Forwarded from School of AI (Hamidreza Hosseinkhani)
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.
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
🔷 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
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
Porsline
دوره آنلاین web GIS
با پُرس‌لاین به راحتی پرسشنامه خود را طراحی و ارسال کنید و با گزارش‌های لحظه‌ای آن به سرعت تصمیم بگیرید.
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…
,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😉
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😉
باشگاه فناوران اطلاعات مکانی pinned «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…»
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…
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
⏱️ 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
حتی پروژه ای هست که داره برای موجودیت های دیجیتال و انتزاعی بو ایجاد می‌کنه.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
Forwarded from 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
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
Porsline
دوره آنلاین web GIS
با پُرس‌لاین به راحتی پرسشنامه خود را طراحی و ارسال کنید و با گزارش‌های لحظه‌ای آن به سرعت تصمیم بگیرید.
🔴 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
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
🔴 مدلسازی اطلاعات ساختمان (BIM) و CityGML هر دو بسترهای اطلاعاتی خوبی برای مدیریت اطلاعات سه‌بعدی هستند، اما هر یک از آنها ویژگی‌ها و کاربردهای خاص خود را دارند. در اینجا به بررسی دلایلی می‌پردازیم که چرا BIM ممکن است برای کاداستر سه‌بعدی آپارتمان ها بهتر از CityGML باشد:
1. دقت و جزئیات بیشتر: BIM به طور خاص برای مدلسازی دقیق و جزئی ساختمان‌ها و زیرساخت‌ها طراحی شده است. این مدل‌ها شامل اطلاعات دقیق درباره ویژگی‌های فیزیکی، عملکردی و زمانی پروژه‌ها هستند. در مقابل، CityGML بیشتر بر روی مدلسازی شهری و نمای کلی شهرها تمرکز دارد و ممکن است جزئیات کمتری در مورد ویژگی‌های خاص ساختمان‌ها ارائه دهد.
2. مدیریت اطلاعات و چرخه حیات: BIM به مدیران پروژه این امکان را می‌دهد که اطلاعات را در طول چرخه حیات ساختمان (از طراحی تا ساخت و نگهداری) مدیریت کنند. این امر به بهبود فرآیندهای نگهداری و مدیریت دارایی‌ها کمک می‌کند. در حالی که CityGML بیشتر بر روی نمای کلی و اطلاعات جغرافیایی تمرکز دارد و ممکن است به جزئیات چرخه حیات ساختمان‌ها نپردازد.
3. یکپارچگی با فرآیندهای ساخت و ساز: BIM به طور خاص برای استفاده در فرآیندهای ساخت و ساز طراحی شده است و می‌تواند به بهینه‌سازی برنامه‌ریزی، زمان‌بندی و مدیریت پروژه کمک کند. این در حالی است که CityGML بیشتر به عنوان یک استاندارد برای تبادل اطلاعات شهری استفاده می‌شود و ممکن است در فرآیندهای ساخت و ساز به اندازه BIM کارآمد نباشد.
4. تحلیل‌های پیشرفته: BIM به کاربران این امکان را می‌دهد که تحلیل‌های پیشرفته‌تری از جمله تحلیل‌های انرژی، نور، و ساختار را انجام دهند. این تحلیل‌ها می‌توانند به بهینه‌سازی طراحی و عملکرد ساختمان‌ها کمک کنند. در حالی که CityGML بیشتر بر روی مدلسازی فضایی و جغرافیایی تمرکز دارد و ممکن است قابلیت‌های تحلیلی کمتری داشته باشد.
5. استفاده از قراردادهای هوشمند: BIM می‌تواند به راحتی با فناوری‌های نوین مانند بلاکچین و قراردادهای هوشمند ادغام شود. این امر می‌تواند به بهبود فرآیندهای ثبت و مدیریت مالکیت زمین کمک کند. در حالی که CityGML به طور خاص برای این نوع ادغام طراحی نشده است.
6. پشتیبانی از همکاری بین رشته‌ای: BIM به دلیل قابلیت‌های همکاری و تبادل اطلاعات بین رشته‌های مختلف (معماری، مهندسی، مدیریت پروژه) به عنوان یک ابزار مؤثر در پروژه‌های چندرشته‌ای شناخته می‌شود. این امر می‌تواند به بهبود هماهنگی و کاهش خطاها در پروژه‌های کاداستر سه‌بعدی کمک کند.
7. قابلیت‌های تجسم و شبیه‌سازی: مدل‌های BIM به کاربران این امکان را می‌دهند که تجسم‌های سه‌بعدی دقیق و شبیه‌سازی‌های واقع‌گرایانه‌ای از پروژه‌ها ایجاد کنند. این قابلیت می‌تواند به تصمیم‌گیری‌های بهتر و ارتباط مؤثرتر با ذینفعان کمک کند.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
1. دقت و جزئیات بیشتر: BIM به طور خاص برای مدلسازی دقیق و جزئی ساختمان‌ها و زیرساخت‌ها طراحی شده است. این مدل‌ها شامل اطلاعات دقیق درباره ویژگی‌های فیزیکی، عملکردی و زمانی پروژه‌ها هستند. در مقابل، CityGML بیشتر بر روی مدلسازی شهری و نمای کلی شهرها تمرکز دارد و ممکن است جزئیات کمتری در مورد ویژگی‌های خاص ساختمان‌ها ارائه دهد.
2. مدیریت اطلاعات و چرخه حیات: BIM به مدیران پروژه این امکان را می‌دهد که اطلاعات را در طول چرخه حیات ساختمان (از طراحی تا ساخت و نگهداری) مدیریت کنند. این امر به بهبود فرآیندهای نگهداری و مدیریت دارایی‌ها کمک می‌کند. در حالی که CityGML بیشتر بر روی نمای کلی و اطلاعات جغرافیایی تمرکز دارد و ممکن است به جزئیات چرخه حیات ساختمان‌ها نپردازد.
3. یکپارچگی با فرآیندهای ساخت و ساز: BIM به طور خاص برای استفاده در فرآیندهای ساخت و ساز طراحی شده است و می‌تواند به بهینه‌سازی برنامه‌ریزی، زمان‌بندی و مدیریت پروژه کمک کند. این در حالی است که CityGML بیشتر به عنوان یک استاندارد برای تبادل اطلاعات شهری استفاده می‌شود و ممکن است در فرآیندهای ساخت و ساز به اندازه BIM کارآمد نباشد.
4. تحلیل‌های پیشرفته: BIM به کاربران این امکان را می‌دهد که تحلیل‌های پیشرفته‌تری از جمله تحلیل‌های انرژی، نور، و ساختار را انجام دهند. این تحلیل‌ها می‌توانند به بهینه‌سازی طراحی و عملکرد ساختمان‌ها کمک کنند. در حالی که CityGML بیشتر بر روی مدلسازی فضایی و جغرافیایی تمرکز دارد و ممکن است قابلیت‌های تحلیلی کمتری داشته باشد.
5. استفاده از قراردادهای هوشمند: BIM می‌تواند به راحتی با فناوری‌های نوین مانند بلاکچین و قراردادهای هوشمند ادغام شود. این امر می‌تواند به بهبود فرآیندهای ثبت و مدیریت مالکیت زمین کمک کند. در حالی که CityGML به طور خاص برای این نوع ادغام طراحی نشده است.
6. پشتیبانی از همکاری بین رشته‌ای: BIM به دلیل قابلیت‌های همکاری و تبادل اطلاعات بین رشته‌های مختلف (معماری، مهندسی، مدیریت پروژه) به عنوان یک ابزار مؤثر در پروژه‌های چندرشته‌ای شناخته می‌شود. این امر می‌تواند به بهبود هماهنگی و کاهش خطاها در پروژه‌های کاداستر سه‌بعدی کمک کند.
7. قابلیت‌های تجسم و شبیه‌سازی: مدل‌های BIM به کاربران این امکان را می‌دهند که تجسم‌های سه‌بعدی دقیق و شبیه‌سازی‌های واقع‌گرایانه‌ای از پروژه‌ها ایجاد کنند. این قابلیت می‌تواند به تصمیم‌گیری‌های بهتر و ارتباط مؤثرتر با ذینفعان کمک کند.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
پاول دوروف مالک تلگرام از جمهوری آذربایجان به فرانسه سفر کرده بود که در فرودگاه بورژ هنگام پیاده شدن از هواپیمای شخصی‌اش بازداشت شد.
دوروف قرار است در برابر قاضی حاضر شود تا با اتهامات متعددی روبرو شود
اتهامات احتمالی شامل حمایت از تروریسم، قاچاق مواد مخدر، همدستی در جنایات، کلاهبرداری دسته جمعی، پولشویی، پنهان کاری، محتوای پدوفیلی، فرار از تحریم و غیره است.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
دوروف قرار است در برابر قاضی حاضر شود تا با اتهامات متعددی روبرو شود
اتهامات احتمالی شامل حمایت از تروریسم، قاچاق مواد مخدر، همدستی در جنایات، کلاهبرداری دسته جمعی، پولشویی، پنهان کاری، محتوای پدوفیلی، فرار از تحریم و غیره است.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
Forwarded from 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
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
Porsline
دوره آنلاین web GIS
با پُرس‌لاین به راحتی پرسشنامه خود را طراحی و ارسال کنید و با گزارش‌های لحظه‌ای آن به سرعت تصمیم بگیرید.
شانزدهمین جشنواره پژوهش و نوآوری در مدیریت شهری شهرداری تهران و یازدهمین جشنواره پژوهش و آموزش در مدیریت شهری و روستایی سازمان شهرداری‌ها و دهیاری‌های کشور
https://tufiran.com
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
https://tufiran.com
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
باشگاه فناوران اطلاعات مکانی
🔴 مدلسازی اطلاعات ساختمان (BIM) و CityGML هر دو بسترهای اطلاعاتی خوبی برای مدیریت اطلاعات سه‌بعدی هستند، اما هر یک از آنها ویژگی‌ها و کاربردهای خاص خود را دارند. در اینجا به بررسی دلایلی می‌پردازیم که چرا BIM ممکن است برای کاداستر سه‌بعدی آپارتمان ها بهتر…
🔴 چالش‌ها و فرصت‌های مدلسازی اطلاعات ساختمان (BIM) در کاداستر سه‌بعدی
مدلسازی اطلاعات ساختمان (BIM) به عنوان یک ابزار پیشرفته در صنعت ساخت و ساز، پتانسیل‌های زیادی برای بهبود کاداستر سه‌بعدی دارد. با این حال، استفاده از BIM در این زمینه با چالش‌هایی نیز همراه است. در این پست به بررسی چالش‌ها و فرصت‌های موجود در استفاده از BIM برای کاداستر سه‌بعدی می‌پردازیم:
🔷 چالش‌ها:
1. هزینه‌های اولیه: پیاده‌سازی BIM نیازمند سرمایه‌گذاری اولیه قابل توجهی در نرم‌افزارها، سخت‌افزارها و آموزش کارکنان است. این هزینه‌ها ممکن است برای برخی از سازمان‌ها و پروژه‌ها مانع ایجاد کند.
2. نیاز به تخصص فنی: استفاده مؤثر از BIM نیازمند دانش و تخصص فنی در زمینه‌های مختلف مانند معماری، مهندسی و مدیریت پروژه است. کمبود نیروی متخصص می‌تواند به چالش‌هایی در پیاده‌سازی و استفاده از این فناوری منجر شود.
3. استانداردسازی و یکپارچگی داده‌ها: عدم وجود استانداردهای یکپارچه برای تبادل داده‌ها بین سیستم‌های مختلف می‌تواند به مشکلاتی در هماهنگی و یکپارچگی اطلاعات منجر شود. این موضوع می‌تواند کارایی BIM را در کاداستر سه‌بعدی تحت تأثیر قرار دهد.
🔷 فرصت‌ها:
1. بهبود دقت و شفافیت: استفاده از BIM می‌تواند به بهبود دقت و شفافیت اطلاعات کاداستر کمک کند. مدل‌های سه‌بعدی دقیق می‌توانند به شناسایی و مدیریت بهتر مالکیت‌ها و مرزهای زمین کمک کنند.
2. تحلیل‌های پیشرفته: BIM این امکان را فراهم می‌کند که تحلیل‌های پیشرفته‌تری از جمله تحلیل‌های فضایی و جغرافیایی انجام شود. این تحلیل‌ها می‌توانند به بهینه‌سازی تصمیم‌گیری‌ها در زمینه مدیریت زمین و توسعه شهری کمک کنند.
3. همکاری بین ذینفعان: BIM به عنوان یک پلتفرم مشترک، امکان همکاری و تبادل اطلاعات بین ذینفعان مختلف (معماران، مهندسان، مقامات محلی و ...) را فراهم می‌کند. این همکاری می‌تواند به بهبود فرآیندهای تصمیم‌گیری و کاهش خطاها منجر شود.
4. پشتیبانی از توسعه پایدار: با استفاده از BIM، می‌توان به طراحی و ساخت ساختمان‌هایی با کارایی انرژی بالا و تأثیرات زیست‌محیطی کمتر دست یافت. این امر می‌تواند به تحقق اهداف توسعه پایدار در کاداستر سه‌بعدی کمک کند.
نتیجه‌گیری:
مدلسازی اطلاعات ساختمان (BIM) با وجود چالش‌های موجود، فرصت‌های زیادی برای بهبود کاداستر سه‌بعدی ارائه می‌دهد. با سرمایه‌گذاری در آموزش و توسعه زیرساخت‌های لازم، می‌توان از پتانسیل‌های این فناوری بهره‌برداری کرد و به بهبود مدیریت اطلاعات و تصمیم‌گیری در زمینه کاداستر کمک کرد.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
مدلسازی اطلاعات ساختمان (BIM) به عنوان یک ابزار پیشرفته در صنعت ساخت و ساز، پتانسیل‌های زیادی برای بهبود کاداستر سه‌بعدی دارد. با این حال، استفاده از BIM در این زمینه با چالش‌هایی نیز همراه است. در این پست به بررسی چالش‌ها و فرصت‌های موجود در استفاده از BIM برای کاداستر سه‌بعدی می‌پردازیم:
🔷 چالش‌ها:
1. هزینه‌های اولیه: پیاده‌سازی BIM نیازمند سرمایه‌گذاری اولیه قابل توجهی در نرم‌افزارها، سخت‌افزارها و آموزش کارکنان است. این هزینه‌ها ممکن است برای برخی از سازمان‌ها و پروژه‌ها مانع ایجاد کند.
2. نیاز به تخصص فنی: استفاده مؤثر از BIM نیازمند دانش و تخصص فنی در زمینه‌های مختلف مانند معماری، مهندسی و مدیریت پروژه است. کمبود نیروی متخصص می‌تواند به چالش‌هایی در پیاده‌سازی و استفاده از این فناوری منجر شود.
3. استانداردسازی و یکپارچگی داده‌ها: عدم وجود استانداردهای یکپارچه برای تبادل داده‌ها بین سیستم‌های مختلف می‌تواند به مشکلاتی در هماهنگی و یکپارچگی اطلاعات منجر شود. این موضوع می‌تواند کارایی BIM را در کاداستر سه‌بعدی تحت تأثیر قرار دهد.
🔷 فرصت‌ها:
1. بهبود دقت و شفافیت: استفاده از BIM می‌تواند به بهبود دقت و شفافیت اطلاعات کاداستر کمک کند. مدل‌های سه‌بعدی دقیق می‌توانند به شناسایی و مدیریت بهتر مالکیت‌ها و مرزهای زمین کمک کنند.
2. تحلیل‌های پیشرفته: BIM این امکان را فراهم می‌کند که تحلیل‌های پیشرفته‌تری از جمله تحلیل‌های فضایی و جغرافیایی انجام شود. این تحلیل‌ها می‌توانند به بهینه‌سازی تصمیم‌گیری‌ها در زمینه مدیریت زمین و توسعه شهری کمک کنند.
3. همکاری بین ذینفعان: BIM به عنوان یک پلتفرم مشترک، امکان همکاری و تبادل اطلاعات بین ذینفعان مختلف (معماران، مهندسان، مقامات محلی و ...) را فراهم می‌کند. این همکاری می‌تواند به بهبود فرآیندهای تصمیم‌گیری و کاهش خطاها منجر شود.
4. پشتیبانی از توسعه پایدار: با استفاده از BIM، می‌توان به طراحی و ساخت ساختمان‌هایی با کارایی انرژی بالا و تأثیرات زیست‌محیطی کمتر دست یافت. این امر می‌تواند به تحقق اهداف توسعه پایدار در کاداستر سه‌بعدی کمک کند.
نتیجه‌گیری:
مدلسازی اطلاعات ساختمان (BIM) با وجود چالش‌های موجود، فرصت‌های زیادی برای بهبود کاداستر سه‌بعدی ارائه می‌دهد. با سرمایه‌گذاری در آموزش و توسعه زیرساخت‌های لازم، می‌توان از پتانسیل‌های این فناوری بهره‌برداری کرد و به بهبود مدیریت اطلاعات و تصمیم‌گیری در زمینه کاداستر کمک کرد.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
⭕️ یک عکس خاطره‌انگیز
🔸پاول دوروف (نفر دوم از چپ) عضو تیم المپیاد ریاضی روسیه در سال ۱۹۹۸ ( ۱۳۷۷ )
تلگرام را با دیگر اعضای این تیم ساختند که در آن زمان در المپیاد رتبه دوم را کسب کردند.
🔸در آن سال تیم ایران رتبه اول را کسب کرده بود !
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔸پاول دوروف (نفر دوم از چپ) عضو تیم المپیاد ریاضی روسیه در سال ۱۹۹۸ ( ۱۳۷۷ )
تلگرام را با دیگر اعضای این تیم ساختند که در آن زمان در المپیاد رتبه دوم را کسب کردند.
🔸در آن سال تیم ایران رتبه اول را کسب کرده بود !
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
Forwarded from جامعه مهندسان نقشه‌بردار ایران
📌انتخاب شایسته جناب آقای دکتر رامین کیامهر را به عنوان عضو شورای مرکزی و همچنین هیات رئیسه سازمان نظام مهندسی معدن ایران را صمیمانه تبریک عرض می نمائیم.
آقای دکتر کیامهر دانشیار رشته نقشه برداری بوده و در حال حاضر مسئولیت ریاست گروه تخصصی نقشه برداری نظام مهندسی معدن ایران را عهده دار میباشند. با تلاشهای صادقانه و مخلصانه ایشان مجددا امکان اخذ و ارتقاء پروانه اشتغال برای مهندسان نقشه بردار میسر گردید و برای اولین بار دستورالعمل جامع خدمات نقشه برداری مبتنی بر تعرفه سازمان برنامه و بودجه کشور در آن سازمان اجرایی گردید.
📝 روابط عمومی جامعه صنفی مهندسان نقشه بردار ایران
🇮🇷@issiranofficialaccount
آقای دکتر کیامهر دانشیار رشته نقشه برداری بوده و در حال حاضر مسئولیت ریاست گروه تخصصی نقشه برداری نظام مهندسی معدن ایران را عهده دار میباشند. با تلاشهای صادقانه و مخلصانه ایشان مجددا امکان اخذ و ارتقاء پروانه اشتغال برای مهندسان نقشه بردار میسر گردید و برای اولین بار دستورالعمل جامع خدمات نقشه برداری مبتنی بر تعرفه سازمان برنامه و بودجه کشور در آن سازمان اجرایی گردید.
📝 روابط عمومی جامعه صنفی مهندسان نقشه بردار ایران
🇮🇷@issiranofficialaccount
🔴 رویکردهای مدلسازی سه‌بعدی در CityGML و BIM (مدلسازی هندسی در مقابل مدلسازی پارامتریک)
🔷- مدلسازی هندسی: CityGML از هندسه‌های سه‌بعدی برای توصیف ساختمان‌ها و زیرساخت‌ها استفاده می‌کند. این هندسه‌ها می‌توانند شامل سطوح، لبه‌ها و نقاط باشند که به صورت دقیق موقعیت و شکل ساختمان‌ها را نمایش می‌دهند.
🔷- مدلسازی ویژگی‌ها: CityGML به کاربران این امکان را می‌دهد که ویژگی‌های مختلفی از جمله نوع ساختمان، کاربری زمین، ارتفاع و مواد ساخت را به مدل‌های سه‌بعدی اضافه کنند. این ویژگی‌ها به تحلیل‌های فضایی و جغرافیایی کمک می‌کنند.
🔷- سطوح مختلف جزئیات (LOD): CityGML از سطوح مختلف جزئیات (LOD) برای مدلسازی استفاده می‌کند. این سطوح شامل LOD1 (مدل‌های ساده و کلی)، LOD2 (مدل‌های با جزئیات بیشتر) و LOD3 (مدل‌های دقیق با جزئیات کامل) هستند. این امکان به کاربران می‌دهد که بسته به نیاز خود، جزئیات مختلفی را در مدل‌ها لحاظ کنند.
🔷- مدلسازی اطلاعات جغرافیایی: CityGML به کاربران این امکان را می‌دهد که اطلاعات جغرافیایی مانند ارتفاع، نوع زمین و زیرساخت‌های شهری را به مدل‌های سه‌بعدی اضافه کنند. این اطلاعات می‌توانند به بهینه‌سازی برنامه‌ریزی شهری و مدیریت منابع کمک کنند.
🔷- مدلسازی پارامتریک: در BIM، مدلسازی پارامتریک به کاربران این امکان را می‌دهد که ویژگی‌های مختلف اجزای ساختمان را به صورت پارامتریک تعریف کنند. این به معنای این است که تغییر در یک ویژگی می‌تواند به طور خودکار تغییرات مربوط به سایر ویژگی‌ها را ایجاد کند.( مهمترین ویژگی BIM همین مدلسازی هوشمند است)
🔷- مدلسازی اطلاعاتی: BIM به کاربران این امکان را می‌دهد که اطلاعات دقیق و جزئیاتی درباره اجزای مختلف ساختمان، از جمله مواد، ابعاد و ویژگی‌های عملکردی ارائه دهند. این اطلاعات می‌توانند در طول چرخه عمر پروژه مورد استفاده قرار گیرند.
🔷- مدلسازی همکاری: BIM به عنوان یک پلتفرم مشترک، امکان همکاری و تبادل اطلاعات بین ذینفعان مختلف (معماران، مهندسان، پیمانکاران و ...) را فراهم می‌کند. این همکاری می‌تواند به بهبود فرآیندهای تصمیم‌گیری و کاهش خطاها منجر شود.
🔷- تحلیل‌های پیشرفته: BIM به کاربران این امکان را می‌دهد که تحلیل‌های پیشرفته‌تری از جمله تحلیل‌های انرژی، نور، صدا و ساختار را انجام دهند. این تحلیل‌ها می‌توانند به بهینه‌سازی طراحی و عملکرد ساختمان کمک کنند.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔷- مدلسازی هندسی: CityGML از هندسه‌های سه‌بعدی برای توصیف ساختمان‌ها و زیرساخت‌ها استفاده می‌کند. این هندسه‌ها می‌توانند شامل سطوح، لبه‌ها و نقاط باشند که به صورت دقیق موقعیت و شکل ساختمان‌ها را نمایش می‌دهند.
🔷- مدلسازی ویژگی‌ها: CityGML به کاربران این امکان را می‌دهد که ویژگی‌های مختلفی از جمله نوع ساختمان، کاربری زمین، ارتفاع و مواد ساخت را به مدل‌های سه‌بعدی اضافه کنند. این ویژگی‌ها به تحلیل‌های فضایی و جغرافیایی کمک می‌کنند.
🔷- سطوح مختلف جزئیات (LOD): CityGML از سطوح مختلف جزئیات (LOD) برای مدلسازی استفاده می‌کند. این سطوح شامل LOD1 (مدل‌های ساده و کلی)، LOD2 (مدل‌های با جزئیات بیشتر) و LOD3 (مدل‌های دقیق با جزئیات کامل) هستند. این امکان به کاربران می‌دهد که بسته به نیاز خود، جزئیات مختلفی را در مدل‌ها لحاظ کنند.
🔷- مدلسازی اطلاعات جغرافیایی: CityGML به کاربران این امکان را می‌دهد که اطلاعات جغرافیایی مانند ارتفاع، نوع زمین و زیرساخت‌های شهری را به مدل‌های سه‌بعدی اضافه کنند. این اطلاعات می‌توانند به بهینه‌سازی برنامه‌ریزی شهری و مدیریت منابع کمک کنند.
🔷- مدلسازی پارامتریک: در BIM، مدلسازی پارامتریک به کاربران این امکان را می‌دهد که ویژگی‌های مختلف اجزای ساختمان را به صورت پارامتریک تعریف کنند. این به معنای این است که تغییر در یک ویژگی می‌تواند به طور خودکار تغییرات مربوط به سایر ویژگی‌ها را ایجاد کند.( مهمترین ویژگی BIM همین مدلسازی هوشمند است)
🔷- مدلسازی اطلاعاتی: BIM به کاربران این امکان را می‌دهد که اطلاعات دقیق و جزئیاتی درباره اجزای مختلف ساختمان، از جمله مواد، ابعاد و ویژگی‌های عملکردی ارائه دهند. این اطلاعات می‌توانند در طول چرخه عمر پروژه مورد استفاده قرار گیرند.
🔷- مدلسازی همکاری: BIM به عنوان یک پلتفرم مشترک، امکان همکاری و تبادل اطلاعات بین ذینفعان مختلف (معماران، مهندسان، پیمانکاران و ...) را فراهم می‌کند. این همکاری می‌تواند به بهبود فرآیندهای تصمیم‌گیری و کاهش خطاها منجر شود.
🔷- تحلیل‌های پیشرفته: BIM به کاربران این امکان را می‌دهد که تحلیل‌های پیشرفته‌تری از جمله تحلیل‌های انرژی، نور، صدا و ساختار را انجام دهند. این تحلیل‌ها می‌توانند به بهینه‌سازی طراحی و عملکرد ساختمان کمک کنند.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
Forwarded from Science Magazine (Mohammad Mahdi)
✅اینو به من یه جوری توضیح بده انگار ۵ سالمه
#معرفی_سایت
یه ترفند جالبی برای سرچ در گوگل وجود داره به اسم eli5 که مخفف کلمه Explain like iam 5 (یه جوری توضیح بده انگار ۵ سالمه)
مثلا شما یه مقاله ای در یه زمینه ای میخونید اون رو متوجه نمیشید ، میتونید اول سرچتون عبارت بالارو وارد کنید ، گوگل براتون توضیحات ساده ، مختصر و مفید راجع به اون مقاله رو بالا میاره
+ یه سری انجمن‌ها هستن که مباحث پیچیده رو به زبان ساده تر توضیح میدن.
🆔 Science Magazine
#معرفی_سایت
یه ترفند جالبی برای سرچ در گوگل وجود داره به اسم eli5 که مخفف کلمه Explain like iam 5 (یه جوری توضیح بده انگار ۵ سالمه)
مثلا شما یه مقاله ای در یه زمینه ای میخونید اون رو متوجه نمیشید ، میتونید اول سرچتون عبارت بالارو وارد کنید ، گوگل براتون توضیحات ساده ، مختصر و مفید راجع به اون مقاله رو بالا میاره
+ یه سری انجمن‌ها هستن که مباحث پیچیده رو به زبان ساده تر توضیح میدن.
🆔 Science Magazine
Telegram
Science Magazine
Science channel, videos and articles - international project
Admin : @Persian_Scientist
Admin : @Persian_Scientist
Forwarded from 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
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
Porsline
دوره آنلاین web GIS
با پُرس‌لاین به راحتی پرسشنامه خود را طراحی و ارسال کنید و با گزارش‌های لحظه‌ای آن به سرعت تصمیم بگیرید.
Forwarded from مجله هوش مصنوعی (Home AI)
📝 توت‌فرنگی «اوپن‌ای‌آی» در فصل پاییز می‌رسد
شرکت «اوپن‌ای‌آی» احتمالا مدل جدید هوش مصنوعی خود را که «توت‌فرنگی» نام دارد، در پاییز عرضه خواهد کرد.
مدل جدید هوش مصنوعی اوپن ای‌آی «توت‌فرنگی» نام گرفته و گفته می‌شود قادر به حل کردن مسائل ریاضی است که هرگز با آنها سر و کار نداشته و همچنین، وظایف سطح بالا را مانند توسعه راهبردهای بازاریابی و حل کردن پازل کلمات پیچیده انجام می‌دهد.
ادعاهای پیشین درباره این مدل شامل امتیاز بیش از ۹۰ درصد در معیار ریاضی است که مجموعه‌ای از مسائل ریاضی را در سطح قهرمانی شامل می‌شود. در مقایسه، GPT-4 در این آزمون تنها به امتیاز ۵۳ درصد و GPT-4o به امتیاز ۷۶.۶ درصد رسید. از ماه ژوئیه، GPT-4o بالاترین امتیاز معیار ریاضی را به عنوان یک مدل هوش مصنوعی داشته است. این بدان معناست که اگر توت‌فرنگی مطابق وعده خود عمل کند، اوپن‌ای‌آی را بسیار جلوتر از رقبای آن قرار خواهد داد.
نکته جالب‌تر درباره این مدل، تاریخچه توسعه آن است زیرا اگرچه نام توت‌فرنگی خوب و بدون بحث به نظر می‌رسد اما مدل جدید همیشه با این نام شناخته نمی‌شد. این مدل پیشتر با نام Q* شناخته می‌شد و برای دوره کوتاه هرج و مرج که سال گذشته در اوپن‌ای‌آی به وجود آمد، -از جمله برکناری «سم آلتمن»(Sam Altman) مدیر اجرایی پیش از این که چند روز بعد به شرکت بازگردد- بسیار مهم بود.
از جمله ادعاهایی که در آن زمان مطرح شد، این بود که Q* می‌تواند یک پیشرفت بزرگ در سفر به سوی ساختن هوش مصنوعی جامع باشد. هوش مصنوعی جامع یک شکل پیشرفته از هوش مصنوعی است که توانایی درک، یادگیری و به‌کارگیری دانش را در طیف وسیعی از وظایف مشابه توانایی‌های شناختی انسان دارد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
شرکت «اوپن‌ای‌آی» احتمالا مدل جدید هوش مصنوعی خود را که «توت‌فرنگی» نام دارد، در پاییز عرضه خواهد کرد.
مدل جدید هوش مصنوعی اوپن ای‌آی «توت‌فرنگی» نام گرفته و گفته می‌شود قادر به حل کردن مسائل ریاضی است که هرگز با آنها سر و کار نداشته و همچنین، وظایف سطح بالا را مانند توسعه راهبردهای بازاریابی و حل کردن پازل کلمات پیچیده انجام می‌دهد.
ادعاهای پیشین درباره این مدل شامل امتیاز بیش از ۹۰ درصد در معیار ریاضی است که مجموعه‌ای از مسائل ریاضی را در سطح قهرمانی شامل می‌شود. در مقایسه، GPT-4 در این آزمون تنها به امتیاز ۵۳ درصد و GPT-4o به امتیاز ۷۶.۶ درصد رسید. از ماه ژوئیه، GPT-4o بالاترین امتیاز معیار ریاضی را به عنوان یک مدل هوش مصنوعی داشته است. این بدان معناست که اگر توت‌فرنگی مطابق وعده خود عمل کند، اوپن‌ای‌آی را بسیار جلوتر از رقبای آن قرار خواهد داد.
نکته جالب‌تر درباره این مدل، تاریخچه توسعه آن است زیرا اگرچه نام توت‌فرنگی خوب و بدون بحث به نظر می‌رسد اما مدل جدید همیشه با این نام شناخته نمی‌شد. این مدل پیشتر با نام Q* شناخته می‌شد و برای دوره کوتاه هرج و مرج که سال گذشته در اوپن‌ای‌آی به وجود آمد، -از جمله برکناری «سم آلتمن»(Sam Altman) مدیر اجرایی پیش از این که چند روز بعد به شرکت بازگردد- بسیار مهم بود.
از جمله ادعاهایی که در آن زمان مطرح شد، این بود که Q* می‌تواند یک پیشرفت بزرگ در سفر به سوی ساختن هوش مصنوعی جامع باشد. هوش مصنوعی جامع یک شکل پیشرفته از هوش مصنوعی است که توانایی درک، یادگیری و به‌کارگیری دانش را در طیف وسیعی از وظایف مشابه توانایی‌های شناختی انسان دارد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir