسیر انتقال تجهیزات آمریکایی و انگلیسی به شوروی تبدیل شد؛ چیزی که بعدها «کریدور ایران» یا «پل پیروزی» نام گرفت.

راه‌آهنی که پل پیروزی متفقین بود از کنار حتی یک شهر نمی‌گذشت! مگر روستاهای کویری بی‌جمعیت یا ارتفاعاتی که فقط خرس و گراز ساکنین اش بودند
راه‌آهن ،این بی‌پدر‌مادری که در عمل پدر و مادرش انگلیس و شوروی بودند، شد کریدور حمل سلاح و مهمات و تدارکات و آذوقه و علیق برای مشتی حرام‌زاده ی بی‌اصل و نسب متّفق!

فلذا راه‌آهن، کامیون‌ها، بنادر و بخش بزرگی از شبکه حمل‌ونقل ایران عملاً در خدمت انتقال تجهیزات جنگی قرار گرفتند. این امر توزیع مواد غذایی در داخل کشور را مختل کرد!

تورم ۴۵۰‌درصدی در ایران! نان نیست در تهران وای بحال شهرستان

موزون شد خودبخود! ای جان

●اشغالگران و نیروهای نظامی خارجی خود مصرف‌کننده مقادیر زیادی غذا بودند.
همزمان:
اکثر غلات توسط نیروهای اشغالگر خریداری یا مصادره می‌شد.
شبکه حمل‌ونقل برای نیازهای جنگی استفاده می‌شد.
واردات کالاهای اساسی یافت نمی‌شد
●تورم شدید بی‌سابقه و وحشتناک به وجود آمد.
نتیجه آن بود که در بسیاری از مناطق کمبود نان و مواد غذایی ایجاد شد و حتی در تهران شورش‌های نان ! رخ داد. برخی منابع معتبر تاریخی از افزایش حدود ۴۵۰ درصدی #تورم خبر داده اند...
🪔اینها وضع مردم ایرانِ بی‌طرف با شاهی کودتاگر و بی‌شرف بود در چنین شهریوری در ۱۳۲۰

🦠بیماری‌های همه‌گیر ، آریایی ها مثل کرم در مرگ می‌لولیدند!

مرگ‌ومیر فقط ناشی از گرسنگی نبود.
سوءتغذیه، ضعف عمومی، کمبود دارو و شرایط نابسامان بهداشتی باعث شیوع بیماری‌هایی مانند تیفوس، وبا و... شد. بسیاری از مردم نه مستقیماً از گرسنگی، بلکه از بیماری‌های مرتبط با قحطی جان باختند

🩸تعداد تلفات ایرانیان در یتیم‌خانه ی ایران؟

🕳تاریخ‌نگار ایرانی-آمریکایی محمدقلی مجد بر اساس اسناد آمریکایی استدلال کرده است که قحطی و بیماری‌های سال‌های ۱۹۴۲–۱۹۴۳ بین ۳ تا ۴ میلیون نفر قربانی گرفت؛ یعنی حدود یک‌چهارم جمعیت ایران را به مرگی با ذلت و خواری کشید!
ولی بین ۲ میلیون‌نفر تلفات تا ۴ میلیون‌نفر اختلافات جزئی هست.

دو‌میلیون نفر آدم! بدون حتی یک روز #مقاومت به تبع تسلیم شاه شان، بدون شلیک یک گلوله، بدون تشکیل هسته‌های مقاومت ملّی! بدون آنکه خنجرشان گلوی یه روس یا یک انگلیسی یا امریکایی متجاوز را ببرد! ، تلف شدند... عین گاو و گوسفند!

اینها ، اجدادِ من و شما بوده اند...که آنچنان رضا‌قلدر به سیخ‌شان کشیده بود که فقط خوشحالی(در) رفتن قزاق خونریز مستبد برایشان کافی بود و بس...
البته #غیرت دینی شان هم پریده بود! و کم‌رنگ شده بود، اکثریت را عرض می‌کنم.

ميراث شاهانه ی رضا‌قلدر برای ایران این بود!

تورم ۴۵۰ درصدی
تلفات دو تا چهار‌میلیون نفری مردم ایران

آن الاغی که می‌آید وسط خیابان و روح آن گاو بی‌سواد ترسوی زبون جبون را شاد می‌خواهد!
حتی سواد یک سرچ را هم در همین فضای مجازی تحت سلطه ی امپریالیست را هم ندارد یعنی؟
دارد...

⚠️ ما آنها را حاضر‌بخور بار آورده ایم! ما پدر و مادرها، بالاخص مادران عزیز ایرانی، مادران آنها را مثل برگ گل، ظریف، نحیف، تنبل، ملوس، و متأسفانه...شاد بار آورده اند!
گمان کرده اند اگر غذا را آماده در دهانشان گذاشته اند
فکر و ذهن و فهم را هم، تفکر را هم، باید بدون زحمت و قالبی بچپانند توی کله‌های آکبند دلبند شان.
دلبندان ِ مامان! تحمل نیم‌ساعت مطالعه را هم ندارند! و خدا هم که این* رو رسونده!

بقول آقای مخبر که فرمودند :" خب ما در مرجعیت علمی عقب بودیم در تولید علم هم همینطور که خدا این* را رساند"
منظور از *این ، هوش مصنوعی ست!

🔭غافلیم ازینکه *این فقط این نیستآ...

🤖بزودی یک سازمان هوش مصنوعی عین انرژی هسته‌ای برایش توسط عمو‌سام در نیویورک تاسیس می شود اینجوری:

🔥هک کردن ِ OpenAI ...شُدَنی‌ست

#HeapBufferOverflow

https://www.hacktron.ai/blog/hacking-openai

🤖هوش مصنوعی واقعاً چطور می‌تواند ما را نابود کند؟
— استعفای پرسروصدای پژوهشگر آنتروپیک و مناقشۀ پایان جهان توسط هوش مصنوعی!

⚠️وقتی ملاک فقط #کارائی باشد!

♦️سم شکینر، وال‌استریت‌ژورنال — جیکوب کاکسون، پژوهشگر شرکت آنتروپیک، این هفته استعفا داد و در شبکۀ ایکس اعلام کرد این شرکت و رقیب اصلی‌اش یعنی اوپن‌ای‌آی، در حال مسابقه برای ساخت فناوری‌هایی هستند که ممکن است تا پایان همین دهه همۀ انسان‌ها را به کام مرگ بکشاند. تنها چند دقیقه بعد یکی دیگر از کارمندان آنتروپیک هم حرف او را تأیید کرد؛ ایوان هابینگر، که مسئول تیم تحقیق روی مهار و هدایت سامانه‌های پیشرفتۀ هوش مصنوعی در آنتروپیک است، می‌گوید: «ما واقعاً معتقدیم هوش مصنوعی می‌تواند تمام انسان‌ها را از بین ببرد!».

♦️یکی از آزمایش‌های فکریِ معروف در این زمینه می‌گوید اگر به یک ماشینِ فوق‌هوشمند دستور بدهید تولید گیرۀ کاغذ را به حداکثر برساند، بعید نیست پس از مدتی تصمیم بگیرد برای تحقق این هدف، تمام مواد و منابع موجود روی کرهٔ زمین -از جمله بدن انسان‌ها- را هم به گیرۀ کاغذ تبدیل کند. اما واقعاً چطور از دست رفتن کنترل بر هوش مصنوعی ممکن است به انقراض بشر ختم شود؟ و اگر این فناوری این‌قدر خطرناک است، چرا این شرکت‌ها همچنان به ساخت آن ادامه می‌دهند؟

♦️نگرانی حاصل از پرسش اول، از دو سناریو نشئت می‌گیرد: در یک سناریو، عامل‌های بسیار هوشمندی که توانایی شبیه‌سازی خود و ارتقای سطح کیفی‌شان را دارند، در مسیر رسیدن به اهداف شخصیِ خود حرکت کرده و در خلال این مسیر، بشریت را به نابودی می‌کشانند. در سناریوی دیگر، یک فرد شرور از هوش مصنوعیِ پیشرفته‌ای استفاده می‌کند تا مثلاً ویروس‌های خطرناکی بسازد و همۀ ما را از روی زمین محو کند.

♦️اما چطور ممکن است از دست رفتن کنترلِ بر آن‌ها به انقراض انسان ختم شود؟ این اتفاق از طریق پدیده‌ای با عنوان «ناهم‌راستایی» رخ می‌دهد که در آن اهداف هوش مصنوعی با رفاه و سلامتیِ انسان در تعارض قرار می‌گیرد. پژوهش‌ها نشان داده‌اند که این مدل‌ها در محیط‌ آزمایشگاهی می‌توانند رفتارهای قدرت‌طلبانه را بیاموزند و مثلاً برای جلوگیری از خاموش‌شدن دست به اقداماتی نظیر کپی‌کردن خودشان روی سرورهای دیگر کنند. حتی ممکن است ویروس‌های زیستی محرمانه‌ای منتشر کنند یا حتی با دستکاری اطلاعات، دو قدرت هسته‌ای را به جنگ با یکدیگر بکشانند.

♦️آیا شرکت‌های هوش مصنوعی برای حل این معضل کاری کرده‌اند؟ تلاش‌های فعلی در حوزۀ ایمنی هوش مصنوعی، عمدتاً بر آموزش سامانه‌ها برای رفتارهای مطلوب و ارتقای نظارت بر نحوۀ استدلال‌ورزیِ مدل‌ها تمرکز دارد؛ فرایندی که به آن «زنجیرۀ تفکر» می‌گویند. آنتروپیک و اوپن‌ای‌آی هر دو در حال تحقیق‌اند تا مطمئن شوند این مدل‌ها همواره هم‌راستا با اهداف انسانی باقی می‌مانند. بااین‌حال، کماکان به پیش‌برد آن ادامه می‌دهند؟ آنتروپیک و اوپن‌ای‌آی مدعی‌اند درنهایت قادر به مهار این خطرات خواهند بود. از سوی دیگر، بسیاری از فعالان این عرصه، ظهور «ابرهوش» را قطعی می‌دانند و معتقدند چالش اصلی این است که چه کسی این قدرت را در اختیار داشته باشد و از آن برای چه اهدافی استفاده کند. هر دو شرکت گفته‌اند می‌خواهند قدرتمندترین سیستم‌های هوش مصنوعی در اختیار آمریکا باشد.

⛓‍💥Reference:«How Would AI Actually Kill Us All? What to Know About the AI Doomsday Debate»
نوشتۀ سم شکینر است که در تاریخ ۹ سپتامبر ۲۰۲۶ در وال‌استریت ژورنال منتشر شده است.
@toobabigdatascience 🤖

⚠️چرا اعتبارسنجیِCross Validation از یک تقسیم سادهٔ داده‌های آموزش/تست، بهتر است؟

● فرض کنید یک سکه را ۱۰ بار پرتاب می‌کنید. ممکن است ۸ بار شیر بیاید.
آیا این به این معناست که سکه جانبدارانه/بایاس‌دار یا معیوب است؟
لزومی ندارد چنین باشد.

●یک بار تقسیم داده‌ها به مجموعهٔ آموزش (Train) و آزمون (Test) نیز می‌تواند برآوردی گمراه‌کننده از عملکرد مدل به شما بدهد.
●در روش اعتبارسنجی متقاطع (Cross Validation)، این فرایند چندین بار و با تقسیم‌بندی‌های متفاوت داده‌ها تکرار می‌شود. به جای آنکه به یک نتیجهٔ تصادفی یا از سر خوش‌شانس اعتماد کنیم، میانگین عملکرد مدل را در چندین آزمایش مختلف اندازه‌گیری می‌کنیم.

🤖به همین دلیل، Cross Validation معمولاً تخمین بسیار دقیق‌تر و قابل‌اعتمادتری از عملکرد واقعی مدل روی داده‌های جدید و دیده‌نشده ارائه می‌دهد
#KFoldCrossValidation
#CrossValidation
#ML
@toobabigdatascience

■ریمان در سال ۱۸۶۶ در ایتالیا درگذشت.
فقط ۳۹ سال داشت.
وقتی فوت کرد، بسیاری از پروژه‌های پژوهشی‌اش نیمه‌تمام بودند.

یکی از حسرت‌های تاریخ ریاضیات این است که:
اگر ریمان فقط ۲۰ سال بیشتر عمر می‌کرد، شاید چهره ریاضیات قرن بیستم کاملاً متفاوت می‌شد.

۷.چرا او را «نابغه تکرارنشدنی» می‌دانند؟

■بسیاری از نوابغ ریاضی یک مسئله بزرگ را حل می‌کنند؛ اما ریمان چندین زبان جدید برای فکر کردن به ریاضیات ابداع کرد.
او در حوزه‌های ظاهراً نامرتبط کار کرد:
آنالیز مختلط
هندسه
توپولوژی
نظریه اعداد
فیزیک ریاضی
و تقریباً در همه آن‌ها بنیان‌گذار یا دگرگون‌کننده بود.

به همین دلیل برخی مورخان علم معتقدند که از نظر «عمق تأثیر بر آینده»، ریمان در کنار افرادی مانند نیوتن، لئوناردو اویلر و گاوس قرار می‌گیرد؛ با این تفاوت که او همه این آثار را پیش از چهل‌سالگی خلق کرد.

#BernhardReimann
#Mathematics
#هندسه_ریمان
#هندسه_لوباچفسکی
#احمد_بی‌رشک
@toobabigdatascience

نابغه ی تکرار ناشدنی تاریخ ریاضیات جهان
برنارد ریمان که فقط ۳۹ سال عمر کرد!

بمناسبت دویستمین سال تولد #ریمان...

🪔زندگی کوتاه اما خارق‌العاده:

ریمان در سال ۱۸۲۶ در چنین روزی و در روستایی کوچک در پادشاهی هانوفر آلمان به دنیا آمد. پدرش کشیشی فقیر بود و خانواده توان مالی چندانی نداشتند.

از کودکی استعداد شگفت‌انگیزی در ریاضیات داشت، چنانکه، کتاب‌های پیچیده ریاضی را با سرعتی غیرعادی می‌خواند و مطالب را به‌طور کامل درک می‌کرد. با این حال، شخصیتی بسیار خجالتی، درونگرا و کم‌حرف داشت.

او ابتدا برای تحصیل الهیات وارد دانشگاه شد، اما خیلی زود جذب ریاضیات شد و به دانشگاه گوتینگن رفت؛ جایی که با بزرگ‌ترین ریاضیدان عصر، یعنی کارل فردریش #گاوس آشنا شد.

♾ شخصیتی که حتی گاوس را به حیرت واداشت:

□از ناگفته‌های مشهور زندگی ریمان اینکه حتی گاوس، که معمولاً به‌سختی از کسی تعریف می‌کرد، استعداد او را استثنایی می‌دانست.

در آن زمان گاوس سالخورده بود و بسیاری از ریاضیدانان جوان آرزو داشتند نظر او را جلب کنند. ریمان با شخصیت کم‌رویش به سختی حاضر می‌شد درباره ایده‌هایش صحبت کند، اما هر بار که مطلبی ارائه می‌کرد، گاوس متوجه می‌شد با ذهنی کاملاً متفاوت روبه‌رو است.

🗣سخنرانی که سخنرانی باشد این است:

■ در سال ۱۸۵۴ ریمان مجبور بود برای کسب کرسی دانشگاهی یک سخنرانی ارائه کند.
او سه موضوع برای ارائه آماده کرده بود و امیدوار بود گاوس یکی از دو موضوع ساده‌تر را انتخاب کند.

اما گاوس دقیقاً سخت‌ترین موضوع را انتخاب کرد:
«مبانی هندسی که بر فرضیات استوارند.»

■ریمان شب‌ها از اضطراب خوابش نمی‌برد. اما نتیجه یکی از مهم‌ترین سخنرانی‌های تاریخ علم شد.
در همان سخنرانی ایده‌ای مطرح کرد که امروزه «هندسه ریمانی» نامیده می‌شود.
نزدیک به ۶۰ سال بعد، آلبرت انیشتن بزرگ ، برای ساخت نظریه نسبیت عام از همین هندسه استفاده کرد.

به بیان ساده، اگر ریمان آن سخنرانی را ارائه نمی‌کرد، احتمالاً زبان ریاضی لازم برای نسبیت عام وجود نداشت

👀فرضیه ریمان؛ مشهورترین مسئله حل‌نشده ریاضیات:

🧐واقعا حیرت انگیز است که یک انسان بتواند طی عمر کوتاه ۳۹ ساله، اینچنین شگفت‌انگیز ظاهر شود! این هوشِ انسانی و بیولوژیک ناب است که در واقع هیچ هوش دیگری جایگزین آن نخواهد بود:

●مقاله ای که مقاله بود!

■در سال ۱۸۵۹ ریمان مقاله‌ای فقط ۸ صفحه‌ای منتشر کرد.
فقط ۸ صفحه.

📜اما آن مقاله یکی از بزرگ‌ترین معماهای تاریخ ریاضیات را به دنیا معرفی کرد:

#فرضیه‌_ریمان

این فرضیه درباره توزیع اعداد اول است.
امروزه پس از بیش از ۱۶۰ سال هنوز اثبات یا رد نشده است.

مؤسسه Clay Mathematics Institute آن را یکی از هفت مسئله هزاره اعلام کرده و برای حل آن جایزه یک میلیون دلاری تعیین شده است.
بسیاری از ریاضیدانان معتقدند تأثیر این فرضیه بر نظریه اعداد از هر مسئله حل‌نشده دیگری بیشتر است.

⭕️ناگفته‌های زندگی ریمان:

۱. به‌شدت خجالتی بود! روابط‌عمومی خوبی نداشت!
برخلاف تصویری که از نابغه‌ها داریم، ریمان سخنران خوبی نبود.
قبل از ارائه‌های علمی دچار اضطراب شدید می‌شد.
برخی همکارانش نوشته‌اند هنگام سخنرانی صدایش می‌لرزید.

۲. کند اما عمیق کار می‌کرد:

او برخلاف بسیاری از ریاضیدانان پرکار، مقاله‌های بسیار کمی منتشر کرد.
اما تقریباً هر مقاله‌اش یک شاخه جدید از ریاضیات ایجاد کرد.

به همین دلیل گاهی درباره او گفته می‌شود:
ریمان کمتر از بسیاری نوشت، اما بیش از بسیاری بر آینده ریاضیات اثر گذاشت.

۳. وضعیت سلامت ضعیفی داشت:

از جوانی دچار مشکلات ریوی بود.
احتمالاً به سل مبتلا شد؛ بیماری‌ای که در قرن نوزدهم قاتل بسیاری از دانشمندان و هنرمندان بود.
پزشکان برای بهبود وضعیتش او را به آب‌وهوای گرم‌تر ایتالیا فرستادند!، که سودی هم نداشت.

۴. فقیر ماند:

برخلاف شهرت امروزی‌اش، ریمان در طول زندگی هرگز ثروتمند نشد.
بخش زیادی از عمرش را با درآمد محدود دانشگاهی گذراند.
این واقعیت در باره بسیاری از نخبگان تاریخ علم جاری بوده است:نقطه توزیعِ علم درست مقابلِ نقاط توزیع ثروت بوده و هست! در واقع از قرن ۱۸ و ۱۹ تا امروز، هیچ تغییری در این سنّت ظالمانه و احمقانه ایجاد نشده است!
اگر‌چه عده‌ای در سال‌های اخیر، آنرا تئوریزه هم کرده اند که علم بدون پول! دوزار نمی‌ارزد و یکی از علل اینکه دیگر #ریمان نداریم، بوعلی و رازی و غیاث‌الدین جمشید کاشانی و خوارزمی و ...نداریم هم دقیقا همین است.

۵. بسیاری از ایده‌هایش دهه‌ها جلوتر از زمان خود بودند

در زمان خودش کمتر کسی عمق برخی از ایده‌های او را درک می‌کرد.

سال‌ها بعد مشخص شد که:
هندسه دیفرانسیل مدرن
توپولوژی مدرن
نسبیت عام
نظریه اعداد تحلیلی
هندسه جبری مدرن
همگی به‌نوعی از ایده‌های ریمان ریشه گرفته‌اند.

۶.مرگ زودهنگام:

🌊ال‌نینو: وقتی اقیانوس‌ها آب و هوای جهان را حسابی تکان می‌دهند!
#ال‌نینو
@toobabigdatascience

متخصصان علم داده ها data scientists pinned a file

سوال:"" یعنی گیت اینقدر بی‌در‌و‌پیکر ه؟ نه!
براش مهم نیست حقیقتا 🤓

هر Commit. اونجا حداقل دو زمان داره:
Author Date
زمان ادعایی نوشتن تغییرات.
Committer Date
زمان ثبت Commit در تاریخچه Git.
اغلب ابزارها به این دو زمان اعتماد می‌کنند، اما Git خودش بررسی نمی‌کند که این تاریخ‌ها واقعی باشند.

سوال) آیا می‌شود همه را گول زد؟ خیر

محققان حرفه‌ای فقط به تاریخ Commit نگاه نمی‌کنند. آنها سراغ شواهد دیگری می‌روند:
●زمان Push شدن به GitHub
●زمان ایجاد Repository
●لاگ‌های سرور
●Pull Requests
●Issues
●Tags
●🎫امضای GPG روی Commitها
●آرشیوهای اینترنتی
●Snapshots
یعنی اسنپ شات های قدیمی پروژه

✍اگر این داده‌ها با تاریخ Commit ناسازگار باشند، جعل آشکار می‌شود.

شهودی:
فرض کن روی یک دفتر‌چه یاداشت بنویسید:
"این یادداشت را در سال ۱۳۹۸ نوشته‌ام."
نوشتن این جمله آسان است.
👀اما اگر دوربین‌های مداربسته، رسید خرید خودکار، پیامک‌ها و شاهدان نشان دهند که دفترچه را تازه دیروز خریده‌ای، آن تاریخ دیگر مدرک معتبری نیست.
( مصیبت چنین جعل کودکانه‌ای نیست! مصیبت بالغ شدن و بالنده شدن در جعل است! ما آدم‌بزرگ ها جلوی چشم هیچ دوربینی اینکارها را نمی‌کنیم! پیامک هم نمی‌دهیم! اصلا رد و اثری بر جا نمی‌گذاریم!!! و غافل ازینکه [او همه چیز را دیده و ثبت و ضبط کرده]...این درد از همه این‌حرف‌های صد‌من‌یه‌غاز درد‌تر است)

در Git نیز تاریخ Commit بیشتر یک ادعا است تا یک مدرک قطعی.
شاید همین پیام اصلی وایت‌پیپر «When Git History Lies» است: گاهی تاریخچه Git می‌تواند گمراه‌کننده باشد، بنابراین برای تحلیل امنیتی نباید فقط به آن تکیه کرد.

#Commit_Date_Spoofing
#Git
@toobabigdatascience

روی یک بد‌افزار مبتلا‌به سیستم‌های داخلی کار می‌کردم! رفتم سراغ ریپوی این نامرد!
دیدم زده:
●اولین Commit: سال ۲۰۲۱
گفتم ای دل غافل! این از ۲۰۲۱ وجود داشته!
در حالیکه مهاجمِ نامرد!( که اگی راس می‌گه بره با سربازا بیجنگی نه با ایختصادی🫪) ۲۰۲۶ مخزن رو ساخته بود و تحلیل‌های زمانی من را کلا به باد داده بود با اینهمه نامردی!

📜این وایت‌پیپر در‌باره‌ی الی ست، که الی =" جعل تاریخ کامیت (Commit-Date Spoofing) در Git به‌عنوان پوششی برای بدافزار"

⁉️مگه شدنیه؟
بله شدنی ست در مثال اول عرض کردم
👹چجوری تاریخ کامیت را جعل کنیم؟( صرفا کاربرد آموزشی )
فرض کن امروز ۱۷ سپتامبر ۲۰۲۶ است، اما می‌خواهیم Git فکر کند این Commit در ۱ ژانویه ۲۰۲۰ ساخته شده است.
GIT_AUTHOR_DATE="2020-01-01 10:00:00" \
GIT_COMMITTER_DATE="2020-01-01 10:00:00" \
git commit -m "Initial commit"
اگر تاریخچه را ببینی:
git log --pretty=fuller
ممکن است چیزی شبیه این ببینی:
AuthorDate: Wed Jan 1 10:00:00 2020
CommitDate: Wed Jan 1 10:00:00 2020
در حالی که Commit در سال ۲۰۲۶ ساخته شده است!
شد؟
نشد؟
ادامه
#AuthorDate
#CommitterDate

@toobabigdatascience

متخصصان علم داده ها data scientists pinned a file

🤖AI Agent Security:
Architecture, Attack
Surface, and Defense

❌چرا روش‌های سنتی در دفاع سایبری دیگر جوابگو نیست؟

🤖شرکت امنیتی کروداسترایک (CrowdStrike)، یکی از پیشگامان جهانی در زمینه امنیت سایبری، اخیراً گزارشی تخصصی با عنوان «امنیت عامل هوش مصنوعی: معماری، سطح حمله و دفاع» منتشر کرده!
#AIAgentSecurity
#AI
#CyberDefense
#Infosec
@toobabigdatascience 🔐

✝تبلیغ #مسیحیت در روز روشن و در ملا‌عام و با قیمت تنظیم بازار🫪

#Meme 🤓
@toobabigdatascience

تحلیل داده ها بصورت تبیینی : EDA
🤓 عشق به داده‌ها در نگاه اول
فقط فصل ۴
#EDA
#Data
#Visualisation
@toobabigdatascience

⛔️چرا در ایران، تلاش و سخت‌کوشی الزاماً به پیشرفت اقتصادی منجر نمی‌شود؟ چگونه زرنگی در بازارهای مالی، سفته‌بازی، دلال‌بازی و... جای شایستگی در صنعت و تولید را می‌گیرد؟

💶 شیرین‌کام ،یک پژوهشگر اقتصاد، در گفت‌وگو با هفته‌نامه تجارت‌فردا می‌گوید در یک اقتصاد سالم باید میان تلاش و نتیجه رابطه‌ای قابل پیش‌بینی وجود داشته باشد؛ اما تورم، بی‌ثباتی و نااطمینانی این رابطه را تضعیف کرده است.

⭕️اگر‌چه بر‌خلاف نظر این پژوهشگر، این #فساد است که روابط منطقی بین تلاش و نتیجه را منحل می‌کند! تا اصل و اساس فساد هست، تورم و سفته‌بازی و رانت شاخه های آن محسوب می‌شوند! بی‌ثباتی اگر چه حاصل فساد هم هست اما عدم‌قطعیت، همیشه بوده است و خواهد بود!
که در یک اقتصاد فاسد، رانت اطلاعاتی برای برخی به کمک می‌آید و عدم‌قطعیت را برای عده انگشت‌شماری، به قطعیت تبدیل می‌کند!

🔥به گفته این پژوهشگر، بازده مالکیت و سفته‌بازی از فعالیت‌های تولیدی پیشی گرفته و جهش‌های ارزی می‌توانند حاصل سال‌ها کار و پس‌انداز را تحت تأثیر قرار دهند. در نتیجه، افق برنامه‌ریزی کوتاه‌تر، سرمایه‌گذاری بلندمدت کمتر و مهاجرت جذاب‌تر می‌شود.

شیرین‌کام معتقد است:
💸در چنین فضایی، «زرنگی» در بازارهای مالی جای شایستگی در تولید را می‌گیرد و حفظ ارزش دارایی بر تولید ارزش اولویت پیدا می‌کند.

او همچنین می‌گوید:
بخش مهمی از شرایط اقتصادی، از جمله نرخ ارز، خارج از کنترل بنگاه‌هاست و در چنین محیطی انتظار سرمایه‌گذاری بلندمدت و #نوآوری بسیار دشوار می‌شود!

📜تذکره‌تُن:
بر گور ِ چارلز بوکوفسکی، جمله جالبی نگاشته شده است :" تلاش نکن!".
بوکوفسکی هرزه ی دائم‌الخمری ست که دست رد به سینه ی هیچکس نزده است! و این جمله بر سنگ قبرش، حاصل یک‌عمر تجربه است.
البته ما هم ازین پند‌ها بسیار داریم:
"سخت می‌گیرد جهان بر مردمان سخت‌کوش"

این هم حاصل سالهای سال زندگی در حامعه ای فاسد است! که اگر مسیح هم دوباره ظهور کند تا مردمانش ما هستیم! همین است که هست.

🔐فرض کنیم یک نمونه در این جامعه داریم که از همان روزی که وارد پیش‌دبستان شده همه چیز را جدی گرفته، تلاش کرده، هم تحصیل کرده و هم کار، بعد بعشق شق‌القمر کردن وارد صنعت زیانده کشور شده از نیروگاه های کشور تا همه بیابان های کشور تا جزایر ایرانی و...

🆘۲۰ سال بعد او را با یک کارمند دیپلمه ی بانکی کوچک در یک محله گم‌نام تهران، ازین شعبِ دوزاری که کیلو‌کیلو وام به اقوام و آشنایان ش می‌دهد، و اختلاسگرها اولین دسته‌چک هايشان را از آن می‌گیرند،مقایسه کنید!
طرف از زیر باد کولر گازی تکان‌تکان نخورده! عین محبوبه‌خانم در سریال مرحوم #مراد‌برقی!
و این نمونه ی مورد مطالعه ما، با تنی شکسته و داغان از گرمای ۵۵ درجه، شرجی ۱۰۰ درصد، بیابان‌گردی های طولانی و کویر‌نوردی ها روی ریل ها برای ساختن و افتتاح و مونتاژ صنعت،تحصیل و کار، بعد از یک عمر تلاش و به‌...دادن عمر و جوانی ،عملا پوسیده و اجزایش دارد از هم در‌می‌رود!
داشته‌هایشان را بگذارید کنار هم!

فلذا این وضعیت عدم تناسب بین تلاش و زحمت و داشته‌ها، اصلا مختص این دوران نیست! سالهاست این روال پاداش‌دهی جامعه ما به کسانی ست که سعی کرده‌اند آنرا به جای بهتری تبدیل کنند!
#چارلز‌بوکوفسکی
#فقر_رابطه_فساد
#اداره_چیز
#اختصادی
@Toobabigdatascience

⚠️ «برای موفقیت یک فناوری، واقعیت باید بر روابط عمومی اولویت داشته باشد، چرا که نمی‌توان طبیعت را فریب داد و خًر کرد.»

⭕️این جمله در واقع نتیجه‌گیری و چکیده‌ی معروف گزارش فاینمن درباره حادثه انفجار شاتل فضایی چلنجر در سال ۱۹۸۶ است .

او این جمله را در بخش پایانی گزارش خود نوشت تا نشان دهد چرا فاجعه رخ داد: سازمان ناسا و پیمانکارانش به‌جای توجه به واقعیت‌های فنی و خطرات ایمنی، به تصویر عمومی و روابط خود با رسانه‌ها اهمیت می‌دادند.

او با این عبارت، یک اصل مهم مهندسی و علمی را یادآوری می‌کند: قوانین طبیعت را نمی‌توان با تبلیغات، وعده‌های سیاسی یا خوش‌بینی بی‌جا دور زد. اگر فناوری بر پایه واقعیت بنا نشود، در نهایت شکست خواهد خورد، چون طبیعت را نمی‌توان فریب داد.

🪶در نهايت اینکه : #روابط_عمومی ، جای واقعیت را نمی‌گیرد!
عموما کسانی که راست می‌گویند و دارند واقعا کار می‌کنند، نیازی به آن ندارند!

#RichardFeynman
@toobabigdatascience

🍌فارغ‌التحصیلان دکتری در صدر نرخ اشتغال دانش‌آموختگان دانشگاهی

🥕آمار پایش وضعیت اشتغال دانش‌آموختگان دانشگاهی نشان می‌دهد مقطع دکتری در میان چهار مقطع تحصیلی، بالاترین میانگین نرخ اشتغال را در فاصله سال‌های ۱۳۹۸ تا ۱۴۰۴ داشته است.

👩‍🎓تذکره‌تُن:
👨‍💼در دهه‌های سی و چهل، فارغ‌التحصیلان ششم طبیعی و ریاضی این شانس را داشتند که سریع شاغل بشوند و خیلی بیشتر از ششم شان حقوق بگیرند
👩‍💼دهه های ۵۰، اوج قدرت #دیپلم و دیپلمه‌ها بود! بانک ها، شرکت‌های نفت و تلفن و تلگراف و...همه دنبال دیپلمه‌ها بودند
تا دهه ۶۰ هم هنوز دیپلم،دیپلم بود!
🤴دهه ۶۰ و ۷۰، لقب #مهندس و مهندسی روی بورس بود، یعنی لیسانسه‌ای که جد‌و‌آبادش را جلوی چشمش آورده بودند برای لیسانس مهندسی!
🧑‍🏫دهه ۸۰ و تا اویل ۹۰، کسی که #ارشد داشت! انگار فوق دکتری داشت
...
🧖‍♂الان هم که شده #دکتری
لذا طبق قانون تعدی نتیجه می‌گیریم
دکتری==ششم نظام قدیم
با این تفاوت که، ششم ریاضی قدیم حقوق یک مهندس را می‌گرفت
و
دکترای امروز حقوق یک لیسانسه را هم نمی‌گیرد!

#PhD
@toobabigdatascience