🔴 دومین دوره مسابقه ملی و مسئله‌محور «راهی شو» برگزار می‌شود

♦️دومین دوره مسابقه ملی و مسئله‌محور «راهی شو»، با حمایت بنیاد ملی نخبگان برگزار می‌شود.


https://B2n.ir/y37256


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

🔴 اطلاعیه ثبت‌نام آزمون‌های ورود به حرفه نظام مهندسی آبان ماه ۱۴۰۳

💠 به اطلاع کلیه متقاضیان مجموعه آزمون‌های نظام مهندسی می‌رساند، دومین دوره آزمون‌های ورود به حرفه در سال ۱۴۰۳ در کلیه رشته‌های مهندسی و کاردانی مندرج در قانون نظام مهندسی و کنترل ساختمان، در صلاحیت‌های مختلف به‌طور هماهنگ و همزمان در سراسر کشور به شرح زیر برگزار می‌گردد:
۱- آزمون‌های مهندسی شامل: معماری در صلاحیت‌های (نظارت، اجرا و طراحی) – عمران در صلاحیت‌های (نظارت، محاسبات، اجرا) – تاسیسات برقی در صلاحیت‌های (نظارت، طراحی، اجرا) – تاسیسات مکانیکی در صلاحیت‌های (نظارت، طراحی، اجرا) – شهرسازی – نقشه‌برداری – ترافیک
۲- آزمون‌های صلاحیت (طرح و اجرای گود، پی و سازه نگهبان) و صلاحیت (ارزیابی، طرح و اجرای بهسازی)
۳- آزمون‌های کاردانی شامل: رشته‌های معماری، عمران، تاسیسات مکانیکی، تاسیسات برقی، شهرسازی و نقشه‌برداری
۴- آزمون تعیین صلاحیت معماران تجربی

💠 زمان ثبت‌نام و برگزاری آزمون‌ها:
ثبت‌نام: از ۳ تا ۱۰ مهرماه ۱۴۰۳
برگزاری آزمون‌ها: پنجشنبه و جمعه ۱۷ و ۱۸  آبان‌ماه ۱۴۰۳

💠 نحوه ثبت‌نام:
کلیه متقاضیان می‌توانند با مراجعه تدریجی به درگاه الکترونیکی inbr.ir و از طریق سامانه آزمون‌های ورود به حرفه، نسبت به ثبت‌نام خود اقدام نمایند. ضروریست متقاضیان قبل از ثبت‌نام، دستورالعمل ثبت‌نام را به دقت مطالعه نمایند.

💠 توجه: داوطلبانی که در آزمون مردادماه رشته معماری (طراحی) مردود شده و درخواست بازنگری در نتیجه آزمون خود را ثبت کرده‌اند، در صورت قبولی پس از اعمال بازنگری، مبلغ پرداختی بابت ثبت‌نام به کیف پول پروفایل شخصی آن‌ها عودت داده خواهد شد.


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

برخی کمپانی‌ها استخدامی‌های نسل z را اخراج می‌کنند.

یک سوم کمپانیها گفتند نسل z خوب کار نمیکنه.
یک ششم منیجرها هم گفتند دیگه نسل z استخدام نمیکنند.

دلیلشون: غیر حرفه‌ای هستند، انگیزه کار ندارن، مهارت ارتباطی ندارن، ارگانایزد نیستند، دیر میان سر کار و میتینگ.




🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

تأثیر فناوری‌های دیجیتال بر روندهای فناوری اطلاعات مکانی

ادغام داده‌های مکانی با هوش مصنوعی، اینترنت اشیاء و سیستم‌های متصل، دنیای جدیدی از تحلیل و تصمیم‌گیری را به ارمغان می‌آورد. از خودروهای خودران تا اپلیکیشن‌های موبایل، این تحولات نه‌تنها کارایی را افزایش می‌دهند، بلکه به بهبود کیفیت زندگی و ایجاد فرصت‌های نوین کمک می‌کنند.

🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

دنیا تا سال 2050چه شکلی میشه!

ارزش دیدن داره 👌🏻

@OfficialQuiz

مجری الجزیره با نقشه تعاملی #webGIS ابعاد مختلف حمله موشکی ایران به اسراییل را بررسی و تحلیل میکند.




🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

یه توسعه دهنده بعد از ۳۰ سال کار با ویندوز به لینوکس مهاجرت کرده و ماجراش رو توضیح داده.
ماجرا اینه که شش کارت کرافیگی ۲۴ گیگابایتی میخره و یکی یکی به سیستم اضافه میکنه، افت عملکرد زیادی برای اجرای مدل‌های AI میبینه.
بعد میاد لینوکس رو به شکل مجازی داخل ویندوز اجرا میکنه و دوباره تست میگیره که کمک زیادی نمیکنه.
نهایتا تصمیم میگیره یه لینوکس مستقیما نصب کنه.
بعد از تغییر ویندوز به لینوکس شاهد افزایش ۳ برابری سرعت اجرای وظایف میشه و سیستمش هم به حافظه بیشتری دسترسی پیدا میکنه.
سرعت بالاتر معنیش اینه که میتونه مدل‌های بزرگتر رو هم اجرا کنه، کاری که داخل ویندوز نمیتونست.
analyticsindiamag
@geekalerts

تیم OpenAI دارن روی یه رابط کاربری اختصاصی برای تولید محتوا یا کدنویسی به اسم Canvas کار میکنن که برای ChatGPT هست.
این Canvas اینجوری هست که توی یه پنجره جداگانه باز میشه و بر خلاف چت ساده میتونید ایده‌ها و خروجی‌هاشون رو هم اصلاح کنید.
مثلا یه پروژه کد نویسی میسازید، توی چت برای رسیدن به خروجی خوب باید کلی چت کنید که اینجا فرایند ویرایش و بازبینی خیلی ساده‌تر ارائه میشه.
مثال یه بخش متن رو هایلایت کنیم و بگیم این بخش رو چه تغییراتی بده، دیباگ کنه و هر چیزی که توی دهن داریم رو توی یه صفحه خروجی برامون نمایش بده یا اصلاح کنه.
وقتی با مدل GPT-4o کار کنید خودش میدونه کی لازم هست یه Canvas باز کنه.
احتمالا وقتایی که ازش کدنویسی میخواید یا میگید یه مقاله یا محتوا براتون بنویسه.
پ.ن. این ویژگی تا هفته‌های بعدی برای همه کاربرها به صورت رایگان فعال میشه.
https://openai.com/index/introducing-canvas/
@geekaerts

🔴 ۵۳ کشور جهان دارای استارت‌اپ تک‌شاخ(با ارزش بیش از یک میلیارد دلار) هستند که در این بین آمریکا میزبان ۵۳ درصد کل تک‌شاخ‌هاست.



🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

مقایسه نمودار لرزه شناسی انفجار هسته ای و زلزله..
چند موسسه لرزه شناسی زلزله یکشنبه ۵ اکتبر سمنان را بررسی کردند به چیزی شبیه نمودار قرمز رنگ رسیدن...


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

روند های هوش مصنوعی مکان محور


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

هوش مصنوعی مکانی یا geoai استفاده از تکنیک‌های هوش مصنوعی در تحلیل داده‌های جغرافیایی و مکانی اشاره دارد. این حوزه به طور خاص به بررسی و پردازش داده‌های جغرافیایی، نقشه‌ها و اطلاعات مکانی می‌پردازد و می‌تواند در زمینه‌های مختلفی مانند برنامه‌ریزی شهری، مدیریت منابع طبیعی، پیش‌بینی بلایای طبیعی و تحلیل بازار مورد استفاده قرار گیرد.

کاربردهای Geo AI:

1. تحلیل داده‌های مکانی: با استفاده از الگوریتم‌های یادگیری ماشین، Geo AI می‌تواند الگوهای پیچیده‌ای را در داده‌های مکانی شناسایی کند که به تحلیل بهتر و تصمیم‌گیری‌های هوشمند کمک می‌کند.

2. مدیریت بلایای طبیعی: Geo AI می‌تواند در پیش‌بینی و مدیریت بلایای طبیعی مانند زلزله، سیل و طوفان‌ها به کار رود. با تحلیل داده‌های تاریخی و جغرافیایی، می‌توان نقاط آسیب‌پذیر را شناسایی کرد و اقدامات پیشگیرانه انجام داد.

3. برنامه‌ریزی شهری: در طراحی و توسعه شهرها، Geo AI می‌تواند به تحلیل نیازهای جمعیتی، ترافیک و زیرساخت‌ها کمک کند و به بهینه‌سازی فضاهای شهری بپردازد.

4. تحلیل بازار: کسب‌وکارها می‌توانند از Geo AI برای شناسایی بازارهای هدف و تحلیل رفتار مشتریان بر اساس موقعیت جغرافیایی استفاده کنند.


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

اثر دانینگ–کروگر ( Dunning–Kruger effect) نوعی سوگیری شناختی است که در افرادی با دانش، تجربه و یا تخصص محدود نسبت به موضوعی خاص یا چند موضوع شکل گرفته، به طوری که این دسته از افراد از توهم برتری فکری رنج می‌برند و به اشتباه، توانایی‌ یا دانششان را در موضوعات مختلف بسیار بیش از اندازهٔ واقعی ارزیابی می‌کنند. این تعصب رفتاری به ناتوانی فراشناختی افراد غیرمتخصص در شناسایی ناتوانی‌هاشان نسبت داده می‌شود.

اثر دانینگ–کروگر به زبان ساده می‌گوید: «افرادی که در یک مهارت ضعیف هستند، معمولاً ارزیابی خوبی از وضعیت خود ندارند و به عبارت دیگر، متوجه نیستند که در آن مهارت ضعیفند.» بعضی اوقات محققان این اثر را برای افرادی در جهت خلاف آن نیز استفاده می‌کنند، افرادی حرفه‌ای که گرایش بیشتری به دست‌کم گرفتن شایستگی خود دارند و به اشتباه تصور می‌کنند، کاری که برای ایشان آسان است، برای دیگران نیز آسان خواهد بود. دیوید دانینگ و جاستین کروگر از دانشگاه کرنل این‌گونه نتیجه می‌گیرند: «تخمین نادرست فرد بی‌لیاقت، از اشتباه در ارزیابی خود ناشی می‌شود؛ درحالی‌که تخمین نادرست افراد بسیار بالیاقت، از اشتباه در ارزیابی دیگران نشئت می‌گیرد

اثر دانینگ—کروگر نخستین بار در سال ۱۹۹۹ در پژوهشی اثر دیوید دانینگ و جاستین کروگر از دانشگاه کرنل بررسی شد.

عنوان این پژوهش «ناماهر و نادان به آن: چگونه دشوار بودن شناخت بی‌کفایتیِ خود منجر به ارزیابی متکبرانه از خویشتن می‌شود؟» بود.

کروگر و دانینگ در چهار آزمون مجزا مهارت شرکت‌کنندگان را در زمینه‌های استدلال منطقی، دستور زبان انگلیسی، و حس شوخ‌طبعی محک زدند و همزمان از ایشان خواستند که نمرهٔ خود را پیش‌بینی کنند. نتیجهٔ آزمون‌ها نشان داد که شرکت‌کنندگانی که کمترین نمره را آورده بودند در ارزیابی خود تا بالای میانگین غلو کرده بودند و مهارت خود را دست بالا گرفته بودند. درعوض شرکت‌کنندگانی که بیشترین نمره را آورده بودند مهارت خود را دست کم گرفته بودند.

این پژوهش همچنین نشان داد که افراد «بی‌کفایت» توانایی شناخت مهارت یا کفایت در افراد ماهر را ندارند.

به باور کروگر و دانینگ، دلیل ناتوانی افراد بی‌کفایت از شناخت بی‌کفایتی خود ضعف در فراشناخت، فراحافظه، فرادرک، و همچنین ضعف در مهارت نظارت بر خود است.



🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی

Kernel Analysis و Hotspot Analysis هر دو تکنیک‌های مهم در تحلیل فضایی هستند که در سیستم‌های اطلاعات جغرافیایی (GIS) استفاده می‌شوند، اما اهداف و روش‌های متفاوتی دارند. در زیر به تفاوت‌های اصلی بین این دو تکنیک اشاره می‌شود:

Kernel Analysis
1. تعریف: Kernel Analysis (تحلیل هسته‌ای) یک روش آماری است که برای تخمین چگالی نقاط در یک منطقه خاص استفاده می‌شود. این روش به ما کمک می‌کند تا الگوهای فضایی را شناسایی کنیم و بفهمیم که نقاط چگونه در فضا توزیع شده‌اند.

2. هدف: هدف اصلی Kernel Analysis، تولید یک نقشه چگالی است که نشان می‌دهد در کجاها نقاط بیشتری وجود دارد. این نقشه می‌تواند به شناسایی مناطق با تراکم بالای نقاط کمک کند.

3. روش: در این روش، به هر نقطه یک "هسته" یا "تابع چگالی" اختصاص داده می‌شود که به تدریج با فاصله از نقطه کاهش می‌یابد. سپس این هسته‌ها با هم ترکیب می‌شوند تا یک نقشه چگالی کلی ایجاد شود.

Hotspot Analysis
1. تعریف: Hotspot Analysis (تحلیل نقاط داغ) یک تکنیک برای شناسایی مناطق با فعالیت یا وقوع بالای یک پدیده خاص است. این تحلیل معمولاً برای شناسایی نقاطی که در آن‌ها وقوع یک رویداد بیشتر از حد معمول است، استفاده می‌شود.

2. هدف: هدف Hotspot Analysis شناسایی و تعیین نقاط داغ (hotspots) است که در آن‌ها وقوع یک پدیده خاص (مانند جرم، بیماری، یا هر نوع رویداد دیگر) بیشتر از حد انتظار است.

3. روش: این روش معمولاً شامل استفاده از آزمون‌های آماری (مانند آزمون Getis-Ord Gi*) برای شناسایی نواحی با تجمع بالای نقاط است. این تحلیل به ما کمک می‌کند تا بفهمیم کجاها باید بیشتر تمرکز کنیم یا منابع را تخصیص دهیم.

نتیجه
- Kernel Analysis بیشتر بر روی تخمین چگالی و توزیع نقاط تمرکز دارد، در حالی که Hotspot Analysis بر شناسایی نواحی با وقوع بالای یک پدیده خاص متمرکز است.
- Kernel Analysis معمولاً نقشه‌های چگالی تولید می‌کند، در حالی که Hotspot Analysis نقاط داغ را شناسایی می‌کند.

این دو تکنیک می‌توانند به طور مکمل در تحلیل‌های فضایی استفاده شوند تا درک بهتری از الگوهای فضایی و فعالیت‌ها در یک منطقه خاص به دست آید.


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی