✅ چندتا لینک برای تمرین برنامهنویسی با پایتون:
http://codingbat.com/python
https://projecteuler.net/archives
http://www.codeabbey.com/index/task_list
https://www.reddit.com/r/dailyprogrammer
http://www.pythonchallenge.com/
http://codingbat.com/python
https://projecteuler.net/archives
http://www.codeabbey.com/index/task_list
https://www.reddit.com/r/dailyprogrammer
http://www.pythonchallenge.com/
✅ یه نکتهی جالب!
استفاده از پکیج lme4 برای آنالیزهای Linear Mixed-Effect Models به شما p value برای هرکدوم از متغیرهایی که وارد کردید نمیده. برای اضافه کردن p value، باید پکیج lmerTest رو هم دانلود کنید.
شاید اگر از ورژنهای جدیدتر R استفاده میکنید، نتونید به صورت built-in از خود محیط نرمافزار R برای دانلود این پکیج استفاده کنید (چون رپوزیتوریش تغییر کرده گویا)؛ بهجاش باید برید از خود سایت CRAN، پکیج رو جستوجو کنید، دانلودش کنید، و بعد از محیط نرمافزار برای نصب فایل استفاده کنید.
@erfaniumm
استفاده از پکیج lme4 برای آنالیزهای Linear Mixed-Effect Models به شما p value برای هرکدوم از متغیرهایی که وارد کردید نمیده. برای اضافه کردن p value، باید پکیج lmerTest رو هم دانلود کنید.
شاید اگر از ورژنهای جدیدتر R استفاده میکنید، نتونید به صورت built-in از خود محیط نرمافزار R برای دانلود این پکیج استفاده کنید (چون رپوزیتوریش تغییر کرده گویا)؛ بهجاش باید برید از خود سایت CRAN، پکیج رو جستوجو کنید، دانلودش کنید، و بعد از محیط نرمافزار برای نصب فایل استفاده کنید.
@erfaniumm
✅ یه قابلیت جالب و بهدردبخوری که داخل نرمافزار R وجود داره، اینه که شما برای مطالعاتتون میتونید از پکیج maps استفاده کنید و نقشهی جهان رو، با دادن مقادیر مشخصی بهش، بکشید!
مثلاً نمودار بالایی رو ببینید: اومدم به هر کشور مقادیر DALY به ازای هر یک میلیون نفر در سال رو بهش دادم، یه رنگ دلخواه رو مشخص کردم و در نهایت نتیجه شده این چیزی که میبینید.
استفاده از این قابلیت خیلی میتونه در کشیدن پلات برای مطالعات اکولوژیکتون کمککننده باشه.
@erfaniumm
مثلاً نمودار بالایی رو ببینید: اومدم به هر کشور مقادیر DALY به ازای هر یک میلیون نفر در سال رو بهش دادم، یه رنگ دلخواه رو مشخص کردم و در نهایت نتیجه شده این چیزی که میبینید.
استفاده از این قابلیت خیلی میتونه در کشیدن پلات برای مطالعات اکولوژیکتون کمککننده باشه.
@erfaniumm
تو علم آمار یه پارادوکس جالب به اسم Simpson's paradox هستش که به افتخار آقای Edward Simpson نامگذاری شده. این پارادوکس میگه اگر شما در یک زیرگروه خاص یه نتیجهی آماری بهدست آوردی، ممکنه وقتی زیرگروهها رو جمع میکنی و به یک دیتاست بزرگ اصلی میرسی، دیگه اون نتیجه رو نبینی. مثلاً درمان خاصی که دیده شده در گروههای کوچکتر برای یه بیماری خاص داره جواب میده، ممکنه در گروه دادهی بزرگتر دیگه جواب نده.
این مسئله تو نوروایمیجینگ اتفاقاً مهم میشه چون بعضاً ممکنه نه سیگنال قوی بگیریم، نه تعداد دادهی زیادی داشته باشیم.
مثالش رو خیلی زیبا در نمودارهای بالا میتونید ببینید.
@erfaniumm
این مسئله تو نوروایمیجینگ اتفاقاً مهم میشه چون بعضاً ممکنه نه سیگنال قوی بگیریم، نه تعداد دادهی زیادی داشته باشیم.
مثالش رو خیلی زیبا در نمودارهای بالا میتونید ببینید.
@erfaniumm
روانشناس شناختی معروف، آقای Steven Pinker، یکی از معدود کسایی هستش که، برخلاف امثال ایلان ماسک، تبدیل شدن AI به تهدید بشری رو خیلی نامحتمل میدونه و دلایل جالبی هم داره. اون میگه که AI دو سناریو برای نابودی بشریت داره:
۱) بردهداری: AI با هوش فوقالعادهای که داره اونقدر قدرتمند بشه که بتونه برای انجام هدفی که در برنامهریزیش نهادینه شده، انسانها رو به خدمت بگیره. استیون پینکر برای این سناریو میگه که باید بین دو مفهوم، یکی هوش یا Intelligence و دیگری قدرتطلبی، تمایز قائل بشیم. اگرچه هوش AI میتونه بسیار برتر از یک انسان بشه، اما قدرتطلبی یک ویژگی منحصراً تکاملیافته در انسانه (و اصولاً همین ویژگی باعث شد که انسان بر بسیاری از المانهای محیط اطرافش چیره بشه) که توسط تکامل طبیعی ساخته و پرداخته شده. این ویژگی در AI نیست یا حداقل تا الان کسی نخواسته برنامهریزیش کنه و به همین دلیل، این سناریو نامحتمله.
۲) ناهمسوبودن ارزشها: اگر به یک AI بگیم که هدف تو مثلاً ساخت داروی مؤثر برای سرطانه، انقدر پیشرفت میکنه که حتی از انسان برای انجام آزمایشهاش استفاده میکنه تا در نهایت درمان سرطان رو کشف کنه. نقدی که پینکر بر این مسئله داره اینه که قاعدتاً مهندسی این AIها باید خیلی احمقانه باشه که محدودیتگذاری برای بسیاری از اعمالش نداشته باشن. شما نمیای به یه خودروی خودران بگی سریعترین مسیر از فرودگاه تا هتل رو پیدا کن، بدون اینکه بهش بگی از وسط کوه و جنگل و دشت و عابرپیاده رد نشو. بهش میگی یه چیزی داریم به اسم جاده، یه چیزی داریم به اسم عابر. از جاده زمانی برو که عابر نداشته باشه. اینجوری میتونی اطمینان حاصل کنی که اون سیستم AI برای محاسبهی عدد نپر تا رقم ۱۰ به توان منفی ۱۰۰۰ اعشار، کل کهکشان رو تسخیر نمیکنه.
بله، گرمایش زمین تهدید خیلی جدیتری برای حیات بشری هستش تا AI؛ ولی کسی جدی نمیگیرتش.
@erfaniumm
۱) بردهداری: AI با هوش فوقالعادهای که داره اونقدر قدرتمند بشه که بتونه برای انجام هدفی که در برنامهریزیش نهادینه شده، انسانها رو به خدمت بگیره. استیون پینکر برای این سناریو میگه که باید بین دو مفهوم، یکی هوش یا Intelligence و دیگری قدرتطلبی، تمایز قائل بشیم. اگرچه هوش AI میتونه بسیار برتر از یک انسان بشه، اما قدرتطلبی یک ویژگی منحصراً تکاملیافته در انسانه (و اصولاً همین ویژگی باعث شد که انسان بر بسیاری از المانهای محیط اطرافش چیره بشه) که توسط تکامل طبیعی ساخته و پرداخته شده. این ویژگی در AI نیست یا حداقل تا الان کسی نخواسته برنامهریزیش کنه و به همین دلیل، این سناریو نامحتمله.
۲) ناهمسوبودن ارزشها: اگر به یک AI بگیم که هدف تو مثلاً ساخت داروی مؤثر برای سرطانه، انقدر پیشرفت میکنه که حتی از انسان برای انجام آزمایشهاش استفاده میکنه تا در نهایت درمان سرطان رو کشف کنه. نقدی که پینکر بر این مسئله داره اینه که قاعدتاً مهندسی این AIها باید خیلی احمقانه باشه که محدودیتگذاری برای بسیاری از اعمالش نداشته باشن. شما نمیای به یه خودروی خودران بگی سریعترین مسیر از فرودگاه تا هتل رو پیدا کن، بدون اینکه بهش بگی از وسط کوه و جنگل و دشت و عابرپیاده رد نشو. بهش میگی یه چیزی داریم به اسم جاده، یه چیزی داریم به اسم عابر. از جاده زمانی برو که عابر نداشته باشه. اینجوری میتونی اطمینان حاصل کنی که اون سیستم AI برای محاسبهی عدد نپر تا رقم ۱۰ به توان منفی ۱۰۰۰ اعشار، کل کهکشان رو تسخیر نمیکنه.
بله، گرمایش زمین تهدید خیلی جدیتری برای حیات بشری هستش تا AI؛ ولی کسی جدی نمیگیرتش.
@erfaniumm
چند وقتی هست که به پیشنهاد یکی از دوستان، شروع کردم دارم پادکستهای Lex Fridman رو میبینم. اپیزود دوم این پادکست که گفتوگوی این شخص با دانشمند معروف و صاحبنام علوم اعصاب، آقای Christof Koch هستش، یکی از غنیترین مصاحبههایی بود که دیدم. توی این اپیزود آقای کریستوف کخ در مورد خودآگاهی، هوش مصنوعی، حیات و فلسفه و ... صحبت میکنه و نه تنها ذهن آدم رو برای پذیرش این مفاهیم باز میکنه، بلکه یه دید خوبی از چالشهای دانشِ مرتبط با این مسائل میده. تلاش جالب آقای کخ برای باز کردن این مسائل نشوندهندهی تسلط فوقالعادهاش بر این مفاهیم داره، و همونطور که انتظار میرفت، امکان نداره کسی پای این اپیزود بشینه، صحبتهاش رو گوش بده و به این مفاهیم علاقهمند نشه.
لینک تماشا:
https://www.youtube.com/watch?v=piHkfmeU7Wo
@erfaniumm
لینک تماشا:
https://www.youtube.com/watch?v=piHkfmeU7Wo
@erfaniumm
1_19710202183.pdf
9.1 MB
Reproducible brain-wide association studies require thousands of individuals
این مقالهی سال ۲۰۲۲ که تا به الان حدود ۱۷۰۰تا سایتیشن داشته، یه مقالهی بسیار زیبا در حوزهی متدولوژی و آمار کارهای نوروایمیجینگ هستش. از نظر من خوندن این مقاله باعث میشه که شما یه عینک نقادانهی خیلی خوب روی چشمانت بزنی و کارهای این حوزه رو با این دید جدید ببینی.
اگه داخلی اجازه بده حتماً یه ویدیو میگیرم و این مقاله رو کامل و جامع توضیح میدم.
@erfaniumm
این مقالهی سال ۲۰۲۲ که تا به الان حدود ۱۷۰۰تا سایتیشن داشته، یه مقالهی بسیار زیبا در حوزهی متدولوژی و آمار کارهای نوروایمیجینگ هستش. از نظر من خوندن این مقاله باعث میشه که شما یه عینک نقادانهی خیلی خوب روی چشمانت بزنی و کارهای این حوزه رو با این دید جدید ببینی.
اگه داخلی اجازه بده حتماً یه ویدیو میگیرم و این مقاله رو کامل و جامع توضیح میدم.
@erfaniumm
بعضی از دوستان میپرسن ویدیوهای ضبط روش آماری چی شده😁 والا پلنشو داشتم که بعد آزمونم اونا رو هم ادامه بدم و کاملش کنم، ولی این ۳ ماههی آخر سال و پایاننامهها و ... یهذره محدودم کرده. انشاءالله هروقت فرصت شد، مجدداً شروع میکنم.
سمت راست: شکل انتزاعی Gabriel's horn که حجم محدود ولی مساحت نامحدود داره.
سمت چپ: شکل انتزاعی Mandelbrot set که مساحت محدود ولی محیط نامحدود داره.
وقتی میگن ریاضیات زیباس یعنی این.
@erfaniumm
سمت چپ: شکل انتزاعی Mandelbrot set که مساحت محدود ولی محیط نامحدود داره.
وقتی میگن ریاضیات زیباس یعنی این.
@erfaniumm
This media is not supported in your browser
VIEW IN TELEGRAM
این گیف چند برازش اولیهی Koch snowflake هستش و خیلی راحت میتونید متوجه بشید چرا مساحت محدود ولی محیط نامحدود داره.
@erfaniumm
@erfaniumm
میدونیم که وریشن زیادی در مغز افراد وجود داره و این باعث میشه که اگر بخوایم دربارهی مناطق مختلف مغزی که ثابت هستن در افراد مختلف که مغز متفاوتی دارن صحبت کنیم، نیاز به یک استاندارد واحد داشته باشیم.
مختصات MNI (مخفف Montreal Neurological Institute) یک سیستم استاندارد در نوروایمیجینگ هستش که برای نقشهبرداری و مقایسه دادههای مغزی افراد مختلف استفاده میشه. همونطور که گفتم چون مغز هر فرد شکل و اندازهی متفاوتی داره، پس برای اینکه بتونیم نتایج اسکنهای مغزی (مثل fMRI یا MRI) رو بین افراد یا مطالعات مختلف مقایسه کنیم، نیاز به یک فضای مشترک داریم و MNI این فضا رو فراهم میکنه.
یه جورایی MNI مثل یک نقشهی سهبعدیه که موقعیت نقاط مختلف مغز رو با مختصات X و Y و Z مشخص میکنه و این مختصات به ما کمک میکنه تا بگیم یه نقطهی خاص تو مغز (مثلاً جایی که در یه مطالعه فعال شده) دقیقاً کجاست.
این همه داستان گفتم که بهتون بگم اکثر پلاتها برای کشیدن مناطق مختلف مغز (مثل این عکس)، نیاز به مختصات MNI مناطقِ مورد مطالعهی شما دارن و به همین دلیل برای کشیدن اینجور پلاتها باید با این سیستم آشنا باشید.
@erfaniumm
مختصات MNI (مخفف Montreal Neurological Institute) یک سیستم استاندارد در نوروایمیجینگ هستش که برای نقشهبرداری و مقایسه دادههای مغزی افراد مختلف استفاده میشه. همونطور که گفتم چون مغز هر فرد شکل و اندازهی متفاوتی داره، پس برای اینکه بتونیم نتایج اسکنهای مغزی (مثل fMRI یا MRI) رو بین افراد یا مطالعات مختلف مقایسه کنیم، نیاز به یک فضای مشترک داریم و MNI این فضا رو فراهم میکنه.
یه جورایی MNI مثل یک نقشهی سهبعدیه که موقعیت نقاط مختلف مغز رو با مختصات X و Y و Z مشخص میکنه و این مختصات به ما کمک میکنه تا بگیم یه نقطهی خاص تو مغز (مثلاً جایی که در یه مطالعه فعال شده) دقیقاً کجاست.
این همه داستان گفتم که بهتون بگم اکثر پلاتها برای کشیدن مناطق مختلف مغز (مثل این عکس)، نیاز به مختصات MNI مناطقِ مورد مطالعهی شما دارن و به همین دلیل برای کشیدن اینجور پلاتها باید با این سیستم آشنا باشید.
@erfaniumm
فرمول بالا، یه فرمول مشهور ریاضیات هستش که توسط ریاضیدان بزرگ و فقید هندی، آقای رامانوجان تدوین شد. اهمیت این فرمول در اینه که با استفاده ازش میشه تا ارقام اعشار بسیار زیادی از عدد پی رو، بدون استفاده از الگوریتمهای پیشرفته، حساب کرد.
اما چیزی که این فرمول رو خاصتر میکنه نحوهی ابداعشه. آقای رامانوجان میگفت که این فرمول توسط الههی هندو، Namagiri، که تو عکسهای پایین مشاهده میکنید، تو خواب بهش وحی میشه و اون رو راهنمایی میکنه.
متأسفانه این نابغهی ریاضیات در جوانی بهعلت بیماری سل از دنیا رفت. فیلم The man who knew infinity داستان زندگی این فرد رو به زیبایی روایت میکنه و من به همه مشاهدهی این فیلم رو پیشنهاد میکنم.
@erfaniumm
اما چیزی که این فرمول رو خاصتر میکنه نحوهی ابداعشه. آقای رامانوجان میگفت که این فرمول توسط الههی هندو، Namagiri، که تو عکسهای پایین مشاهده میکنید، تو خواب بهش وحی میشه و اون رو راهنمایی میکنه.
متأسفانه این نابغهی ریاضیات در جوانی بهعلت بیماری سل از دنیا رفت. فیلم The man who knew infinity داستان زندگی این فرد رو به زیبایی روایت میکنه و من به همه مشاهدهی این فیلم رو پیشنهاد میکنم.
@erfaniumm