در وبینار سراسری آنلاین «بلاک‌چین، رمزارزها و مالی غیرمتمرکز» که در روز سه‌شنبه با حضور بیش از ۳۰۰ نفر از دانشجویان و علاقه‌مندان برگزار شد، به بررسی فناوری تحول‌آفرین بلاک‌چین و کاربردهای عملی آن، نظیر رمزارزها و دیفای پرداختیم.

به وضوح، بلاک‌چین به عنوان یک شبکه غیرمتمرکز، اعتمادسازی و ارتقای امنیت در تبادلات مالی را بازطراحی کرده و در حوزه‌های خدمات مالی، مالی شرکتی و حاکمیت شرکتی، در حال گرفتن سهم بازار از شبکه‌های متمرکز است.

همچنین، رمزارزها و دارایی‌های دیجیتال به یک طبقه دارایی نوظهور برای ارتقای تنوع بخشی سرمایه‌گذاران تبدیل شده‌اند. مهم این‌که این به معنای کنار گذاشتن دارایی‌های جاری مانند سهام و طلا نیست؛ بلکه هدف این است که با شناخت عمیق‌ و اصولی بتوانیم ریسک و بازده این طبقه دارایی نوظهور را تحلیل و در صورت همخوانی با پروفایل ریسک خود، سبد سرمایه‌گذاری‌مان را متنوع کنیم.

به پیوست اسلایدهای این وبینار نیز خدمت شما دوستان عزیزم تقدیم شده است.

عباس گمار
۲ آبان ۱۴۰۳

#آینده_دیجیتال #اقتصاد_دیجیتال #مالی_دیجیتال #دارایی_دیجیتال #بلاکچین #مالی_غیرمتمرکز #دیفای

[معرفی فیلم]

🎥 استارت آپ دات کام |Startup.com
📆 سال تولید: 2001

✍️ خلاصه داستان:
این فیلم در واقع تمام جزئیات مربوط به ظهور و سقوط یک کسب و کار نوپای کاملاً واقعی به نام GovWorks را به شما نمایش می‌دهد و به همین خاطر توصیه می‌شود که تمامی صاحبان کسب و کار و کارآفرینان این فیلم درجه یک را مشاهده کنند.

#it_movie
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

برای دوستان علاقه‌مند به مهندسی پرامپت:

https://arxiv.org/pdf/2402.07927

Software Engineering at Google: Lessons Learned from Programming Over Time

#کتاب

ذهنیت مشتری هم مقولۀ جالبیه. 🤔

#اصول_دیزاین_خدمات

ـ دنیا کاتالانوتو

💻وبینار مقدماتی

سواد داده در سازمان‌های غیرانتفاعی

👤با ارائه: علیرضا چمن‌زار، دانش‌آموخته سیاست‌گذاری اجتماعی و تحلیلگر داده

🗓پنجشنبه ۱۷ آبان، ۱۵ تا ۱۷

▫️سواد داده چطور می‌تواند به ماموریت سازمان شما سرعت دهد؟ اگر پاسخ به بزرگترین چالش‌های سازمان شما در داده‌هایی است که از قبل دارید، راهکار چیست؟

تصور کنید قدرت دارید الگوها را کشف کنید، روندها را پیش‌بینی کنید و تصمیماتی بگیرید که ماموریت‌های شما را به جلو می‌برد - همه با استفاده از سواد داده و قدرت تحلیل داده‌ها.

🗯این وبینار را موسسه مجتبی معین و مدرسه پردازش و تحلیل داده دقیقه، با درک اهمیت افزاینده علوم داده در تمامی حوزه‌ها، با تمرکز بر مدیریت پروژه‌های اجتماعی طراحی کرده‌اند و رایگان برای کارشناسان و مدیران سازمان‌های غیرانتفاعی برگزار می‌کنند.

برای ثبت نام، به آیدی زیر پیام دهید:
@moinngo_admin

@moinngo

🎧 گوش کن و لذت ببر

🔵"برای پرواز، گاهی باید آسمان‌های تازه‌ای را بشناسی؛ یادگیری همان بال‌هایی است که تو را به اوج می‌برد."

🌙شبت خوش و دلت آرام


🗣رسالت حسپید؛ سرعت، دقت و مهارت✨🌱

🌑برای اطلاع از جزئیات آموزش های آکادمی حسپید با ما در ارتباط باشید:

⬅️کانال تلگرام حسپید:
https://t.me/hespeedacademy

⬅️اینستاگرام حسپید:
https://www.instagram.com/hespeed.ir

⬅️وبسایت حسپید:
http://www.hespeed.ir

🔵فایل اکسل مدیریت ارتباط با مشتریان (CRM)به همراه ابزارهای مدیریت ارتباط با مشتری همچون یادداشت، تاریخ تماس و غیره
🔹اگر به دنبال راه‌حلی ساده برای مدیریت مشتریان و پیگیری تعاملات در کسب‌وکار کوچک خود هستید، این فایل اکسل مخصوص شماست!

✅ ثبت اطلاعات مشتریان در یک نگاه ✅ پیگیری تماس‌ها و تعاملات ✅ دسته‌بندی و مدیریت آسان ابزارهای مدیریت ارتباط به همراه راهنمای استفاده

یک فایل اکسل ساده، و کارآمد که کمک می‌کنه ارتباطات مشتریانتون رو به راحتی مدیریت کنید. 📈


🗣رسالت حسپید؛ سرعت، دقت و مهارت✨🌱

🌑برای اطلاع از جزئیات آموزش های آکادمی حسپید با ما در ارتباط باشید:

⬅️کانال تلگرام حسپید:
https://t.me/hespeedacademy

⬅️اینستاگرام حسپید:
https://www.instagram.com/hespeed.ir

⬅️وبسایت حسپید:
http://www.hespeed.ir

🔴ابزارهای رایگان هوش مصنوعی برای پژوهشگران

✅ typeset.io
پاسخ به سوال بر اساس مقالات
ساخت جدول اطلاعات از فایل مقاله
دستیار مطالعه مقاله
بازنویسی متن

✅ researchrabbit.ai

دسته بندی مقالات
پیدا کردن و اتصال مقالات مشابه

✅ glasp.co
یادداشت برداری از مقالات

✅ bing.com
جستجو با هوش مصنوعی
سوال و جواب از فایل و سایت
دستیار مطالعه مقاله
درک و توضیح تصویر

✅ bard.google.com
جستجو با هوش مصنوعی
درک و توضیح تصویر

✅ semanticscholar.org
جستجوی مقاله
پیدا کردن مقالات مشابه

✅ consensus.app
پاسخ به سوال براساس مقاله

✅ elicit.com
پاسخ به سوال بر اساس فایل مقاله
استخراج لیست مفاهیم برای مقاله
استخراج اطلاعات از مقالات

✅ scite.ai
استناد جملات به مقالات

✅ connectedpapers.com
پیدا کردن مقالات مشابه

✅ scholarcy.com
خلاصه سازی مقاله

✅ paperpal.com
کمک به نوشتار مقاله


#معرفی_سایت

هوش مصنوعی شگفت‌انگیز برای داوطلبان آزمون‌‌های بین‌المللی
مطالعه منابع حجیم زبان اصلی آسان شد
ابزار NotebookLM گوگل، یک برنامه یادداشت‌برداری است که از هوش مصنوعی برای بهبود یادداشت‌های کاربران استفاده می‌کند اما این همه ماجرا نیست و این ابزار بسیار فراتر از یادداشت‌برداری به بهبود آموزش و فراگیری شما کمک می‌کند.
ابزار NotebookLM می تواند مطالب و منابع شما را تجزیه و تحلیل کرده و با در نظر گرفتن آنها به سوالاتتان پاسخ دهد. ویژگی منحصربفرد این ابزار، شخصی‌سازی است بطوریکه پس از مدتی پاسخ‌ها را متناسب با عملکرد و نحوه یادگیری شما ارائه می‌کند
قابلیت‌های NotebookLM می‌تواند به افرادی که در حال مطالعه گسترده و منابع متعدد برای آمادگی آزمون‌های بین‌المللی هستند کمک زیادی کند.
کتاب‌های حجیم انگلیسی را می‌توانید به آن بدهید تا
✅راهنمای مطالعه و کلمات کلیدی ارائه کند.
✅کتاب را خلاصه و مطالب مهم را جدا کند و از خلاصه‌ها برای مرور و جمع‌بندی استفاده کنید.
✅هر قسمت خلاصه‌ها را که ابهام داشتید کلیک کنید و درموردش با ان صحبت و اطلاعات و توضیحات تکمیلی دریافت کنید.
✅ درمورد متن این کتاب‌ها هر سوالی که داشتید بپرسید و درمورد پاسخهایش با آن صحبت کنید.
✅ فایل صوتی کتاب را دریافت کنید.


هوش مصنوعی NotebookLM از ویدیوهای یوتیوب هم پشتیبانی می‌کند.
قابلیت‌های این ابزار در حال بهبود هستند و گوگل اعلام کرده در حال افزودن ابزارهای متنوع و مهم دیگری به آن است.
هنوز از زبان فارسی پشتیبانی نمی‌کند.

برای استفاده از این ابزار، با فیلترشکن روشن کلیک نمایید.

🔴 توت برگزار می‌کند 🔴

📚 دوره آموزشی

💻 برنامه‌نویسی پایتون مقدماتی

💻 Python Basic

👨‍🏫 مدرس دوره: دکتر علیــرضا اسلامی‌زاد



🔹 ثبت‌نام از طریق وب‌سایت توت
🔸 لینک در بایو پیج
🔹 مشاهده طرح درس و سرفصل‌های دوره، در وب‌سایت توت



⏰ مدت‌زمان دوره: ۱۲ ساعت
🛜 نحوه برگزاری: کاملاً آنلاین
📆 تاریخ شروع دوره: بیستم آبان ۱۴۰۳
♾️ ظرفیت دوره: حداکثر ۲۰ نفر
🔖 وضعیت دوره: در حال ثبت‌نام

🔮 ویژگی‌های دوره:
✔️ آموزش کاملاً کاربُــردی
✔️ کلاس آنلاین و به صورت تعاملی
✔️ ارائه تمرین‌های کاربُــردی
✔️ حضور پشتیبان علمی و فنّی در طول دوره
✔️ ارائه گواهی حضور در پایان دوره
✔️ ارائه منابع مطالعاتیِ اصلی به صورت رایگان




———————————————-
TUT: Tech Unlimited Tutorial
www.tutlearning.com
instagram: @tut_learning
telegram: @tutlearning
———————————————-


#آموزش #توت #برنامه_نویسی

🚀 به جای یک هوش مصنوعی، همه را یکجا داشته باش! 🚀

💎 هوشک: پلتفرم فارسی هوش مصنوعی
📎 hooshak.com ◀️

✔️ دسترسی به پیشرفته‌ترین مدل‌های هوش مصنوعی دنیا از جمله gpt4o، Gemini، Claude-3 و بسیاری مدل‌های دیگر
✔️ مدل های زبانی پایه هم رایگانه !!

📱 با شماره موبایل وارد سایت هوشک شو و به همه مدل‌ها دسترسی داشته باش.

📎 hooshak.com ◀️

🟢 هوشک سایت اکانت فروشی نیست ! پلتفرم هوش مصنوعی است که همه چیز رو یکجا، در اختیارت میذاره.
🟢 بدون نیاز به وی.پی.ان، سرعت بالا و بدون قطعی
🟢 هوشک ساده و به زبان فارسیه تا تو زمان و انرژیت رو برای گرفتن بهترین نتیجه از هوش مصنوعی متمرکز کنی ❤️

📌 همین حالا وارد سایت هوشک شو و ثبت نام کن!

📎 hooshak.com ◀️

برای دریافت دوره ی آموزشی رایگان از یوتیوب
تو هر زمینه ای فقط کافیه دستور زیر رو به chatgpt بدی !
لینک دوره ها رو روز به روزش رو ارسال میکنه برات 🌱
I want to be a master of (موضوعی که میخوای آموزش ببینی رو بنویس)
A 30 day course use only youtube videos as resource.
Please include a hyper links for each videos. Only have 30 minutes per day to study. Only
include videos that are shorter than 30 minutes.

#chat_gpt #MBA #Youtube

1. نحوه نوشتن پرامپت مناسب برای RAG:

برای نوشتن یک پرامپت مناسب در سیستم RAG، باید دقت کنید که پرامپت باید به گونه‌ای باشد که مدل به وضوح بداند که پاسخ‌دهی باید صرفاً بر اساس داکیومنت‌های بازیابی شده انجام شود. به این منظور:

1. نحوه نوشتن پرامپت مناسب برای RAG:

برای نوشتن یک پرامپت مناسب در سیستم RAG، باید دقت کنید که پرامپت باید به گونه‌ای باشد که مدل به وضوح بداند که پاسخ‌دهی باید صرفاً بر اساس داکیومنت‌های بازیابی شده انجام شود. به این منظور:

• پرامپت استاندارد:

شما یک مدل زبانی هستید که تنها باید پاسخ سوالات را بر اساس اطلاعات موجود در متن زیر بدهید. هیچ اطلاعات دیگری خارج از این متن نباید در پاسخ شما باشد.

متن بازیابی‌شده:
{متن‌های بازیابی شده از retrieval}

سوال کاربر:
{پرسش کاربر}

لطفاً پاسخ دقیق خود را بر اساس متن‌های بالا ارائه دهید.


• نکات کلیدی:
• از یک System prompt استفاده کنید تا به مدل بگویید که پاسخ باید محدود به اطلاعات بازیابی‌شده باشد.
• پرامپت را به شکلی بنویسید که به مدل تأکید کند هیچ اطلاعاتی خارج از متن ارائه نکند. این کار به شما کمک می‌کند تا پاسخ‌های غیرمرتبط به حداقل برسد.

2. استفاده از System Prompt:

بله، استفاده از System prompt می‌تواند کمک‌کننده باشد. یک نمونه برای System prompt:

شما به عنوان یک مدل زبانی تخصصی در پاسخ‌دهی به سوالات بر اساس مستندات فنی مشخص هستید. لطفاً فقط از اطلاعات بازیابی‌شده برای پاسخ‌دهی استفاده کنید و اگر اطلاعات کافی نیست، به کاربر بگویید که نمی‌توانید پاسخ دقیقی بدهید.

این کار باعث می‌شود که مدل از دانش عمومی خود استفاده نکند و اگر نتواند پاسخ دقیقی بدهد، آن را اعلام کند.

3. حساسیت به حروف بزرگ و کوچک:

برای حل این مشکل، می‌توانید مرحله پیش‌پردازش کوئری کاربر را طوری تنظیم کنید که حروف کوچک و بزرگ یکنواخت شوند. این کار باعث می‌شود مدل پاسخ‌ها را به شکلی یکنواخت‌تر ارائه دهد. مثلاً کوئری را قبل از ارسال به مدل، به حروف کوچک تبدیل کنید یا حروف بزرگ را یکسان‌سازی کنید.

4. ساخت چت‌بات براساس RAG:

برای پیاده‌سازی چت‌باتی که بتواند چند سوال متوالی کاربر را پاسخ دهد:

• مدیریت حالت چت (Conversation History):
• باید تاریخچه چت را به شکلی مدیریت کنید که بتوانید سوال‌های متوالی را بر اساس پاسخ‌های قبلی و متن‌های بازیابی‌شده مدیریت کنید.
• در هر مرحله، سوال کاربر و پاسخ قبلی باید به retrieval سیستم ارسال شود تا متن‌های جدید بازیابی‌شده متناسب با زمینه قبلی چت باشند.
• استفاده از یک حافظه محدود برای ذخیره تاریخچه (مثل پنج سوال آخر) می‌تواند کمک کند تا چت تعاملی‌تر شود.
• پرامپت برای چت‌بات:

شما یک مدل چت هستید که می‌توانید سوالات متوالی را بر اساس اطلاعات بازیابی‌شده پاسخ دهید. تاریخچه سوالات قبلی و متن‌های بازیابی‌شده برای ادامه مکالمه به شما داده می‌شود.

تاریخچه مکالمه:
{تاریخچه سوالات و پاسخ‌های قبلی}

متن‌های جدید:
{متن‌های بازیابی‌شده جدید}

سوال جدید کاربر:
{پرسش کاربر}

لطفاً پاسخ را بر اساس اطلاعات موجود ارائه دهید.



5. چالش‌های مربوط به مستندات فنی و غیرعمومی:

وقتی که مستندات فنی و غیرعمومی دارید که مدل زبانی قبلاً آنها را ندیده:

• تضمین تمرکز بر داکیومنت‌ها: با تکرار پرامپت‌هایی که به مدل تأکید می‌کند فقط از اطلاعات بازیابی‌شده استفاده کند و با تنظیم پرامپت‌های دقیق، می‌توانید دقت مدل را بالا ببرید.
• بهبود retrieval: مطمئن شوید که سیستم بازیابی شما متن‌های دقیق و مرتبط را به مدل می‌دهد تا مدل بتواند پاسخ دقیق‌تری بدهد. در این مورد، استفاده از پایگاه داده برداری با فیلترهای متنی می‌تواند کارآمد باشد.
• آزمایش و بهینه‌سازی پرامپت: با تست‌های مکرر و بهینه‌سازی پرامپت‌ها، حساسیت مدل را به تغییرات کوچک کمتر کنید.