هوش مصنوعی، پایان برنامه‌نویسی یا شروع یه عصر جدید؟
تصور کن صبح از خواب پا میشی، لپ‌تاپ رو باز می‌کنی و به جای اینکه ساعت‌ها با کدها کلنجار بری، فقط یه توضیح ساده به هوش مصنوعی می‌دی و در عرض چند ثانیه، کل پروژه آماده‌ست! عجیب و خارق‌العاده به نظر می‌رسه، نه؟ اما این دقیقاً چیزیه که داریو آمودی، مدیرعامل Anthropic، پیش‌بینی کرده: تو ۳ تا ۶ ماه آینده، ۹۰٪ کدنویسی‌ها توسط هوش مصنوعی انجام می‌شه و تا یه سال دیگه، تقریباً همه کدها ممکنه توسط AI نوشته بشن [منبع]. اگه این اتفاق بیفته، برنامه‌نویسی به تاریخ می‌پیونده؟ یا برعکس، ما در آستانه‌ی یه تحول بزرگ تو دنیای نرم‌افزار هستیم؟
قبل از اینکه جواب این سوال رو بدیم، بیاین با یه مفهوم جالب به نام پارادوکس جونز آشنا بشیم.
پارادوکس جونز چی می‌گه؟
طبق این پارادوکس، وقتی یه فناوری بهره‌وری رو افزایش می‌ده، نه‌تنها باعث کاهش استفاده از اون صنعت نمی‌شه، بلکه تقاضا رو برای اون بیشتر می‌کنه! یه مثال تاریخی از این موضوع، ماشین‌های نساجی تو قرن ۱۸ هست. وقتی این ماشین‌ها جای کارگران رو در تولید پارچه گرفتن، خیلی‌ها فکر می‌کردن که این فناوری باعث بیکاری گسترده می‌شه. اما در واقع، چون تولید پارچه ارزان‌تر شد، تقاضا بیشتر شد و در نهایت، نه‌تنها صنعت نساجی از بین نرفت، بلکه فرصت‌های شغلی بیشتری تو بخش‌های طراحی، مدیریت و فروش به وجود اومد.
حالا بیاین یه نگاهی به دنیای تکنولوژی بندازیم:
- ورود کامپیوترها: وقتی کامپیوترها برای اولین بار وارد بازار کار شدن، بعضی‌ها فکر می‌کردن که دیگه نیازی به حسابداران و کارمندان دفتری نیست. اما چی شد؟ با افزایش بهره‌وری، شغل‌های جدیدی مثل تحلیل داده، توسعه نرم‌افزار و امنیت سایبری به وجود اومدن.
- اتوماسیون تو صنعت خودرو: ربات‌های صنعتی سال‌هاست که تو کارخانه‌های خودروسازی جایگزین کارگران شدن. اما به جای از بین بردن شغل‌ها، فرصت‌های جدیدی تو زمینه‌ی نگهداری سیستم‌ها و بهینه‌سازی تولید ایجاد کردن.
حالا اگه هوش مصنوعی بتونه ۹۰٪ کدنویسی رو انجام بده، آیا برنامه‌نویس‌ها بیکار می‌شن؟ طبق پارادوکس جونز، نه! بلکه کار اون‌ها از نوشتن کدهای تکراری به سمت طراحی سیستم‌های پیچیده‌تر، نظارت بر الگوریتم‌ها و حل چالش‌های عمیق‌تر می‌ره. طبق پارادوکس جونز و درست مثل انقلاب صنعتی، این تغییرات باعث حذف یه مهارت قدیمی نمی‌شن، بلکه فرصت‌های جدیدتری خلق می‌کنن.
@Ai_Events
تصور کن صبح از خواب پا میشی، لپ‌تاپ رو باز می‌کنی و به جای اینکه ساعت‌ها با کدها کلنجار بری، فقط یه توضیح ساده به هوش مصنوعی می‌دی و در عرض چند ثانیه، کل پروژه آماده‌ست! عجیب و خارق‌العاده به نظر می‌رسه، نه؟ اما این دقیقاً چیزیه که داریو آمودی، مدیرعامل Anthropic، پیش‌بینی کرده: تو ۳ تا ۶ ماه آینده، ۹۰٪ کدنویسی‌ها توسط هوش مصنوعی انجام می‌شه و تا یه سال دیگه، تقریباً همه کدها ممکنه توسط AI نوشته بشن [منبع]. اگه این اتفاق بیفته، برنامه‌نویسی به تاریخ می‌پیونده؟ یا برعکس، ما در آستانه‌ی یه تحول بزرگ تو دنیای نرم‌افزار هستیم؟
قبل از اینکه جواب این سوال رو بدیم، بیاین با یه مفهوم جالب به نام پارادوکس جونز آشنا بشیم.
پارادوکس جونز چی می‌گه؟
طبق این پارادوکس، وقتی یه فناوری بهره‌وری رو افزایش می‌ده، نه‌تنها باعث کاهش استفاده از اون صنعت نمی‌شه، بلکه تقاضا رو برای اون بیشتر می‌کنه! یه مثال تاریخی از این موضوع، ماشین‌های نساجی تو قرن ۱۸ هست. وقتی این ماشین‌ها جای کارگران رو در تولید پارچه گرفتن، خیلی‌ها فکر می‌کردن که این فناوری باعث بیکاری گسترده می‌شه. اما در واقع، چون تولید پارچه ارزان‌تر شد، تقاضا بیشتر شد و در نهایت، نه‌تنها صنعت نساجی از بین نرفت، بلکه فرصت‌های شغلی بیشتری تو بخش‌های طراحی، مدیریت و فروش به وجود اومد.
حالا بیاین یه نگاهی به دنیای تکنولوژی بندازیم:
- ورود کامپیوترها: وقتی کامپیوترها برای اولین بار وارد بازار کار شدن، بعضی‌ها فکر می‌کردن که دیگه نیازی به حسابداران و کارمندان دفتری نیست. اما چی شد؟ با افزایش بهره‌وری، شغل‌های جدیدی مثل تحلیل داده، توسعه نرم‌افزار و امنیت سایبری به وجود اومدن.
- اتوماسیون تو صنعت خودرو: ربات‌های صنعتی سال‌هاست که تو کارخانه‌های خودروسازی جایگزین کارگران شدن. اما به جای از بین بردن شغل‌ها، فرصت‌های جدیدی تو زمینه‌ی نگهداری سیستم‌ها و بهینه‌سازی تولید ایجاد کردن.
حالا اگه هوش مصنوعی بتونه ۹۰٪ کدنویسی رو انجام بده، آیا برنامه‌نویس‌ها بیکار می‌شن؟ طبق پارادوکس جونز، نه! بلکه کار اون‌ها از نوشتن کدهای تکراری به سمت طراحی سیستم‌های پیچیده‌تر، نظارت بر الگوریتم‌ها و حل چالش‌های عمیق‌تر می‌ره. طبق پارادوکس جونز و درست مثل انقلاب صنعتی، این تغییرات باعث حذف یه مهارت قدیمی نمی‌شن، بلکه فرصت‌های جدیدتری خلق می‌کنن.
@Ai_Events
Telegram
AI Container
داريو آمودي، مدير عامل Anthropic: در ۳ تا ۶ ماه آینده، هوش مصنوعی ۹۰٪ کدها را مینویسه، و تا ۱۲ ماه دیگه، تقریباً همه کدها ممکنه توسط AI تولید بشن.
#هوش_مصننوعی #تکنولوژی #برنامه‌نویسی #آینده
@Ai_Container
#هوش_مصننوعی #تکنولوژی #برنامه‌نویسی #آینده
@Ai_Container
انجمن علمی نانو دانشگاه یزد و انجمن علمی ژرفا دانشگاه صنعتی شریف برگزار می‌کنند:
«عصر یادگیری ماشین»
از مجموعه رویدادهای علمی نوروزی در موضوع «هوش مصنوعی»
با حضور جناب آقای سامان هادیان
کارشناس ارشد هوش مصنوعی در کارگزاری مفید
سه‌شنبه ۱۲ فروردین ۱۴۰۴ | ساعت ۲۱
اتاق مجازی ژرفا
@Nano_YazdUni
@Zharfa90
@Ai_Events
«عصر یادگیری ماشین»
از مجموعه رویدادهای علمی نوروزی در موضوع «هوش مصنوعی»
با حضور جناب آقای سامان هادیان
کارشناس ارشد هوش مصنوعی در کارگزاری مفید
سه‌شنبه ۱۲ فروردین ۱۴۰۴ | ساعت ۲۱
اتاق مجازی ژرفا
@Nano_YazdUni
@Zharfa90
@Ai_Events
Research Position at the Center for Information Systems and Data Science, Sharif University in Collaboration with a Top-Three Global Institution or medical university school in Bioinformatics.
Projects Descriptions:
1. Utilizing Large Language Models and Retrieval-Augmented Generation (RAG): Applying knowledge graph in medicine, inspired by Stanford University's work.
2. Predicting Profiles for Protein Sequences Using Natural Language Processing: Leveraging the performance of transformers in natural languages by treating protein sequences as a language, similar to Microsoft's research.
3. Applying Manifold Learning and Riemannian Geometry in Protein Dynamics Analysis: Designing and predicting the effects of protein dynamics using approaches akin to those from Cambridge University.
✅Requirements:
A bachelor's and master's student with strong implementation skills and clean coding in artificial intelligence, capable of reading and analyzing new Bioinformatics papers, ideating and extensively testing with well-known deep and reinforcement learning architectures, and possessing intermediate Bioinformatics or biology knowledge.
💥This project will be conducted in collaboration with three professors from Sharif University's Computer and Electrical Engineering faculties and supervised by a senior scientist from one of the top three universities in the United States.
🆔To apply and submit your CV, please contact via email:
[email protected]
@Ai_Events
Projects Descriptions:
1. Utilizing Large Language Models and Retrieval-Augmented Generation (RAG): Applying knowledge graph in medicine, inspired by Stanford University's work.
2. Predicting Profiles for Protein Sequences Using Natural Language Processing: Leveraging the performance of transformers in natural languages by treating protein sequences as a language, similar to Microsoft's research.
3. Applying Manifold Learning and Riemannian Geometry in Protein Dynamics Analysis: Designing and predicting the effects of protein dynamics using approaches akin to those from Cambridge University.
✅Requirements:
A bachelor's and master's student with strong implementation skills and clean coding in artificial intelligence, capable of reading and analyzing new Bioinformatics papers, ideating and extensively testing with well-known deep and reinforcement learning architectures, and possessing intermediate Bioinformatics or biology knowledge.
💥This project will be conducted in collaboration with three professors from Sharif University's Computer and Electrical Engineering faculties and supervised by a senior scientist from one of the top three universities in the United States.
🆔To apply and submit your CV, please contact via email:
[email protected]
@Ai_Events
#open_position
We are seeking 2–3 interns/collaborators:
- 2 positions focused primarily on technical aspects
- 1 position with a 50/50 focus on theoretical and applied Machine Learning
If you are interested in research on Histopathology Whole Slide Images (WSIs), VLMs, vLLMs, Self-Supervised Learning (SSL), and/or Theoretical Machine Learning—with the goal of submitting papers to conferences such as NeurIPS, ICLR, CVPR, ICASSP, WACV, or journals like IEEE Transactions on Medical Imaging, TMLR, and JMLR—please send your CV to [email protected]
For more context, you can review these relevant papers:
1. https://arxiv.org/abs/2408.08258
2. https://arxiv.org/abs/2306.11207
3. https://ieeexplore.ieee.org/document/10643565
Technical Requirements
- English proficiency at least B2 (preferred) or B1
- Familiarity with Machine Learning and PyTorch
- Experience with Git
- Ability to run and interpret academic GitHub repositories
- Clean coding practices
- Solid understanding of Mathematics; preferably very strong in Probability and Statistics, Stochastic Processes, Information Theory, Machine Learning Theory, and High-Dimensional Statistics [for the theory-focused candidate]
Non-Technical Requirements
- Persistent and “try-hard” attitude
- Available on-call
- Enthusiastic about learning new platforms
- Willing to dedicate significant time
- Extremely resilient, comfortable with frequent schedule changes, and unafraid of polite rejections [for the theory-focused candidate]
Benefits
- Supportive RIML environment
- Opportunity to work closely with Dr. Rohban (mainly for the theory-focused position)
- Possibility of a research-related recommendation letter from Dr. Rohban
Final Thing
Guys, I really mean everything stated above for the Non-Technical Requirements, if you don’t meet them, please do’t email.
@Ai_Events
We are seeking 2–3 interns/collaborators:
- 2 positions focused primarily on technical aspects
- 1 position with a 50/50 focus on theoretical and applied Machine Learning
If you are interested in research on Histopathology Whole Slide Images (WSIs), VLMs, vLLMs, Self-Supervised Learning (SSL), and/or Theoretical Machine Learning—with the goal of submitting papers to conferences such as NeurIPS, ICLR, CVPR, ICASSP, WACV, or journals like IEEE Transactions on Medical Imaging, TMLR, and JMLR—please send your CV to [email protected]
For more context, you can review these relevant papers:
1. https://arxiv.org/abs/2408.08258
2. https://arxiv.org/abs/2306.11207
3. https://ieeexplore.ieee.org/document/10643565
Technical Requirements
- English proficiency at least B2 (preferred) or B1
- Familiarity with Machine Learning and PyTorch
- Experience with Git
- Ability to run and interpret academic GitHub repositories
- Clean coding practices
- Solid understanding of Mathematics; preferably very strong in Probability and Statistics, Stochastic Processes, Information Theory, Machine Learning Theory, and High-Dimensional Statistics [for the theory-focused candidate]
Non-Technical Requirements
- Persistent and “try-hard” attitude
- Available on-call
- Enthusiastic about learning new platforms
- Willing to dedicate significant time
- Extremely resilient, comfortable with frequent schedule changes, and unafraid of polite rejections [for the theory-focused candidate]
Benefits
- Supportive RIML environment
- Opportunity to work closely with Dr. Rohban (mainly for the theory-focused position)
- Possibility of a research-related recommendation letter from Dr. Rohban
Final Thing
Guys, I really mean everything stated above for the Non-Technical Requirements, if you don’t meet them, please do’t email.
@Ai_Events
Research Position at the Center for Information Systems and Data Science, Sharif University in Collaboration with a Top-Three Global Institution or medical university school in Bioinformatics.
Projects Descriptions:
1. Utilizing Large Language Models and Retrieval-Augmented Generation (RAG): Applying knowledge graph in medicine, inspired by Stanford University's work.
2. Predicting Profiles for Protein Sequences Using Natural Language Processing: Leveraging the performance of transformers in natural languages by treating protein sequences as a language, similar to Microsoft's research.
3. Applying Manifold Learning and Riemannian Geometry in Protein Dynamics Analysis: Designing and predicting the effects of protein dynamics using approaches akin to those from Cambridge University.
✅Requirements:
A bachelor's and master's student with strong implementation skills and clean coding in artificial intelligence, capable of reading and analyzing new Bioinformatics papers, ideating and extensively testing with well-known deep and reinforcement learning architectures, and possessing intermediate Bioinformatics or biology knowledge.
💥This project will be conducted in collaboration with three professors from Sharif University's Computer and Electrical Engineering faculties and supervised by a senior scientist from one of the top three universities in the United States.
To apply and submit your CV, please contact via email with the subject line "Research Position in Bioinformatics":
[email protected]
@Ai_Events
Projects Descriptions:
1. Utilizing Large Language Models and Retrieval-Augmented Generation (RAG): Applying knowledge graph in medicine, inspired by Stanford University's work.
2. Predicting Profiles for Protein Sequences Using Natural Language Processing: Leveraging the performance of transformers in natural languages by treating protein sequences as a language, similar to Microsoft's research.
3. Applying Manifold Learning and Riemannian Geometry in Protein Dynamics Analysis: Designing and predicting the effects of protein dynamics using approaches akin to those from Cambridge University.
✅Requirements:
A bachelor's and master's student with strong implementation skills and clean coding in artificial intelligence, capable of reading and analyzing new Bioinformatics papers, ideating and extensively testing with well-known deep and reinforcement learning architectures, and possessing intermediate Bioinformatics or biology knowledge.
💥This project will be conducted in collaboration with three professors from Sharif University's Computer and Electrical Engineering faculties and supervised by a senior scientist from one of the top three universities in the United States.
To apply and submit your CV, please contact via email with the subject line "Research Position in Bioinformatics":
[email protected]
@Ai_Events
دکتر مهدی شامی‌زنجانی:
همه‌گیری یا همان پاندمی!
این اولین چیزیست که بعد از شنیدن نامِ «هوش مصنوعی» به ذهنم متبادر می‌شود چون این روزها «همه» در مورد آن صحبت می‌کنند.
بخش مثبت داستان این است که توجه گروه بزرگی از ما به این فناوری مهم و تاثیرگذار جلب شده اما جنبه تاریک آن شاید این باشد که طبق معمول ما به‌اندازهٔ هیجان و تبِ تندی که داریم، با ابعاد متنوع و ملاحظات متعدد حول و حوش آن آشنایی مناسبی نداریم. این ناآشنایی ممکن است ما را دچار آفتِ «ساده‌انگاری» کرده و گفتمان این حوزه را تنها در سطح «ابزار» شکل دهد و عملا «ابعاد سازمانی و مدیریتی» هوش مصنوعی برای کسبوکارها مغفول واقع گردد.
«ششم اردیبهشت‌ماه ۱۴۰۴»، ساعت ۱۸ الی ۲۰، در سالن الغدیر «دانشکدگان مدیریت دانشگاه تهران»، با موضوع «بازآفرینی سازمان برای هوش مصنوعی» از این دغدغه خواهم گفت.
حضور در این برنامه که به همّتِ مشترک «دانشکده مدیریت صنعتی و فناوری دانشگاه تهران» و «شرکت ورانگر» برگزار خواهد شد، برای عموم آزاد است، اما به‌جهت مدیریت ظرفیت سالن نیاز به ثبت‌نام دارد.
لینک ثبت‌نام:
https://utechevents.ir/event/ai/
@Ai_Events
همه‌گیری یا همان پاندمی!
این اولین چیزیست که بعد از شنیدن نامِ «هوش مصنوعی» به ذهنم متبادر می‌شود چون این روزها «همه» در مورد آن صحبت می‌کنند.
بخش مثبت داستان این است که توجه گروه بزرگی از ما به این فناوری مهم و تاثیرگذار جلب شده اما جنبه تاریک آن شاید این باشد که طبق معمول ما به‌اندازهٔ هیجان و تبِ تندی که داریم، با ابعاد متنوع و ملاحظات متعدد حول و حوش آن آشنایی مناسبی نداریم. این ناآشنایی ممکن است ما را دچار آفتِ «ساده‌انگاری» کرده و گفتمان این حوزه را تنها در سطح «ابزار» شکل دهد و عملا «ابعاد سازمانی و مدیریتی» هوش مصنوعی برای کسبوکارها مغفول واقع گردد.
«ششم اردیبهشت‌ماه ۱۴۰۴»، ساعت ۱۸ الی ۲۰، در سالن الغدیر «دانشکدگان مدیریت دانشگاه تهران»، با موضوع «بازآفرینی سازمان برای هوش مصنوعی» از این دغدغه خواهم گفت.
حضور در این برنامه که به همّتِ مشترک «دانشکده مدیریت صنعتی و فناوری دانشگاه تهران» و «شرکت ورانگر» برگزار خواهد شد، برای عموم آزاد است، اما به‌جهت مدیریت ظرفیت سالن نیاز به ثبت‌نام دارد.
لینک ثبت‌نام:
https://utechevents.ir/event/ai/
@Ai_Events
🚀 Join Nan Jiang’s Talk at Sharif University of Technology
🎙 Title: Rethinking the Theoretical Foundation of Reinforcement Learning
👨🏫 Speaker: Nan Jiang (Associate Professor, University of Illinois Urbana-Champaign)
📅 Date: Thursday (Apr 24, 2025)
🕗 Time: 7:00 PM Iran Time
💡 Sign Up Here: https://forms.gle/KMjp2cGrnWCqSJAh7
@DeepRLCourse
@Ai_Events
🎙 Title: Rethinking the Theoretical Foundation of Reinforcement Learning
👨🏫 Speaker: Nan Jiang (Associate Professor, University of Illinois Urbana-Champaign)
📅 Date: Thursday (Apr 24, 2025)
🕗 Time: 7:00 PM Iran Time
💡 Sign Up Here: https://forms.gle/KMjp2cGrnWCqSJAh7
@DeepRLCourse
@Ai_Events
🤖 کاربردهای هوش‌مصنوعی در صنعت
🌎 تو دنیای امروز، هوش‌مصنوعی به ابزاری حیاتی برای کسبوکارها و بهینه‌سازی فرایندها تبدیل شده. از خطوط تولید در کارخونه‌ها گرفته تا پیش‌بینی رفتار مشتری تو فروشگاه‌های آنلاین.
🔍 توی این وبینار رایگان، کاربردهای عملی AI تو صنایع و پوزیشن‌های شغلی کلیدی تو این حوزه مثل AI Engineer، Machine Learning Engineer و Applied Scientist رو بررسی می‌کنیم.
🎙همراه با :
پیام اسفندیاری
پوریا زمان‌وزیری
📆 یک اردیبهشت ۱۴۰۴ | ساعت ۱۹:۰۰
✅ اطلاعات بیشتر و ثبت‌نام رایگان:
https://quera.org/r/09m0q
@Ai_Events
🌎 تو دنیای امروز، هوش‌مصنوعی به ابزاری حیاتی برای کسبوکارها و بهینه‌سازی فرایندها تبدیل شده. از خطوط تولید در کارخونه‌ها گرفته تا پیش‌بینی رفتار مشتری تو فروشگاه‌های آنلاین.
🔍 توی این وبینار رایگان، کاربردهای عملی AI تو صنایع و پوزیشن‌های شغلی کلیدی تو این حوزه مثل AI Engineer، Machine Learning Engineer و Applied Scientist رو بررسی می‌کنیم.
🎙همراه با :
پیام اسفندیاری
Director of Data @ Snappfoodپوریا زمان‌وزیری
Fraud Analyst @ Snapp! Box📆 یک اردیبهشت ۱۴۰۴ | ساعت ۱۹:۰۰
✅ اطلاعات بیشتر و ثبت‌نام رایگان:
https://quera.org/r/09m0q
@Ai_Events
🔷 جلسات مقاله خوانی فیزیک اماری و سامانه های پیچیده
📉 موضوع ارائه:
مروری بر شبکه‌های عصبی گراف برای سری‌های زمانی: پیش‌بینی، طبقه‌بندی، تکمیل داده‌ها و شناسایی ناهنجاری‌ها
👨🏻💻 ارائه دهنده: یوسف صادقی
🕒 زمان: دوشنبه ۱-اردیبهشت، ساعت ۱۵:۰۰
📍مکان: سالن سمینار، طبقه سوم دانشکده فیزیک
💻 لینک گوگل میت:
https://meet.google.com/jax-qhsj-weo
-------------------------------------
🌐http://ccnsd.ir
🌐 https://complexity.sbu.ac.ir/
@Complexity_SBU
@Ai_Events
📉 موضوع ارائه:
مروری بر شبکه‌های عصبی گراف برای سری‌های زمانی: پیش‌بینی، طبقه‌بندی، تکمیل داده‌ها و شناسایی ناهنجاری‌ها
👨🏻💻 ارائه دهنده: یوسف صادقی
🕒 زمان: دوشنبه ۱-اردیبهشت، ساعت ۱۵:۰۰
📍مکان: سالن سمینار، طبقه سوم دانشکده فیزیک
💻 لینک گوگل میت:
https://meet.google.com/jax-qhsj-weo
-------------------------------------
🌐http://ccnsd.ir
🌐 https://complexity.sbu.ac.ir/
@Complexity_SBU
@Ai_Events
مدیریت پکیج‌های پایتون با
تصور کنید می‌خواهید یک پروژه پایتون جدید را شروع کنید، اما قبل از نوشتن حتی یک خط کد، باید محیط مجازی بسازید، کتابخانه‌ها را نصب کنید، وابستگی‌ها را مدیریت کنید و مطمئن شوید همه چیز با نسخه‌های مختلف سازگار است. این فرآیند گاهی آنقدر زمان‌بر می‌شود که از اصل کار یعنی توسعه نرم‌افزار عقب می‌افتید!
اما چه می‌شد اگر ابزاری وجود داشت که این فرآیند را ۱۰ برابر سریع‌تر و بدون دردسر انجام دهد؟ خوشبختانه چنین ابزاری به دنیای پایتون اضافه شده:
ابزار
ابزار
چرا
✅ نصب و اجرای سریع
✅ هم به عنوان جایگزین
✅ پشتیبانی از
✅ ساخت، فعال‌سازی و حذف محیط‌ها تنها با یک دستور.
چطور شروع کنیم؟
نصب
سپس می‌توانید از آن برای مدیریت پکیج‌ها و محیط‌های مجازی استفاده کنید:
آینده مدیریت پکیج در پایتون
با ظهور ابزارهایی مثل
@Ai_Events
uv: سریع‌تر، ساده‌تر، قدرتمندتر تصور کنید می‌خواهید یک پروژه پایتون جدید را شروع کنید، اما قبل از نوشتن حتی یک خط کد، باید محیط مجازی بسازید، کتابخانه‌ها را نصب کنید، وابستگی‌ها را مدیریت کنید و مطمئن شوید همه چیز با نسخه‌های مختلف سازگار است. این فرآیند گاهی آنقدر زمان‌بر می‌شود که از اصل کار یعنی توسعه نرم‌افزار عقب می‌افتید!
اما چه می‌شد اگر ابزاری وجود داشت که این فرآیند را ۱۰ برابر سریع‌تر و بدون دردسر انجام دهد؟ خوشبختانه چنین ابزاری به دنیای پایتون اضافه شده:
uv! ابزار
uv چیست؟ ابزار
uv یک مدیریت‌کننده پکیج و محیط مجازی فوق‌العاده سریع است که توسط تیم Astra (همان توسعه‌دهندگان ruff) ساخته شده. این ابزار با هدف جایگزینی pip و virtualenv طراحی شده و روی سرعت و تجربه توسعه بهتر تمرکز دارد. چرا
uv؟✅ نصب و اجرای سریع
✅ هم به عنوان جایگزین
pip و هم virtualenv قابل استفاده است. ✅ پشتیبانی از
requirements.txt و pyproject.toml✅ ساخت، فعال‌سازی و حذف محیط‌ها تنها با یک دستور.
چطور شروع کنیم؟
نصب
uv بسیار ساده است: pip install uv
سپس می‌توانید از آن برای مدیریت پکیج‌ها و محیط‌های مجازی استفاده کنید:
uv venv # ساخت محیط مجازی
uv pip install numpy pandas # نصب پکیج‌ها با سرعت بالا
uv pip compile requirements.in -o requirements.txt # تولید فایل requirements بهینه‌شده
آینده مدیریت پکیج در پایتون
با ظهور ابزارهایی مثل
uv و ruff، اکوسیستم پایتون در حال گذار به سمت ابزارهای سریع‌تر و توسعه‌پذیرتر است. این تحولات نه‌تنها بهره‌وری برنامه‌نویسان را افزایش می‌دهد، بلکه نشان می‌دهد که هوش مصنوعی و ابزارهای مدرن، جایگزین برنامه‌نویسان نمی‌شوند، بلکه به آن‌ها کمک می‌کنند روی بخش‌های خلاقانه‌تر کار تمرکز کنند.@Ai_Events
دانشکده‌ی ریاضی، آمار و علوم کامپیوتر دانشگاه تهران برگزار می‌کند:
سخنران: دکتر حسن امیدی فیروزی
عنوان سخنرانی:
Applications of Artificial Intelligence in the Banking Industry with a Focus on Fraud Detection
تاریخ و محل برگزاری: دوشنبه 8 اردیبهشت
ساعت 11:20
دانشکده‌ی ریاضی، آمار و علوم کامپیوتر دانشگاه تهران
@Ai_Events
سخنران: دکتر حسن امیدی فیروزی
عنوان سخنرانی:
Applications of Artificial Intelligence in the Banking Industry with a Focus on Fraud Detection
تاریخ و محل برگزاری: دوشنبه 8 اردیبهشت
ساعت 11:20
دانشکده‌ی ریاضی، آمار و علوم کامپیوتر دانشگاه تهران
@Ai_Events
برگزاری سخنرانی علمی در سلسله نشست‌های پژوهشکده علوم شناختی و مغز، با همکاری انجمن علوم و فناوری‌های شناختی ایران و مرکز شبکه های پیچیده دانشگاه شهید بهشتی
عنوان:
"کاربردهای نظریه‌ی پیچیدگی در شبکه‌های مغزی"
سخنران: دکتر رضا جعفری
http://ccnsd.ir
https://complexity.sbu.ac.ir/
@Complexity_SBU
@Ai_Events
عنوان:
"کاربردهای نظریه‌ی پیچیدگی در شبکه‌های مغزی"
سخنران: دکتر رضا جعفری
http://ccnsd.ir
https://complexity.sbu.ac.ir/
@Complexity_SBU
@Ai_Events
مسابقات آزاد هوش مصنوعی دانشگاه مفید
(کاربرد هوش مصنوعی در علوم انسانی)
_ دسترسی به توضیحات بیشتر از طریق جلسه توجیهی پیش از مسابقه یا شماره تماس ۰۹۹۰۷۶۶۱۰۰۸ مقدور است.
پنجشنبه ۲۵ اردیبهشت ۱۴۰۴
دانشگاه مفید
لینک ثبت نام:
https://azmoon.mofidu.ac.ir/
@publicmofid
@Ai_Events
(کاربرد هوش مصنوعی در علوم انسانی)
_ دسترسی به توضیحات بیشتر از طریق جلسه توجیهی پیش از مسابقه یا شماره تماس ۰۹۹۰۷۶۶۱۰۰۸ مقدور است.
پنجشنبه ۲۵ اردیبهشت ۱۴۰۴
دانشگاه مفید
لینک ثبت نام:
https://azmoon.mofidu.ac.ir/
@publicmofid
@Ai_Events
Join Jeff Clune’s Talk at Sharif University of Technology
Title: Open-Ended and AI-Generating Algorithms in the Era of Foundation Models
Speaker: Jeff Clune (University of British Columbia, Vector Institute, DeepMind)
Date: Friday (May 2, 2025)
Time: 8:00 PM Iran Time
Sign Up Here: https://forms.gle/57sRPPLWMd9dcF8F9
@DeepRLCourse
@Ai_Events
Title: Open-Ended and AI-Generating Algorithms in the Era of Foundation Models
Speaker: Jeff Clune (University of British Columbia, Vector Institute, DeepMind)
Date: Friday (May 2, 2025)
Time: 8:00 PM Iran Time
Sign Up Here: https://forms.gle/57sRPPLWMd9dcF8F9
@DeepRLCourse
@Ai_Events
Join Benjamin Eysenbach’s Talk at Sharif University of Technology
Title: Self-Supervised Agents: Exploring and Learning with Minimal Feedback
Speaker: Benjamin Eysenbach (Assistant Professor, Princeton University)
Date: Thursday (May 1, 2025)
Time: 4:30 PM Iran Time
Sign Up Here: https://forms.gle/j4pUEa89N8kzCRpb9
@DeepRLCourse
@Ai_Events
Title: Self-Supervised Agents: Exploring and Learning with Minimal Feedback
Speaker: Benjamin Eysenbach (Assistant Professor, Princeton University)
Date: Thursday (May 1, 2025)
Time: 4:30 PM Iran Time
Sign Up Here: https://forms.gle/j4pUEa89N8kzCRpb9
@DeepRLCourse
@Ai_Events