Being a ‘weekend warrior’ could be as good for brain health as exercising throughout the week, new study shows


آیا ورزش در آخر هفته می‌تواند جبران بی‌تحرکی طول هفته را بکند یا باید از ورزش به این سبک ناامید شویم؟


ادامه مطلب 👇👇👇👇👇

در دوران بزرگسالی، زمان آزاد به یک منبع کمیاب تبدیل می‌شود.

می‌توان یک تقسیم ساده کرد و ۱۵۰ دقیقه ورزش حداقلی هفتگی را به روزهای هفته تقسیم کرد و به این نتیجه رسید که کنار گذاشتن این دقایق محدود که کاری ندارد. اما در مقام عمل وقتی دو کار داشته باشید دیگر توان ذهنی و انگیزه همین دقایق را هم پیدا نمی‌کنید.
از سوی دیگر فواید ورزش برای سلامتی، از جمله کاهش خطر ابتلا به بیماری‌های مزمن مانند بیماری قلبی و زوال عقل، انکارناپذیر هستند.
پس آیا به ورزش آخر هفته دل ببندیم یا خیر؟

یک مطالعه جدید که در مجله «نیچر ایجینگ» (Nature Aging) منتشر شده، خبر خوبی برای افرادی دارد که برای گنجاندن ورزش منظم در برنامه‌ هفتگی مشکل دارند. نتایج این تحقیق نشان می‌دهد که این به اصطلاح «جنگجویان آخر هفته» که بیشتر ورزش‌های خود را در روزهای آخر هفته انجام می‌دهند، می‌توانند همان مزایای سلامتی برای مغز و روان را به‌دست آورند که افرادی که در طول هفته به‌طور منظم ورزش می‌کنند.
جزئیات تحقیق: تیم تحقیقاتی از چین داده‌های بیش از ۷۵ هزار نفر از بانک زیستی بریتانیا (UK Biobank) را تحلیل کردند. این یک مطالعه بزرگ کوهورت است که به بررسی سلامت حدود نیم میلیون نفر در بریتانیا می‌پردازد.
شرکت‌کنندگان در این تحقیق از دستگاه‌های ردیاب فعالیت‌های بدنی استفاده کرده بودند. میانگین سنی شرکت‌کنندگان در این مطالعه ۶۲ سال بود.
شرکت‌کنندگان اطلاعاتی از دستگاه‌های پوشیدنی ردیاب فعالیت‌های بدنی مچی خود برای ردیابی الگوهای فعالیت بدنی‌شان در مدت هفت روز ارائه دادند.
سپس آن‌ها به سه گروه تقسیم شدند:
☀️ گروه غیرفعال: افرادی که حداقل ۱۵۰ دقیقه فعالیت بدنی متوسط تا شدید در هفته را نداشتند.

☀️ گروه فعال منظم: افرادی که به‌طور منظم و در طول هفته فعالیت می‌کردند و به این استاندارد رسیدند.

☀️ «جنگجویان آخر هفته»: افرادی که بیش از ۵۰٪ فعالیت بدنی خود را در یک یا دو روز از هفته جمع‌آوری می‌کردند (این روزها لزوماً شنبه و یکشنبه نبودند، بلکه هر یک یا دو روز از هفته می‌توانستند باشند).

محققان شرکت‌کنندگان را برای مدت میانگین ۸.۴ سال پیگیری کردند. آن‌ها از سوابق پزشکان عمومی، داده‌های بستری شدن در بیمارستان و سوابق مرگ و میر برای بررسی بروز بیماری‌های عصبی (زوال عقل، سکته مغزی و بیماری پارکینسون) و همچنین اختلالات روانی (از جمله افسردگی و اضطراب) استفاده کردند.

محققان عوامل مخدوش‌کنند چون سن، جنسیت، وضعیت سیگار کشیدن، مصرف الکل، رژیم غذایی و سابقه بیماری‌هایی مانند دیابت، فشار خون بالا و سرطان را که می‌توانستند این نتایج را تحت تأثیر قرار دهند، در نظر گرفتند.

🔱مزایای ورزش آخر هفته:
در میان حدود ۷۵۵۰۰ شرکت‌کننده، حدود ۲۴۳۰۰ نفر به عنوان غیرفعال، ۲۱۲۰۰ نفر به عنوان فعال منظم و ۳۰۰۰۰ نفر به عنوان «جنگجویان آخر هفته» طبقه‌بندی شدند. نتایج نشان داد که در مقایسه با بزرگسالان غیرفعال، «جنگجویان آخر هفته» ۲۶٪ کمتر در معرض خطر ابتلا به زوال عقل، ۲۱٪ کمتر در معرض خطر سکته مغزی و ۴۵٪ کمتر در معرض خطر بیماری پارکینسون بودند.
خطر ابتلا به افسردگی و اضطراب نیز به ترتیب ۴۰٪ و ۳۷٪ کمتر از گروه غیرفعال بود. همه این آمارها در گروه «جنگجویان آخر هفته» با نتایج کسانی که به طور منظم فعال بودند، قابل مقایسه بود.
ارتباط محافظتی در برابر افسردگی و اضطراب در تمامی گروه‌های سنی، چه کمتر و چه بیشتر از ۶۵ سال، یکسان بود. اما کاهش خطر زوال عقل، سکته مغزی و بیماری پارکینسون به‌ویژه در افراد بالای ۶۵ سال برجسته‌تر بود.
این یافته نشان‌دهنده مزایای قابل فعالیت بدنی برای بزرگسالان مسن‌تر قابل توجه‌تر است.
روش‌های مختلف برای به‌دست آوردن این مزایا:
اما اگر آخر هفته‌ها هم برای ورزش به دلیل کار، مسئولیت‌های خانوادگی یا تعهدات دیگر وقت پیدا نکنیم چه؟
خوشبختانه، محققان الگوهای مختلف سبک زندگی «جنگجوی آخر هفته» را مورد بررسی قرار دادند. آن‌ها دریافتند که تا زمانی که افراد بخش عمده‌ای از فعالیت بدنی متوسط تا شدید خود را در یک یا دو روز از هفته انجام بدهند – حتی اگر این روزها متوالی نباشند – به مزایای مشابهی دست می‌یابند.
در یک مطالعه قبلی که همچنین از داده‌های بانک زیستی بریتانیا استفاده شده بود، محققان به نتایج مشابهی دست یافتند که نشان می‌دهد افرادی که بیشتر ورزش خود را در یک یا دو روز انجام می‌دهند، مزایای مشابهی برای سلامت قلب، شبیه به افرادی که فعالیت بدنی خود را در طول هفته پخش می‌کنند.
و اگر ورزش‌های باشگاه یبرای شما جذاب نیستند، همچنان خوش‌شانسید.
بررسی اطلاعات ردیاب‌های فعالیت نشان داد که صرف‌نظر از چگونگی انجام فعالیت بدنی متوسط تا شدید خود، فواید سلامتی به دست خواهد آمد.

این نتایج با مجموعه‌ای از تحقیقات رو به رشد همخوانی دارد که نشان می‌دهد چه از طریق فعالیت‌های کوتاه‌مدت روزانه مانند بالا رفتن از پله‌ها یا انجام کارهای خانه، چه پیاده‌روی در پارک و چه جلسات طولانی‌تر مانند دویدن یا تمرینات در باشگاه، مزایای سلامتی برای همه قابل دسترسی است.

🎙 تحولات جدید Miro برای هوشمندسازی فرآیند کارها

📍میرو یک بوم همکاری آنلاین است که به شما امکان می‌دهد ایده‌هایتان را به صورت بصری سازماندهی، به اشتراک بگذارید و روی آن‌ها کار کنید. این ابزار قدرتمند، شبیه یک White Board بی‌نهایت است که می‌توانید در آن نمودار، نقشه ذهنی، وایرفریم، یادداشت و هر چیز دیگری که به صورت بصری قابل نمایش باشد را قرار دهید.


ادامه 👇👇👇👇

تحولات جدید Miro برای هوشمندسازی فرآیند کارها

📌اما خودتون رو برای یه تحول اساسی آماده کنید!
میرو از معرفی «هوشمند‌ترین بوم» (Intelligent Canvas) که انقلابی در محیط کاری ما ایجاد می‌کنه خبر داده. تصور کنید که با کمک هوش مصنوعی، ساعت‌ها رو به دقیقه تبدیل میشن - خلاصه‌سازی خودکار، تولید نمودار و دریافت بازخورد فوری با دستیارهای هوش مصنوعی. چه نقشه سفر مشتری (Customer Journey Map)، نقشه راه (Roadmap) یا برنامه‌ریزی اسپرینت (Sprint Planning) باشد، بوم هوشمند Miro قرار است همه این موارد را خودکار انجام دهد و همکاری را به سطح کاملاً جدیدی ببرد.

▫️ویژگی‌های جدید:
1️⃣ با استفاده از ورودی‌های ساده، هوش مصنوعی میرو می‌تواند اسناد، خلاصه‌ها، نمودارها و تصاویر را به طور خودکار ایجاد کند.

2️⃣ کافی است محتوای خود را در بوم قرار دهید و هوش مصنوعی بقیه کار را انجام می‌دهد.

3️⃣ هوش مصنوعی می‌تواند نمودارها، گزارش‌ها و خلاصه‌ها را در عرض چند دقیقه تولید کند.

4️⃣ با یک کلیک محتوای با ساختار خوب تولید کنید.

📍دستیارهای هوش مصنوعی (AI Sidekicks):‌
در صورت نیاز، از طریق هوش مصنوعی روی بوم خود کمک فوری دریافت کنید. این کمک می‌تواند شامل راهنمایی از یک مربی چابک (Agile Coach) پس از جلسه‌ی بازنگری (retrospective)، بازخورد از یک رهبر محصول در مورد استراتژی شما، یا کمک از یک متخصص بازاریابی برای بهبود برنامه‌ی راه‌اندازی محصولتان باشد.

🤍 هوش مصنوعی توی تولید محتوا هم بهت کمک می‌کنه

⚪️ توی پرامپت زیر موضوع فعالیت خودتون وارد میکنید و مخاطب هدفتون و به ده تا سوالی که براتون طرح می‌کنه پاسخ میدید و ایده برای تولید محتوا سی روز ایندتون رو آماده میکنه و باعث رشدتون میشه

⚪️ پرامپت مورد نیاز :

I am a content creator in the field of [موضوع فعالیتتون ]. I would like you to help me generate 30 short content ideas for Instagram Reels. Think deeply about the challenges, misconceptions, and dream outcomes of my target audience, who are [مخاطب هدفتون ], and build content ideas around that. Organize it in a table, label the x-axis with challenges, misconceptions, and dream outcomes, and number the y-axis from 1 to 30.

Before you start, I want you to ask me at least 10 questions that will really help you understand my target audience better
only answer in Farsi


✅ لینک دانلود اپ چت جی پی تی


✅

💢هِرب کِلِهر (Herb Kelleher) یکی از مؤسسان شرکت هواپیمایی Southwest ، می‌گوید:

«اگر نگرش مثبت نداری،
استخدامت نمی‌کنیم،
حتی اگر از مهارت‌های زیادی
برخوردار باشی!

می‌توان به سادگی با برگزاری آزمونی، سطح مهارت‌های فنی افراد را اندازه گرفت و آن‌ها را با هم مقایسه کرد، اما تشخیص آنکه فرد دارای چه ویژگی‌های شخصیتی و چه نگرش‌هایی است، کار دشواری است.

مارک مورفی (Mark Murphy) در کتاب خود با عنوان «استخدام به خاطر نگرش- Hiring For Attitude» متذکر می‌شود که در حدود نیمی (47% ) از استخدام‌های جدید، در طول 18 ماه نخست، با شکست مواجه می‌شوند.

اما چرا این اتفاق می‌افتد؟
دلیل این شکست، فقدان مهارت‌ها نیست تنها 11% مسئله به عدم وجود مهارت در کارکنان تازه استخدام شده بر می‌گردد.
این در حالی است که حدود 89% از شکست‌ها به دلایل نگرشی (مانند هوش عاطفی، انگیزش و رفتارهای سازمانی ناشی از نگرش) بر می‌گردد.

✍دکتر جوشقانی

یادگیری (Zero-Shot Learning) ، One-Shot Learning) و (Few-Shot Learning )، مفاهیم قدرتمندی هستند که به مدل‌های هوش مصنوعی اجازه می‌دهند تا با داده‌های محدود ، بهتر عمل کنند و در مسائل دنیای واقعی که دسترسی به داده‌های فراوان وجود ندارد، مفید واقع شوند..

بطور خلاصه

✅ در Zero-Shot، بدون ارائه مثال، ChatGPT به درخواست شما پاسخ می‌دهد.

✅در One-Shot، یک نمونه از خروجی مورد نظر ارائه می‌شود تا ChatGPT براساس آن پاسخ دهد.

✅در Few-Shot، چندین مثال ارائه می‌شود تا ChatGPT با دقت بیشتری خروجی مورد نظر را تولید کند.

🎈این تکنیک‌ها باعث می‌شوند نتایج متنوع‌تر و دقیق‌تری از ChatGPT بدست آورید.

🔍🔍 در ادامه هر کدام را با ذکر مثال کاربردی توضیح خواهیم داد

@gptocean

Zero-Shot Prompting
به معنای این است که یک مدل مثل ChatGPT می‌تواند پیش‌بینی‌هایی در مورد داده‌های جدید و ناشناخته انجام دهد بدون اینکه نیاز به اطلاعات یا آموزش اضافی داشته باشد. به سادگی می‌توانید از آن بپرسید.

این روش به شما اجازه می‌دهد که متنی متنوع و پویا از ChatGPT تولید کنید و به آن امکان می‌دهد اشیاء را شناسایی و دسته‌بندی کند بدون اینکه هرگز نمونه‌ای از آن اشیاء را دیده باشد.

این دقیقا همان چیزی است که وقتی از ChatGPT می‌خواهید:

◀️پرامپت:
"حیوان را بر اساس ویژگی‌هایش طبقه‌بندی کن. حیوان: این موجود هشت پا دارد، تار می‌سازد و معمولاً حشرات می‌خورد."

خروجی: "عنکبوت."



در ادامه موضوعات زیر را بصورت کامل بررسی میکنیم :
#چطور_زیرو_شات_پرامپتینگ_کار_می‌کند
#طراحی_پرامپت
#مزایای_زیرو_شات_پرامپتینگ
#محدودیت‌های_زیرو_شات_پرامپتینگ
#کاربردهای_زیرو_شات_پرامپتینگ



@gptocean

#چطور_زیرو_شات_پرامپتینگ_کار_می‌کند
برای درک نحوه کار زیرو-شات پرامپتینگ، باید دو جنبه مهم واضح باشد: آموزش پیشین LLMها و مفهوم طراحی پرامپت.

🔷آموزش پیشین مدل زبان و جمع‌آوری داده‌ها :
مدل های LLM
بر روی داده‌های متنی متنوع از منابع مختلف آموزش می‌بینند. این داده‌ها می‌تواند به صدها میلیارد کلمه برسد.
🔷توکنیزیشن: متن به واحدهای کوچکتر به نام توکن‌ها شکسته می‌شود که می‌تواند کلمات، زیرکلمات، یا کاراکترها باشند.
🔷معماری شبکه عصبی: مدل، معمولاً بر اساس معماری ترنسفورمر، این توکن‌ها را از طریق لایه‌های متعدد شبکه‌های عصبی پردازش می‌کند.
🔷آموزش پیش‌بینی: مدل برای پیش‌بینی توکن بعدی در دنباله، با توجه به توکن‌های قبلی آموزش می‌بیند.
🔷شناسایی الگوها: از طریق این فرآیند، مدل یاد می‌گیرد تا الگوهای زبان از جمله دستور زبان، نحو، و روابط معنایی را شناسایی کند.
🔷کسب دانش: مدل یک پایگاه دانش وسیع در زمینه‌های مختلف و موضوعات مختلف ایجاد می‌کند.
🔷درک زمینه‌ای: مدل یاد می‌گیرد تا زمینه را درک کند و پاسخ‌های مناسب زمینه‌ای تولید کند.


@gptocean

این آموزش پیشین به LLM ها دانش، درک و انطباق لازم برای زرو-شات پرامپتینگ را می‌دهد.
این آموزش گسترده به این مدل‌ها اجازه می‌دهد تا وظایفی را که به‌طور خاص برای آن‌ها آموزش ندیده‌اند، تنها با درک و پاسخ‌دهی به پرامپت‌های زبان طبیعی انجام دهند.

📌📌#طراحی_پرامپت

طراحی مؤثر پرامپت برای موفقیت زیرو-شات پرامپتینگ بسیار مهم است. این پل ارتباطی بین خواسته کاربر و قابلیت‌های مدل است. اما چگونه می‌توانیم مطمئن شویم که پرامپت‌های ما مؤثر هستند؟ بیایید به این استراتژی‌ها نگاهی بیندازیم:

✅دستورالعمل‌های واضح

پرامپت‌ها باید دستورالعمل‌های صریح و بدون ابهامی ارائه دهند که وظیفه مورد نظر را به LLM منتقل کنند.

🔵مثال: "جمله انگلیسی زیر را به فرانسه ترجمه کن:" این پرامپت وظیفه (ترجمه) را به‌طور واضح بیان می‌کند و زبان‌های منبع (انگلیسی) و هدف (فرانسه) را مشخص می‌کند، بدون اینکه فضای تفسیر باقی بگذارد.

✅ چارچوب‌بندی وظیفه

وظیفه را به گونه‌ای چارچوب‌بندی کنید که از دانش و قابلیت‌های پیشین مدل بهره ببرد.

🔵مثال: "احساسات این نقد فیلم را به‌عنوان مثبت، منفی یا خنثی طبقه‌بندی کن:" این پرامپت وظیفه را به‌عنوان یک مشکل طبقه‌بندی با دسته‌های مشخص چارچوب‌بندی می‌کند، که با آموزش مدل در وظایف طبقه‌بندی متن هم‌راستا است.

✅ ارائه زمینه

زمینه یا اطلاعات پس‌زمینه مرتبط را برای کمک به مدل در درک نیازها و محدودیت‌های وظیفه شامل کنید.

🔵مثال: "با توجه به اینکه 'پایتون' در این زمینه به زبان برنامه‌نویسی اشاره دارد، توضیح دهید که پایتون چیست:" این پرامپت زمینه مهمی را (پایتون به‌عنوان زبان برنامه‌نویسی، نه مار) فراهم می‌کند تا اطمینان حاصل شود که مدل بر روی اطلاعات مرتبط تمرکز می‌کند.

✅مشخص کردن فرمت خروجی

فرمت مورد انتظار پاسخ را به‌طور واضح تعریف کنید.

🔵مثال: "سه علت اصلی تغییرات اقلیمی را هر کدام در یک نقطه گلوله‌ای لیست کن." این پرامپت تعداد اقلام (سه) و فرمت (نقاط گلوله‌ای) برای پاسخ را مشخص می‌کند، و خروجی ساختاریافته‌ای را تضمین می‌کند.

✅ اجتناب از ابهام

از زبان دقیق استفاده کنید و از دستورالعمل‌های مبهم یا باز که ممکن است منجر به تفسیر اشتباه مدل شود، خودداری کنید.

🔵مثال: "مراحل خاص مربوط به چرخه آب را توضیح دهید، با شروع از تبخیر." این پرامپت از زبان دقیق (مراحل خاص، چرخه آب) استفاده می‌کند و نقطه شروعی را فراهم می‌کند، که احتمال تفسیر اشتباه را کاهش می‌دهد.

✅ استفاده از زبان طبیعی

پرامپت‌ها را به‌گونه‌ای بیان کنید که طبیعی و گفتگومحور به‌نظر برسد.

🔵مثال: "تصور کن که یک مشاور شغلی هستی. چه توصیه‌ای به فارغ‌التحصیل تازه‌کار که به‌دنبال اولین شغل خود است، می‌کنی؟" این پرامپت از لحن گفتگومحور استفاده می‌کند و یک سناریوی مرتبط را تنظیم می‌کند، که پاسخ مدل را طبیعی‌تر و جذاب‌تر می‌کند.

✅ تکمیل تدریجی

اگر نتایج اولیه رضایت‌بخش نبودند، پرامپت را با اضافه کردن جزئیات بیشتر یا تنظیم زبان اصلاح کنید.

🔵مثال: پرامپت اولیه: "به من در مورد انرژی‌های تجدیدپذیر بگو." پرامپت اصلاح‌شده: "سه نوع رایج انرژی تجدیدپذیر، مزایا و چالش‌های کنونی در پیاده‌سازی آن‌ها را توضیح بده." این نشان می‌دهد که چگونه یک پرامپت گسترده اولیه می‌تواند به‌طور دقیق‌تر و جامع‌تر اصلاح شود.

@gptocean

🔱آموزش Rag


https://python.langchain.com/v0.2/docs/tutorials/rag/

معرفی سایت نوت برداری به کمک هوش مصنوعی

به کمک این سایت می تونید صحبت های هر شخصی رو به نوشتار تبدیل کنید.

studyfetch.com