Forwarded from Geek Alerts
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
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
Forwarded from Geek Alerts
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
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
🆔 @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
چند موسسه لرزه شناسی زلزله یکشنبه ۵ اکتبر سمنان را بررسی کردند به چیزی شبیه نمودار قرمز رنگ رسیدن...
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
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
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 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
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
برای ایجاد یک نقشه حرارتی از نقاط جرم در یک شهر، کدام ابزار ArcGIS مناسبه؟
Anonymous Quiz
22%
Kernel Density
15%
Spatial Analyst
63%
Hot Spot Analysis
0%
Overlay
باشگاه فناوران اطلاعات مکانی
برای ایجاد یک نقشه حرارتی از نقاط جرم در یک شهر، کدام ابزار ArcGIS مناسبه؟
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
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
🔴 لیست پرامپت های کاربردی برای مقاله نویسی و پژوهش
1. Summarize the following content: [PARAPGRAPHS]
2. Summarize the text in simpler and easier-to-understand terms. [PARAGRAPHS]
3. Come up with a summary that is exactly [NUMBER OF WORDS] words: [PARAPGRAPHS]
4. Reduce the following to [NUMBER OF WORDS] words: [PARAPGRAPHS]
5. Shorten to [NUMBER OF CHARACTERS] characters: [PARAPGRAPHS]
6. Give me a bullet point summary for [PARAPGRAPHS]
7. Extract the important key points of this: [PARAPGRAPHS]
8. Summarize the text by extracting the most important information in the form of bullet points [PARAGRAPHS]
9. Explain this again but simpler: [PARAGRAPHS]
10. Explain this research to a 12 year old: [PARAGRAPHS]
11. Identify the key findings and implications of this: [PARAGRAPHS]
12. Remove the throat-clearing sentence from this paragraph: [PARAGRAPH]
13. Frontload the argument in the following paragraph: [PARAGRAPH]
14. Explain [TOPIC] as an analogy
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
1. Summarize the following content: [PARAPGRAPHS]
2. Summarize the text in simpler and easier-to-understand terms. [PARAGRAPHS]
3. Come up with a summary that is exactly [NUMBER OF WORDS] words: [PARAPGRAPHS]
4. Reduce the following to [NUMBER OF WORDS] words: [PARAPGRAPHS]
5. Shorten to [NUMBER OF CHARACTERS] characters: [PARAPGRAPHS]
6. Give me a bullet point summary for [PARAPGRAPHS]
7. Extract the important key points of this: [PARAPGRAPHS]
8. Summarize the text by extracting the most important information in the form of bullet points [PARAGRAPHS]
9. Explain this again but simpler: [PARAGRAPHS]
10. Explain this research to a 12 year old: [PARAGRAPHS]
11. Identify the key findings and implications of this: [PARAGRAPHS]
12. Remove the throat-clearing sentence from this paragraph: [PARAGRAPH]
13. Frontload the argument in the following paragraph: [PARAGRAPH]
14. Explain [TOPIC] as an analogy
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
ایلانماسک: تمام سیستمهای حملونقل تا ۵۰ سال آینده کاملاً خودران میشوند
🔹ایلان ماسک در آستانه رونمایی از نمونه اولیه روبوتاکسی با نام Cybercab، با انتشار پستی در ایکس مدعی شد که تا ۵۰ سال آینده، تمام سیستمهای حملونقل بهطور کامل خودران میشوند.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔹ایلان ماسک در آستانه رونمایی از نمونه اولیه روبوتاکسی با نام Cybercab، با انتشار پستی در ایکس مدعی شد که تا ۵۰ سال آینده، تمام سیستمهای حملونقل بهطور کامل خودران میشوند.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔴ایلان ماسک از Cybercab تسلا رونمایی کرد؛ انقلاب در خودروسازی با حذف فرمان و پدال
▪️تسلا در جریان رویداد «We, Robot» از روبوتاکسی جدید خود با نام Cybercab رونمایی کرد. این خودرو با طراحی مشابه نسخه کوچکتر و شیکتر سایبرتراک، دارای دو صندلی است.
▪️ایلان ماسک با یک Cybercab بدون فرمان و پدال به روی صحنه آمد و اعلام کرد که «20 دستگاه دیگر» از این خودرو وجود دارد. او به مشتریان تسلا اطلاع داد که غول خودروسازی انتظار دارد Cybercab را با قیمتی زیر 30 هزار دلار بفروشد.
▪️ماسک همچنین گفت که در حال حاضر ۲۰ نسخه از این روبوتاکسی ساخته شده و تسلا قصد دارد تولید Cybercab را از سال ۲۰۲۶ آغاز کند. با این حال، او هشدار داد که تولید ممکن است تا سال ۲۰۲۷ به تعویق بیفتد.| دیجیاتو
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
▪️تسلا در جریان رویداد «We, Robot» از روبوتاکسی جدید خود با نام Cybercab رونمایی کرد. این خودرو با طراحی مشابه نسخه کوچکتر و شیکتر سایبرتراک، دارای دو صندلی است.
▪️ایلان ماسک با یک Cybercab بدون فرمان و پدال به روی صحنه آمد و اعلام کرد که «20 دستگاه دیگر» از این خودرو وجود دارد. او به مشتریان تسلا اطلاع داد که غول خودروسازی انتظار دارد Cybercab را با قیمتی زیر 30 هزار دلار بفروشد.
▪️ماسک همچنین گفت که در حال حاضر ۲۰ نسخه از این روبوتاکسی ساخته شده و تسلا قصد دارد تولید Cybercab را از سال ۲۰۲۶ آغاز کند. با این حال، او هشدار داد که تولید ممکن است تا سال ۲۰۲۷ به تعویق بیفتد.| دیجیاتو
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
باشگاه فناوران اطلاعات مکانی
Photo
دمیس هاسابیس برنده جایزه نوبل شد
🔹دمیس هاسابیس دانشمند کامپیوتر و محقق هوش مصنوعی و مدیرعامل اجرایی Google DeepMind که یکی از شطرنجبازان خوب جهان بود، به خاطر پژوهش و یافته هایش درباره ساختار پروتئین، برنده جایزه نوبل شیمی شد.
🔹او در ۱۳ سالگی به مقام استادبزرگی شطرنج جهان رسید و کاپیتانی تیم نوجوانان انگلستان را در رویدادهای مختلف برعهده داشت.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔹دمیس هاسابیس دانشمند کامپیوتر و محقق هوش مصنوعی و مدیرعامل اجرایی Google DeepMind که یکی از شطرنجبازان خوب جهان بود، به خاطر پژوهش و یافته هایش درباره ساختار پروتئین، برنده جایزه نوبل شیمی شد.
🔹او در ۱۳ سالگی به مقام استادبزرگی شطرنج جهان رسید و کاپیتانی تیم نوجوانان انگلستان را در رویدادهای مختلف برعهده داشت.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
📌جذب نخبگان و دانش آموختگان بومی ممتاز دانشگاههای برتر در شرکت توزیع نیروی برق استان تهران
رشتههای مورد نیاز:
کارشناس مالی/ اداری/ فناوری اطلاعات/ حقوقی/برق/ GIS/بازار برق و کارشناس ایمنی مدیریت بحران و بهداشت حرفه ای توزیع برق
🖋مدارک مورد نیاز:
• داشتن شرایط عمومی استخدام
• تصاویر کارت ملی، تمام صفحات شناسنامه، مدرک تحصیلی و کارت پایان خدمت(برای برادران)
• مدرک موید بومی بودن
• گواهی رتبه متناسب با سطح بندی دانشگاه
🌐واجدین شرایط میتوانند جهت کسب اطلاعات بیشتر به سامانه نخبگان شرکت توزیع برق استان تهران مراجعه و نسبت به ثبتنام تا تاریخ ۱۴۰۳/۷/۳۰ اقدام نمایند.
https://nokhbegan.tvedc.ir
#جذب_نخبگان
#شرکت_توزیع_تهران
#نخبگان
رشتههای مورد نیاز:
کارشناس مالی/ اداری/ فناوری اطلاعات/ حقوقی/برق/ GIS/بازار برق و کارشناس ایمنی مدیریت بحران و بهداشت حرفه ای توزیع برق
🖋مدارک مورد نیاز:
• داشتن شرایط عمومی استخدام
• تصاویر کارت ملی، تمام صفحات شناسنامه، مدرک تحصیلی و کارت پایان خدمت(برای برادران)
• مدرک موید بومی بودن
• گواهی رتبه متناسب با سطح بندی دانشگاه
🌐واجدین شرایط میتوانند جهت کسب اطلاعات بیشتر به سامانه نخبگان شرکت توزیع برق استان تهران مراجعه و نسبت به ثبتنام تا تاریخ ۱۴۰۳/۷/۳۰ اقدام نمایند.
https://nokhbegan.tvedc.ir
#جذب_نخبگان
#شرکت_توزیع_تهران
#نخبگان
لبه ی تکنولوژی داریم تا لبه ی تکنولوژی...شاهکار این روز های دنیای فناوری و مهندسی ...مهار بوستر ۷۱متری و ۲۷۰ تنی و فرود موفق سوپر هوی در هوا.
طول استار شیپ و بوستر سوپر هوی جمعا ۱۲۱ متر میشه. اسپیس ایکس در ازمایش دیروز بوستر ۷۱ متری که معادل یک ساختمان ۲۳ طبقه هست ( استوانه به قطر ۹ متر و طول ۷۱ متر و وزن ۲۷۰ تن ) را با موفقیت کنترل کرد و در جایگاه فرود آورد.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
طول استار شیپ و بوستر سوپر هوی جمعا ۱۲۱ متر میشه. اسپیس ایکس در ازمایش دیروز بوستر ۷۱ متری که معادل یک ساختمان ۲۳ طبقه هست ( استوانه به قطر ۹ متر و طول ۷۱ متر و وزن ۲۷۰ تن ) را با موفقیت کنترل کرد و در جایگاه فرود آورد.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی