🔹درمورد بهتر نوشتن

پیشنهاد می‌کنم که دقیقهٔ 8:58 تا 19:03 این ویدئو رو ببینید. این‌جا درمورد این صحبت می‌کنند که چطوری می‌تونیم بهتر بنویسیم و چند ایدهٔ کلی رو مطرح می‌کنند که یادآوری‌شون می‌تونه خیلی کمک‌کننده باشه:

- به جای این‌که از قاعدهٔ «فقط بنویس» پیروی کنید و صدها بار بنویسید تا به یک چیز خوب برسید، روی ساختار و جزئیات آن وقت بگذارید و یک‌بار بنویسید و ویرایش کنید.

- دانشجویان کارشناسی فکر می‌کنند که نوشته‌شان باید نشان‌دهندهٔ همه‌ٔ چیزهایی باشد که می‌دانند، اما یک استاد قرار است نوشتهٔ شما فقط را بر اساس کوریکولومی که خودتان در نوشته‌تان مطرح می‌کنید بسنجد.

- ساختار صحیح (می‌شود از عبارت writing patterns هم استفاده کرد)، حداقل در ریسرچ، مشخص است و این ساختار است که خوانندهٔ متن شما را هدایت می‌کند. فلذا بهتر است که بر این اساس متن‌تان را بنویسید.

@sinusealpha_channel

🔹معرفی برنامه Abzums AI

ما در یک حرکت نسبتا بامزه، داریم «اولین برنامهٔ پایه‌ای و بلندمدت آموزش مقدمات هوش مصنوعی برای دانشجویان علوم پزشکی در کشور» رو در دانشگاه علوم پزشکی البرز برگزار می‌کنیم و از طریق کانال @AbzumsAI می‌تونید در جریان این برنامه قرار بگیرید.

به زودی اطلاعات بیشتری از برنامه رو منتشر خواهیم کرد و ثبت‌نام‌اش هم خیلی زود شروع می‌شه! :)‌ اما الان قصد دارم رباتی که برای هماهنگی و ارتباطات این برنامه توسعه دادیم رو بهتون معرفی کنم!😁

⭐️@AbzumsAI_Bot

🔻این ربات، به صورت open source منتشر شده و همین حالا قابل استفاده است. ضمنا شما می‌تونید در توسعهٔ این ربات مشارکت کنید و یا با یک‌سری modification های ساده، از اون برای برگزاری برنامه‌های خودتون استفاده کنید.

@sinusealpha_channel

سلام دوستان :) من شدیدا این جلسه رو به همهٔ افرادی که می‌خوان یه کمی عمیق‌تر از صحبت‌های عادی، درمورد «تغییراتی که هوش مصنوعی بر خود تکنولوژی خواهد داشت» بدونند، پیشنهاد می‌کنم:
https://t.me/AbzumsAI/10

در ادامه جلسات مقدماتی‌مون در برنامه @AbzumsAI، شرکت در این جلسه رو هم [که شنبه برگزار می‌شه] به شدت پیشنهاد می‌کنم:
https://t.me/AbzumsAI/13

🔹درمورد برنامه‌های AI برای دانشجویان [علوم] پزشکی

پیش‌نوشت: بواسطهٔ پست صفحهٔ لینکدین دانشکده پزشکی هاروارد (تصویر)، این متن را نوشتم. فلذا احتمالا بهتر باشد که در ابتدا آن پست را ببینید و سپس، ادامهٔ متن را بخوانید.

چند سالی می‌شود که این programها بیشتر شده‌اند و در یکی از تازه‌ترین چیزهایی که امروز دیدم، دانشگاه MIT و هاروارد، در حال برگزاری برنامهٔ مشترکی هستند تا به دانشجویان پزشکی سال اول، «مقدمات هوش مصنوعی» را آموزش بدهند و سپس اون‌ها رو در پروژه‌های مختلف و مشترکی با دانشجویان مقاطع بالاتر در علوم کامپیوتر وارد کنند.

این کار، خیلی اقدام انقلابی‌ای محسوب نمی‌شود. اما در نوع خودش جالب است که بالاخره به «شکل رسمی» دارد به این موضوع پرداخته می‌شود و در حال فاصله‌گرفتن از از کارگاه‌های سطحی چندساعته و چندروزه هستیم [و وارد برنامه‌های مفصل‌تر می‌شویم]. ما هم AbzumsAI Program [و البته MedX] را با چنین هدفی [و البته نه با الهام‌گرفتن از این دانشگاه‌ها] شروع کردیم و فکر می‌کنیم که فرصت‌ها و ارزش‌های خیلی زیادی در حد فصل مشترک علوم پزشکی و تکنولوژی وجود دارد.

1/2

@sinusealpha_channel

یکی از چیزهایی هم که در این مسیر به آن اعتقاد داریم، این است که جملهٔ «دانشجوی پزشکی نباید برنامه‌نویسی یاد بگیرد» حرف درست و دقیقی نیست. اصولا دیدگاه‌مان بر این اساس که «چون من فلان رشته را می‌خوانم، پس فلان چیزها را نباید یاد بگیرم» قرار ندارد و اتفاقا، فکر می‌کنیم که «حداقل» تعدادی از دانشجویان علوم پزشکی [در رشته‌های مختلف] بهتر است که به شکل خیلی خیلی عمیق، وارد مباحث تکنولوژی [از جمله هوش مصنوعی] شوند و این اتفاق، جز با یادگیری پایه‌های این علم [که ریاضیات و برنامه‌نویسی هستند] حاصل نمی‌شود.

حرف‌هایی از این جنس که «شما بهتر است در فیلد خودتان expert شوید» و «پزشک صرفا بهتر است زبان AI را بفهمد و لازم نیست جزئیاتش را بلد باشد» و... را هم [که به دفعات در شبکه‌های اجتماعی می‌شنوید]، برای همهٔ دانشجویان صادق نمی‌دانیم. مخصوصا برای کسانی که در حوالی ۲۰ سالگی هستند و هنوز هیچ بک‌گراند و تخصص‌ای ندارند! اما درمورد افرادی که بالای ۲۵ سال هستند و پزشک شده‌اند و... داستان کمی تفاوت می‌کند و «شاید» یادگیری پایه‌های این موضوعات، کمی سخت‌تر از افراد تازه‌کار [که هم ریاضیات بیشتری را از دبیرستان به خاطر دارند و هم احتمالا ذهن آماده‌تری دارند] باشد. به همین دلیل شاید بهتر است که آن افراد مسیر متفاوتی را در پیش بگیرند.

من اخیرا چند جا این موضوع را توضیح داده‌ام. اما به شدت می‌بینم که فلسفهٔ خلاف این موضوع دارد [توسط کسانی که اندک آشنایی‌ای با قضیه ندارند] پروموت می‌شود و فکر می‌کنم که این، می‌تواند در بلندمدت آسیب بسیار زیادی را به قشر اندکی از ما بزند. ما البته ادعای خاصی نداریم، اما داریم تلاش می‌کنیم تا به آن قشر اندک که واقعا فراتر از توان تحمل جامعهٔ علوم پزشکی هستند، کمک کنیم و برنامه‌های بسیار مهمی را هم داریم و به مرور، در جریان‌شان قرار خواهید گرفت. :)

2/2

@sinusealpha_channel

#موقت

🔻فرصت #همکاری_پژوهشی

✅ تکمیل شد.

برای یک کار پژوهشی حوزهٔ «NLP و پزشکی»، به چند دانشجوی پزشکی (استاجر به بالا) نیاز داریم. این کار، حداقل ۵ ساعت در هفته زمان می‌بره و به سطح سواد پزشکی نسبتا بالایی هم نیاز داره. آشنایی با مدل‌های زبانی (LLMs) و به صورت کلی‌تر، هوش مصنوعی (AI)، مزیت محسوب می‌شه.

افراد علاقه‌مند، لطفا اطلاعات‌شون رو در این فرم وارد کنند تا باهاشون ارتباط برقرار بشه و بقیه کارها و جزئیات رو پیش ببریم.

در صورت وجود هرگونه سوالی هم می‌تونید با بنده (sina80mor@gmail.com) در ارتباط باشید.

@sinusealpha_channel

تاریخچه شکل‌گیری مفهوم تابع در ریاضیات.

یکی از مشکلاتی که کلاس‌های ریاضی کنکور برای من داشت، این بود که نمی‌تونستم اون‌طور که به نظرم درست‌تر هست، تدریس کنم. در واقع ما در کلاس‌های کنکور، چاره‌ای جز توضیح خیلی خیلی مختصر و نکته‌وار و پرش سریع به سوالات و تکنیک‌ها نداریم. شاید درست‌تر هم همین باشه. به همین دلیل هم بود که کلاس‌های پایه رو همیشه ترجیح می‌دادم. اما حتی اون‌جا هم نمی‌شد خیلی عمیق وارد بعضی بحث‌ها شد. این مشکل همین‌طور به حیاتش داره ادامه می‌ده و نمی‌دونم چرا هیچ مدرس ریاضی‌ای قصد حل‌کردن‌اش رو نداره! :)

اما خب از اون‌جایی که بخشی از تدریس ریاضیات Abzums AI رو بر عهده دارم، تلاشم بر اینه که به شکل دیگری این موضوعات رو بگم. در واقع، دارم تلاش می‌کنم که همون موضوعات قدیمی رو با مسیری که بنظرم درست‌تره بگم. جذاب بودنش [هر چند که خیلی هم هست :) ]، خیلی موضوعیت نداره در این جایگاه و مثلا برای تابع، در نظر دارم که داستان شکل‌گیری این مفهوم و تاریخچه‌اش [از بابل تا لایب‌نیتس و فوریه و...] رو بیشتر از تعاریف و ویژگی‌ها، یکنوایی، زوج و فرد بودن و... بگم. این‌طوری، درست‌تره بنظرم. :)

@sinusealpha_channel

مثل پارسال، امسال هم یک تعدادی از درس‌هایی که یاد گرفتم و به نظرم ارزش و اهمیت مرور داشته‌اند رو این‌جا نوشتم. خیلی خوش‌حال می‌شم اگر بخونیدشون و نظرتون رو برام بنویسید. :)

Link: https://sinamoradi.substack.com/p/20-lessons-i-learned-in-my-23

The Art Changes the Artist.

این کلیپ شریاس رو امروز دیدم. خیلی برام جالب بود و تقریبا با مفهومی که درموردش صحبت می‌کرد هم آشنا بودم. اما این‌قدر دقیق و خوب نمی‌تونستم مطرحش کنم. به همین دلیل خیلی پیشنهاد می‌کنم که ببینیدش. خلاصهٔ بحث‌اش هم اینه که باید مراقب باشید که چه چیزی رو برای کارکردن انتخاب می‌کنید، چرا که اون چیز قراره تغییرتون بده! و باید ببینید که آیا می‌خواهید به چیزی که اون کار قراره از شما بسازه تبدیل بشید، یا نه. عبارتی هم که برای این منظور استفاده می‌کنه جالبه:

"you have to choose what you start associating your identity with."

یک مثالی رو هم در آخر ویدئو می‌زنه که بنظرم مهمه. می‌گه کلی آدم هستند در سوشال‌مدیا که با تعریف داستان‌هایی مثل «من با [یک شخص معروف] در فلان اتاق بودم و فلان حرف رو بهم زد و من به اهمیت [یک موضوع خفن] پی بردم و...» تعداد زیادی لایک می‌گیرند. اما این تعداد زیاد لایک از اون افراد چیزی رو می‌سازه که نمی‌خواهند! «دنبال لایک‌بودن»! و همچنین اشاره می‌کنه که خودش هم تعداد زیادی از این داستان‌ها رو داره و از قصد مطرح نمی‌کنه تا لایک‌های [الکی] زیادی رو نگیره!

من هم اخیرا مطلبی رو درمورد این موضوع نوشته بودم. البته عنوان انتخابی من یه کمی عجیب‌تر و «you should not let everything to make you happy» بود. این‌جا می‌تونید بخونیدش. اما اصل حرف تفاوتی نمی‌کنه و حتی می‌شه به صورت عمومی‌تر و به هر انتخابی در زندگی هم تعمیم‌اش داد. این‌جاست که باز هم به اهمیت تصمیم‌گیری درست می‌رسیم.

پی‌نوشت: یکی از علت‌هایی که در یک سال گذشته در ساب‌استک می‌نویسم هم همین نبودن انگیزه‌های نامناسبه. اون‌جا خیلی راحت‌ترم. تعداد خیلی کمی لایک می‌کنند. تعداد خیلی خیلی کمی ایمیل می‌زنند و درمورد موضوعات‌اش صحبت می‌کنیم. و با وجود مقداری سد جهت ورود «هر» کسی، شرایط بهتری برای فکرکردن [و شیر کردن چیزهایی که بنظرمون درست‌اند] فراهمه. برعکس، این کانال تقریبا برای من بلااستفاده شده و بعید می‌دونم که روزی قصد نوشتن جدی در این‌جا رو داشته باشم.

@sinusealpha_channel

"توصیه به یادنگرفتن برنامه‌نویسی در عصر هوش مصنوعی، بدترین توصیه شغلی است که تا به حال داده شده!"

- Andrew Ng (source)

آقای اندرو انگ که احتمالا معرف حضورتون باشند. از اساتید برجسته و معروف هوش مصنوعی هستند و کارهای خیلی مهمی در این زمینه انجام داده‌اند. من خیلی پیشنهاد می‌کنم که این مطلب‌شون رو مطالعه کنید. ایشون دیدگاه‌شون این‌طوریه که ما اتفاقا به برنامه‌نویس‌های بیشتری نیاز داریم، و نه کمتر! و ما نباید افراد رو از یادگیری برنامه‌نویسی منصرف کنیم! اتفاقا الان زمان مناسبی برای یادگیری این موضوعات است و در سال‌های آینده، نیاز بیشتری هم به این چنین افرادی وجود خواهد داشت.

نسخهٔ اصلی این مطلب رو هم در لینک زیر می‌تونید بخونید:
https://www.deeplearning.ai/the-batch/issue-292/

پی‌نوشت: افراد دیگری هم [مانند paul graham] قبلا چنین نظری رو مطرح کرده‌اند و چیز جدیدی نیست. اما بنظرم این تاکیید ایشون قابل توجه و تامله.

@sinusealpha_channel

🔹تجربه‌های همکاری کوچیک!

بعضی موقع‌ها پیش میاد که ما قصد شروع یه همکاری رو داریم و از قضا، اون کار چیز مهم و بزرگی محسوب می‌شه. این‌جا، خیلی خوب می‌شه که با ما افرادی همکار بشیم که قبلا تجربه کارکردن با هم رو داشتیم. در غیر این‌صورت، ممکنه اون کار رو در ریسک اولین همکاری با فرد جدیدی قرار بدیم و این، خوب نیست.

به همین دلیل، بنظر میاد که خوبه قبل از شروع پروژه‌های بزرگ‌تر، با افراد کارهای کوچیک‌تری رو پیش ببریم. این موضوع هم کمک می‌کنه تا با همدیگه و اخلاق‌ها و فکرها و... آشنا بشیم و هم متوجه بشیم که اون فرد چقدر در کارهای آتی‌مون می‌تونه نقش داشته باشه و چه همکاری‌هایی ممکنه داشته باشیم.

این کارهای کوچیک هم می‌تونن به معنای واقعی کلمه «کوچیک» باشند! مثل برگزاری یه برنامه حضوری چندساعته، انجام یک پروژه چندروزه، راه‌اندازی یک گروه کتابخوانی چند هفته‌ای و از این‌جور برنامه‌هایی که به مرور هم می‌تونن بزرگ‌تر و بزرگ‌تر بشن تا به جایی برسند که ما بخواهیم و «بتونیم» که با اون فرد پروژه‌ای چند ساله و چند ده ساله‌ای رو شروع کنیم! اون‌جاست که خیال‌مون از بابت خیلی موضوعات راحت می‌شه و خیلی از مسائل اصلا به وجود هم نخواهند اومد. من این تجربه رو خیلی اندک داشتم و الان هم مدت خوبی هست که این کار رو به مرور انجام میدم. واقعا به این نتیجه رسیده‌ام که خیلی تاثیر خوبی داره و به همین دلیل، پیشنهادش هم می‌کنم.

@sinusealpha_channel

سعی می‌کنم هر سال از این شعر یاد کنم و فکر می‌کنم که یکی از بهترین شعرهایی باشه که بتونیم سال جدید رو با خوندنش آغاز کنیم.

آیــــد بهـــــار و پیرهــن بیشــــه نو شــــود
نـــوتر برآورد گــــل، اگر ریشــــه نو شــــود

زیباســـت روی کاکــل سبـــزت کــلاه تــو
زیبـــاتر آن‌که در ســـرت اندیشـه نو شود

ما را غـــمِ کهنــه به مـیِ کهنـــه بســـــپرید
به حــال ما چه ســود، اگر شیشـه نو شود؟

شبدیــز، رام خســــرو و شیــــرین به کـام او
بر فــــرق ما چه فـرق، اگر تیشــــه نو شـود

جان می‌دهیــــم و ناز تــو را باز می‌خـــــریم
ســــودا همان کنیـــم، اگر تیشــه نو شـود…

#شعر
#منوچهر_آتشی

عیدتون مبارک!♥️
@sinusealpha_channel

برنامه NLP Summit Healthcare امسال هفته دیگه برگزار می‌شه و اگر علاقه‌مندید، می‌تونه فرصت خوبی برای آشنایی با بخش‌های مختلفی از کاربرد پردازش زبان طبیعی در سلامت باشه. سخنران‌های خیلی خوبی هم دارند و در لینک زیر هم می‌تونید برنامه سخنرانی‌ها رو مشاهده کنید:
https://www.nlpsummit.org/healthcare-2025-program/

@Sinusealpha_channel

ایده‌های قدیمی.

بنظرم یکی از جالب‌ترین اتفاقاتی که موقع معرفی موضوعات جدید [به‌خصوص در ریاضیات] می‌افته این هست که ناگهان کاربرد کلی ایدهٔ قدیمی‌ای که داشته خاک می‌خورده هم پیدا می‌شه. مثلا شاید براتون جالب باشه که قاعدهٔ هوپیتال [که به احتمال زیاد در انتهای موضوع حد و پیوستگی بهتون تدریس شده باشه]، تقریبا دو قرن (!) قبل از معرفی خود موضوع حد، و در جای دیگری، معرفی شده بود و البته بلانسبت خاک نمی‌خورد! (تصویر مربوط به ویکی‌پدیای هوپیتال، یا به صورت دقیق‌تر، «لوهپیتال»). توی هوش مصنوعی هم همین اتفاق خیلی می‌افته و مثلا بحث Agents [که این روزها خیلی داغ شده] عملا قدیمی ترین (!) ایده هوش مصنوعی و کتاب‌های کلاسیک‌اش محسوب می‌شه و کورس‌های خیلی قدیمی هوش مصنوعی هم اصلا با همین موضوع شروع می‌شدند. کلا هم به نظر می‌رسه که خیلی از پیشرفت‌های اخیر در لایه نظری نیست (مثلا بجز attention اصلا چیزی به نظرم نمی‌رسه) و حتی می‌شه گفت که بیشتر ایده‌های اصلی، قدیمی ترین‌ها هستند.

so "if you want new ideas, read old books."

@sinusealpha_channel

مدتی قبل، مهمون علی ابدالی عزیز در پادکست MedIntell بودم و درمورد هوش مصنوعی و استارتاپ‌ها در پزشکی صحبت کردیم. بنظرم گفتگوی خوبی شد و اگر دیدید یا شنیدید، خوش‌حال می‌شم که درمورد صحبت‌ها به من فیدبک بدهید.

- نسخهٔ تصویری در یوتیوب:
https://www.youtube.com/watch?v=brBgWHliqZw
- نسخهٔ صوتی در کست‌باکس:
https://castbox.fm/vi/795364906

@sinusealpha_channel

کشتن ایده‌ها.

اخیرا با یکی از اساتید صحبت می‌کردم و ایشون ایده‌ای برای ساختن محصولی داشتند. صحبت‌های زیادی داشتیم، اما از همون ابتدای صحبت‌ها مشخص بود که ایشون حتی یک‌بار هم این موضوع رو سرچ نکرده‌اند (!) و فکر می‌کردند که چون یک «مشکل» دارند، پس خودشون هم باید یک چیزی رو برای اون مشکل بسازند! و از میونهٔ صحبت‌ها هم می‌شد حدس زد که احتمالا به این فکر کرده‌اند که پروپوزال این کار رو به چه صورت بنویسند و برای کجا بفرستند، تا چقدر بودجه بگیرند، و قس علی هذا.

صحبت با ایشون حدود یک ساعت طول کشید و من، در تقریبا تمام این مدت، داشتم تلاش می‌کردم که ایشون رو از ساختن چیزی که مد نظرشون بود، منصرف کنم! نه به این دلیل که ارزش نداشت، بلکه به این دلیل که راهکارهای ساده و رایگانی در اینترنت موجود بودند و نیازی به محصول مشابهی نبود. البته با معرفی این راهکارها هم ایشون تاکید داشتند که «نه خودمون بسازیم و...» که در این لحظه، گفتم اگر خودمون هم این محصول رو بسازیم، به کیفیت چیزهای رایگان نخواهیم رسید و شانس آوردیم که بیخیال شدند!

خلاصه که ایشون در انتهای صحبت‌ها از بسته‌شدن یکی از ایده هاشون نسبتا ناراحت بودند و [مشخص بود که] حس کردند «لابد جلسهٔ مفیدی نداشتیم که قرار بر این شد که چیزی رو نسازیم»! اما به نظر من [با این‌که معمولا کسی نمیاد درمورد پروژه‌هایی که جلوی انجام‌شون رو گرفته صحبت کنه]، این جلسه احتمالا بهینه‌ترین اتفاقی بود که می‌تونست برای این پروژه بیفته و الان که فکر می‌کنم، جلوی هدررفت زمان و پول خیلی زیادی گرفته شد!

در نهایت هم شخصا اینطوری‌ام که اگر کسی با دلیل و منطق ایده هایی که من مطرح می‌کنم رو رد کنه، یا پیشنهاد به انجام ندادن‌شون بده، احتمالا کمک خیلی خیلی بیشتری به من می‌کنه تا کسی که تشویقم می‌کنه و انگیزه میده! حالا هم می‌خوام دو تا از جملات خیلی درست charlie munger رو نقل کنم و فکر کنم که مرتبط ترین باشند:

1) "Any year that passes in which you don't destroy one of your best-loved ideas is a wasted year!"

2) "Part of the reason I’ve been a little more successful than most people is I’m good at destroying my own best-loved ideas."

@sinusealpha_channel