‌
این روزها، زمان برگزاری مصاحبه‌های حضوری برای جذب دانشجویان دکتری است. تعدادی از دانشجویان و دوستان پرسش‌هایی را در این خصوص داشتند.

سعی کردم طی یک آموزش کوتاه صوتی و رایگان، که هم اکنون روی فرادرس منتشر شده است، به این پرسش‌ها پاسخ بدهم و نکاتی را که برای موفقیت در مصاحبه دکتری لازم هستند، تجمیع کنم.

برای دسترسی به این آموزش، به لینک زیر مراجعه کنید:

✅ آموزش راهنمای آمادگی برای مصاحبه دکتری [+]


🔗 همین مطلب در سایر شبکه‌های اجتماعی:

توئیتر (اکس) | لینکدین

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌در آستانه شروع سال تحصیلی جدید، خوشحالم که در سومین گام از «طرح یادگیری و امید فرادرس»، فرصتی فراهم شده تا شما بتوانید یکی از دوره‌های آموزشی من را در فرادرس به صورت کاملا رایگان دریافت کنید.

این طرح با هدف گسترش دسترسی به آموزش‌های باکیفیت و فراهم کردن فرصت‌های یادگیری بیشتر برای دانشجویان و کاربران گرامی اجرا شده است.

موضوعات آموزش‌های من در فرادرس حوزه‌های متنوعی را پوشش می‌دهند، از جمله:

• برنامه‌نویسی در زبان‌های مختلف (MATLAB، Python، C، Java و …)
• هوش مصنوعی، یادگیری ماشین و شبکه‌های عصبی
• محاسبات تکاملی و الگوریتم‌های بهینه‌سازی
• آموزش‌های دانشگاهی و پایه‌ای برای دانشجویان
• مهارت‌های کاربردی موردنیاز بازار کار

✅ برای مشاهده جزئیات و دریافت تخفیف ۱۰۰ درصدی وارد لینک زیر شوید.
‏👇👇👇

🔗 طرح امید و آموزش فرادرس — گام سوم [+]


⭐️ برای مشاهده همه آموزش‌های من در فرادرس و انتخاب آموزش دلخواه‌تان، می‌توانید به لینک زیر مراجعه کنید.
‏👇👇👇

🔗 همه آموزش‌های من در فرادرس [+]


⏳ مهلت استفاده: فقط تا پایان دوشنبه ۱۷ شهریور ۱۴۰۴

لطفا با معرفی این طرح به دوستان و آشنایان خود، فرصت استفاده از این طرح و آموزش‌های ارائه شده در آن را، برای آن‌ها نیز فراهم کنید.

ـــــــــــــــــــــــــــــــــ

🔗 همین مطلب در سایر شبکه‌های اجتماعی:

لینکدین | توئیتر | اینستاگرام | فیس‌بوک

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌
به من بگو چرا؟ 💡

وقتی از هوش مصنوعی چیزی می‌پرسم، همیشه ازش می‌خوام که قبل از جواب نهایی، دلیل منطقی و استدلال خودش رو هم بگه.

این کار دو نتیجه مهم داره:

یک. این اجبار به بیان منطق و استدلال، باعث بهتر شدن کیفیت جواب میشه.

دو. استفاده از هوش مصنوعی رو به یک تجربه آموزشی بی‌نظیر تبدیل می‌کنه.

ـــــــــــــــــــــــــــــــــ

🔗 همین مطلب در سایر شبکه‌های اجتماعی:

لینکدین | توئیتر | اینستاگرام

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

سلام دوستان. امیدوارم خوب و خوش باشین.

اسلایدهای درس بینایی ماشین (Machine Vision) رو که الان دارم تدریس می‌کنم، توی لینکدین به اشتراک گذاشته‌م. اگر دوست داشتین و به دردتون می‌خوره، می‌تونین از لینک‌هایی که در ادامه همین پست هستند، دریافت‌شون بکنین.

Lecture 1: Introduction to Machine Vision [+]

Lecture 2: Intensity and Contrast Fundamentals [+]

Lecture 3: Spatial Filtering and Convolution [+]

درس‌های بعدی رو هم بعد از انتشار، توی لینکدین به اشتراک می‌گذارم. امیدوارم براتون مفید واقع بشه.

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌
نرم‌افزارهای سنتی اجرا می‌شوند، اما محصولات هوش مصنوعی «رفتار» می‌کنند.

در عصر هوش مصنوعی، مسئله فقط ساختن مدل دقیق‌تر نیست، بلکه تصمیم‌گیری در شرایط عدم قطعیت، رانش داده، هزینه خطا و مسئولیت انسانی است.

به همین دلیل، «مدیریت محصول هوش مصنوعی» (AI Product Management) به یک مهارت ضروری تبدیل شده است؛ جایی که تمرکز از ویژگی‌ها به نتیجه واقعی محصول منتقل می‌شود.

به‌تازگی یک آموزش کاملا رایگان با عنوان
«مقدمه‌ای بر مدیریت محصول هوش مصنوعی»
در فرادرس منتشر کرده‌ام که به‌صورت فشرده و کاربردی به موضوعاتی مانند موارد زیر می‌پردازد:

🔹 چه زمانی از AI استفاده کنیم و چه زمانی نه
🔹 موازنه بین دقت، توضیح‌پذیری و ریسک
🔹 معیارها، هزینه خطا و تصمیم‌گیری
🔹 اخلاق و نظارت انسانی در محصولات AI

🔗 لینک آموزش [+] — کلیک کنید.

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris
‌
‌

‌
مدل‌های زبانی جواب می‌دهند، اما کیفیت جوابشان بیشتر از هر چیز به زمینه یا Context بستگی دارد.

در تجربه من، در بسیاری از پروژه‌های مبتنی بر LLM مشکل اصلی مدل نیست. مشکل این است که کانتکست درست طراحی نشده است. وقتی زمینه نامنظم یا ناقص باشد، خروجی ناپایدار می‌شود، هزینه توکن بالا می‌رود و احتمال توهم بیشتر می‌شود.

به تازگی یک آموزش رایگان با عنوان مهندسی زمینه یا مهندسی کانتکست (Context Engineering) در فرادرس منتشر کرده‌ام که در آن تلاش کرده‌ام این موضوع را به صورت ساده، فشرده و کاربردی توضیح بدهم.

برخی مطالب مطرح شده:

🔸 تفاوت Prompt Engineering و طراحی سیستمی زمینه
🔸 محدودیت‌های Context Window و Attention
🔸 کاهش نویز و مدیریت هزینه
🔸 معماری Context Stack و Context Flow
🔸 معماری RAG و ارزیابی کیفیت زمینه

مدت آموزش حدود یک ساعت است، کاملا رایگان ارائه شده و همراه با گواهینامه معتبر می‌باشد که می‌توانید در رزومه یا پروفایل حرفه‌ای خود استفاده کنید.

🔗 لینک آموزش [+] — کلیک کنید.

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌🎓 آموزش رایگان معیارهای دقت و ارزیابی مدل‌های یادگیری ماشین منتشر شد.

در پروژه‌های یادگیری ماشین، ساختن مدل فقط نیمی از مسیر است. بخش مهم‌تر این است که بدانیم مدل واقعاً چقدر خوب عمل می‌کند، چه خطاهایی دارد و آیا می‌توان به نتایج آن اعتماد کرد یا نه.

در این آموزش رایگان، مهم‌ترین مفاهیم ارزیابی مدل‌های دسته‌بندی را به‌صورت مفهومی، تصویری و کاربردی بررسی کرده‌ام، از جمله:

🔹 ماتریس درهم‌ریختگی یا Confusion Matrix
🔹 شاخص‌های Accuracy، Precision، Recall و F1 Score
🔹 داده‌های نامتوازن
🔹 منحنی ROC و معیار AUC
🔹 انتخاب معیار مناسب بر اساس هزینه خطاها

یکی از ویژگی‌های مهم این دوره، استفاده از ابزارها و شبیه‌سازهای تعاملی است. با تغییر آستانه تصمیم‌گیری می‌توانید اثر آن را بر معیارهای مختلف مشاهده کنید و مفاهیم را به‌صورت عملی تجربه کنید.

همراه این آموزش، امکانات دیگری نیز در دسترس است:

✅ حدود ۴۵ دقیقه آموزش ویدئویی
✅ ابزارهای تعاملی و محتوای تکمیلی
✅ فلش‌کارت برای مرور سریع مطالب
✅ ۱۵ سؤال سنجش یادگیری
✅ آزمون و امکان دریافت گواهینامه دوزبانه
✅ واژه‌نامه تخصصی
✅ بخش پرسش و پاسخ
✅ معرفی مشاغل مرتبط

این آموزش هم برای دانشجویان و پژوهشگران مفید است و هم برای برنامه‌نویسان و متخصصانی که می‌خواهند مدل‌های یادگیری ماشین را در محیط‌های صنعتی و محصولات واقعی پیاده‌سازی کنند.

🔗 لینک آموزش رایگان [+]

🔗 مشاهده سایر آموزش‌های من در فرادرس [+]

🌟 همچنین با تهیه اشتراک فرادرس می‌توانید با هزینه‌ای مناسب به همه آموزش‌های فرادرس دسترسی کامل داشته باشید. برای دریافت اطلاعات بیشتر، می‌توانید به این لینک [+] مراجعه کنید.

امیدوارم این آموزش برای شما مفید باشد. خوشحال می‌شوم آن را با دوستان و همکارانی که به هوش مصنوعی، علم داده و یادگیری ماشین علاقه‌مند هستند به اشتراک بگذارید. 🌱

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

‌
اخیرا در فرادرس امکان تهیه اشتراک برای دسترسی نامحدود به تمام آموزش‌ها فراهم شده است.

با این اشتراک، می‌توانید به همه آموزش‌های فرادرس (بیش از ۱۸,۰۰۰ آموزش تخصصی و مهارتی) به صورت نامحدود دسترسی داشته باشید. لازم به ذکر است که با تلاش همکاران و جامعه مدرسین فرادرس، ماهانه حداقل ۳۰۰ عنوان آموزش جدید نیز به فرادرس افزوده می‌شود.

برای مخاطبان کانال، یک کد تخفیف اختصاصی نیز در نظر گرفته شده است:

🎁 کد تخفیف: KALAMI53

⏳ مهلت استفاده: پایان روز جمعه، ۵ تیر

با استفاده از این کد، می‌توانید اشتراک سالانه فرادرس را با ۵۰۰,۰۰۰ تومان تخفیف بیشتر و صرفا با پرداخت مبلغ ۱,۴۸۰,۰۰۰ تومان فعال کنید. برای فعال‌سازی اشتراک و کسب اطلاعات بیشتر، می‌توانید وارد لینک زیر بشوید:

🔗 فعال‌سازی اشتراک فرادرس – کلیک کنید

امیدوارم این امکان بتواند برای همه افرادی که مشتاق یادگیری و توسعه مهارت‌های خودشان هستند، مفید باشد.

اگر دوستان یا همکارانی دارید که به یادگیری علاقه‌مند هستند، خوشحال می‌شوم این فرصت را به ایشان هم معرفی کنید.

ـــــــــــــــــــــــــــــــــ
مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: @KalamiHeris
‌

‌
کلمات برای انسان معنا دارند، اما برای کامپیوتر، معنا باید به بردارهای عددی تبدیل شود.

امبدینگ (Embedding) یکی از مفاهیم بنیادی هوش مصنوعی است که امکان مدل‌سازی شباهت معنایی را فراهم می‌کند و زیرساخت بسیاری از فناوری‌های امروزی، از موتورهای جستجو و سیستم‌های پیشنهاددهنده گرفته تا پایگاه‌های داده برداری و معماری‌های RAG، بر پایه آن شکل گرفته است.

به‌تازگی آموزش «امبدینگ (Embedding) و کاربردهای آن در سیستم‌های هوشمند» را در فرادرس منتشر کرده‌ام که در آن تلاش کرده‌ام این مفهوم را به‌صورت ساده، مفهومی و کاربردی توضیح بدهم.

برخی از موضوعات مطرح‌شده در این آموزش:

🔹 امبدینگ چیست و چه مسئله‌ای را حل می‌کند؟
🔹 تفاوت جستجوی مبتنی بر کلمات کلیدی و جستجوی معنایی
🔹 محدودیت‌های One-Hot Encoding و Bag of Words
🔹 پایگاه‌های داده برداری و جستجوی مبتنی بر شباهت
🔹 نقش امبدینگ در معماری RAG و مدل‌های زبانی بزرگ


🔗 لینک آموزش [+] — کلیک کنید

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: @KalamiHeris
‌‌

‌
هوش مصنوعی هر روز توانمندتر می‌شود اما استفاده مؤثر از آن نیازمند درک درست مفاهیم، محدودیت‌ها و شیوه تعامل با آن است.

به همین دلیل، مجموعه‌ای از آموزش‌های کاربردی و رایگان درباره مفاهیم و مهارت‌های استفاده از هوش مصنوعی را در فرادرس منتشر کرده‌ام.

🔹 هوش مصنوعی؛ همراه انسان، نه جایگزین انسان
نقش انسان در عصر هوش مصنوعی

🔗 مشاهده آموزش [+]


🔹 چگونه پاسخ‌های بهتری از هوش مصنوعی بگیریم؟
اصول پرامپت‌نویسی

🔗 مشاهده آموزش [+]


🔹 هوش مصنوعی؛ ابزاری برای یادگیری، نه فقط انجام کارها
یادگیری مؤثر با AI

🔗 مشاهده آموزش [+]


🔹 آیا هوش مصنوعی واقعاً خلاق است؟
خلاقیت، مدل و داده

🔗 مشاهده آموزش [+]


🔹 چگونگی بهبود کیفیت پاسخ‌های هوش مصنوعی
ارزیابی و بهبود پاسخ‌ها

🔗 مشاهده آموزش [+]


🔹 چرا بسیاری از پروژه‌های هوش مصنوعی موفق نمی‌شوند؟
پیش‌نیازهای موفقیت پروژه‌ها

🔗 مشاهده آموزش [+]


امیدوارم این مجموعه برای شما مفید باشد. خوشحال می‌شوم آن را با علاقه‌مندان به هوش مصنوعی به اشتراک بگذارید. 🌱

‏___________________________

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: @KalamiHeris
‌

‌در این پیام صوتی درباره انتخاب رشته و ابزار رایگان «مسیر» صحبت کرده‌ام. ابزاری که کمک می‌کند رشته‌محل‌ها را بر اساس علایق، اولویت‌ها و شرایط شخصی خود مرتب کنید.

لینک‌های اشاره‌شده در پیام:

💻 سایت اصلی «مسیر»

کلیک کنید: masir.faradars.org

📚 معرفی رشته‌های دانشگاهی (ویدئویی) [+]

📚 مطالب راهنمای انتخاب رشته [+]

📚 آشنایی با دانشگاه‌های کشور [+]

📚 آشنایی با رشته‌های دانشگاهی (متنی) [+]

📢 کانال تلگرام مسیر: ‎@MasirGuide

امیدوارم مفید باشد. لطفاً آن را برای داوطلبان و خانواده‌هایی که ممکن است به این منابع نیاز داشته باشند نیز ارسال کنید.

‏___________________________

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: @KalamiHeris

‌

📢 اطلاعات سال ۱۴۰۵ در سایت انتخاب رشته رایگان «مسیر» به‌روز شد

با انتشار دفترچه انتخاب رشته سال ۱۴۰۵، اطلاعات سایت «مسیر» نیز بر اساس دفترچه جدید به‌روزرسانی شده است.

قبلا در این پیام صوتی [+] به صورت تقریبا مفصل در مورد انتخاب رشته و پروژه رایگان مسیر توضیح داده‌ام.

همچنین لیست‌های انتخاب رشته کاربران نیز به‌صورت خودکار با داده‌های ۱۴۰۵ به‌روز شده‌اند و می‌توانید با ورود به حساب کاربری خود، لیست جدیدتان را مشاهده کنید.

⭐️ علاوه بر امکان انتخاب رشته برای دانشگاه‌های سراسری و آزاد، این امکان را دارید که آمار انتخاب رشته همه کاربران مسیر را هم به صورت تجمیعی ببینید و از رشته‌های پرطرفدار و روندهای جاری در انتخاب رشته آگاه شوید.

امیدوارم نرم‌افزار رایگان انتخاب رشته «مسیر» بتواند در فرآیند انتخاب رشته و تصمیم‌گیری بهتر، برای همه داوطلبان کنکور و خانواده‌ها مفید باشد.

💻 سایت مسیر: masir.faradars.org

📢 کانال تلگرام مسیر: ‎@MasirGuide

✅ اگر فکر می‌کنید این اطلاعات می‌تواند برای داوطلبان دیگری هم مفید باشد، لطفا این پیام را برایشان ارسال کنید.

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

‌

هوش مصنوعی گاهی به‌جای نوشتن یک پاسخ طولانی، فقط باید انتخاب کند، امتیاز بدهد یا احتمال درستی یک گزاره را برآورد کند.

به‌تازگی آموزش «مدل تصمیم جِو (Jev) و کاربردهای آن» را در فرادرس منتشر کرده‌ام که مشاهده آن کاملا رایگان است.

برخی از موضوعات مطرح‌شده:

🔹 مدل‌های تصمیم و تفاوت آن‌ها با مدل‌های زبانی
🔹 انتخاب گزینه، امتیازدهی و پاسخ احتمالی با Choice، Score و Noul
🔹 تفسیر احتمال و میزان اطمینان
🔹 ارجاع موارد مبهم به انسان یا مدل دیگر
🔹 سرعت، هزینه و محدودیت‌های جِو

ویدیوی همراه، معرفی کوتاهی از آموزش است. برای مشاهده نسخه کامل، می‌توانید از لینک زیر استفاده کنید:

🔗 faradars.org/fvsai501

امیدوارم این آموزش برای شما مفید باشد. خوشحال می‌شوم آن را به دوستان و همکاران علاقه‌مندتان هم معرفی کنید.

ـــــــــــــــــــــــــــــــــ

مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: @KalamiHeris

‌

اگه تسک استخدامی شما رو چت جی‌پی‌تی می‌تونه بهتر از کاندیدا انجام بده، مشکل از کاندیدا نیست، داداش داری اشتباه می‌زنی! اگه کل کار رو هوش مصنوعی می‌تونه بی‌نقص انجام بده، اصلاً چرا دارید آدم استخدام می‌کنید؟ برید همون اکانت پلاس و مکس رو بگیرید و منابع شرکت رو هدر ندید.

ما انسان‌ها رو برای ویژگی‌های انسانی‌شون استخدام می‌کنیم، برای خلاقیت، حل مسئله و رفتاری فراتر از یه ربات. ولی الان خیلی از فرآیندهای مصاحبه دقیقاً دارن از کسی که قراره از درخت بالا بره امتحان شنا می‌گیرن! یه چیز کاملاً بی‌ربط به فضای واقعی کار.

نتیجه این فرآیند چی می‌شه؟ شما نیروی خوب استخدام نمی‌کنید، شما آدم‌هایی رو جذب می‌کنید که فقط «مصاحبه کردن» و پاس کردن تست‌های فیک رو خوب بلدن ولی تو محیط کار واقعی هیچ خروجی مفیدی ندارن و نیروی خوبی هم نیستن.

استخدام هم دقیقاً مثل طراحی آموزشی نیاز به «هم‌سویی سازنده» یا Constructive Alignment داره. شما کارت چیه؟ همون رو تو مصاحبه بسنج. اگه جواب یه سوال قرار نیست تاثیری تو عملکرد اون آدم داشته باشه، اصلاً چرا می‌پرسیش؟ وقت خودتون و مردم رو تلف نکنید.

مصطفی کلامی هریس
کانال رسمی: @KalamiHeris
‌