❄️ یخ زدن مایع ابرسرد

❇️ در این باره بخوانید

#فیزیک #هسته_زایی #انجماد
🙋🏻‍♂@meteorjournal

🧪 خاستگاه حیات

🟢 تبدیل مولکول های غیر زنده به سلول زنده

🟡 فرگشت شیمیایی چیست؟

🟠 مرور مختصری بر فرگشت

✅ زیرنویس فارسی

#فرگشت
🙋🏻‍♂@meteorjournal

🧬 الگوریتم ژنتیک

یکی از جالب ترین مباحث بین رشته ای ارتباط بین پردازش کامپیوتری و علم ژنتیکه.
توی الگوریتم ژنتیک برای پیدا کردن جواب مساله از مفاهیم متناظر در ژنتیک و فرگشت استفاده میشه.

رشته ی DNA مولکولیه که اطلاعات ژنتیکی رو در خودش نگه میداره. 4 نوع باز آلی (A,T,C,G) وجود داره که اطلاعات موجود در DNA رو با ترکیب و تعداد گوناگون خودش رمز گزاری میکنه (مثل حروف الفبا که کلمات رو میسازن).

این مولکول برای انتقال صفات به نسل بعدی همانند سازی میکنه؛ اما گاهی توی این همانند سازی اشتباه کوچکی رخ میده و «جهش» بوجود میاد (جهش هدفی نداره و کاملا تصادفیه).
ممکنه این جهش با محیط سازگارتر، ناسازگارتر، و یا خنثی باشه.

همچنین مکانیزم دیگه ای در تولید مثل وجود داره (Crossover) که باعث میشه ژن های دو موجود به روش های مختلفی زاده ها رو بوجود بیاره و زاده ها از تنوع ژنتیکی بیشتری برخوردار بشن.

جانداری که دارای ژن هایی (بخشی از DNA) هست که با محیط سازگار تره؛ طی نسل های متمادی شانس بیشتری برای تولید مثل داره و افراد بیشتری از جمعیت رو تشکیل میده. (انتخاب طبیعی)

توی الگوریتم های پیشین، ما یک فضای نمونه داشتیم و با گام های کوچکی به سمت پاسخ حرکت میکردیم تا به تقریب مورد نظرمون از جواب برسیم.

اما در روش الگوریتم ژنتیک داده ها به صورت رمزگزاری شده هستن و در گروهی از داده ها (فضای نمونه) به صورت تصادفی تولید مثل میکنن (در اینجا جهش به معنای تغییر مقدار جواب ماست). پس در واقع اینجا بجای گرادیان از احتمال استفاده میکنیم.

همچنین پاسخ های مطلوب تر میتونن با هم ترکیب بشن و انواع جدیدی از پاسخ ها رو بوجود بیارن.

اگر مقدار جدید به مقدار مطلوب نزدیک تر باشه اون جواب احتمال تولید مثل بیشتری داره و اگر از مقدار مطلوب دور بشه شانس کمتری برای تولید مثل پیدا میکنه.

⁉️ حالا اصلا چرا این الگو؟ توی خیلی از الگوریتم ها فضای ما نامنظمه و نمیتونیم به سمت جواب حرکت کنیم، بلکه باید قدم های تصادفی برداریم و دور یا نزدیک شدنمون رو نسبت به جواب بسنجیم.

#ژنتیک #کامپیوتر
🙋🏻‍♂@meteorjournal

⁉️ رایانش ابری (Cloud Computing) چیست؟

✔️ در رایانش ابری یک ارائه‌دهنده اصلی وجود دارد که زیرساخت‌ها و تجهیزات سخت‌افزاری و نرم‌افزاری یک محصول را آماده می‌کند. افراد یا شرکت‌های متقاضی این محصول، به جای ایجاد یا خرید و نصب آن به شکل فیزیکی، با استفاده از اینترنت امکان استفاده از آن را به شکل اشتراکی پیدا می‌کنند.

در واقع یک شرکت ارائه‌دهنده سرویس؛ وظیفه میزبانی منابع، اطلاعات، داده‌ها و زیرساخت ایجاد شده برای یک نرم‌افزار به همراه پردازش‌هایی که بر روی آن انجام می‌شود را بر عهده دارد.

🎥 فیلم شامل:

▫️تفاوت پردازش ابری با سیستم های غیر پردازش ابری

▫️انواع مدل های رایانش ابری:
- مدل استقرار (Deployment model)
- مدل سرویس (Service model)

▫️مثال هایی از سرویس های ابری مشهور

🔺زیرنویس انگلیسی

#رایانش_ابری

🙋🏻‍♀@meteorjournal

🌅 خمش نور خورشید در جو زمین

#شکست_نور #فیزیک #نجوم
🙋🏻‍♂@meteorjournal

⁉️ نمودار دانینگ-کروگر چیست؟

👈🏼 توضیح: دیوید دانینگ (David Dunning) و جاستین کروگر (Justin Kruger) دو محققی هستند که تلاش کردند «توانایی انسان را در ارزیابی توانایی‌های خودش» ارزیابی کنند.

🔺فیلم به زبان فارسی است.

👩🏻‍💻@meteorjournal

💥سیر تکاملی جهان از بیگ بنگ تا به انتهای عمر کیهان

🔻بیشتر بخوانید

بیگ بنگ (متن)

بیگ بنگ در یک نگاه (تصویر)

اولین ثانیه ها

نقش پادماده

هندسه ی کیهان

ماده تاریک

انرژی تاریک

تابش زمینه ی کیهانی

#بیگ_بنگ #فیزیک
🙋🏻‍♂@meteorjournal

💻 نقشه ی ورود به دنیای هک و امنیت و تست نفوذ

🟢 ابزار مورد نیاز

🟡 دوره های مربوطه

🔴 بازار کار و درامد

✅ فیلم به زبان فارسی است

#هک #امنیت #تست_نفود
🙋🏻‍♂@meteorjournal

❇️ دوره های رایگان در سایت udacity:

Machine Learning Interview Preparation

Time Series Forecasting

Data Structures & Algorithms in Swift

Server-Side Swift

Computer Networking

🙋🏻‍♀@meteorjournal

🩺 غدد، هورمون ها، و گیرنده های سلولی

🔵 طرز کار غدد درون ریز

🟢 تاثیر هورمون بر رفتار و وضعیت جسمانی انسان

🟡 آیا هورمون ها رفتار ما را کنترل میکنند؟

❗️ ویدئو دارای زیرنویس فارسی است

#زیست_شناسی #هورمون
🙋🏻‍♂@meteorjournal

📖 معرفی کتاب: همه دروغ می گویند.

استفنز دیویدوویتز کارشناس کلان داده (Big Data) و دانش‌آموخته رشته فلسفه و اقتصاد از دانشگاه‌های استنفورد و هاروارد است. همه دروغ می‌گویند کتاب اول دیویدوویتز است و شهرت زیادی نصیب نویسنده‌اش کرده است.

حرف اصلی این کتاب این یک جمله است: «ما به همه دروغ می‌گوییم به جز جستجوگر گوگل». دیویدوویتز در این کتاب درباره انبوه اطلاعاتی که شرکت‌ها بزرگ به ویژه گوگل از مردم جمع می‌کنند صحبت می‌کند. او در این اثر به موضوع جالبی اشاره می کند و آن هم این است که ما ممکن است درباره موضوعی که ذهنمان را مشغول کرده مثلا یک دل پیچه شبانه به شریک زندگی‌مان چیزی نگوییم اما حتما به سراغ گوگل می رویم تا ببینیم دردمان ممکن است نشانه چه چیزی باشد. ما ممکن است با اطرافیانمان صادق نباشیم اما از گوگل نمی‌توانیم چیزی را مخفی کنیم در نتیجه گوگل تبدیل به انبار بزرگی از داده‌های رفتاری انسان‌ها می‌شود که می‌توان در تحلیل‌های بزرگ علمی در رشته‌های مختلف از آنها استفاده کرد.

#هوش_مصنوعی #کتاب #همه_دروغ_میگویند
🙋🏻‍♀@meteorjournal

🎙 کتاب صوتی همه دروغ می گویند

▫️نوشته: سث استیونز دیویدویتز
▫️ترجمه: ریحانه عبدی
▫️خوانش:مهدی بیاتی

#هوش_مصنوعی #کتاب #همه_دروغ_میگویند
🙋🏻‍♀@meteorjournal

☀️ پدیده ی خورشید کاذب (sun dog)

توی زمستان زمانی که خورشید به افق نزدیک میشه، نور خورشید از ابرهای پراکنده رد میشه و به کریستال هایی با سطح مقطع شش ضلعی برخورد میکنه که به صورت استوانه های عمودی قرار گرفتن.
عبور نور خورشید از این ستون های یخی باعث میشه پرتو بشکنه و معمولا در دید ناظر 4 نقطه ی نورانی به صورت خورشیدهای کوچک در 4 طرف خورشید پدید بیاد. (توی تصویر فقط 2 نقطه ی نورانی بوجود اومده)

برای درک بهتر بخوانید:

🟢 ستون های نوری

🟡 هاله ی 22 درجه

#فیزیک #خورشید_کاذب
🙋🏻‍♂@meteorjournal

☀️ پدیده ی خورشید کاذب

#فیزیک #خورشید_کاذب
🙋🏻‍♂@meteorjournal

📚 کتاب صورتهای فلکی

❇️ 92 صفحه فارسی

#کتاب #نجوم #صورتهای_فلکی
🧑🏼‍🚀 @meteorjournal

⁉️ تفاوت مدل های پارامتریک (parametric models) و مدل های غیر پارامتریک (nonparametric models) یادگیری ماشین:

✳️ در مدل های پارامتریک تعداد پارامترها محدود است و با افزایش تعداد نمونه های آموزشی افزایش نمی یابد، در حالی که در مدل های غیر پارامتریک تعداد پارامترهای مدل با افزایش تعداد نمونه های آموزشی، افزایش می یابد و مدل با افزایش مقدار داده ها می تواند پیچیده و پیچیده تر شود.

روشهای پارامتری، فرضی (assumption) قويي در مورد نگاشت متغیرهای ورودی به متغیر خروجی دارند، سریعتر آموزش داده می شوند، به داده های کمتری نیاز دارند اما ممکن است بسیار قدرتمند نباشند. روشهای غیرپارامتری، در مورد عملکرد تابع هدف فرضی ندارند یا فرض کمی دارند، نیاز به داده های بسیار بیشتری دارند، آموزش آنها کندتر است و از پیچیدگی مدل بالاتری برخوردار هستند اما می توانند منجر به مدل های قدرتمندتری شوند.

برای مثال در رگرسیون خطی به عنوان یک مدل پارامتریک، دقیقا مشخص است که از شکل تابعی خطی پیروی می کند. شکل تابع فرضی، همیشه ترکیبی خطی از متغیرهای ورودی است و چنانکه این الگوریتم یادگیری ماشین، الگوریتم یادگیری ماشین خطی نیز نامیده می شود. در حالی که الگوریتم K-نزدیکترین همسایگی به عنوان یک روش غیرپارامتریک، پیش بینی یک داده جدید براساس k الگوی آموزشی مشابه انجام می شود و تنها فرضی که در مورد دیتاست موجود این است که الگوهایی که بیشترین شباهت را با یکدیگر دارند، احتمالا نتایج مشابهی نیز دارند.

🔺نمونه های مدل های پارامتریک:
Linear Regression
Linear Support Vector Machines
Logistic Regression
Naive Bayes
Perceptron

🔺نمونه مدل هاي غيرپارامتريك:
Decision Trees
K-Nearest Neighbor
Support Vector Machines with Gaussian Kernels
Artificial Neural Networks

#مدل_پارامتریک #مدل_غیرپارامتریک #یادگیری_ماشین

🙋🏻‍♀@meteorjournal

⏰ زمان

🟢 زمان چیست؟

🟡 گذشته و آینده در چه چیز متفاوتند؟


✳️ مشاهده ی بیشتر (کلیک کنید) 👇🏼

⚪️ نسبیت خاص

🔵 آنتروپی

🟣 آیا زمان حقیقیست؟

🔴 سفر در زمان

🟤 اتساع زمان

⚫️ پارادوکس پدربزرگ


✅ ویدئو دارای زیرنویس فارسی است

#فیزیک #زمان
🙋🏻‍♂@meteorjournal 👉🏼 کانال
🙋🏻‍♂@meteorjournalgroup 👉🏼 گروه

💻 تفاوت web scraping و web crawling:

🔸 web scraping:
شامل استخراج داده هایی خاص از یک صفحه وب یا وب سایت، قرار دادن آن در یک پایگاه داده می باشد. اگر چه در بیشتر موارد از ابزارهای خودکار برای استخراج داده استفاده می شود، اما به صورت دستی نیز امکان پذیر است. استخراج قیمت محصولات مختلف از سایت آمازون یا سایت های تجاری دیگر نمونه ایی از web scraping است.

🔹 web crawling:
فرآیند استفاده از بات ها برای خواندن و ذخیره همه محتوی یک سایت با هدف آرشیو یا ایندکس گذاری است. web crawling مانند کاری است که موتورهای جست و جو انجام می دهند: وب را برای هر نوع اطلاعاتی جست و جو می کنند، بر روی هر لینکی کلیک می کند و هدف آن به دست آوردن حداکثر اطلاعات است. برای مثال موتورهای جست و جو مانند بینگ یا گوگل از web crawling برای استخراج اطلاعات یک وب سایت استفاده می کنند و آن را در موتورهای جست و جو ایندکس گذاری می کنند. با این روش گوگل می گوید کدام صفحات شامل اطلاعاتی است که جست و جو می کنیم.

👈🏼 فیلم به زبان انگلیسی است 👉🏼

#هوش_مصنوعی #web_scraping #web_crawling
🙋🏻‍♀@meteorjournal