🔥 بساز | ببین | حرکت بده | هوشمند شو

‏Pixel Series – مسیر کامل یادگیری رباتیک

سری Pixel فقط چند برد الکترونیکی نیست؛
یک اکوسیستم آموزشی واقعی برای ساخت ربات‌هایی است که
حرکت می‌کنند، می‌بینند و تصمیم می‌گیرند.

در این ویدیو با چهار عضو اصلی سری Pixel آشنا می‌شوید:
‏🟦 Pixel Core – مغز و مرکز کنترل ربات
‏⚙️ Pixel Motion – کنترل دقیق حرکت و توان
‏👁 Pixel Vision – تشخیص خط و رنگ هوشمند
‏🎯 Pixel Sniper – درک فاصله و موانع محیط

‏Pixel طراحی شده تا
یادگیری رباتیک را ساده، ایمن و واقعی کند —
از اولین ربات آموزشی تا پروژه‌های پیشرفته.

🎓 مناسب آموزش STEM
🤖 مناسب مدارس، آموزشگاه‌ها و تیم‌های رباتیک
🚀 مناسب کسانی که می‌خواهند واقعاً بسازند

👉 اینجا، ربات‌ها فقط حرکت نمی‌کنند…
می‌فهمند.

#mBedLab #PixelSeries #Robotics #STEM

📍امبدلب به فارسی:
@mBedLabLearning

📍mBedLab in English:
@mBedLabLearningEN

📍mBedLab Türkçe'de
@mBedLabLearningTR

📘 دوره آموزشی C++ | سطح مقدماتی
دوره‌ی آموزشی Basic C++ Programming Bootcamp برای علاقه مندان به برنامه نویسی 🚀

در این فایل، مفاهیم پایه و مهم برنامه‌نویسی ++C به‌صورت کاملاً ساده و مرحله‌به‌مرحله آموزش داده شده:
🔹 مقدمه‌ای بر زبان ++C
🔹 انواع داده‌ها و ساختارها
🔹 آرایه‌ها، پشته (Stack) و صف (Queue)
🔹 لیست پیوندی (Linked List)
🔹 ساختارهای داده خطی و غیرخطی
🔹 گراف و درخت
🔹 الگوریتم‌های مهم مثل DFS و Divide & Conquer
🔹 قضیه اصلی (Master Theorem) و تحلیل

💡 مناسب برای:
✔️ مبتدی‌ها در برنامه‌نویسی
✔️ دانشجویان کامپیوتر
✔️ علاقه‌مندان به الگوریتم و ساختار داده

📌 دانلود فایل + آپدیت‌های دوره
تمام نسخه‌های جدید، رفع اشکال‌ها و محتوای تکمیلی از طریق گیت‌هاب منتشر می‌شود.
برای از دست ندادن آپدیت‌ها، ریپو را ⭐️ Star و اکانت را Follow کنید.

🔗 GitHub Repository: https://github.com/Majid-Derhambakhsh/Basic-CPP-Programming-Bootcamp


#mBedLab #Programming #برنامه_نویسی #STEM

📍امبدلب به فارسی:
@mBedLabLearning

📍mBedLab in English:
@mBedLabLearningEN

📍mBedLab Türkçe'de
@mBedLabLearningTR

۷ لایه #هوش_مصنوعی — از AI کلاسیک تا AGI 🤖

آیا می‌دانستید چیزی که امروز به آن «هوش مصنوعی» می‌گوییم، در واقع یک فناوری واحد نیست؛ بلکه نتیجه چند دهه پیشرفت و اضافه شدن قابلیت‌های جدید به نسل‌های قبلی است؟

از سیستم‌های مبتنی بر قوانین ساده شروع کردیم و امروز به مدل‌هایی رسیده‌ایم که می‌توانند محتوا تولید کنند، ابزارها را به کار بگیرند و حتی برای رسیدن به یک هدف، چند مرحله را برنامه‌ریزی کنند.

1. هوش مصنوعی کلاسیک (Classical AI)
اولین سیستم‌های هوش مصنوعی بر پایه قوانین، منطق، جست‌وجو و دانش متخصصان ساخته می‌شدند.
در واقع انسان به ماشین می‌گفت:
«اگر این اتفاق افتاد، این کار را انجام بده.»

در این مرحله، ماشین چیزی را از خودش یاد نمی‌گرفت؛ بلکه مجموعه‌ای از قوانین از قبل تعریف‌شده را اجرا می‌کرد.

اما داستان همین‌جا تمام نمی‌شود...
در پست بعدی به لایه‌های مهم‌تر می‌رسیم

#هوش_مصنوعی

📍امبدلب به فارسی:
@mBedLabLearning

📍mBedLab in English:
@mBedLabLearningEN

📍mBedLab Türkçe'de
@mBedLabLearningTR

۷ لایه #هوش_مصنوعی — از AI کلاسیک تا AGI 🤖

در پست قبل، لایه اول هوش مصنوعی را بررسی کردیم، حالا می‌رسیم به 6 لایه دیگر که AI را تشکیل می‌دهند:

2. یادگیری ماشین (Machine Learning)
اینجا یک تغییر اساسی اتفاق افتاد.
به‌جای اینکه برای تک‌تک تصمیم‌ها قانون بنویسیم، به ماشین داده دادیم تا الگوها را از داده‌ها یاد بگیرد.
یعنی به‌جای اینکه بگوییم «چه کاری انجام بده»، به آن می‌گوییم:
«این داده‌ها را ببین و الگو را پیدا کن.»

3. شبکه‌های عصبی (Neural Networks)
با الهام از ساختار مغز، شبکه‌هایی از واحدهای محاسباتی به وجود آمدند که می‌توانستند روابط و الگوهای پیچیده‌تری را از داده‌ها استخراج کنند.
این فناوری مسیر را برای پردازش بهتر تصویر، صدا، متن و سایر داده‌های پیچیده باز کرد.

4. یادگیری عمیق (Deep Learning)
وقتی شبکه‌های عصبی را با لایه‌های بیشتری توسعه دادیم، به Deep Learning رسیدیم.
این فناوری باعث جهش چشمگیری در حوزه‌هایی مثل موارد شد:
○ تشخیص تصویر
○ پردازش گفتار
○ پردازش زبان طبیعی
○ سیستم‌های پیشنهاددهنده
○ تشخیص الگو

بخش بزرگی از انقلاب هوش مصنوعی در دهه گذشته، بر پایه همین فناوری شکل گرفته است.

5. هوش مصنوعی مولد (Generative AI) ✨
اینجا دیگر ماشین فقط الگوها را تشخیص نمی‌دهد؛ بلکه می‌تواند محتوا تولید کند.
متن، تصویر، صدا، ویدئو و حتی کد.
ابزارهایی مثل ChatGPT، Claude، Gemini و Midjourney باعث شدند این قابلیت در دسترس میلیون‌ها نفر قرار بگیرد.
اما یک نکته مهم وجود دارد:

توانایی تولید خروجی چشمگیر، لزوماً به معنی «درک» یا «هوشمندی» نیست.

روان صحبت کردن با فهمیدن یکسان نیست.

6. هوش مصنوعی عامل‌محور (Agentic AI) 🧠
اینجاست که موضوع جذاب‌تر می‌شود.
سیستم‌های AI جدیدتر می‌توانند:
○ کارهای چندمرحله‌ای را برنامه‌ریزی کنند
○ از ابزارهای خارجی استفاده کنند
○ اطلاعات جست‌وجو کنند
○ با نرم‌افزارها تعامل داشته باشند
‏○ API فراخوانی کنند
○ نتیجه کار خود را ارزیابی کنند
○ برای رسیدن به یک هدف، اقدام انجام دهند
تفاوت مهم اینجاست:

هوش مصنوعی دیگر فقط به سؤال شما پاسخ نمی‌دهد؛ می‌تواند برای انجام یک کار، وارد عمل شود.

به نظر می‌رسد بخش مهمی از مرز فعلی توسعه هوش مصنوعی در همین مسیر قرار دارد.

7. هوش عمومی مصنوعی (AGI)
و اما آخرین لایه...
‏AGI یا Artificial General Intelligence
منظور سیستمی است که بتواند مانند یک هوش عمومی، در طیف بسیار گسترده‌ای از مسائل و محیط‌ها، به‌صورت انعطاف‌پذیر یاد بگیرد، استدلال کند و عمل کند.
اما هنوز به AGI نرسیده‌ایم.
سیستم‌های امروزی می‌توانند در بسیاری از کارها فوق‌العاده قدرتمند باشند، اما همچنان با چالش‌هایی مانند درک عمیق از جهان، استدلال قابل‌اعتماد، عقل سلیم و یادگیری مداوم از دنیای واقعی روبه‌رو هستند.
چرا این تفاوت مهم است؟
اشتباه بزرگ در بحث‌های امروزی درباره AI این است که تمام این لایه‌ها را با یک کلمه خلاصه کنیم: «هوش مصنوعی»

اگر توانایی‌های AI امروزی را دست‌کم بگیریم، فرصت‌های بزرگی را از دست می‌دهیم.

اگر آن را بیش از حد بزرگ جلوه دهیم، یادگیری آماری قدرتمند را با هوش انسانی اشتباه خواهیم گرفت.

بنابراین سوال درست این نیست:
«آیا هوش مصنوعی واقعا هوشمند است؟»

بلکه باید بپرسیم:
این سیستم دقیقاً چه قابلیت‌هایی دارد، محدودیت‌هایش چیست و برای رسیدن به مرحله بعدی چه پیشرفت‌هایی هنوز لازم است؟

نکته: هوش مصنوعی جادو نیست؛ نتیجه زنجیره‌ای از پیشرفت‌های علمی و مهندسی است که هنوز به پایان نرسیده. 🚀

#هوش_مصنوعی

📍امبدلب به فارسی:
@mBedLabLearning

📍mBedLab in English:
@mBedLabLearningEN

📍mBedLab Türkçe'de
@mBedLabLearningTR

🚀 آپدیت جدید کتابخانه Altium Designer از مجموعه mBedLab منتشر شد!

در این نسخه جدید، امکاناتی برای تجربه‌ای دقیق‌تر و حرفه‌ای‌تر در طراحی مدار فراهم شده:

✅ بهبود مدل‌ها و فوتپرینت ها برای مونتاژ راحت تر
✅ افزودن قطعات جدید TH و SMD
✅ دارای تمپلیت و اسکریپت BOM اختصاصی

با این آپدیت، طراحی سریع‌تر، مطمئن‌تر و مطابق با استانداردهای صنعتی و سازگار با DFM را تجربه کنید.

📅 تاریخ آپدیت: 2026/09/12

#الکترونیک #آلتیوم_دیزاینر #کتابخانه_قطعات #فوتپرینت #طراحی_مدار #mBedLab #Altium_Designer

📍همین حالا کتابخانه را دریافت کنید و عضو کانال ما شوید:
@mBedLabLearning

📍mBedLab in English:
@mBedLabLearningEN

📍mBedLab Türkçe'de
@mBedLabLearningTR

🚀 تمپلیت جدید BOM (Bill of Materials) مجموعه mBedLab منتشر شد!

در این نسخه حرفه‌ای، امکاناتی برای مدیریت دقیق‌تر و محاسبه هزینه‌های ساخت مدار فراهم شده:

✅ ستون‌های جامع و استاندارد (شامل Check، Part Number، Manufacturer و...)
✅ قابلیت محاسبه قیمت برای تک‌برد و مجموع بردهای سفارش‌داده‌شده (Single & Total Board Price)
✅ مدیریت کامل پارامترهای قطعات شامل پکیج، مقدار، تلورانس و تامین‌کننده

با این تمپلیت، برآورد هزینه‌ها سریع‌تر، دقیق‌تر و کاملاً مطابق با استانداردهای مونتاژ انجام می‌شود.

📅 تاریخ انتشار: 2026/09/14

#الکترونیک #آلتیوم_دیزاینر #BOM #طراحی_مدار #مدیریت_قطعات #mBedLab #Altium_Designer

📍همین حالا تمپلیت را دریافت کنید و عضو کانال ما شوید:
@mBedLabLearning

📍mBedLab in English:
@mBedLabLearningEN

📍mBedLab Türkçe'de
@mBedLabLearningTR

راهنمای نحوه اضافه کردن و استفاده از تمپلیت BOM اختصاصی مجموعه mBedLab در Altium Designer:

1. انتقال فایل تمپلیت به پوشه پیش‌فرض (به‌جای AD26 می‌توانید نام نسخه مورد نظر خود مانند AD25، AD24 و... را قرار دهید):
C:\Users\Public\Documents\Altium\AD26\Templates

2. باز کردن بخش تنظیمات BOM در آلتیوم:
○ در پروژه خود، فایل ActiveBOM پروژه (.BomDoc) را باز کنید یا از منوی بالای نرم‌افزار به مسیر Reports > Bill of Materials بروید.

3. مراجعه به بخش Excel Options و انتخاب تمپلیت اختصاصی mBedLab BOM Template

4. وارد کردن تعداد بردهای مدنظر در بخش Production Quantity برای محاسبه اتوماتیک قیمت تک‌برد و مجموع

5. خروجی نهایی: در نهایت روی دکمه Export کلیک کنید تا فایل اکسل نهایی با بالاترین دقت، ساختار استاندارد و قابلیت محاسبه قیمت تک‌برد و مجموع تولید شود.

#الکترونیک #آلتیوم_دیزاینر #BOM #طراحی_مدار #مدیریت_قطعات #mBedLab #Altium_Designer

📍همین حالا تمپلیت را دریافت کنید و عضو کانال ما شوید:
@mBedLabLearning

📍mBedLab in English:
@mBedLabLearningEN

📍mBedLab Türkçe'de
@mBedLabLearningTR

کتاب C++ in Embedded Systems نوشته Amar Mahmutbegović

یک راهنمای کاربردی برای گذار از C سنتی به C++ مدرن در سیستم‌های نهفته و میکروکنترلرها، با تمرکز بر مدیریت بهینه حافظه و عملکرد سخت‌افزار.

#کتاب_آموزشی #برنامه_نویسی #Embedded

📍امبدلب به فارسی:
@mBedLabLearning

📍mBedLab in English:
@mBedLabLearningEN

📍mBedLab Türkçe'de
@mBedLabLearningTR

#معرفی کتاب: C++ در سیستم‌های نهفته

○ نویسنده: Amar Mahmutbegović

آیا می‌دانید چگونه بدون افت کارایی و با حفظ منابع محدود سخت‌افزاری، از زبان C به سمت قابلیت‌های پیشرفته مدرن C++ مهاجرت کنید؟

این کتاب یک مسیر کاربردی برای گذار از C سنتی به استانداردهای مدرن C++ در میکروکنترلرها و سیستم‌های نهفته پیش روی شما می‌گذارد.

چرا این کتاب؟
○ گذار کاربردی: آشنایی با الگوهای طراحی شیءگرا و Templateها در سخت‌افزار
○ مدیریت بهینه منابع: تکنیک‌های پیشرفته مدیریت حافظه و پردازنده
○ سناریوهای واقعی: کدهای استاندارد مناسب برای سیستم‌های بلادرنگ و صنعتی

دریافت کتاب به صورت PDF

#کتاب_آموزشی #برنامه_نویسی #Embedded

📍امبدلب به فارسی:
@mBedLabLearning

📍mBedLab in English:
@mBedLabLearningEN

📍mBedLab Türkçe'de
@mBedLabLearningTR

‏🚀 رودمپ ورود به دنیای سیستم‎های نهفته برای مهندسان نرم‌افزار

ورود از دنیای نرم‌افزار به سیستم‌های نهفته (Embedded) نیازمند درک عمیق سخت‌افزار، سطح پایین (Low-Level) و ارتباط نرم‌افزار با دنیای فیزیکی است.

مسیر یادگیری:
1. الکترونیک پایه و شناخت سخت‌افزار
○ مفاهیم: قوانین مدارهای الکتریکی، مدارهای منطقی، شناخت قطعات پایه و نحوه کار با تجهیزات اندازه‌گیری (مولتی‌متر و اسیلوسکوپ).
○ پروژه‌ها: 🟢 طراحی مدار چشمک‌زن ← 🟠 ساخت دماسنج دیجیتال ← 🔴 پیاده‌سازی مدار منبع تغذیه متغیر.
○ منابع فارسی: کانال یوتیوب و دوره‌های الکترونیک دانشگاهی، کتاب «الکترونیک عمومی» هنرستان.

2. زبان C پیشرفته، C++ و ساختار داده‌ها
○ مفاهیم: اشاره‌گرها (Pointers) به صورت پیشرفته، مدیریت حافظه، عمگرها و کار با بیت‌های داده، ساختارها (Structs)، و استاندارد MISRA-C.
○ پروژه‌ها: 🟢 ماشین حساب ترمینال ← 🟠 دیتالاگر فایل متنی ← 🔴 پیاده‌سازی سیستم مدیریت حافظه و پشته اختصاصی.
○ منابع فارسی: جزوه دوره آموزشی ++C | سطح مقدماتی.
○ منابع انگلیسی: کتاب C++ in Embedded Systems A practical transition from C to modern C++ 1

3. میکروکنترلرها، بردهای توسعه و پریفیرال‌ها (آردوینو، رزبری‌پای و STM32)
○ مفاهیم: آشنایی با پلتفرم آردوینو و کتابخانه‌های آن برای درک سریع تعامل با سخت‌افزار، کار با برد رزبری‌پای (Raspberry Pi) برای درک محیط‌های مبتنی بر GPIO، آشنایی با رجیسترها، تایمرها، وقفه (Interrupt) و پروتکل‌های داخلی در میکروکنترلرها (مانند ARM Cortex-M/STM32).
○ پروژه‌ها: 🟢 کنترل LED و خواندن سنسور با آردوینو ← 🟠 پیاده‌سازی اسکریپت کنترل سخت‌افزار با پایتون روی رزبری‌پای ← 🔴 مهاجرت به STM32 و راه‌اندازی پریفیرال‌ها با سطح دسترسی پایین‌تر.
○ منابع فارسی: -
○ منابع انگلیسی: سایت رسمی آردوینو، رزپبری پای

4. پروتکل‌های ارتباطی و اینترنت اشیاء (IoT)
○ مفاهیم: UART, SPI, I2C, Modbus, CAN Bus, شبکه (ESP8266/ESP32)، پروتکل MQTT و داشبوردهای وب.
○ پروژه‌ها: 🟢 ارتباط سریال بین میکرو و کامپیوتر ← 🟠 خواندن سنسور با I2C و نمایش روی ← 🔴 گیت‌وی IoT ارسال داده به داشبورد ابری.
○ منابع فارسی: ویدیوهای آموزش پروتکل‌های ارتباطی در یوتیوب فارسی.
○ منابع انگلیسی: بزودی در کانال قرار میگیرد.

5. سیستم‌عامل‌های بلادرنگ (FreeRTOS)
○ مفاهیم: تسک‌ها (Tasks)، زمان‌بندی (Scheduling)، صف‌ها (Queues)، سم‌افورها (Semaphores)، و مانیتورینگ منابع.
○ پروژه‌ها: 🟢 چشمک‌زن چندنخی با FreeRTOS ← 🟠 سیستم خواندن سنسور و نمایشگر در تسک‌های مجزا ← 🔴 اتوماسیون خانگی بلادرنگ با مدیریت بحران منابع.
○ منابع فارسی: -
○ منابع انگلیسی: بزودی در کانال قرار میگیرد.

6. لینوکس نهفته (Embedded Linux)
○ مفاهیم: کامپایل کراس (Cross-Compilation)، بوت‌لودر U-Boot، ساختار Device Tree، توسعه درایورهای ساده و BusyBox.
○ پروژه‌ها: 🟢 کامپایل کرنل و اجرای Hello World روی ایمولاتور ← 🟠 نوشتن درایور ساده GPIO ← 🔴 پیاده‌سازی سیستم لینوکسی روی برد رزبری پای یا امبدد بورد.
○ منابع فارسی: -
○ منابع انگلیسی: بزودی در کانال قرار میگیرد.

7. هوش مصنوعی لبه (Edge AI) و TinyML
○ مفاهیم: یادگیری ماشین سبک، کتابخانه‌های TensorFlow Lite for Microcontrollers، بهینه‌سازی مدل برای میکروکنترلرها، پردازش صدا و تصویر Edge.
○ پروژه‌ها: 🟢 تشخیص کلمات کلیدی صوتی (Keyword Spotting) روی برد ← 🟠 دسته‌بندی حرکات با شتاب‌سنج (Gesture Recognition) ← 🔴 سیستم تشخیص خطای هوشمند مبتنی بر سنسور.
○ منابع فارسی: -
○ منابع انگلیسی: بزودی در کانال قرار میگیرد.

#Embedded #mBedLab

📍هم‌اکنون عضو کانال ما شوید:
@mBedLabLearning

📍mBedLab in English:
@mBedLabLearningEN

📍mBedLab Türkçe'de
@mBedLabLearningTR

‏🚀 رودمپ ورود به دنیای سیستم‎های نهفته برای مهندسان نرم‌افزار

ورود از دنیای نرم‌افزار به سیستم‌های نهفته (Embedded) نیازمند درک عمیق سخت‌افزار، سطح پایین (Low-Level) و ارتباط نرم‌افزار با دنیای فیزیکی است.

با این مسیر همراه ما باشید...

#Embedded #mBedLab

📍هم‌اکنون عضو کانال ما شوید:
@mBedLabLearning

📍mBedLab in English:
@mBedLabLearningEN

📍mBedLab Türkçe'de
@mBedLabLearningTR