گرنت اسلیتر که میشه کارمند بنیاد OpenStreetMap یه پست توی مستودان منتشر کرده و گفته شرکت‌های AI عزیز، جای اینکه داده‌های OpenStreetMap.org رو دزدکی استخراج کنید بیاید یه دونیشن مثلا ۱۰ هزار دلاری برای ما بزنید ما خودمون کل داده‌های سیاره‌رو با یه لینک دانلود مستقیم در اختیارتون میذارم. کی میدونست انقدر آسونه؟
بعد لینک دونیشن رو هم گذاشته داخل پست : )
https://supporting.openstreetmap.org/donate/
Firefishy
@geekalerts

دعوت دیوار از تیم‌های نوآور برای توسعه در «کنار دیوار»

🔶 دیوار اعلام کرده که آماده حمایت مالی و فنی از تیم‌های نوآور و طرح‌های خلاقانه برای توسعه و اضافه شدن به این پلتفرم با هدف ارائه سرویس بهتر به کاربران خود است.

🔶 طرح و ایده‌های تایید شده می‌توانند با استفاده از قابلیت «کنار دیوار» به ۶۷ میلیون کاربر سالانه دیوار سرویس‌دهی کنند.

🔶 تیم‌ها یا افرادی که طرح و ایده خلاقانه‌ای دارند می‌توانند بدون هماهنگی خاصی مسیر توسعه برنامه‌شان را از https://divar.ir/kenar شروع کنند.

🔶 تیم‌هایی که درخواست بررسی برای دریافت حمایت دارند نیز می‌توانند طرح‌‌شان را به kenar.support@divar.ir ارسال کنند.

جزئیات بیشتر:
https://divar.news/kenar-divar-opportunity/


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

از حالا می‌تونید توی گوگل لنز حین سرچ کردن صحبت هم کنید. مثلاً بشقابی پر از میوه دارید و می‌خواید بدونید که چند تا میوه هستن. گوگل لنز رو باز می‌کنید و دکمه سرچ رو نگه می‌دارید و حین گرفتن عکس سوال‌تون رو می‌پرسید. حالا گوگل با Gemini بهتون جواب می‌ده.

Tweet



🆔 @Ai_Tv

🗣 همایون شجریان

بر فرازِ قله یِ باور سفر کن
بالِ خود را باز تر کن
همچو حافظ پای کوبان و غزل خوان
لشگرِ غم را بسوزان
در فلک سقفی نمانده این زمانه
پَر بزن تا بی کرانه


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

سلام.
کلیه کار آموزان دوره اول تا پنجم WebGIS لطفا گزارش آخرین اقدامات و پیشرفت پروژه های تعریف شده را تا روز جمعه ۱۹ مرداد ارسال نمایند.


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

این داشبورد اوپن سورس بینظیره . کدهاشو بررسی کردم، برای یادگیری و الهام گرفتن مناسبه


Free React Material UI dashboard theme & templates:

https://github.com/pbasiak/dev-fox-ui-mui-dashboard-theme




#HTML5 #CSS3 #javascript #ReactJS


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

المپیک فناوری

https://olympics.tech


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

مدل‌سازی اطلاعات ساختمان (BIM) و سیستم اطلاعات جغرافیایی (GIS) هر دو ابزارهای قدرتمند در زمینه مدیریت داده‌ها و اطلاعات هستند، اما هر کدام کاربردها و ویژگی‌های خاص خود را دارند. در ادامه به بررسی شباهت‌ها و تفاوت‌های این دو فناوری می‌پردازیم:

شباهت‌ها
مدیریت داده‌ها: هر دو BIM و GIS به جمع‌آوری، ذخیره‌سازی و مدیریت داده‌ها کمک می‌کنند. این داده‌ها می‌توانند شامل اطلاعات جغرافیایی، ساختاری و عملکردی باشند.
تحلیل و مدل‌سازی: هر دو سیستم قابلیت تحلیل و مدل‌سازی دارند. BIM می‌تواند برای تحلیل‌های ساختاری و عملکردی استفاده شود، در حالی که GIS برای تحلیل‌های جغرافیایی و فضایی به کار می‌رود.
تصویری‌سازی: هر دو فناوری امکان تصویری‌سازی داده‌ها را فراهم می‌کنند. BIM معمولاً مدل‌های سه‌بعدی از ساختمان‌ها را ارائه می‌دهد، در حالی که GIS نقشه‌های جغرافیایی و داده‌های فضایی را نمایش می‌دهد.
همکاری بین ذینفعان: هر دو سیستم به تسهیل همکاری بین ذینفعان مختلف پروژه‌ها کمک می‌کنند. این همکاری می‌تواند شامل معماران، مهندسان، برنامه‌ریزان شهری و دیگر متخصصان باشد.
تفاوت‌ها
محدوده کاربرد:
BIM: بیشتر در صنعت ساخت و ساز و مدیریت ساختمان‌ها به کار می‌رود. تمرکز آن بر روی جزئیات ساختاری، مکانیکی و الکتریکی ساختمان‌ها است.
GIS: بیشتر در زمینه‌های جغرافیایی، برنامه‌ریزی شهری، مدیریت منابع طبیعی و تحلیل‌های فضایی استفاده می‌شود. تمرکز آن بر روی داده‌های جغرافیایی و فضایی است.
نوع داده‌ها:
BIM: داده‌ها معمولاً شامل اطلاعات دقیق و سه‌بعدی از اجزای ساختمان، مواد، هزینه‌ها و زمان‌بندی پروژه هستند.
GIS: داده‌ها معمولاً شامل اطلاعات جغرافیایی، نقشه‌ها، لایه‌های مختلف و داده‌های توصیفی مرتبط با مکان‌ها هستند.
مدل‌سازی:
BIM: مدل‌سازی در BIM به صورت سه‌بعدی و با جزئیات بالا انجام می‌شود و به طراحی و ساخت ساختمان‌ها کمک می‌کند.
GIS: مدل‌سازی در GIS بیشتر به صورت دو بعدی یا سه‌بعدی با تمرکز بر روی داده‌های جغرافیایی و فضایی است.
کاربران هدف:
BIM: کاربران اصلی شامل معماران، مهندسان، پیمانکاران و مدیران پروژه هستند.
GIS: کاربران اصلی شامل برنامه‌ریزان شهری، جغرافی‌دانان، محققان و مدیران منابع طبیعی هستند.
نتیجه‌گیری
در نهایت، BIM و GIS هر دو ابزارهای مهمی هستند که در زمینه‌های مختلف به کار می‌روند. در حالی که هر کدام ویژگی‌ها و کاربردهای خاص خود را دارند، می‌توانند در پروژه‌های مشترک نیز به خوبی با یکدیگر همکاری کنند و به بهبود کیفیت و کارایی پروژه‌ها کمک کنند.



🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

مدل یا سامانه؟!

در پیاده‌سازی اپلیکیشن‌های مبتنی بر هوش مصنوعی دو رویکرد کلی وجود دارد:
۱. ساخت یک مدلِ End-to-End که صفر تا صد کار را از روی داده‌ی آموزشی، یادگرفته و در قالب یک مدلِ یک‌پارچه به انجام کار (Task) می‌پردازد.
۲. ساخت یک سامانه‌ی Compound AI که از اجزای مختلف از جمله مدل‌ها و ماژول‌ها و ابزارهای نرم‌افزاری مختلف تشکیل شده و در قالب یک سامانه‌ی ترکیبی،‌ به انجام کار می‌پردازد. این سامانه در حین انجام کار ممکن‌ست چندین بار، یک مدل مشخص را به‌شکل‌های مختلف فراخوانی کند.

روش اول ساده‌تر و تاحدی سریع‌ترست. پژوهشی موسوم به Scaling Laws هم نشان می‌دهد که با افزایش پیچیدگی محاسباتی مدل می‌توان به نتایج بهتری رسید. ازطرفی بهینه‌سازی کلیِ این روش ساده‌ست چون برخلافِ یک سامانه‌ی AI متشکل از اجرایی مثل موتور جستجو، همه‌ی اجزای یک مدل End-to-End مشتق‌پذیر و قابل‌بهینه‌سازی‌اند.

بااین‌حال، روندها نشان‌دهنده‌ی این‌اند که علاقه‌مندی بیشتر به‌سمت طراحی سامانه‌ها (System Design) و بهره‌گیری از ابزارها و روش‌های موجود در مهندسی‌ست. در زیر، شش دلیل برای این علاقه‌مندی آمده‌ست.

- وقتی از مدل‌ها استفاده می‌کنیم، هزینه‌ی تمام‌شده و دقت، مشخص و ثابت‌ست اما اپلیکیشن‌ها و بخش‌های مختلف آن‌ها، بسته به کاربرد، نیاز به دقت و هزینه‌ی متفاوت دارند. مثلا وقتی قرارست یک متن حقوقی دقیق نوشته شود، هزینه‌ی GPT-4o اصلا برای کاربر دغدغه نیست اما زمانی که اپلیکیشنی مثل GitHub Copilot قصد کمک به تکمیل کد برنامه‌نویس در هر خط را دارد، احتمالا استفاده از یک مدل ساده‌تر و ارزان‌تر مطلوب‌ترست.

- در بعضی از تسک‌ها (مثلا حل مسابقات برنامه‌نویسی)، افزایش جدی هزینه‌ی آموزش مدل (مثلا افزایش سه‌برابری)، باعث بهبود عملکرد مدل می‌شود ولی نه زیاد (مثلا دقت ۳۰ درصد می‌شه ۳۵ درصد) اما فقط با مهندسی‌ِ یک سامانه‌ی Compound AI ممکن‌ست بهبود بسیاری حاصل شود (مثلا ۸۰ درصد) - منبع

- مدل‌های ML (با وجود قابلیت Generalization) محدود به داده‌های آموزشی‌اند ولی اپلیکیشن‌های AI نیاز به پویایی دارند. استفاده از یک سامانه به‌جای یک مدل، امکان استفاده‌ی لحظه‌ای از جستجو و بازیابی به‌منظور دریافت اطلاعت جدید و دقیق را به اپلیکیشن اضافه می‌کند. با دسترسی مستقیم به مراجع خارجی در کنار دانش داخلیِ مدل، اپلیکیشن قابلیت شفافیت (Transparency) و تفسیرپذیری (Interpretability) بیشتری پیدا می‌کند که این قدم مهمی در راستای Trustworthy AI است.

- خیلی از داده‌ها را به‌علت رعایت مسايل مربوط به privacy و copyright و safety نمی‌توان موقع آموزش به مدل نشان داد. استفاده از سامانه‌های Compound AI به ما اجازه‌ی کنترل داده‌ها باتوجه به سطح دسترسی افراد (ACL) را می‌دهد. به‌این شکل اپلیکیشن در هنگام استفاده‌ی کودک به داده‌های مشخص‌تر و امن‌تری دسترسی دارد، فایل‌های شخصی افراد فقط براستفاده‌ی خودشان قابل بازیابی‌اند، برای دسترسی به بعضی از داده‌ها می‌توان حقوق مولف را درنظر گرفت و …

- مدل‌ها پتانسیل بالایی در تولید توهم (Hullucination) دارند. استفاده از ابزارهایی مثل Guardrails و Outlines و LMQL و SGLang در سامانه‌های AI، به ما اجازه‌ی ارزیابی، پایش و پالایش خروجی مدل را می‌دهند. این موضوع می‌تواند در کنترل سوگیری‌های اجتماعی (Social Bias) ازجمل سوگیری‌های سیاسی، نژادی، مذهبی و … کمک‌کننده باشد. پژوهش جدیدی نشان می‌دهد که بیش‌تر مدل‌های زبانی موجود (به‌‌علت سوگیری در داده‌های جمع‌آور‌ی‌شده از رسانه‌ها) ازنظر سیاسی چپ-‌گرا‌اند.

- با این‌که همه‌ی اجزای یک سامانه‌ی AI مشتق‌پذیر نیستند اما ابزارهایی مانند DSPy معرفی شده‌اند که به‌روش‌هایی سعی در بهینه‌کردن کل پایپ‌لاین سامانه به‌صورت End-to-End دارند.

مرجع: بخش‌های از نوشتار بالا از این بلاگ‌پست برداشت شده‌ست.

#دانستنی_دانش_بنیان


🔷 مراحل ثبت نام شرکت­‌ها برای دانش‌بنیان شدن چیست؟

🔸 در ابتدا شرکت می‌بایست به سایت www.daneshbonyan.ir مراجعه کرده و پس از مطالعه آئین‌­نامه­‌ها و قوانین و در صورت دارا بودن شرایط مندرج در آئین نامه در قسمت «مصوبات کارگروه ارزیابی و تشخیص صلاحیت شرکت‌ها و مؤسسات دانش‌بنیان و نظارت بر اجراء»، در سامانه ارزیابی شرکت‌­ها و موسسات دانش‌­بنیان به آدرس MY.daneshbonyan.ir ثبت نام نمایند.



🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

سلام قصد داریم دوره آنلاین WebGIS رو بر گزار کنیم. هزینه دوره بر مبنای شرکت در هر سرفصل به صورت ساعتی(ساعتی متوسط ۵۰ هزار تومان) محاسبه میشه و دو نفر به قید قرعه به صورت رایگان می‌توانند کل سر فصل ها را شرکت کنند.


سرفصل های دوره آنلاین Web GIS :

۱-مبانی پایه شبکه و اینترنت(۲ ساعت)
۲-مبانی وب و معماری شبکه(۲ساعت)
۳- استانداردها و پروتکل های وب (۲ساعت)
۴- آموزش html از صفر تا صد(۶ساعت)
۵- آموزش css صفر تا صد(۶ساعت)
۷-اموزش java script از پایه (۸ ساعت)
۸- آموزش کتاب خانه leaflet صفر تا صد (۱۲ساعت)
۹-آموزش کتابخانه openlayer صفر تا صد (۱۲ساعت)
۱۰- آموزش برنامه نویسی پایتون (۱۲ ساعت)
۱۱- آموزش ژئو سرور(۱۰ساعت)
۱۲- آموزش استانداردهای ogc به مدت ۸ساعت
۱۳- آموزش دیتابیس مکانی (۱۸ساعت)
۱۴-اموزش API کاربردی (۱۸ ساعت)
۱۵- پروژه عملی راه اندازی یک سامانه web gis و پشتیبانی (۲۴ ساعت)

لینک ثبت نام:

https://survey.porsline.ir/s/oZLS4UeT


⏱️ آخرین مهلت ثبت نام ۱۰ شهریور ۱۴۰۳

🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

,در پاسخ به این دوست عزیزمون

همچنان معتقدم بهترین آموزش ها در یوتیوب هست..و این دوره آموزشی بعد از پنج دوره رایگان کارآموزی به صورت self study هست که به همه کارآموزا لینک یوتیوب فرستادم و با رفرنس های معتبر آموزش دیدند.

این دوره هم بنا به درخواست خیلی از اعضا برگزار میشه و هزینه ای که دریافت میشه صرفا جهت استمرار حضور در کلاس و جدیت دنبال کردن مباحث هست. برگشت هزینه برای افرادی که دوره را با موفقیت سپری کنند به عنوان یک آپشن در نظر گرفته شده.

این دوره صرفا آموزش به ما هو آموزش هست...ما به کسی وعده پولدار شدن و پول پارو کردن با یادگیری GIS ندادیم😉

حضور در کلاس ها و مباحث این دوره اختیاری است و فراگیران می‌توانند بر مبنای میزان تسلط یا علاقه مندی شون سرفصل های دلخواهشون را انتخاب و در کلاس مربوطه شرکت نمایند.

⏱️ مهلت ثبت نام تا ۱۰ شهریور ۱۴۰۳

هوش مصنوعی داره به سمتی میره که علاوه بر درک احساسات٫ بو ها را هم درک می‌کنه و اونا رو به خاطر میسپاره تا در مواقع لازم اونها رو بازسازی کنه...
حتی پروژه ای هست که داره برای موجودیت های دیجیتال و انتزاعی بو ایجاد می‌کنه.


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

سلام قصد داریم دوره آنلاین WebGIS رو بر گزار کنیم. هزینه دوره بر مبنای شرکت در هر سرفصل به صورت ساعتی(ساعتی متوسط ۵۰ هزار تومان) محاسبه میشه و دو نفر به قید قرعه به صورت رایگان می‌توانند کل سر فصل ها را شرکت کنند.


سرفصل های دوره آنلاین Web GIS :

۱-مبانی پایه شبکه و اینترنت(۲ ساعت)
۲-مبانی وب و معماری شبکه(۲ساعت)
۳- استانداردها و پروتکل های وب (۲ساعت)
۴- آموزش html از صفر تا صد(۶ساعت)
۵- آموزش css صفر تا صد(۶ساعت)
۷-اموزش java script از پایه (۸ ساعت)
۸- آموزش کتاب خانه leaflet صفر تا صد (۱۲ساعت)
۹-آموزش کتابخانه openlayer صفر تا صد (۱۲ساعت)
۱۰- آموزش برنامه نویسی پایتون (۱۲ ساعت)
۱۱- آموزش ژئو سرور(۱۰ساعت)
۱۲- آموزش استانداردهای ogc به مدت ۸ساعت
۱۳- آموزش دیتابیس مکانی (۱۸ساعت)
۱۴-اموزش API کاربردی (۱۸ ساعت)
۱۵- پروژه عملی راه اندازی یک سامانه web gis و پشتیبانی (۲۴ ساعت)

لینک ثبت نام:

https://survey.porsline.ir/s/oZLS4UeT


⏱️ آخرین مهلت ثبت نام ۱۰ شهریور ۱۴۰۳

🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

🔴 ده کاربرد فناوری بلاکچین در مدیریت زمین: بلاک‌چین به عنوان یک فناوری نوین، پتانسیل بالایی در بهبود کاداستر و مدیریت زمین دارد.

1. ثبت و تأیید مالکیت: بلاک‌چین می‌تواند به عنوان یک سیستم ثبت غیرمتمرکز برای ثبت مالکیت زمین عمل کند. این سیستم می‌تواند به طور خودکار و شفاف مالکیت‌ها را تأیید کند و از تقلب و جعل اسناد جلوگیری کند.

2. شفافیت و دسترسی به اطلاعات: با استفاده از بلاک‌چین، اطلاعات مربوط به مالکیت و تاریخچه زمین به صورت عمومی و غیرقابل تغییر در دسترس قرار می‌گیرد. این شفافیت می‌تواند به افزایش اعتماد عمومی و کاهش اختلافات حقوقی کمک کند.

3. قراردادهای هوشمند: بلاک‌چین امکان استفاده از قراردادهای هوشمند را فراهم می‌کند که می‌توانند به طور خودکار شرایط توافقات مربوط به خرید و فروش زمین را اجرا کنند. این امر می‌تواند فرآیندهای معاملاتی را تسریع و ساده کند.

4. مدیریت داده‌های جغرافیایی: بلاک‌چین می‌تواند به عنوان یک پایگاه داده برای ذخیره و مدیریت داده‌های جغرافیایی و کاداستر عمل کند. این داده‌ها می‌توانند شامل اطلاعات مربوط به مرزها، ویژگی‌های زمین و تغییرات در مالکیت باشند.

5. کاهش هزینه‌ها: با حذف واسطه‌ها و تسهیل فرآیندهای ثبت و تأیید، بلاک‌چین می‌تواند به کاهش هزینه‌های مرتبط با معاملات زمین و مدیریت کاداستر کمک کند.

6. حفاظت از داده‌ها: بلاک‌چین به دلیل ساختار غیرمتمرکز و رمزنگاری شده‌اش، می‌تواند به حفاظت از داده‌های مربوط به مالکیت زمین و جلوگیری از دسترسی غیرمجاز کمک کند.

7. تسهیل در انتقال مالکیت: با استفاده از بلاک‌چین، فرآیند انتقال مالکیت زمین می‌تواند به صورت سریع و بدون نیاز به اسناد کاغذی انجام شود. این امر می‌تواند به تسهیل معاملات و کاهش زمان لازم برای انتقال مالکیت کمک کند.

8. مدیریت مالیات و عوارض: بلاک‌چین می‌تواند به دولت‌ها کمک کند تا مالیات‌ها و عوارض مربوط به زمین را به صورت دقیق‌تر و شفاف‌تر مدیریت کنند.

9. تاریخچه تغییرات: بلاک‌چین می‌تواند تاریخچه کامل تغییرات مالکیت و ویژگی‌های زمین را ثبت کند، که این اطلاعات می‌تواند در حل اختلافات و بررسی سوابق مفید باشد.

10. پشتیبانی از پروژه‌های توسعه پایدار: با استفاده از بلاک‌چین، می‌توان پروژه‌های توسعه پایدار را به طور مؤثرتری مدیریت کرد و اطمینان حاصل کرد که اطلاعات مربوط به زمین و منابع طبیعی به درستی ثبت و مدیریت می‌شوند.



🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی