📘 پنج اصل مهم برای نوشتن پرامپت‌های قدرتمند

این فایل راهنما، به زبان ساده و کاربردی، اصول طراحی مؤثر پرامپت (دستورهای متنی) برای مدل‌های زبانی را معرفی و بررسی می‌کند.

در این راهنما، تلاش شده است که به‌جای ارائه دستورالعمل‌های ثابت، تفکر و مهارت طراحی پرامپت به‌عنوان فرآیندی خلاقانه و قابل تعمیم آموزش داده شود.

🔹 محتوای کلیدی این راهنما شامل موارد زیر است:

▪️ اصل اول: هدایت مدل با توصیف دقیق هدف، سبک و نقش
▪️ اصل دوم: مشخص کردن ساختار خروجی (مثل لیست، جدول یا JSON)
▪️ اصل سوم: ارائه نمونه برای کاهش ابهام و بهبود کیفیت
▪️ اصل چهارم: ارزیابی خروجی‌ها برای بهینه‌سازی مستمر
▪️ اصل پنجم: شکستن وظایف پیچیده به مراحل ساده‌تر با تکنیک‌های زنجیره‌ای

🟢 اگر می‌خواهید در تعامل با مدل‌های هوش مصنوعی خروجی‌های دقیق‌تری داشته باشید، مطالعه این فایل می‌تواند کمک‌کننده باشد.


🔗 همین مطلب در سایر شبکه‌ها:

لینکدین [+]

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌🧩 یادگیری، پیش از صفحه‌نمایش؛ با کاغذ و جوهر

تصویری که در انتهای پست می‌بینید، بخشی از نسخه خطی کتاب «الملخّص فی الهیئه» (خلاصه‌ای بر علم نجوم) است، نوشته «محمود جغمینی». اثری که حدود ۸۰۰ سال پیش تألیف شده و همچنان به‌عنوان یکی از نمونه‌های درخشان آموزش تصویری در علم نجوم شناخته می‌شود.

در دورانی که هنوز تخته‌سفید، ویدیو پروژکتور یا ابزارهای شبیه‌سازی مدرن وجود نداشت، افرادی بودند که به‌خوبی می‌دانستند چگونه باید علم را آموزش داد. محمود جغمینی یکی از آن‌ها بود.

او پزشک و دانشمند ایرانی قرن چهاردهم میلادی بود و در روستای جغمین از ناحیه خوارزم (واقع در ازبکستان امروزی) به دنیا آمد. شهرت او بیش از همه به‌خاطر همین اثرش است: «الملخّص فی الهیئه». هدف جغمینی از نگارش این کتاب، ساختن مدلی تازه از کیهان نبود، بلکه ساده‌سازی آن برای یادگیری بهتر بود.

این کتاب، برای چندین قرن در مدارس اسلامی، از سمرقند تا قاهره، تدریس می‌شد. شاگردان با راهنمایی استادان، نمودارها را بارها با دست ترسیم می‌کردند تا مفاهیم نجوم را عمق‌تر و بهتر درک کنند، نه اینکه صرفاً آن‌ها را حفظ کنند.

ایده محوری جغمینی روشن و بسیار ارزشمند بود: برای آموزش واقعی، تصویر باید در خدمت فهم باشد، نه صرفاً برای تزئین یا زیبایی. این ترسیم‌های دقیق هندسی، ابزار فهم و وسیله ایجاد درک عمیق بودند.

در یکی از صفحات کتاب، ماه‌گرفتگی (خسوف) با دقت هندسی بالا نمایش داده شده است. در صفحه‌ای دیگر، فازهای مختلف ماه به‌شکلی منظم و دقیق پیرامون زمین ترسیم شده‌اند تا سیر تغییرات آن‌ها به‌سادگی قابل درک باشد.

در عصری که هنوز روان‌شناسی شناختی و نظریه‌های آموزشی مدرن وجود نداشت، جغمینی به این درک رسیده بود که یادگیری، حاصل ترکیب مشاهده، ترسیم و تفکر است.

امروز ابزارهای پیشرفته بسیاری برای آموزش در اختیار ماست، اما گاهی ترسیم یک شکل با مداد، تأثیری ماندگارتر از هر ابزار پیچیده‌ای دارد.

آموزش مؤثر، فقط «درست گفتن» نیست، بلکه «خوب فهماندن» است. و این همان کاری است که جغمینی، قرن‌ها پیش، به‌خوبی انجام داده بود.

وب‌سایت Abakcus اخیراً مقاله‌ای بسیار خوب درباره این اثر و کار ارزشمند جغمینی منتشر کرده است. مطالعه‌ی آن را به فعالان حوزه آموزش، طراحان تجربه یادگیری، و علاقه‌مندان تاریخ علم توصیه می‌کنم:

🔗 لینک مقاله [+]


🔗 همین مطلب در سایر شبکه‌ها:

لینکدین (فارسی) | لینکدین (انگلیسی) | اکس (توئیتر)

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌
💡 شکل‌دهنده‌های پرامپت یا Prompt Decorators

در استفاده از هوش مصنوعی، گاهی فقط افزودن چند خط ساده در ابتدای پرامپت، می‌تواند پاسخ‌هایی بسیار بهتر برای شما بسازد!

در این پست می‌خواهم ایده Prompt Decorators را معرفی می‌کنم؛ راهکاری ساده اما مؤثر برای هدایت خروجی مدل‌های زبانی، آن هم فقط با چند دستور ساخت‌یافته. این ایده را، مدتی قبل و با الهام از دکوراتورهای پایتون معرفی کردم که در لینکدین و مدیوم خیلی مورد توجه قرار گرفت.

یک دوره آموزشی رایگان هم در فرادرس در همین خصوص منتشر کرده‌ام:

🎥 مشاهده آموزش در فرادرس

ویدئوی فوق، صرفا چکیده تصویری آموزش است. برای مشاهده رایگان نسخه کامل آموزش، می‌توانید به فرادرس مراجعه کنید.

🧠 در پست بعدی [+] مفصل‌تر درباره کاربردها، نسخه دوم، و منابع بیشتر مرتبط با این موضوع صحبت کرده‌ام.

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌
‌💡 شکل‌دهنده‌های پرامپت یا Prompt Decorators — پست تکمیلی

در پست قبلی [+]، ایده‌ای را معرفی کردم که به کمک آن می‌توانید بدون تغییرات پیچیده در پرامپت‌ها، پاسخ‌های بسیار دقیق‌تر، منطقی‌تر و قابل‌کنترل‌تری از مدل‌های زبانی مثل ChatGPT بگیرید؛ با استفاده از ساختاری ساده به نام «دکوراتورهای پرامپت».

در این پست می‌خواهم کمی مفصل‌تر درباره این ایده، سیر تکامل آن، و کاربردهایش توضیح دهم.

🧩 دکوراتورهای پرامپت چه هستند؟

شکل‌دهنده‌ها یا دکوراتورهای پرامپت، دستورهایی ساختاریافته هستند که در ابتدای پرامپت شما قرار می‌گیرند (مثلاً ‎+++Reasoning یا ‎+++StepByStep) و باعث می‌شوند هوش مصنوعی پاسخ‌هایی منطقی‌تر، مرحله‌به‌مرحله، شفاف‌تر و دقیق‌تر ارائه کند؛ بدون اینکه نیاز باشد خودتان همه این موارد را به صورت دستی در پرامپت بنویسید.

این ایده از دکوراتورهای پایتون الهام گرفته شده و به زبان ساده، به هوش مصنوعی می‌گوید چطور پاسخ بدهد، نه این که فقط چه چیزی را پاسخ بدهد.

اگر مایلید در ۲۰ دقیقه با مثال‌های ساده و قابل‌فهم همه چیز را یاد بگیرید، این آموزش رایگان در فرادرس بهترین نقطه شروع است:

🎓 مشاهده آموزش در فرادرس

همچنین پیشنهاد می‌کنم مقاله اول من در مدیوم را بخوانید که به زبان ساده همه چیز را در آن شرح داده‎ام:

📘 مطالعه مقاله نخست در مدیوم


‏🆕 نسخه دوم: هوشمندتر، ماندگارتر، قدرتمندتر

بعد از انتشار نسخه اولیه، با دریافت بازخورد کاربران و تجربیات شخصی خودم، نسخه جدیدی از این روش را ارائه کردم، که قابلیت‌های پیشرفته‌تری به آن اضافه شده است.

‏1. Chat Scope و Message Scope:
می‌توانید تعیین کنید دکوراتورها فقط برای یک پرامپت فعال باشند یا در کل گفتگو باقی بمانند (حافظه فعال).

2. نمایش دکوراتورهای فعال (`‎+++ActiveDecs`) و دکوراتورهای موجود (`‎+++AvailableDecs`)
در هر لحظه می‌توانید ببینید کدام دستورها فعال هستند و با چه وضعیتی.

3. امکان پاک‌سازی دکوراتورها (`‎+++Clear`)
کنترل دقیق‌تری روی رفتار مدل دارید؛ می‌توانید فقط بعضی دکوراتورها را حذف کنید یا همه را.


توضیحات کامل این نسخه را در مقاله دوم مدیوم آورده‌ام:

📄 مطالعه مقاله دوم در مدیوم


برای کسانی که مایلند این سیستم را پیاده‌سازی و از آن استفاده کنند، همه مستندات، فایل‌ها و تعاریف در لینک زیر موجود هستند. فعال کردن این قابلیت خیلی ساده است، اما می‌تواند تجربه شما در استفاده از سیستم‌های هوشمند را به طور چشم‌گیری بهبود بدهد.

🛠 مخزن گیت‌هاب پروژه


امیدوارم این ابزار ساده ولی تأثیرگذار، به شما کمک کند از هوش مصنوعی حداکثر بهره را ببرید.

📬 مشتاق شنیدن بازخوردها و تجربه‌های شما هستم.

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌۱۲ اشتباه رایج در رزومه‌نویسی که باعث نادیده گرفته شدن شما می‌شود
➕ با مثال‌های واقعی از اشتباهات رایج و روش اصلاح آن‌ها

شاید ساعت‌ها برای نوشتن رزومه‌تان وقت گذاشته باشید، اما پاسخی دریافت نکرده‌اید.

احتمالاً یکی از این اشتباه‌ها دلیل آن بوده است. 👇

۱. استفاده از آدرس ایمیل نامناسب
‏❌ goodboy2025@yahoo.com
‏✅ john.smith@gmail.com
از نام واقعی و رسمی استفاده کنید، نه القاب بامزه یا غیرحرفه‌ای.

۲. نداشتن عنوان یا خلاصه در ابتدای رزومه
❌ شروع رزومه با بخش «تحصیلات»
✅ برنامه‌نویس فرانت‌اند: ساخت اپلیکیشن مدیریت کار با ۱۲۰۰+ کاربر
با یک عنوان شغلی مشخص و خلاصه‌ای ۲ تا ۳ خطی درباره خودتان شروع کنید.

۳. استفاده از قالب‌های پیچیده یا فانتزی
❌ استفاده از جدول، آیکون و فونت‌های خاص
✅ قالب ساده و تک‌ستونه با فونت خوانا
رزومه باید توسط سیستم‌های خودکار (ATS) قابل خواندن باشد، نه فقط زیبا.

۴. طولانی بودن بیش از حد
❌ رزومه سه‌صفحه‌ای برای دانشجو
✅ یک صفحه شامل پروژه‌ها، کارآموزی‌ها و لینک‌ها
برای اغلب افراد، یک صفحه کافی است. حداکثر دو صفحه.

۵. نوشتن وظایف به‌جای نتایج
❌ مسئول نگهداری بک‌اند
✅ کاهش زمان پاسخ API تا ۴۰٪ با PostgreSQL
در هر جمله، کار انجام شده و نتیجه به دست آمده از آن را، ترجیحا به صورت کمّی، بیان کنید.

۶. نبود کلیدواژه‌های شغلی
❌ ابزارهای بک‌اند
‏✅ Flask، AWS، Docker، CI/CD
طبق تجربه، استفاده از همان اصطلاحاتی که در آگهی استخدام آمده است، بهترین نتیجه را در بر دارد.

۷. نداشتن لینک پروژه یا گیت‌هاب
❌ ساخت اپ با پایتون
✅ اپ مدیریت وظایف با Django (لینک گیت‌هاب)
حتماً نمونه‌کار خود را با لینک پروژه یا کد، قابل بررسی کنید.

۸. توضیح زیاد درباره تجربه‌های نامرتبط
❌ ۵ خط درباره شغل فروشگاهی
✅ افزایش نرخ فروش ۲۵٪ (در راستای نقش بازاریابی محصول)
اگر تجربه نامرتبطی دارید، بسیار خلاصه و با تأکید بر مهارت‌های قابل انتقال بنویسید.

۹. اهداف شغلی کلی و نامشخص
❌ «به دنبال رشد در محیط پویا هستم»
✅ «علاقه‌مند به NLP، جویای کارآموزی با Python و PyTorch»
هدف شغلی‌تان را مشخص، دقیق و متناسب با آگهی بنویسید.

۱۰. استفاده از واژه‌های کلی بدون پشتوانه
❌ «روحیه همکاری بالا، ذهن سینرژیک»
✅ «طراحی داشبورد با React برای ۵۰۰+ کاربر»
ادعاهای خود را با عدد، نتیجه یا ابزار اثبات کنید.

۱۱. غلط املایی در اصطلاحات فنی
‏❌ Javascipt، Pythn
‏✅ JavaScript، Python
املای ابزارها و تکنولوژی‌ها را دقیق بنویسید. این اشتباه، در کمترین حالت، علامت بی‌دقتی تلقی می‌شود.

۱۲. استفاده از یک رزومه برای همه موقعیت‌ها
❌ ارسال یک نسخه عمومی برای تمام فرصت‌ها
✅ تنظیم عنوان، خلاصه و مهارت‌ها متناسب با هر آگهی
برای هر شغل، یک نسخه سفارشی از رزومه‌تان داشته باشید.

🧠 جمع‌بندی: رزومه بی‌نقص تقریبا وجود ندارد. اما هر رزومه که واضح، هدفمند و واقعی نوشته شده باشد، می‌تواند به مراتب موثرتر باشد و شما را در رسیدن به شغل مورد نظرتان، راهنمایی کند.


🔗 همین مطلب در سایر شبکه‌ها:

لینکدین (فارسی) | لینکدین (انگلیسی)

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌پرسش یا پاسخ؟ مسأله این است!

🚀 ما اکنون در دورانی زندگی می‌کنیم که ارزش و پاداش اصلی در پاسخ‌ها نیست.

امروزه می‌توانید پاسخ تقریباً هر پرسشی را در عرض چند ثانیه به دست بیاورید. با وجود ابزارهای هوش مصنوعی، موتورهای جست‌وجو، وبسایت‌ها و کتابخانه‌های دیجیتال عظیم، دسترسی به اطلاعات از هر زمان دیگری آسان‌تر شده است.

اما با این حال، بسیاری از ما هنوز احساس سردرگمی می‌کنیم. مسأله اصلی، کمبود پاسخ نیست. مسأله این است که اغلب نمی‌دانیم دقیقا چه چیزی باید بپرسیم. ما سئوال درستی برای پرسیدن نداریم.

در چنین شرایطی، مهارت بسیار نادر و ارزشمند، پاسخ‌ دادن نیست؛ بلکه «پرسیدن»، و اگر دقیق‌تر بگویم، «درست پرسیدن» است.

▪️ یک پرسش درست می‌تواند مسأله را به شکل دیگری بازتعریف کند.
▪️ می‌تواند در میان انبوه انتخاب‌های ممکن، مسیر درست را مشخص کند.
▪️ می‌تواند اطلاعات را به بینش و چالش‌ها را به فرصت تبدیل کند.

پاسخ‌ها همه جا هستند. اما کسانی متمایز می‌شوند، رهبری می‌کنند، نوآوری می‌کنند و خلق می‌کنند که می‌دانند چه باید بپرسند.

اگر می‌خواهید به عنوان یک نوآور، خلاق، متفکر یا رهبر رشد کنید، از اینجا شروع کنید:

چه سئوال مهمی وجود دارد که همین حالا باید از خودتان بپرسید، اما تا به حال نپرسیده‌اید؟


🔗 همین مطلب در سایر شبکه‌های اجتماعی:

لینکدین | توئیتر (اکس)

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌
سلام دوستان عزیز؛

در روزهایی که کشور عزیزمان با شرایطی بسیار دشوار و نگران‌کننده مواجه است، همه ما به نحوی در تلاش هستیم که مسئولیت‌پذیرتر، هوشیارتر و مفیدتر باشیم.

ما در فرادرس، طی سال‌های گذشته آموزش‌های فراوانی تولید کرده‌ایم که اکنون، برخی از آن‌ها می‌توانند در همین روزها بسیار مفید واقع شوند. چند مورد از این آموزش‌ها که هم‌اکنون به صورت رایگان در اختیار عموم قرار گرفته‌اند، در ادامه با شما به اشتراک گذاشته می‌شود.

همچنین، تیم فرادرس در حال تولید آموزش‌هایی بسیار کوتاه، ساده و کاربردی برای آمادگی ذهنی و رفتاری در موقعیت‌های خاص است که به محض آماده‌سازی، از طریق کانال‌های رسمی در دسترس عموم قرار خواهد گرفت.

در همین حال، شاید یادآوری چند نکته کوتاه اما کلیدی، خالی از فایده نباشد:

✅ آرامش خود را تا حد امکان حفظ کنید، به ویژه اگر مسئولیت حمایت روانی و احساسی از دیگران را نیز بر عهده دارید.

✅ مراقب خود و اعضای خانواده، به خصوص کودکان باشید.

✅ اخبار را صرفاً از منابع رسمی و معتبر دنبال کنید؛ در شرایط حساس، شایعات می‌توانند آسیب‌زا‌تر از واقعیت باشند.

✅ زندگی، هرچند دشوار، همچنان ادامه دارد و ما برای خود، خانواده و آینده این سرزمین، باید با آگاهی و آرامش مسیر را ادامه دهیم.

در ادامه، فهرستی از آموزش‌های رایگان مرتبط آمده است. البته، امیدوارم هیچ وقت مجبور به استفاده از این مطالب نشوید.

• آموزش کمک‌های اولیه و امداد و نجات

• آشنایی با انواع زخم و روش‌های صحیح پانسمان

• آشنایی با سیستم اطفای حریق گازی

• آشنایی با سیستم‌های اطفای حریق فوم

• امداد اضطراری برای محبوس‌شدگان در آسانسور

می‌توانید این آموزش‌های رایگان را با دوستان و آشنایان خود به اشتراک بگذارید. آماده بودن برای شرایط ویژه و پیش‌بینی نشده، قطعا تصمیم هوشمندانه‌ای است.

به امید روزهای بهتر برای ایران عزیز و همه ایرانیان ❤️🤍💚


ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌
یادگیری برای روزهای دشوار؛ مهارت‌هایی ساده برای حفظ آرامش، کمک کردن، و قوی ماندن

در شرایطی که جامعه ما با بحران‌های گوناگون دست‌وپنجه نرم می‌کند، شاید یکی از مهم‌ترین کارهایی که می‌توان انجام داد، یادآوری و تقویت توانمندی‌های پایه‌ای انسان برای حفظ آرامش، سلامت و امنیت شخصی و خانوادگی باشد.

در همین راستا، همکارانم در مجله فرادرس مجموعه‌ای از مطالب آموزشی را، با هدف افزایش آمادگی ذهنی، یادگیری مهارت‌های پایه در مواجهه با شرایط اضطراری، و حفظ سلامت روانی، آماده و منتشر کرده‌اند. این مطالب صرفا هشداردهنده نیستند؛ بلکه دعوتی هستند به شناخت بهتر، تصمیم‌گیری هوشمندانه‌تر، و مراقبت آگاهانه‌تر از خود و دیگران؛ بدون ایجاد اضطراب، و بدون فروکاستن از واقعیت.

عنوان و لینک این مقالات در ادامه آمده است:

🔹 چطور در شرایط ویژه، آرام و آماده بمانیم؟
🔗 مطالعه مطلب [+]

🔹 راه‌های کاهش استرس – ۳۹ روش فوق‌العاده کاربردی
🔗 مطالعه مطلب [+]

🔹 انواع کمک‌های اولیه – توضیح به زبان ساده
🔗 مطالعه مطلب [+]

پیش از این نیز، چند مورد از آموزش‌های فرادرس به صورت رایگان در دسترس عموم قرار گرفته بودند. برای مشاهده پست مربوطه، به لینک زیر مراجعه نمایید.

✅ آموزش‌های ویدئویی رایگان، مناسب برای شرایط کنونی [+]


باور دارم که در چنین روزهایی، دانستن چند نکته ساده، اما درست، می‌تواند به‌اندازه یک حرکت بزرگ و مؤثر باشد. لطفا با اشتراک‌گذاری این مطلب، به افزایش آگاهی و توسعه آموزش‌های ضروری در این شرایط حساس، کمک کنید.

با آرزوی روزهای بهتر برای ایران عزیز و همه ایرانیان ❤️🤍💚


🔗 همین مطلب در سایر شبکه‌های اجتماعی:

توئیتر (اکس) | اینستاگرام | لینکدین

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

این لینک کوتاه صفحه طرح «آموزش و امید» است.

fdrs.ir/omid

این لینک برای ارسال و اشتراک از طریق پیامک مناسب است و می‌توانید آن را به راحتی به دوستان و آشنایان خود بفرستید.
‌

‌
این روزها، زمان برگزاری مصاحبه‌های حضوری برای جذب دانشجویان دکتری است. تعدادی از دانشجویان و دوستان پرسش‌هایی را در این خصوص داشتند.

سعی کردم طی یک آموزش کوتاه صوتی و رایگان، که هم اکنون روی فرادرس منتشر شده است، به این پرسش‌ها پاسخ بدهم و نکاتی را که برای موفقیت در مصاحبه دکتری لازم هستند، تجمیع کنم.

برای دسترسی به این آموزش، به لینک زیر مراجعه کنید:

✅ آموزش راهنمای آمادگی برای مصاحبه دکتری [+]


🔗 همین مطلب در سایر شبکه‌های اجتماعی:

توئیتر (اکس) | لینکدین

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌در آستانه شروع سال تحصیلی جدید، خوشحالم که در سومین گام از «طرح یادگیری و امید فرادرس»، فرصتی فراهم شده تا شما بتوانید یکی از دوره‌های آموزشی من را در فرادرس به صورت کاملا رایگان دریافت کنید.

این طرح با هدف گسترش دسترسی به آموزش‌های باکیفیت و فراهم کردن فرصت‌های یادگیری بیشتر برای دانشجویان و کاربران گرامی اجرا شده است.

موضوعات آموزش‌های من در فرادرس حوزه‌های متنوعی را پوشش می‌دهند، از جمله:

• برنامه‌نویسی در زبان‌های مختلف (MATLAB، Python، C، Java و …)
• هوش مصنوعی، یادگیری ماشین و شبکه‌های عصبی
• محاسبات تکاملی و الگوریتم‌های بهینه‌سازی
• آموزش‌های دانشگاهی و پایه‌ای برای دانشجویان
• مهارت‌های کاربردی موردنیاز بازار کار

✅ برای مشاهده جزئیات و دریافت تخفیف ۱۰۰ درصدی وارد لینک زیر شوید.
‏👇👇👇

🔗 طرح امید و آموزش فرادرس — گام سوم [+]


⭐️ برای مشاهده همه آموزش‌های من در فرادرس و انتخاب آموزش دلخواه‌تان، می‌توانید به لینک زیر مراجعه کنید.
‏👇👇👇

🔗 همه آموزش‌های من در فرادرس [+]


⏳ مهلت استفاده: فقط تا پایان دوشنبه ۱۷ شهریور ۱۴۰۴

لطفا با معرفی این طرح به دوستان و آشنایان خود، فرصت استفاده از این طرح و آموزش‌های ارائه شده در آن را، برای آن‌ها نیز فراهم کنید.

ـــــــــــــــــــــــــــــــــ

🔗 همین مطلب در سایر شبکه‌های اجتماعی:

لینکدین | توئیتر | اینستاگرام | فیس‌بوک

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌
به من بگو چرا؟ 💡

وقتی از هوش مصنوعی چیزی می‌پرسم، همیشه ازش می‌خوام که قبل از جواب نهایی، دلیل منطقی و استدلال خودش رو هم بگه.

این کار دو نتیجه مهم داره:

یک. این اجبار به بیان منطق و استدلال، باعث بهتر شدن کیفیت جواب میشه.

دو. استفاده از هوش مصنوعی رو به یک تجربه آموزشی بی‌نظیر تبدیل می‌کنه.

ـــــــــــــــــــــــــــــــــ

🔗 همین مطلب در سایر شبکه‌های اجتماعی:

لینکدین | توئیتر | اینستاگرام

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

سلام دوستان. امیدوارم خوب و خوش باشین.

اسلایدهای درس بینایی ماشین (Machine Vision) رو که الان دارم تدریس می‌کنم، توی لینکدین به اشتراک گذاشته‌م. اگر دوست داشتین و به دردتون می‌خوره، می‌تونین از لینک‌هایی که در ادامه همین پست هستند، دریافت‌شون بکنین.

Lecture 1: Introduction to Machine Vision [+]

Lecture 2: Intensity and Contrast Fundamentals [+]

Lecture 3: Spatial Filtering and Convolution [+]

درس‌های بعدی رو هم بعد از انتشار، توی لینکدین به اشتراک می‌گذارم. امیدوارم براتون مفید واقع بشه.

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌
نرم‌افزارهای سنتی اجرا می‌شوند، اما محصولات هوش مصنوعی «رفتار» می‌کنند.

در عصر هوش مصنوعی، مسئله فقط ساختن مدل دقیق‌تر نیست، بلکه تصمیم‌گیری در شرایط عدم قطعیت، رانش داده، هزینه خطا و مسئولیت انسانی است.

به همین دلیل، «مدیریت محصول هوش مصنوعی» (AI Product Management) به یک مهارت ضروری تبدیل شده است؛ جایی که تمرکز از ویژگی‌ها به نتیجه واقعی محصول منتقل می‌شود.

به‌تازگی یک آموزش کاملا رایگان با عنوان
«مقدمه‌ای بر مدیریت محصول هوش مصنوعی»
در فرادرس منتشر کرده‌ام که به‌صورت فشرده و کاربردی به موضوعاتی مانند موارد زیر می‌پردازد:

🔹 چه زمانی از AI استفاده کنیم و چه زمانی نه
🔹 موازنه بین دقت، توضیح‌پذیری و ریسک
🔹 معیارها، هزینه خطا و تصمیم‌گیری
🔹 اخلاق و نظارت انسانی در محصولات AI

🔗 لینک آموزش [+] — کلیک کنید.

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris
‌
‌

‌
مدل‌های زبانی جواب می‌دهند، اما کیفیت جوابشان بیشتر از هر چیز به زمینه یا Context بستگی دارد.

در تجربه من، در بسیاری از پروژه‌های مبتنی بر LLM مشکل اصلی مدل نیست. مشکل این است که کانتکست درست طراحی نشده است. وقتی زمینه نامنظم یا ناقص باشد، خروجی ناپایدار می‌شود، هزینه توکن بالا می‌رود و احتمال توهم بیشتر می‌شود.

به تازگی یک آموزش رایگان با عنوان مهندسی زمینه یا مهندسی کانتکست (Context Engineering) در فرادرس منتشر کرده‌ام که در آن تلاش کرده‌ام این موضوع را به صورت ساده، فشرده و کاربردی توضیح بدهم.

برخی مطالب مطرح شده:

🔸 تفاوت Prompt Engineering و طراحی سیستمی زمینه
🔸 محدودیت‌های Context Window و Attention
🔸 کاهش نویز و مدیریت هزینه
🔸 معماری Context Stack و Context Flow
🔸 معماری RAG و ارزیابی کیفیت زمینه

مدت آموزش حدود یک ساعت است، کاملا رایگان ارائه شده و همراه با گواهینامه معتبر می‌باشد که می‌توانید در رزومه یا پروفایل حرفه‌ای خود استفاده کنید.

🔗 لینک آموزش [+] — کلیک کنید.

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌🎓 آموزش رایگان معیارهای دقت و ارزیابی مدل‌های یادگیری ماشین منتشر شد.

در پروژه‌های یادگیری ماشین، ساختن مدل فقط نیمی از مسیر است. بخش مهم‌تر این است که بدانیم مدل واقعاً چقدر خوب عمل می‌کند، چه خطاهایی دارد و آیا می‌توان به نتایج آن اعتماد کرد یا نه.

در این آموزش رایگان، مهم‌ترین مفاهیم ارزیابی مدل‌های دسته‌بندی را به‌صورت مفهومی، تصویری و کاربردی بررسی کرده‌ام، از جمله:

🔹 ماتریس درهم‌ریختگی یا Confusion Matrix
🔹 شاخص‌های Accuracy، Precision، Recall و F1 Score
🔹 داده‌های نامتوازن
🔹 منحنی ROC و معیار AUC
🔹 انتخاب معیار مناسب بر اساس هزینه خطاها

یکی از ویژگی‌های مهم این دوره، استفاده از ابزارها و شبیه‌سازهای تعاملی است. با تغییر آستانه تصمیم‌گیری می‌توانید اثر آن را بر معیارهای مختلف مشاهده کنید و مفاهیم را به‌صورت عملی تجربه کنید.

همراه این آموزش، امکانات دیگری نیز در دسترس است:

✅ حدود ۴۵ دقیقه آموزش ویدئویی
✅ ابزارهای تعاملی و محتوای تکمیلی
✅ فلش‌کارت برای مرور سریع مطالب
✅ ۱۵ سؤال سنجش یادگیری
✅ آزمون و امکان دریافت گواهینامه دوزبانه
✅ واژه‌نامه تخصصی
✅ بخش پرسش و پاسخ
✅ معرفی مشاغل مرتبط

این آموزش هم برای دانشجویان و پژوهشگران مفید است و هم برای برنامه‌نویسان و متخصصانی که می‌خواهند مدل‌های یادگیری ماشین را در محیط‌های صنعتی و محصولات واقعی پیاده‌سازی کنند.

🔗 لینک آموزش رایگان [+]

🔗 مشاهده سایر آموزش‌های من در فرادرس [+]

🌟 همچنین با تهیه اشتراک فرادرس می‌توانید با هزینه‌ای مناسب به همه آموزش‌های فرادرس دسترسی کامل داشته باشید. برای دریافت اطلاعات بیشتر، می‌توانید به این لینک [+] مراجعه کنید.

امیدوارم این آموزش برای شما مفید باشد. خوشحال می‌شوم آن را با دوستان و همکارانی که به هوش مصنوعی، علم داده و یادگیری ماشین علاقه‌مند هستند به اشتراک بگذارید. 🌱

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌
اخیرا در فرادرس امکان تهیه اشتراک برای دسترسی نامحدود به تمام آموزش‌ها فراهم شده است.

با این اشتراک، می‌توانید به همه آموزش‌های فرادرس (بیش از ۱۸,۰۰۰ آموزش تخصصی و مهارتی) به صورت نامحدود دسترسی داشته باشید. لازم به ذکر است که با تلاش همکاران و جامعه مدرسین فرادرس، ماهانه حداقل ۳۰۰ عنوان آموزش جدید نیز به فرادرس افزوده می‌شود.

برای مخاطبان کانال، یک کد تخفیف اختصاصی نیز در نظر گرفته شده است:

🎁 کد تخفیف: KALAMI53

⏳ مهلت استفاده: پایان روز جمعه، ۵ تیر

با استفاده از این کد، می‌توانید اشتراک سالانه فرادرس را با ۵۰۰,۰۰۰ تومان تخفیف بیشتر و صرفا با پرداخت مبلغ ۱,۴۸۰,۰۰۰ تومان فعال کنید. برای فعال‌سازی اشتراک و کسب اطلاعات بیشتر، می‌توانید وارد لینک زیر بشوید:

🔗 فعال‌سازی اشتراک فرادرس – کلیک کنید

امیدوارم این امکان بتواند برای همه افرادی که مشتاق یادگیری و توسعه مهارت‌های خودشان هستند، مفید باشد.

اگر دوستان یا همکارانی دارید که به یادگیری علاقه‌مند هستند، خوشحال می‌شوم این فرصت را به ایشان هم معرفی کنید.

ـــــــــــــــــــــــــــــــــ
مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: @KalamiHeris
‌

‌
کلمات برای انسان معنا دارند، اما برای کامپیوتر، معنا باید به بردارهای عددی تبدیل شود.

امبدینگ (Embedding) یکی از مفاهیم بنیادی هوش مصنوعی است که امکان مدل‌سازی شباهت معنایی را فراهم می‌کند و زیرساخت بسیاری از فناوری‌های امروزی، از موتورهای جستجو و سیستم‌های پیشنهاددهنده گرفته تا پایگاه‌های داده برداری و معماری‌های RAG، بر پایه آن شکل گرفته است.

به‌تازگی آموزش «امبدینگ (Embedding) و کاربردهای آن در سیستم‌های هوشمند» را در فرادرس منتشر کرده‌ام که در آن تلاش کرده‌ام این مفهوم را به‌صورت ساده، مفهومی و کاربردی توضیح بدهم.

برخی از موضوعات مطرح‌شده در این آموزش:

🔹 امبدینگ چیست و چه مسئله‌ای را حل می‌کند؟
🔹 تفاوت جستجوی مبتنی بر کلمات کلیدی و جستجوی معنایی
🔹 محدودیت‌های One-Hot Encoding و Bag of Words
🔹 پایگاه‌های داده برداری و جستجوی مبتنی بر شباهت
🔹 نقش امبدینگ در معماری RAG و مدل‌های زبانی بزرگ


🔗 لینک آموزش [+] — کلیک کنید

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: @KalamiHeris
‌‌