این ویدیوی معرفی هوش مصنوعی متن باز که روی سیستم میتونید نصب کنید و آفلاین ازش استفاده کنین . آموزش نصبشو نگفتم صرفا معرفیه

چندتا از محبوب ترین توزیع های لینوکسی
شما بیشتر از کدوم استفاده میکنید؟ و بنظرتون کدوم بهترینه؟

Group: @azad_program
Channel: @kiau_program

🔥 بچه‌ها یه خبر خوب!

قراره به‌زودی لوگو و ظاهر گروه رو یه ذره حرفه‌ای‌تر و خاص‌تر کنیم 😎
داریم یه لوگوی جدید و خفن طراحی می‌کنیم که نماینده‌ی کل تیم‌مون باشه — از برنامه‌نویس گرفته تا هر رشته‌ی مهندسی کامپیوتر 💻⚙️

اگه ایده یا نظری دارین که توی طراحی کمک می‌کنه (مثلاً رنگ، شکل، سبک)، همین‌جا بنویسید.
بزودی عکس پروفایل گروه با یه چیز خاص و یونیک آپدیت می‌شه 💥


Group: @azad_program
Channel: @kiau_program

- واحدهای ظرفیت حافظه در دنیای دیجیتال:

💾 bit (b)
بیت
💾 Byte (B)
بایت
💾 Kilobyte (KB)
کیلوبایت
💾 Megabyte (MB)
مگابایت
💾 Gigabyte (GB)
گیگابایت
💾 Terabyte (TB)
ترابایت
💾 Petabyte (PB)
پتابایت
💾 Exabyte (EB)
اگزابایت
💾 Zettabyte (ZB)
زتابایت
💾 Yottabyte (YB)
یوتابایت
💾 Sottabyte (SB)
سوتابایت

Group: @azad_program
Channel: @kiau_program

چند ایده پروژه ماشین لرنینگ (ML) در سطح های مختلف. از مبتدی تا پیشرفته. ین پروژه‌ها می‌تونن هم برای تمرین فردی خوب باشن، هم برای تقسیم کار تیمی:

🔰 سطح مبتدی (Beginner)
✅ هدف: آشنایی با دیتاست، پیش‌پردازش، مدل‌سازی ساده
1️⃣ پیش‌بینی قیمت خانه‌ها

📊 دیتاست: Boston Housing یا California Housing

📌 تکنیک‌ها: Linear Regression، Polynomial Regression، SVR

2️⃣ تشخیص گل‌ها با دیتاست Iris

📊 دیتاست: Iris

📌 تکنیک‌ها: KNN، Logistic Regression، Decision Tree

3️⃣پیش‌بینی نمره امتحان بر اساس ساعت مطالعه

📊 دیتاست ساده: دستی بسازید یا از Student Performance استفاده کنید

📌 تکنیک‌ها: Linear Regression

4️⃣ تشخیص اسپم بودن ایمیل

📊 دیتاست: SMS Spam Collection

📌 تکنیک‌ها: Naive Bayes، CountVectorizer، TF-IDF

➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖

🔶 سطح متوسط (Intermediate)
✅ هدف: کار با داده‌های پیچیده‌تر، ارزیابی مدل‌ها، استفاده از pipeline

1️⃣ پیش‌بینی بیماری دیابت

📊 دیتاست: PIMA Indians Diabetes

📌 تکنیک‌ها: Random Forest، SVM، Logistic Regression

2️⃣. تحلیل احساسات توییت‌ها

📊 دیتاست: Twitter Sentiment Analysis

📌 تکنیک‌ها: NLP، TF-IDF، SVM / Naive Bayes

3️⃣. پیش‌بینی ترک تحصیل دانش‌آموزان

📊 دیتاست: Student Dropout and Academic Success

📌 تکنیک‌ها: Classification (Logistic Regression, Random Forest)

4️⃣. تشخیص ارقام دست‌نویس

📊 دیتاست: MNIST

📌 تکنیک‌ها: KNN، SVM، Neural Network ساده

➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖

🚀 سطح پیشرفته (Advanced)
✅ هدف: کار با deep learning، مدل‌های پیچیده، ساخت اپلیکیشن یا API
1️⃣. تشخیص چهره و شناسایی افراد

📊 دیتاست: LFW (Labeled Faces in the Wild)

📌 تکنیک‌ها: CNN با TensorFlow / PyTorch

2️⃣. تولید موسیقی یا تصویر با مدل‌های GAN

📊 دیتاست: MNIST یا CelebA برای تصویر

📌 تکنیک‌ها: GAN (Generative Adversarial Networks)

3️⃣. تشخیص اخبار فیک از واقعی

📊 دیتاست: Fake News Dataset

📌 تکنیک‌ها: NLP با LSTM / Transformer

4️⃣. ساخت مدل توصیه‌گر فیلم (Recommendation System)

📊 دیتاست: MovieLens

📌 تکنیک‌ها: Collaborative Filtering، Matrix Factorization

5️⃣. تشخیص اشیاء در تصویر (Object Detection)

📊 دیتاست: COCO یا Pascal VOC یا Kaggle Custom Dataset

📌 تکنیک‌ها: YOLO / Faster R-CNN

➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖

💡 پیشنهاد برای ساختار تمرین تیمی:
هر هفته یک سطح رو تمرین کنین.

گروه‌ رو به تیم‌های کوچک ۲–۳ نفره تقسیم کن.

هر تیم روی یک پروژه جدا کار کنه.

آخر هفته هر تیم، دمو یا ارائه بده به بقیه.

می‌تونین از GitHub برای مدیریت کدها و مشارکت استفاده کنین.

" گروه آزاد پروگرمرز (Azad's Programmer)"

Group: @azad_program
Channel: @kiau_program

یک Cheat sheet از کامند های لینوکس⌨

Group: @azad_program
Channel: @kiau_program

📌 آشنایی با حوزه‌های مختلف برنامه‌نویسی
اگه تازه وارد دنیای برنامه‌نویسی شدی یا نمی‌دونی دقیقاً باید چه مسیری رو انتخاب کنی، این لیست بهت دید کلی می‌ده:

——————————————————

💻 1. توسعه وب (Web Development)
Frontend: طراحی ظاهر سایت‌ها (چیزی که کاربر می‌بینه)
🔸 زبان‌ها: HTML, CSS, JavaScript
🔸 فریم‌ورک‌ها: React, Vue, Angular

Backend: مدیریت منطق، دیتابیس و درخواست‌های سرور
🔸 زبان‌ها: Python (Django, Flask), JavaScript (Node.js), PHP, Java, Go

——————————————————

📱 2. برنامه‌نویسی موبایل (Mobile Development)
اندروید یا iOS یا کراس پلتفرم
🔸 زبان‌ها:

Android: Java, Kotlin

iOS: Swift

کراس‌پلتفرم: Flutter (Dart), React Native (JS)

——————————————————

🧠 3. هوش مصنوعی و یادگیری ماشین (AI & ML)
مدل‌سازی داده‌ها برای پیش‌بینی، طبقه‌بندی و تصمیم‌گیری هوشمند
🔸 زبان‌ها: Python (اصلی‌ترین زبان)
🔸 کتابخونه‌ها: TensorFlow, PyTorch, scikit-learn, pandas, numpy

——————————————————

🤖 4. رباتیک و بینایی ماشین
کار روی سیستم‌هایی که محیط رو می‌بینن و واکنش نشون می‌دن
🔸 زبان‌ها: Python, C++, ROS
🔸 کاربردها: تشخیص چهره، ربات‌های خودران، واقعیت افزوده

——————————————————

⚙️ 5. برنامه‌نویسی دسکتاپ
ساخت نرم‌افزارهایی که روی ویندوز، مک یا لینوکس نصب می‌شن
🔸 زبان‌ها: Python (PyQt, Tkinter), C#, Java, C++

——————————————————

🎮 6. توسعه بازی (Game Development)
ساخت بازی برای موبایل، کامپیوتر یا کنسول
🔸 زبان‌ها: C# (Unity), C++ (Unreal), Python (بازی‌های ساده)

——————————————————

🧪 7. تست نرم‌افزار و QA
بررسی کیفیت، عملکرد و باگ‌های نرم‌افزار
🔸 زبان‌ها: Python, JavaScript, Java
🔸 ابزارها: Selenium, JUnit, Postman

——————————————————

🖥 8. برنامه‌نویسی سیستم (System Programming)
نزدیک به سخت‌افزار، مثل نوشتن درایور، سیستم‌عامل یا ابزارهای سطح پایین
🔸 زبان‌ها: C, C++, Rust, Assembly

——————————————————

🧱 9. امنیت و هک قانونمند (Cybersecurity)
شناسایی آسیب‌پذیری‌ها، نفوذ قانونی برای افزایش امنیت
🔸 زبان‌ها: Python, C, Bash
🔸 حوزه‌ها: Web security, Network, Malware analysis, Pentesting

——————————————————

🧑‍💼 10. مهندسی داده (Data Engineering)
ساخت زیرساخت و لوله‌کشی داده برای استفاده در AI/BI
🔸 زبان‌ها: Python, SQL, Scala
🔸 ابزارها: Spark, Kafka, Airflow

——————————————————

📊 11. تحلیل داده و هوش تجاری (Data Analysis & BI)
تحلیل داده برای گرفتن تصمیمات تجاری
🔸 زبان‌ها: Python, R, SQL
🔸 ابزارها: Power BI, Tableau, pandas

——————————————————

☁️ 12. DevOps و Cloud
خودکارسازی استقرار، مانیتورینگ، و زیرساخت ابری
🔸 زبان‌ها: Bash, Python, YAML
🔸 ابزارها: Docker, Kubernetes, Jenkins, AWS, Azure, GCP

——————————————————

🔌 13. برنامه‌نویسی سخت‌افزار و امبدد (Embedded Systems)
نوشته شدن کد برای بردهایی مثل Arduino یا سیستم‌های IoT
🔸 زبان‌ها: C, C++, Micropython
🔸 کاربرد: دستگاه‌های هوشمند، IoT، سیستم‌های صنعتی

——————————————————

🎯 نکته آخر:
لزومی نداره همه اینا رو بلد باشی! اول مسیرتو انتخاب کن، بعد عمیق شو. اگه سوال داشتی درباره اینکه کدوم مسیر برای تو مناسبه، توی گروه بپرس 😊

" گروه آزاد پروگرمرز (Azad's Programmer)"

Group: @azad_program
Channel: @kiau_program

✅️ آگهی ✅️

بچه ها ما چندنفر وردپرس کار و سئو کار نیاز داریم‌ اگه کسی از خودتون یا دوستاتون هست لطفا به من پیام بده.
کارمون هم پروژه ای هستش🩷
حضوری یا دورکار فرقی نداره برامون
تهران یا کرج فرقی نداره

نمونه کار و رزومتون رو پیوی ارسال کنید

@sudo_apt_su

یک Cheat sheet از 7 لایه OSI🔎

Group: @azad_program
Channel: @kiau_program

بچه‌ها ✌️
برای سایتی که قراره واسه Azad’s Programmers راه بندازیم، الان نیاز به یه UI/UX کار داریم.
کسی که علاقه‌مند باشه داوطلبانه بیاد با تیم همراه بشه و طراحی ظاهر و تجربه کاربری سایت رو دست بگیره 🎨👨‍💻

اگر کسی پایه‌ست که کمک کنه، به این ایدی زیر پیام بدید🙌
بیاید با هم یه سایت خفن بسازیم که هم به درد همه بخوره هم معرف گروه خودمون باشه 🚀

@i_kent8

Group: @azad_program
Channel: @kiau_program

مقایسه تعداد پارامتر های شبکه های عصبی در انواع مدل های زبانی

وقتی می‌گیم مدلی مثل LeNet شصت هزار پارامتر داره یا DeepSeek ششصد و هفتاد میلیارد، یعنی این‌که چندتا وزن و بایاس (عدد قابل تنظیم) توی ساختارش هست که موقع یادگیری تغییر می‌کنن. این پارامترها مثل تجربه‌های مدل هستن و هرچی بیشتر باشن، می‌تونه الگوهای پیچیده‌تری رو یاد بگیره.

ا LeNet با ۶۰هزار پارامتر فقط برای کارهای ساده مثل تشخیص اعداد دست‌نویس بود. AlexNet با ۶۱میلیون پارامتر خیلی قوی‌تر شد و تصاویر واقعی رو می‌فهمید. مدل‌های امروزی مثل DeepSeek یا GPT با صدها میلیارد پارامتر می‌تونن متن بنویسن، منطق بزنن و شبیه انسان با زبان کار کنن.

اما تعداد پارامتر همه‌چیز نیست. یه مدل کوچیک با آموزش خوب می‌تونه بهتر از یه مدل بزرگ با آموزش ضعیف باشه. در ضمن، مدل‌های بزرگ سخت‌افزار و انرژی زیادی می‌خوان.

در کل، پارامتر زیاد یعنی ظرفیت بیشتر، ولی نه لزوماً هوش بیشتر؛ مثل کسی که کتاب زیاد خونده، اما مهمه چطور ازشون استفاده کنه.

" گروه آزاد پروگرمرز (Azad's Programmer)"

Group: @azad_program
Channel: @kiau_program

روز برنامه‌نویس مبارک 💻🎉

امروز روز همه‌ی کساییه که با عشق و پشتکار، خط به خط کد می‌زنن، با باگ‌ها سر و کله می‌زنن و از دل صفر و یک‌ها دنیای جدیدی می‌سازن. ✨
برنامه‌نویسی فقط نوشتن کد نیست، یه جور خلاقیته، یه جور هنر و حتی یه جور سبک زندگیه که پر از یادگیری، چالش و پیشرفته.
به همه‌ی دوستان برنامه‌نویس تبریک میگم 🌹 امیدوارم همیشه توی این مسیر موفق باشید، کدهاتون بدون ارور اجرا بشه، پروژه‌هاتون پر از موفقیت باشه و هیچ‌وقت از یاد گرفتن و ساختن دست نکشید 🔥🚀

" گروه آزاد پروگرمرز (Azad's Programmer)"

Group: @azad_program
Channel: @kiau_program

نیاز به فرد مسلط به نرم‌افزار Abaqus

سلام دوستان 🙌
برای یک پروژه شبیه‌سازی نیاز هست کسی که به نرم‌افزار Abaqus (اباکوس) مسلط باشه همکاری کنه.
موضوع پروژه در زمینه‌ی شبیه‌سازی برخورد (Impact Simulation) هست و تاکید میشه که حتماً فرد تجربه‌ی کافی و تسلط عملی روی Abaqus (ترجیحاً Abaqus/Explicit) داشته باشه.

🔹 اگر کسی از دوستان تسلط داره یا فردی رو می‌شناسه که می‌تونه کمک کنه، لطفاً پیام بده.

@i_kent8

🔹 مروری بر معماری، مهندسی در قلب نرم افزار

یکی از چیزایی که باعث میشه یه مهندس نرم‌افزار از یه برنامه‌نویس معمولی یا کسی که فقط کد میزنه متمایز بشه، معماری نرم‌افزاره.

درست شنیدین! معماری چیزی فراتر از نوشتن کدهای پشت سر همه. دقیقا مثل ساختمون‌سازی؛ هیچ مهندسی نمیاد آجر روی آجر بچینه بدون اینکه نقشه‌ای داشته باشه. چرا؟ چون ساختمونی که بدون نقشه ساخته بشه، شاید اولش محکم به نظر بیاد، ولی با اولین زلزله یا تغییر، همه چیز میریزه به هم. حتی هیچ ظاهر و ساختار درست درمونی هم نداره و پر از مشکله. چیزی که تو نرم‌افزار هم صدق میکنه!

📌 معماری دقیقاً چیه؟
▫️معماری تعیین می‌کنه سیستم از چه بخش‌هایی ساخته بشه (ماژول‌ها، سرویس‌ها، لایه‌ها).
▫️مشخص می‌کنه این بخش‌ها چطور با هم حرف بزنن (APIها، پروتکل‌ها، قراردادها).
▫️پایه‌ای می‌سازه که توسعه‌دهنده‌های جدید بتونن راحت وارد پروژه بشن و سریع بفهمن ماجرا از چه قراره.
▫️و مهم‌تر از همه: کمک می‌کنه نرم‌افزار سال‌ها زنده بمونه، رشد کنه و هنوز قابل فهم باشه.

🚀 چرا اهمیت داره؟
خیلی وقت‌ها یه پروژه کوچیک بدون معماری شروع میشه، اما وقتی کمی بزرگ میشه، تازه مشکلات خودش رو نشون میده:

▫️کدی که کسی جرات تغییر دادنش رو نداره چون همه‌چیز به هم وصله و به اصطلاح خودمون یجورایی تو حلق همه!
▫️فیچر جدیدی که باید سریع اضافه بشه، اما اضافه کردنش یه هفته طول می‌کشه.
▫️تیمی که هر چی بزرگ‌تر میشه، سرعتش کمتر میشه چون هیچ نقشه‌ی کلی وجود نداره.

اینجاست که معماری مثل یه نقشه راه عمل می‌کنه. حتی اگه همه چیز تغییر کنه، با داشتن یه معماری درست میشه سیستم رو بازطراحی و توسعه داد.

❓حالا شما بگین. به نظرتون لازمه که از همون پروژه‌های کوچیک هم به معماری فکر کنیم، یا فقط وقتی سیستم بزرگ شد اهمیت پیدا می‌کنه؟

Group: @azad_program
Channel: @kiau_program

دوستان آرین جان زحمت کشیده سایتی رو راه انداخته که گروه های درسی کامپیوتر رو میتونین توش سرچ کنین و جوین بشید

با این سایت خیلی راحت گروه کلاس هاتونو سرچ کنید

آدرس سایت:
http://azad-linky.ir

به یه ادمین طراحی و رسانه (Media & Design Admin) نیاز داریم 👇

کسی که بتونه پوستر و پست‌های اطلاع‌رسانی رو برای رویدادها و فعالیت‌های گروه طراحی کنه (مثلاً با Canva یا Photoshop)، و توی انتشار محتوا و تبلیغ رویدادها توی گروه‌ها و کانال‌های دانشجویی هم کمک کنه 🎨📢

اگر به طراحی علاقه‌مندین و تجربه‌ای در ساخت پوستر یا پست دارین،
به اکانت پشتیبان گروه پیام بدین و چند تا از نمونه‌کار‌هاتون رو هم بفرستین 💬🖼

اکانت پشتیبان:
@sudo_apt_su