بهراد ایکس

نوشته‌های یک دانشجوی کنجکاو

نوشته‌های یک دانشجوی کنجکاو

بهراد ایکس

اگر می‌خواستم برای خودم بنویسم، استفاده از نرم‌افزاری مثل notepad برای این کار کافی بود، نیازی به اینترنت و این‌ها هم نبود، قضاوتی هم نبود ولی اثری هم نبود. برای اثر‌گذاری می‌نویسم...

اطلاعات بیشتر در بخشِ "بیوگرافی".

درضمن خوشحال می‌شوم که از این جعبه ی پایینی هم استفاده کنید.

آخرین نظرات

۱۰ مطلب با موضوع «یادگیری» ثبت شده است

آیا هوش مصنوعی باعث نابودی بشر خواهد شد؟

جمعه, ۲۵ آبان ۱۳۹۷، ۱۲:۴۳ ب.ظ


عکس Best Friends از Andy Kelly - ژاپن
سوال بزرگیست، به اندازه‌ای بزرگ که باعث به وجود آمدن قطبیدگی هم در حوزه‌ی صنعت و هم در حوزه‌ی آکادمیک شده است. یک قطب بر این عقیده‌است که هوش مصنوعی هر چه باشد، به هر حال تحت کنترل انسان‌ها خواهد بود و قطب دیگر هم معتقد است هوش مصنوعی باعث و بانی جنگ جهانی سوم و انتقراض بشریت خواهد بود. اما به راستی چه عاملی باعث به وجود آمدن این قطبیدگی شده است؟
(برای مشاهده‌ی برخی از محتوای این صفحه باید به اینترنت آزاد متصل باشید.)

اما قبل از این که وارد خود بحث بشویم، نیاز به دانستن اندکی پیش‌زمینه داریم.

پیش ‌در‌آمدی بر هوش مصنوعی

از لحظه‌ای که آلن تیورینگ رویای ماشین محاسبه‌گر را به واقعیت تبدیل کرد، بحث‌های بسیاری درباره‌ی هوش مصنوعی شکل گرفت. به صورت خلاصه، هوش مصنوعی یعنی یافتن روشی که بتوان مفاهیمی که توسط انسان آموخته می‌شوند را به ماشین یاد دهیم و ماشین (همانند انسان) قدرت تصمیم‌گیری داشته باشد. (بخوانید: آزمون تیورینگ)
یادگیری ماشینی به سه بخش تقسیم شده.
  • یادگیری نظارتی، یا این که شما خود داده و عنوان داده را دارید و ماشین می‌تواند نظم موجود بین داده‌ها و نوع و عنوان آنها را کشف کند. (برای مثال، تعیین قیمت ملک بر اساس موقعیت مکانی)
  • یادگیری غیرنظارتی، یا پیدا کردن نظم موجود بین چند داده‌ی بدون عنوان و مرتب کردن آنها بر اساس شباهت‌ها. (برای مثال، سیستم توصیه‌گر بخش explore در اینستاگرام)
  • یادگیری‌ نیمه‌نظارتی، یا ترکیبی از دو روش بالا. بدین معنا که شما عنوان بعضی از داده‌ها را دارید و بعضی داده‌ها را خیر.
چیزی که واضح است، این است که زیربنا برای ساختن چنین ماشینی، داده و تحلیل آماری، یا به عبارت خلاصه «داده‌کاوی» است و در طی نیم قرن گذشته، روش‌های بسیاری برای این کار ابداع شده‌اند؛ از درخت تصمیم و رگرسیون خطی تا شبکه‌های عصبی کانولوشنی.
عکس از جنگ‌های صلیبی: آیا تاکنون از خود پرسیده‌اید که ریچارد‌ِ شیردل چگونه قلعه‌ی خود را مدیریت می‌کرد؟! (ببینید: مد‌های بهبود‌دهنده‌ی هوش مصنوعی بازی جنگ‌های صلیبی)

توانِ هوش مصنوعی

(بر اساس کتاب Superintelligence) هوش مصنوعی به لحاظ قدرت تصمیم‌گیری و توان به سه دسته (با به تعبیر بهتر، دوره) تقسیم می‌شود. دوره‌ی اول (که هم‌اکنون در این دوره قرار داریم) AI نام دارد، دوره‌ای که در آن تلاش می‌کنیم تا با مسائلی که در اطراف خود می‌بینیم، همانند مسائل بهینه‌سازی برخورد کنیم و با روش‌های ریاضی برای آنها راه‌حل پیدا کنیم. نقطه‌ی قوت کامپیوتر نسبت به ما انسان‌ها در سرعت پردازش داده‌هاست و ما هم تلاش می‌کنیم تا از این نقطه‌ی قوت برای توسعه‌ی الگوریتم‌های یادگیری ماشین استفاده کنیم. اشتباه‌ نکنید، هر الگوریتمی که برای یادگیری ماشین نوشته‌ می‌شود از جنس توابع ریاضی‌ست و هیچ اتفاق عجیب و غریبی در آن نمی‌افتد! تنها مقادیر عظیمی از محاسبات توسط رایانه صورت می‌گیرد. ما در این دوره قادر هستیم با استفاده از همین الگوریتم‌ها انسان را (خودمان را!) در بسیاری از مسائل و مشکلات شکست دهیم.
دوره‌ی دوم، دوره‌ی هوشِ عمومیِ مصنوعی (Artificial General Intelligence یا به صورت مخفف، AGI) نام دارد. در این دوره یک ماشین هوشمند قادر خواهد بود هر کار فکری که انسان قادر به انجام آن هست را انجام دهد و به عبارت بهتر، هوش ماشین هم ارز هوش انسان خواهد بود. تست‌های مختلفی برای این کار تعریف شده (مانند آزمون تیورینگ) و ما موقعی به نقطه‌ی هوش عمومی می‌رسیم که این تست‌ها را با موفقیت پشت سر بگذاریم ولی جالب است بدانید که ما حداقل 2 دهه تا این نقطه فاصله داریم. مشکلات پیش روی ما زیاداند (و در ادامه هم به این موضوع پرداخته شده) اما چیزی که ما را نگران می‌کند این دوره نیست، بلکه دوره‌ی سوم است.
دوره‌ی سوم، دوره‌ای فرضیه‌ایست تحت عنوان فراهوش (Superintelligence) که در آن هوش ماشین از هوش انسان پیشی می‌گیرد، بنابراین ماشین می‌تواند بدون نیاز به انسان خود را بهبود دهد و ما با پدیده‌ای تحت عنوان انفجار هوش مواجه خواهیم شد. این نظریه توسط نیک باستروم (Nick Bostrom)، استاد دانشگاه آکسفورد ارائه شده و این نظریه را در کتابش تحت عنوان Superintelligence نقد و تحلیل کرده است. او معتقد است که ضعف انسان در مدیریت تکینگی فناوری، باعث انقراض نسل بشر خواهد شد. چه از روی قصد و چه از روی سهو! برای مثال ممکن است ما از یک ماشین فراهوشمند بخواهیم تا گرسنگی را در جهان برطرف کند، در یک سناریو ماشین می‌تواند با کشتن انسان‌های گرسنه، گرسنگی را خاتمه دهد!
اگر برای شما فکر کردن به چیزی به چنین پدیده‌ای دیوانه‌وار به نظر می‌رسد، به خاطر آورید که جان فون نیومن و برتراند راسل از حمله‌ی اتمی آمریکا به شوروی (برای جلوگیری از دستیابی شوروی به سلاح هسته‌ای) حمایت کردند! یا به حمله‌ی اتمی آمریکا به هیروشیما و ناکازاکی فکر کنید. برای چنین مواردی، مصلحت اندیشی انسان به نفع «همه‌»ی بشریت تمام نشده! پس این اتفاق می‌تواند توسط ماشین هم بیفتد...
اگر شما هم (مثل من) خوره‌ی فیلم‌های علمی-تخیلی (Sci-fi) باشید، حتمن دستیار HAL 9000 در فیلم 2001: A Space Odyssey را به خاطر دارید. ایده‌ی هوش مصنوعیِ عمومی باعث ایجاد جرقه‌ی طراحی دستیار HAL 9000 توسط استنلی کوبریک و آرتور کلارک شد.
I'm sorry Dave, I'm afraid I can't do that...


خطرات هوش مصنوعی

هوش مصنوعی به طور عمده در دو بخش می‌تواند ما را به خطر بیندازد:
  • مورد اول: برای مواقعی که از هوش مصنوعی برای انجام مأموریت‌های مخرب استفاده می‌شود. سلاح‌های خودکار که برای کشتار انسان‌ها برنامه‌نویسی می‌شوند. چنین سلاح‌هایی به سادگی فشردن یک دکمه غیرفعال نخواهند شد، چرا که کشور‌ها و شرکت‌های سازنده‌ی چنین سلاح‌هایی نمی‌خواهند سلاح‌ها به سادگی غیرفعال شوند. یا برای درک بهتر ماشینی را فرض کنید که از داده‌های خود برای تولید اخبار جعلی استفاده می‌کند. (اگر به تاثیر اخبار فیک بر جامعه اعتقاد ندارید، حتمن پادکست پساحقیقت از استرینگ‌کست را گوش کنید تا ببینید اخبار فیک چگونه می‌تواند باعث رئیس‌جمهور شدن دونالد ترامپ شود!)
  • مورد دوم: هوش مصنوعی مأمور به انجام کاری مفید می‌شود ولی برای انجام دادن این کار مفید، کاری مخرب انجام می‌دهد. مثال خاتمه‌ی گرسنگی در بالا نمونه‌ای از این موارد است. آیا ما و ماشین‌ها به درک مشترک می‌رسیم؟!
هشدار‌های هاوکینگ، ماسک و گیتس هم بیشتر در این حوزه‌ها هستند. این خطرات ما را با این پرسش روبرو می‌سازد که آیا ما قادر به کنترل هوش مصنوعی خواهیم بود؟ ما هنوز جواب روشنی برای این پرسش‌ نداریم. برای درک بهتر این پاسخ، باید ابتدا موانع ما در راه رسیدن به تکینگی را بشناسیم.

موانع، در سر راه هوش مصنوعی عمومی (تکینگی)

مانع اول: الگوریتمِ جامعِ یادگیری

پدرو دومینگوز (Pedro Domingos) در کتاب The Master Algorithm این باور را شرح می‌دهد که در راه رسیدن به تکینگی، ابتدا باید الگوریتمی را کشف کنیم که بدون نظارت انسان قادر به یادگیری باشد. او در کتابش شکل پایین را آورده و در توضیحش می‌نویسد که این اَبَرالگوریتم باید بتواند همه‌ی شاخه‌های هوش مصنوعی را به هم ربط دهد.

آیا رسیدن به چنین الگوریتمی ممکن است؟ ما باز هم پاسخ روشنی به این پرسش‌ نداریم.

مانع دوم: توان پردازش داده‌ها

دستگاه هوشمند باید بتواند ترابایت‌ها داده‌ را پردازش کند. پردازش این حجم از داده (با سخت‌افزار‌های فعلی) ممکن است سال‌ها (و یا حتی قرن‌ها) طول بکشد، چرا که الگوریتم‌های یادگیریِ فعلی آنقدرها هم که فکرش را می‌کنید بهینه نیستند. از طرف دیگر ما هنوز الگوریتم جامع را کشف نکرده‌ایم ولی می‌توان گفت که آن الگوریتم‌ هم آنقدر‌ها که فکرش را می‌کنیم بهینه نخواهد بود! پس در نتیجه ابزار‌های فعلی ما برای پردازش این حجم از داده‌ها کافی نیستند. مطالعات آماری به ما می‌گویند که در سال 2030 به سخت‌افزار لازم برای چنین پردازشی دست خواهیم یافت. ولی این این سخت‌افزار از چه نوع خواهد بود؟ پردازنده‌ی کوانتومی؟ آیا می‌توانیم این سخت‌افزار‌ها را در ابعاد کوچک نیز تولید کنیم؟ ما جواب روشنی به این پرسش نداریم.

مانع سوم: مسئله‌ی آگاهی (Consciousness)

موقعی که شما Call of Duty بازی می‌کنید، شما فردی هستید که سرباز را کنترل می‌کند؛ شما از دریچه‌ی کامپیوترتان آن سرباز را کنترل می‌کنید. چه چیزی ما را کنترل می‌کند؟ این پرسشی‌ست که فلاسفه هم بار‌ها آن را تکرار کرده‌اند؛ منشاء آگاهی بشر چیست؟ چه نیرویی ما را کنترل می‌کند؟ آیا ما واقعاً مختاریم؟
آیا ما می‌توانیم ماشینِ آگاه تولید کنیم؟ ماشینی که با استقلال کامل از انسان، توانایی فکر کردن و تصمیم‌گیری داشته باشد و برای کنترل شدن محتاج انسان نباشد.
در پایان فصل اول سریال وست‌ورلد، پس از آن که دلورس هزارتو (maze) را کشف می‌کند و از برنارد درباره‌ی آن می‌پرسد، برنارد در جواب به او می‌گوید که: «تو یک ربات نیستی، تو انسانی.» منظور برنارد این بود که دلورس موجودی بی‌روح نیست، بلکه آگاهی دارد.

ما دهه‌هاست که درگیر شناخت ریشه‌ی آگاهی در خودمان هستیم و حدود 20000 مقاله‌ هم در این باره نوشته‌ایم ولی حتی 1٪ هم به پاسخ نزدیک نشده‌ایم! دیدن این ویدئو از Michio Kaku شما را بیشتر و بهتر با مسئله آشنا می‌کند.


نتیجه‌گیری

شاید تصورات فعلی ما از آینده‌ی هوش مصنوعی روشن و خوش‌بینانه نباشد، ولی باید در نظر داشته باشیم که ما دهه‌ها و قرن‌ها تا رسیدن به آن نقطه فاصله داریم. ما هنوز پاسخ‌های روشنی به پرسش‌هایی بزرگ همچون آگاهی را نیافته‌ایم و راه بسیار طولانی‌ای تا آن نقطه باقی مانده.
این جدول تصویر روشنی را از مسئله‌ی هوش مصنوعی به ما ارائه می‌دهد.
نکته‌ای که باید به آن توجه داشت این است که هوش مصنوعی (حداقل تا امروز) فواید زیادی برای ما داشته و پس از تکینگی هم این چنین خواهد بود؛ پس بهتر است تنها از بعدِ بدبینی به ماجرا نگاه نکنیم.



لطفا این پست را با دوستانتان به اشتراک بگذارید و حتما نظرتان را راجب این پست بگویید.
ممنون بابت وقتتان.

پرسش: آیا دموکراسی، دیکتاتوریِ اکثریت است؟!

پنجشنبه, ۱۹ مهر ۱۳۹۷، ۰۱:۵۲ ب.ظ
هدف این نوشته، بیشتر از اطلاع‌رسانی و بیان دیدگاه، شنیدن دیدگاه‌های شماست. این یک بحث سیاسی-اجتماعی‌-فلسفی‌است و دانش من در این حوزه خیلی خیلی محدود است و یک کتاب حرف پشت این کلمات نهفته. ولی تلاش دارم تا با ادبیات ساده، کمی ذهن شما را قلقلک بدهم! (لازم به ذکر می‌دانم که پس‌زمینه‌ی ذهنی من از این نوشته‌ها جامعه‌ی ایران است نه کشوری مانند سوئد...)

«میرزاآقا»، اول قصه ...

کمی در مورد دموکراسی

این که دموکراسی چیست (برخلاف تصور خیلی‌ها) محدود به تعاریف کشور‌ها نیست و با حلوا حلوا کردن دهن شیرین نمی‌شود! دموکراسی شاید تعریف مشخصی (که مورد پذیرش همه باشد) نداشته باشد، ولی ارکان مشخصی دارد. این ارکان دموکراتیک بودن یک نظام را مشخص می‌کنند. البته پارادوکس‌هایی مانند چین (سوسیالیسم تک‌حزبی، همانند آلمان نازی) هم موجودند که خود را «استبداد دموکراتیک خلق» می‌نامند! ما یک نوع دموکراسی نداریم و دموکراسی گونه‌های مختلفی دارد. اما جدای از این مسائل،‌ دموکراسی به زبان ساده یعنی آن که بر سر مسائل مختلف، [اکثریت] مردم تصمیم‌گیرنده‌ی نهایی هستند. این مسائل می‌توانند انتخاب رئیس‌جمهور، نخست‌وزیر، نمایندگان یا تصویب یک قانون باشد. همان‌گونه که از ذات قضیه پیداست،‌ «اکثریت (٪1+50)» سرنوشت کل جامعه‌ را رقم می‌زنند.
اما یک مسئله، فرض کنید یک قایق کوچک با 4 مسافر وسط اقیانوس وجود دارد. این چهار نفر غذایی برای خوردن ندارند. پس سه‌تن از آن‌ها تصمیم می‌گیرند نفر چهارم را بخورند. در اینجا‌ هم «اکثریت» تصمیم‌گیرنده بودند و نظر «اکثریت» سرنوشت همه را رقم زده. آیا این دموکراسی‌است؟ بنا به تعریف آری اما در واقعیت خیر! به این پدیده «دیکتاتوری اکثریت» می‌گویند. مطمئناً اگر شما با آن سه نفر صحبت کنید، آن‌ها حرف‌های منطقی‌ای برای گفتن خواهند داشت اما در تصمیم‌گیری برای یک جامعه‌ این نوع از دموکراسی، حقوق اقلیت را ضایع می‌کند.

آیا وقعاً اکثریت جامعه، بهترین تصمیم را برای جامعه می‌گیرند؟

آیا اکثریت جامعه سواد سیاسی، اقتصادی و... لازم برای تصمیم‌گیری درمورد شرایط کشور را دارند؟ آیا در جوامع دموکراتیک، درست یا غلط بودن تصمیم‌گیری‌های اکثریت مطرح می‌شوند؟ اکثریتی که مطالعه‌ی جدی ندارند، تحت تاثیر رسانه‌ها و سلبریتی‌ها قرار می‌گیرند و اصولاً هم شخص‌گرا هستند تا مطالبه‌گرا. در چنین جوامعی سیاست‌مداران پوپولیست (عوام‌گرا، بخوانید عوام‌فریب) وعدهْ وعید می‌دهند و در انتخابات پیروز می‌شوند. آیا چنین سیستمی، مولّد لابی‌گری و فساد نیست؟!

آیا منطقی است که رای یک کشاورزِ بی‌سواد با رای یک استاد جامعه‌شناسی دانشگاه تهران هم‌ارزش باشد؟!

آیا می‌توان مردم را به قشر فرهیخته یا غیرفرهیخته (یا کمی تا قسمتی فرهیخته؟!) تقسیم کرد؟ چگونه می‌توان به مردم تفهیم کرد که در مسائلی که سررشته‌ای در آن ندارند دخالت نکنند؟ آیا این امر، با روح تکنوکراتیسم (فن‌سالاری) در تضاد نیست؟
آیا بهتر نیست به جای آن که یک سیستم پر از لابی داشته باشیم، سیستمی داشته باشیم که در آن روشن‌فکران و طبقه‌ی تحصیل‌کرده تصمیم‌گیرنده باشند و مردم و گروه‌ها و تشکل‌های مردم‌نهاد بر کار این تصمیم‌گیرندگان نظارت داشته باشند؟ در واقع انتخابات میان این روشن‌فکران صورت‌ بگیرد نه توده‌ی مردم.
«میرزاآقا»، آخر قصه ...

توجه داشته باشید که مفهوم دموکراسی فارغ از نظام سیاسی‌است و این مطلب به نظام‌های سیاسی اشاره‌ای ندارد، بلکه ذات خود دموکراسی را هدف قرار داده و این بحث فوق‌العاده مهمی‌است. چرا که پیش‌شرط اساسی تکثرگرایی (پلورالیسم: فعالیت جریانات و احزاب مختلف در یک جامعه) دموکراسی است و وجود چنین پرسش‌هایی، ذات دموکراسی را عقیم (ناتوان از زایش اندیشه‌های جدید) جلوه می‌دهد.
نظر شما چیست؟ دیدگاه‌های جالب به ادامه افزوده‌‌خواهند‌شد.

راه‌نمای زندگی خوابگاهی

سه شنبه, ۲۷ شهریور ۱۳۹۷، ۱۲:۱۶ ق.ظ

ا توجه به این که سال تحصیلی جدید در حال شروع شدنه و خیلی‌ها قراره به فیض خوابگاهی بودن نائل بشن، گفتم یه پست در رابطه‌ با زندگی خوابگاهی و تلخی‌ها و شیرینی‌هاش بنویسم. اگه نکته‌ای به ذهنتون می‌رسه حتمن توی بخش نظرات به اشتراک بگذارید. 🙌😘 (برای دیدن نسخه‌ی کامل‌تر (به همراه توییت و... ) وی‌پی‌ان خودتونو روشن کنید و توی ویرگول بخونید.)

خوابگاه چیست؟

خوابگاه یعنی جایی که توی اون زندگی خواهید کرد. خوابگاه خونه‌ی دوم شماست و هم‌اتاقی‌ها و هم‌واحدی‌های شما هم مثل خواهر و برادر شمان. خوابگاه‌ها به سه دسته تقسیم می‌شن:

1- خوابگاه دولتی: جاییه که هزینش نسبتن پایینه، معمولن نزدیک دانشگاه‌ست و توی خیلی از موارد شبیه پادگانه! توی خوابگاه دولتی بهتون غذای ارزون میدن (که در پایین راجبش توضیح می‌دیم!)، البته به شرطی که رزروش کرده باشید. خوابگاه دولتی شبیه مسافرخونه‌است، به این معنا که اتاق‌ها جدا جدا و عین همن (تقریبن) و دسشویی‌ها و حموم‌ها توی یک‌ جا‌های مشخصی‌ان. (و هر اتاقی حموم و دستشویی مخصوص خودشو نداره!) به احتمال قوی هر طبقه یه چند تا جای مشخص داره که سرویس بهداشتی و حموم و آشپزخونه‌ها اونجاست. سرویس بهداشتی و حموم و... هر خوابگاهی هر روز (یا حداکثر هر 3 روز یه بار) توسط نظافت‌چی‌های خود خوابگاه تمیز می‌شه. (البته وارد اتاق شما نمی‌شن و شما باید اتاق خودتون رو تمیز نگه دارید!) هر اتاقی هم (به نسبت اندازه و افراد درون اتاق) کمد، تخت (البته اکثرن بدون تشک!)،فرش و یخچال داره. معمولن تهویه و سیستم گرمایشی و سرمایشی هم داره (ولی ممکنه خراب بشن و یه هفته تعمیرش طول بکشه!) خوابگاه‌های دولتی معمولن بزرگن و چندصد نفری توش هستن؛ این یعنی می‌تونید با افراد زیادی آشنا بشید و دوستای زیادی پیدا کنید! خوابگاه‌های دولتی تمامن توسط دانشگاه مدیریت می‌شن و عوامل مدیریتی، حراست و... مستقیمن از دانشگاه حقوق دریافت می‌کنن.

2- خوابگاه خودگردان: تعریف جامعی برای خوابگاه خودگردان وجود نداره. دلیل اینی که بهش میگن خودگردان اینه که عواملی که اونو می‌گردونن از دانشجوی‌های ارشد و دکتری خود دانشگاهن. هزینه‌ی خوابگاه خودگردان معمولن بالاتر از خوابگاه دولتیه و معمولن هیچ تضمینی برای امکانات نیست. ممکنه بعضی اتاقا کوچیک باشن بعضیا بزرگ، ممکنه بعضی اتاقا بالکن داشته باشن و بعضی نه و... ولی در کل این شکلیه که هر طبقه به چند تا واحد تقسیم می‌شه و هر واحد هم معمولن سه چهار تا اتاق داره. هر واحد حموم، توالت وآشپزخونه مخصوص خودشو داره و شما اینارو با هم‌واحدی‌هاتون شریک می‌شید! خوابگاه‌های خودگردان معمولن کوچیک‌تر از خوابگاه‌های دولتین ولی بیشتر از خوابگاه دولتی حس خونه به شما می‌دن. توی خوابگاه خودگردان هم شما از امکانات رفاهی دانشگاه (مثل غذا) برخوردارید ولی این مدل خوابگاه‌ها معمولن از دانشگاه دورن.

3- خوابگاه غیردولتی (پانسیون): پانسیون صرفن برای دانشجو‌ها نیست و کارمند‌ها و سایر اقشار هم ازش استفاده می‌کنن. پانسیون‌ها (معمولن) تحت نظر دانشگاه نیستن و توی غذا و سایر امکانات باید دست به جیب خودتون باشید! سایر موارد هم (مثل نظافت، سایر اتاق و...) هم بسته به پانسیونیه که توش هستید. پانسیون‌ها معمولن از دوتا نوع دیگه‌ی خوابگاه‌ها گرون‌ترن و چون امنیتشون تضمین شده نیست، توصیه نمی‌شن.

داخل پارانتز اینو بگم که هر خوابگاهی معمولن اینترنت، نمازخونه و سالن مطالعه و سالن تلویزیون داره. بعضی‌ از خوابگاه‌ها (بیشتر تو خوابگاه‌های دولتی) بدنسازی و سالن ورزشی هم دارن. اینم در نظر داشته باشید که 99٪ تخت‌های خوابگاه‌ها دو طبقه هستن و هر کی زودتر برسه میره رو تخت پایین! 🤣😂


زندگی خوابگاهی

شما با چند نفر از اقصی نقاط ایران هم اتاقی می‌شید. شب رو توی یه جا می‌خوابید و به نحوی عجیب و غریب به همدیگه عادت می‌کنید! دوستی‌هایی که توی دوران دانشگاه شکل می‌گیرن خیلی پایدارن و ممکنه با هم یه بیزنسی رو شروع کنید و با هم کار کنید. معمولن هم اتاقی‌های شما هم رشته شما نیستن و این اتفاق خیلی خوبیه! به این خاطر که می‌تونید باهاشون راجب رشته‌هاشون صحبت کنید و ایده بگیرید! و البته لازمه که به این نکته اشاره کنم که هفته‌ی اول خوابگاهی بودن خیلی سخت و زجر آوره! چون توی محیط متفاوتی و به دور از خونه و خانواده خودتون (اونم یا چند صد نفر غریبه!) قرار می‌گیرید و این حس طبیعیه! ولی بدونید با گذر زمان به همدیگه عادت می‌کنید؛ تا جایی که موقع خداحافظی تو آخر ترم چشماتون خیس میشه و یه چیزی گلوتونو قلقلک می‌ده و موقعی که برمی‌گردید به خونه حس غریبگی با خونه و دلتنگی بهتون دست می‌ده!

اینو همیشه به ذهن بسپرید: دیگران شمارو همون قدر که شما اونارو تحمل می‌کنید، تحمل می‌کنن! باید مراعات همدیگه رو بکنید. نه صرفن هم اتاقی‌ها، بلکه هم واحدی‌ها و اتاق‌های دیگه. گوش دادن به موزیک با صدای بلند، ملچ مولوچ کردن موقع غذا خوردن، با صدای بلند خندیدن موقعی که دوستاتون خوابن یا دارن درس می‌خونن بی‌شعوریه! و بدونید این افراد می‌تونن به مسئول خوابگاه مراجعه کنن و از اون فرد شکایت کنن. سرک کشیدن توی وسایل دیگران، دزدی، به اجازه استفاده کردن از وسایل دیگران هم همین وضعو داره.

ولی جدای از اینا، دوستی‌هایی که با هم اتاقی‌هاتون شکل می‌دید خیلی پایدارن و دوران شیرینی از زندگی شماست. و البته اینو بدونید که زندگی خوابگاهی (مثل این نوشته‌ها) فانتزی نیست و قراره کلی به همدیگه فحش (به ویژه فحش قومیتی) بدید.🤣 اگه کال‌آو‌دیوتی، دوتا، PES و FIFA بلد نیستید،نگران نباشید؛ توی چند ماه توشون حرفه‌ای می‌شید. معمولن به سبک موزیک هم اتاقی‌هاتون عادت می‌کنید و با هم میرید گردش و تفریح. شوخی‌های خرکی، پاسور بازی کردن و مسخره‌بازی عمده‌ی وقت مفید شما توی خوابگاه رو تشکیل می‌ده و البته این لالوها عده‌ای هم پیدا می‌شن که درس هم می‌خونن...

معمولن خوابگاهی (یا در حالت کلی دانشجو) شدن به این معنیه که قراره کلی فیلم و سریال ببینید. روایت داریم که اصلن دانشجویی که Friends ندیده اصلن دانشجو نیست! به طور خلاصه شما در طول مدت خوابگاهی بودن یک چیز رو خیلی خوب یاد می‌گیرید: زندگی [نیمه] مستقل


رفاه خوابگاهی

همین اول کار به این نکته اشاره کنم که خوابگاه به هیچ وجه رفاه خونه‌ی شمارو نداره! (مخصوصن موقعی که توالت و حمومتون رو با چندده نفر دیگه شریکید 😂) بذارید با غذا شروع کنیم.

غذای خوابگاه بَده. در واقع حالت لاکچری غذای پادگانه و (به جز جوجه کباب) بقیه‌ی غذاهاش تعریف چندانی ندارن. برنج بی‌کیفیت خارجی (و گاهن پلاستیکی!)، کوبیده‌ای که توش پوست مرغ ریختن (و واسه همین نرمه)، عدس پولویی که عدسش مزه خاک میده و گوشتش ترشه و برنجش بی مزست! انقد بهتون شنیتسل و کوکو میدن که شبیه مرغ می‌شید! ماکارونی‌هاش خشکه و استانبولی‌پلو‌هاش شمارو می‌بره به اردوگاه کار اجباری گولاگ در اتحاد جماهیر شوروی! ولی با این‌همه بدی غذاهاش نسبتن ارزونن و هر وعده حدود 700 تا 2000 تومان هزینه داره. صبحونه‌ها هم معمولن به صورت بسته‌های هفته‌ای یا دو‌هفته‌ای عرضه می‌شن که توشون تخم‌مرغ، خامه و... داره و هزینش کمتر از 10 تومنه ولی معمولن (متاسفانه) خوابگاهی‌ها عادت به خوردن صبحونه رو ترک می‌کنن! البته به این نکته هم اشاره بکنم که معمولن کنار غذاها آش، سوپ و سالاد هم میدن.

البته به این نکته توجه داشته باشید که ممکنه که بر اثر فراموشی (یا تنفر) غذایی رو رزرو نکرده باشید. پس باید راه‌های سیر نگه داشتن خودتونو یاد بگیرید. بیسکوئیت و کیک تا یه مدت شما رو سیر نگه می‌دارن ولی بعد یه مدت یا باید آشپزی یاد بگیرید، یا باید از بیرون غذا بگیرید؛ باید ببینید کدوم یکیش به صرفه‌تره. خودتونو برای یه رژیم غذایی پر از نودل، برنج، هات‌داگ، بندری، همبرگر، ژامبون (که چهار مورد آخر می‌تونن آپشن «ویژه» هم داشته باشن که همون اضافه کردن قارچ و پنیره!) آماده کنید! پس یادتون نره: کیترینگ‌ها، غذافروشی‌ها، فست‌فودها و سگ‌پزیای (😂) دوروبر خوابگاهتون رو خوب رصد کنید!

و به این نکته‌ توجه داشته باشید که توی اپلیکیشن‌هایی مثل ریحون، اسنپ‌فود، چنگال و چیلیوری هم غذافروشی با قیمت مناسب پیدا می‌کنید. جالبه بدونید که این اپ‌ها دائم تخفیف می‌دن و حتمن از این تخفیفا استفاده کنید. اکثر موارد ارزون‌تر از روش‌های بالا در میاد. (اپلیکیشن چنگال کد تخفیف دائمی 30٪ بدون محدودیت داره با کد: chatrbaazan)

نظافت اتاق شما با خودتونه! اگه فرش رو کثیف کردید باید خودتون بشوریدش، غذا نباید بیرون بمونه وگرنه گند می‌زنه (و اون موقعه که می‌فهمید که آش هم گند می‌زنه!)، لباساتونو یا باید خودتون بشورید یا باید بدید توی لباسشویی خوابگاه بشورن و مهم‌تر از همه، یخچال! اگه یخچال بو گرفته باشه مجبورتون می‌کنن بشوریدش! پس الکی نباید پرش کنید و نذارید چیزی توش گند بزنه!

و صد البته می‌رسیم به دعوای اصلی، کی اتاقو تمیز می‌کنه؟! توی این مورد حتی شورای امنیت سازمان ملل هم نمی‌تونه کاری کنه و دست خودتونه! فقط این یادتون باشه: اگه الآن تمیز کردنش سخته، پس فردا تمیز کردنش غیر ممکنه! پس خودتونو برای «آدمْ بزرگِ اتاق» بودن و فداکاری و از خود گذشتگی کردن آماده کنید.

اگه یکی توی خوابگاه سرما خورده باشه، کل خوابگاه سرما می‌خورن! پس حتمن واکسنشو به موقع بزنید. ممکنه یکی از دوستاتون بیمار بشه، باید ازش مراقبت کنید یا ببریدش بیمارستان و به خانوادش اطلاع بدید. پس دقت داشته باشید که: شماره تلفن خانواده و یا آشنای نزدیک هم اتاقی‌ها و دوستاتون رو داشته باشید. اگه بخوام کابوس زندگی خوابگاهی رو در یک کلمه خلاصه کنم، باید به «ساس» اشاره کنم. حشره‌ای که توی تخت و بالش و... شما تخم‌گذاری می‌کنه و تنها راه نابود کردنش سم‌پاشیه. کوچک‌ترین آسیب جسمی برای انسان نداره ولی اثر روانی شدیدی داره، در حدی که فک می‌کنید الآن داره رو بدن شما راه می‌ره! احتمال این که در حالت نرمال اتاق شما ساس بگیره کمتر از 1 درصده ولی اگه بهداشت رو رعایت نکنید، این احتمال رو افزایش می‌دید!

خوابگاه پسرانه vs خوابگاه دخترانه

زندگی در خوابگاه دخترانه خیلی به زندگی آدمیزاد نزدیک‌تره تا زندگی در خوابگاه پسرانه! پس دخترخانوم‌ها مطمئن باشن زندگی خوابگاهی اون‌قدری که برای پسرا سخته برای شما سخت نیست! (البته این ریشه در ذات ما پسر‌ها هم داره‌ها ولی بگذریم!) ولی در عوضش محدودیت هم دارید. برای مثال شما (منظور دختر‌ها) حق پوشیدن تاپ در محیط خوابگاه رو ندارید (البته تو بعضی از خوابگاه‌ها این هست و نه همشون) و اگه ببیننتون جریمتون می‌کنن. در حالی که تو خوابگاه پسرونه دیدن یه پسر که فقط یه شرت تنشه و یه حوله انداخته رو شونش داره با دمپایی لاانگشتی پله‌هارو می‌ره بالا جزو نُرم‌های زندگی خوابگاهی به حساب میاد! ولی جدای از این مسائل، (به نظر من البته) زندگی توی خوابگاه دخترانه خیلی خشک‌تره تا خوابگاه پسرانه. ولی عوضش آرامش خوابگاه پسرانه خیلی (خیلی خیلی ...) کمتره! توی خوابگاه پسرانه هر لحظه ممکنه صدای عربده کشیدن یکی بیاد و این اتاق جواب اربده‌ی اون‌یکی اتاق رو بده و... شوخی‌های خرکی هم توی توی خوابگاه‌های دخترانه خیلی کمتره. خوابگاه‌های دخترانه خیلی تمیز‌ترن و خلاصه این که : زندگی در خوابگاه دخترانه خیلی به زندگی آدمیزاد نزدیک‌تره تا زندگی در خوابگاه پسرانه!

پ.ن: یه محدودیت خیلی بزرگی که خوابگاه‌های دخترانه دارن (و من تا چند لحظه پیش خبری ازش نداشتم) این بود که توی خوابگاه‌های پسرانه معمولن گِیت و در اصلی رو ساعت 12 شب می‌بندن و صبح ساعت 6 باز می‌کنن ولی توی خوابگاه‌های دخترانه، پاییز و زمستون ساعت 9 (و بعضی جاها 8:30 حتی!) و توی بهار و تابستون 10 شب می‌بندن!‌ (البته من خودم دلیلشو دقیق متوجه نمی‌شم که چرا؟ اون اتفاقی که شب می‌افته صبح و ظهر نمی‌تونه بیفته؟!)

نکات پایانی

  • شما خیلی از وسایلتون رو با هم دیگه شریک می‌شید و هر کسی سشوار خودشو استفاده نمی‌کنه. این یه قانونه! یکی اتو داره، یکی قابلمه داره، یکی ریش‌تراش داره و اینا رو باید با همدیگه Share کنید!
  • وسایلی که حتمن باید همراه داشته باشید: بشقاب، لیوان، قاشق و چنگال، ژیلت، حوله، ناخن‌گیر، مسواک و خمیردندان، نایلون فریزر، چسب زخم، ژلوفن و سرماخوردگی بزرگسالان (یا کلد‌استاپ) و استامینوفن کدئین و آموکسی‌سیلین، شامپو و صابون و لیف، تابه، قابلمه، برس، قند و شکر و قهوه و چای. (ابزارهایی مثل سشوار و اتو و ... هم باید باهمدیگه تصمیم بگیرید.)
  • مواقعی پیش میاد که شما به خواب نیاز دارید و سر و صدا و نور نمی‌ذاره بخوابید! برای همچین مواقعی چشم‌بند و گوش‌گیر داشته باشید.
  • وقتی گروهی زندگی می‌کنید، باید هزینه‌ها رو مدیریت کنید. پس این که کی، چقد خرج کرده رو حتمن یه جا یادداشت کنید تا آخر هر ماه باهمدیگه تسویه حساب کنید.
  • ممکنه سطح رفاه خانوادگی شما از هم اتاقی‌هاتون بیشتر باشه، پس مراعات اون‌ها رو بکنید. لاکچری بازی در نیارید که مورد نفرت واقع می‌شید. خاکی باشید و خاکی بمونید.
  • ارتباط برقرار کردن با همدیگه رو یاد بگیرید. فرض کنید هم اتاقی شما خبر فوت یکی از عزیزان نزدیکشو دریافت کرد، شما نباید یه گوشه بی‌اهمیت بشینید، باید بتونید دلداریش بدید. فراموش نکنید که شما عضوی از یک خانواده به حساب میاید.

بچه‌های خوابگاه خودگردان (بخوانید روان‌گردان!) حافظ، خرداد 96، کمپین انتخاباتی مهندس م. یک عده دانشجوی خوابگاهی در حال مسخره‌بازی!
بچه‌های خوابگاه خودگردان (بخوانید روان‌گردان!) حافظ، خرداد 96، کمپین انتخاباتی مهندس م. یک عده دانشجوی خوابگاهی در حال مسخره‌بازی!


اینا نکاتی بود که به ذهنم رسید. اگه سوالی دارید یا اگه حس می‌کنید چیزی رو جا انداختم توی بخش نظرات بگید. ممنون بابت وقتتون 😘😉

  • ۳ نظر
  • ۲۷ شهریور ۹۷ ، ۰۰:۱۶

چقدر خودتون رو می‌شناسید؟

شنبه, ۶ مرداد ۱۳۹۷، ۰۶:۱۴ ب.ظ

این پست در رابطه با آزمون‌های شخصیت‌شناسی، انواع اون‌ها، اهمیت اون‌ها و این‌که چقدر توی استخدام و فرایند‌های مشابه بهش اهمیت می‌دن نوشته شده. بالطبع نمی‌شد که همه‌ی تست‌ها رو اینجا بیارم، واسه همین چندتا از تست‌ها که خیلی‌ از جا‌ها دیدم راجبش صحبت می‌کنن رو آوردم.

شخصیت‌شناسی چیست؟

شما نمی‌تونید تعریف دقیق و جامعی برای شخصیت‌شناسی توی اینترنت پیدا کنید، ولی اگه بخوایم تشریحی بگیم:

تست‌های شخصیت‌شناسی تست‌هایی هستن که سعی می‌کنن قالب کلی برای بازخورد‌هایی که شما در شرایط مختلف از خودتون بروز می‌دید رو برای شما ترسیم کنن. به عبارت بهتر، دسته‌ای از ویژگی‌های شخصیتی شما هستن که اغلب در طول حیات شما ثابت می‌مونن و شما با اون ویژگی‌ها از بقیه متمایز می‌شید.

دونستن تیپ شخصیتی خوبی‌های زیادی داره، مثلن توی انتخاب شغل می‌تونه به شما بگه که کدوم دسته‌ از شغلا مناسب شما نیست. یا می‌تونه شما رو راهنمایی کنه که در شرایط بحرانی چطور رفتار می‌کنید. نقاط ضعف شما رو به شما میگه و شما رو نسبت به خودتون آگاه‌تر می‌کنه تا توی شرایط مختلف، راحت‌تر تصمیم بگیرید.




تست شخصیت‌شناسی MBTI

آزمونی که در ایران خیلی جا افتاده. آزمون MBTI یا مایرز-بریگز میاد و بر اساس چهار‌تا مشخصه، شما رو دسته‌بندی می‌کنه:

منبع: ویکی پدیا
منبع: ویکی پدیا
  • درون‌گرا(I) / برون‌گرا بودن(E): بیشتر دوست دارید در خانه تنها بمانید یا با دوستانتان بروید بیرون؟
  • شمی(N) / حسی بودن(S): ترجیح می‌دهید چگونه‌ اطلاعات جدید را کسب کنید؟ با ارائه دادن راهکار‌ها و ایده‌های جدید یا تمرکز کردن روی واقعیات ماجرا؟
  • فکری(T) / حسی بودن(F): چگونه در شرایط مختلف تصمیم‌گیری می‌کنید؟ بر اساس فکر و منطق یا برای اساس احساسات درونی‌تان؟
  • قضاوت‌جو(J) / دریافت‌گر بودن(P): آیا تمایل دارید بسته به شرایط تغییر مسیر دهید یا دوست دارید همه چیز از قبل برنامه‌ریزی شده باشد؟

اگر حرف پاسخ هر کدام از چهار پرسش بالا را کنار هم قرار دهید، تیپ MBTI خودتان را یافته‌‌اید!

به احتمال قوی برای بعضی از پرسش‌ها پاسخ دقیق و درستی در ذهنتان ندارید، نگران نباشید کاملن منطقی‌است! پاسخ شما به سوالات بالا 0 و 1 نخواهد بود و بین 0 تا 1 تغییر خواهد کرد. به همین علت تکمیل کردن تست‌های آنلاین راهکار بهتری برای رسیدن به پاسخ است. (من خودم به شخصه سایت 16personalities را توصیه می‌کنم.)

افرادی که تیپ شخصیتی یکسانی با شما دارند، رویکرد‌های مشابهی در انتخاب شغل، روابط عاطفی و... دارند. کافیست تیپ MBTI خودتان را در سایتی مانند Quora جست‌و‌جو کنید تا با انبوهی از تجربه‌های مختلف در زمینه‌های مختلف آشنا شوید! اگر حس می‌کنید به اطلاعات بیشتری نیاز دارید، مشاهده‌ی این تِدتاک را برای شما پیشنهاد می‌کنم.



آزمون رفتارسنجی DISC

این آزمون خیلی در ایران جا افتاده نیست، ولی اطلاعات خوبی راجع به ما می‌دهد. بر اساس این آزمون رفتار و شخصیت شما، چهار وجهه دارد:

منبع
منبع
  • تسلط (Dominance): قاطع، هدف‌گرا و مستقل
  • اثرگذاری (Influence): ایده‌ال گرا، اجتماعی و برون‌گرا
  • ثبات (Steadiness): روحیه‌ی تیمی، حامی دیگران و اجتماعی
  • انطباق(Compliance): آگاه، نگرانِ آینده و برنامه ریز


این عکس (منبع) ویژگی‌های هرکدام از چهار ویژگی بالا را نشان می‌دهد.
این عکس (منبع) ویژگی‌های هرکدام از چهار ویژگی بالا را نشان می‌دهد.

نتیجه‌گیری‌های جالبی از این تست رفتارشناسی به دست می‌آید، برای مثال کسانی که D هستند، نسبت به سایر افراد رهبران بهتری هستند؛ کسانی که S هستند بازاریاب‌های فوق‌العاده‌ای می‌شوند و... . یکی از نکات جالب درباره‌ی این تست آن است که اگر به سوالات پاسخ دروغین و خیلی ایده‌آل بدهید، مشخص می‌شود که شما دروغگوئید!


آزمون استعداد شغلی هالند RIASEC

دو آزمون قبلی، شخصیت و رفتار شما را هدف گرفته‌بودند، این آزمون صلاحیت شغلی شما را بررسی می‌کند. این تست 6 مؤلفه دارد و بر اساس پرسش‌هایی که از شما می‌پرسد، آن‌ها را از بیشترین به کمترین درصد می‌چیند و به شما تحویل می‌دهد. این شش مؤلفه عبارت‌اند از:

  • واقع‌گرایی (Realistic): کاربردی، فیزیکی، اهل ابزار‌آلات و کارهای عملی
  • جست‌وجوگری (Investigative): علمی، اهل تفکر و اندیشه،‌بررسی و آمار،‌ مکاشفه
  • هنرمندی (Artistic): خلاق، مستقل، اهل ایده‌های اصیل و نو، بی‌نظم،‌
  • اجتماعی (Social): حامی،‌ همکار، هم‌تیمی، آموزگار
  • سازمانی (Enterprising): رقابتی، رهبری و ریاست، ترغیب کننده
  • قراردادی (Conventional): دقت به جزئیات، اهل نظم و دقت، دفتری

در خارج از کشور و حتی در ایران به نتیجه‌ی این تست اهمیت زیادی داده می‌شود. این آزمون می‌تواند به شما بگوید که در کدام مدل از شغل‌های می‌توانید پیشرفت کرده و رضایت شغلی داشته باشید. در ویکی‌پدیا می‌توانید لیستی از شغل‌های مناسب برای هرکدام از آیتم‌های بالا را بیابید.



آزمون Belbin

این آزمون بیشتر برای تیم‌ها و کار تیمی کاربرد داره تا شخصیت‌شناسی و رفتارشناسی. دکتر بلبین یه روانشناسه که میگه هر فردی توی هر کار تیمی میتونه 9 تا نقش داشته باشه:

  • هماهنگ‌کننده‌ها (Co-ordinator): برای تمرکز روی اهداف تیم و شناسایی و استخراج توانایی‌های سایر اعضای تیم
  • تیم‌کار‌ها (Teamworker): به کمک خاصیت انطباق‌پذیری خود، باعث انعطاف پذیری تیم می‌شوند.
  • کاشفان منابع (Resource Investigator): به کمک کنجکاوی خود، ایده‌های جدید را به تیم ارائه می‌دهند.
  • متخصصان (Specialist): در یک زمینه‌ی به خصوص، دانش عمیق دارند.
  • ناظران ارزیاب (Monitor Evaluator): به عنوان یک ناظر منطقی، قضاوت‌های منطقی را به دور از جانب‌داری و تعصب انجام می‌دهد.
  • گیاه (Plant): تمایل شدیدی به خلاقیت و حل مسائل دارد.
  • تمام‌کننده کار‌ها (Complete Finisher): آن‌ها با دقت و ریزبینی، خروجی را با بالاترین کیفیت و استاندارد‌ها ارائه می‌دهند.
  • اجرا کنندگان (Implementer): سازندگان یک نقشه‌ راه عملی و اجرا کنندگان آن به بهترین روش ممکن.
  • شکل‌دهنده‌ها (Shaper): انگیزه لازم برای اطمینان از اینکه تیم در حال حرکت است و تمرکز یا حرکت را از دست نمی دهد، فراهم می کند.

بر اساس این آزمون، یک تیم موفق تیمی است که همه‌ی این نقش‌ها را در خودش داشته باشد. اطلاعات بیشتر را می‌توانید از سایت خود بلبین به دست آورید.


آیا اشتباهی در متن بالا دیدید؟ آیا آزمون دیگری مد نظرتان است که در این لیست نیست؟ آیا نظری در این رابطه دارید؟ خوشحال می‌شوم بشنوم.


  • ۰ نظر
  • ۰۶ مرداد ۹۷ ، ۱۸:۱۴

متلب (Matlab) چیست و چرا؟

چهارشنبه, ۲۷ تیر ۱۳۹۷، ۱۲:۴۹ ق.ظ

هر کسی که وارد دنیای برنامه‌نویسی یا وارد دنیای دانشگاه و محیط آکادمیک می‌شود، خواه یا ناخواه اسم متلب (MATLAB) به گوشش می‌خورد. اما واقعنِ واقعن متلب چیست و به چه دردی می‌خورد؟

در این متلب تلاش شده تا به علل استفاده از متلب و مقایسه‌ی آن با سایر زبان‌ها و محیط‌ها اشاره شود.



ویکی گفته:

متلب (به انگلیسی: MATLAB) یک محیط نرم‌افزاری برای انجام محاسبات عددی و یک زبان برنامه‌نویسی نسل چهارم است. واژهٔ متلب هم به معنی محیط محاسبات رقمی و هم به معنی خود زبان برنامه‌نویسی مربوطه است که از ترکیب دو واژهٔ Matrix (ماتریس) و Laboratory (آزمایشگاه) ایجاد شده‌است. این نام حاکی از رویکرد ماتریس محور برنامه است، که در آن حتی اعداد منفرد هم به عنوان ماتریس در نظر گرفته می‌شوند.

تصور عمومی و اشتباهی که از متلب وجود دارد، این است که متلب صرفن یک ماشین حساب خیلی بزرگ است و برای محاسبات خیلی پیچیده از آن استفاده می‌شود. متلب صرفن یک ماشین حساب نیست، بلکه یک محیط برنامه‌نویسی است. متلب با سی و سی پلاس پلاس نوشته شده ولی این بدان معنا نیست که برای کار کردن با متلب باید این زبان‌ها را بلد باشید، متلب زبان برنامه‌نویسی مخصوص خودش را دارد. زبان متلب سطح بالا است بدان معنا که به زبان انسان نزدیک‌تر است و خیلی راحت‌تر می‌توانید آن را یاد گرفته و به کار ببرید. شما تنها در محیط برنامه‌(IDE)ی متلب می‌توانید به زبان متلب کد بنویسید و نمی‌توان از آن در سایر محیط‌ها مثل VS CODE یا Atom استفاده کرد.

متلب (بر خلاف پایتون) آزاد (Open Source) نیست و برای تهیه‌ی آن باید هزینه‌ی نسبتن سنگینی بپردازید. (البته در بلاد کفر، ما در ایران کپی رایت نداریم!) با این حال متلب به صورت بسیار گسترده در دانشگاه‌ها و محافل علمی و حتی در شرکت‌های بزرگ (مانند سامسونگ و اپل) استفاده می‌شود. اما چرا؟

کتاب‌خانه‌های گوناگون با توسعه‌ی پایدار

متلب کتاب‌خانه‌های بسیاری در موضوعات مختلف دارد. برای مثال برای هوش مصنوعی (یادگیری ماشینی)، پردازش تصویر، پردازش سیگنال، مخابرات، حل دستگاه معادلات، حل معادلات دیفرانسیل جزئی (PDE)، کنترل و بسیاری از علوم دیگر کتاب‌خانه مخصوص خود را دارد. شما می‌توانید علاوه‌بر این کتاب‌خانه‌ها (که در متلب APP نامیده‌ می‌شوند) ، افزونه‌هایی تحت عنوان Add-ones را هم نصب کنید. همچنین می‌توانید با نصب Hardware Support Package، با استفاده از متلب برای ابزار‌هایی مانند Arduino یا Raspberry Pi برنامه بنویسید!

از سوی دیگر، نرم‌افزار متلب بخشی تحت عنوان Simulink دارد که کار مدل‌سازی و شبیه‌سازی سیستم‌های مختلف (در زمینه‌های مختلف، مانند کنترل، الکترونیک، هوافضا و...) را انجام می‌دهد. در لینک زیر می‌توانید لیستی از تمامی appها و ابزار‌های متلب را مشاهده کنید. (این لیست صرفن محصولات خود شرکت Mathworks را نمایش می‌دهد نه Add-ones را.)


Products and Services Learn more about MATLAB, Simulink, and other toolboxes and blocksets for math and analysis, data acquisition and import, signal and image processing, control design, financial modeling and analysis, and embedded targets.

همانطور که اشاره شد متلب آزاد یا اوپن سورس نیست و جامعه‌ای بسیار محدود ولی حرفه‌ای آن را توسعه می‌دهند. به همین علت، برنامه‌هایی که با متلب نوشته می‌شوند نسبت‌ به برنامه‌هایی که به زبان‌های دیگر (مانند پایتون) نوشته می‌شوند پایدارترند.

متلب برای فست‌پروتوتایپینگ بسیار کاربردی است.

همان‌طور که در بالا اشاره شد، زبان برنامه‌نویسی متلب (همانند پایتون) سطح بالا بوده و به زبان انسان نزدیک است، بدین جهت برای اجرای سریع ایده‌ها و تولید نمونه اولیه بسیار مناسب است. معمولن زبان‌هایی که سطح بالا هستند در اجرا بهینه نیستند، بدین معنا که در مصرف منابع بهینه نیستند. (دقیقن به همین علت است که ما هنوز از فورترن و سی پلاس پلاس استفاده می‌کنیم!). این مشکل برای متلب هم صدق می‌کند ولی با این حال کاربرد گسترده‌ای در صنعت دارد. برای مثال برنامه دستگاه‌های MRI با متلب نوشته می‌شود. جالب است بدانید که می‌توانید از کد متلب خروجی C و C++ بگیرید!


MATLAB Coder MATLAB Coder generates portable and readable C and C++ code from MATLAB algorithms. MATLAB Coder supports a subset of core MATLAB language features, and can generate MEX functions to accelerate MATLAB code and verify the generated code.


محیط توسعه‌ی پیشرفته

بدون شک محیط برنامه‌نویسی متلب یکی از پیشرفته‌ترین محیط‌های برنامه‌نویسی است. امکانات کاربردی زیادی در اجرای کد و دیباگ کردن و همچنین ترسیم نمودار و ... در نرم‌افزار متلب تعبیه شده.

مستندات فوق‌العاده قوی

تمامی کتاب‌خانه‌ها، توابع و دستورات به صورت کاملن دقیق و اغلب با کدِ نمونه در بخش مستندات برای شما تعبیه شده‌اند و شما اغلب اوقات واقعن نیازی به حضرت Google و Stackoverflow ندارید!



نکات ضعف متلب:

  • (برای بار صدم!) هزینه‌ی متلب! اگر بخواهید لایسنس کامل متلب (همراه با سیمیولینک) را خریداری کنید باید رقمی در حدود 50.000 دلار هزینه کنید!
  • متلب رم زیادی را نسبت به رقبا مصرف می‌کند.
  • متلب برای کاربرد‌های علمی و مهندسی فوق‌العاده است ولی برای کار‌هایی مانند توسعه‌ی وب مناسب نیست.



به دوستانی که علاقه‌مند به یادگیری متلب‌اند، جزوه‌ی میثم پور گنجی‌ِ عزیز با نام «الفبای متلب» رو به شدت توصیه‌ می‌کنم. (ولی جای شما باشم از مستندات خود متلب یاد می‌گیرم متلب رو.)

جزوه‌ی آموزشی متلب
جزوه‌ی آموزشی متلب سال اول ارشدم برای سمینار درس آنالیز عددی پیشرفته، به خواسته‌ی استاد و دوستان قرار شد تا من نرم‌افزار متلب رو ارائه بدم. برای اون ارائه بجای آماده کردن اسلاید، شروع به نوشتن کردم و حاصلش شد

تلاش بر این بود تا این مطلب کوتاه باشد تا دوستانی که علاقه‌مند به مطالعه‌ی طولانی نیستند (بزرگ‌ترین نمونه‌اش خودم!) زیاد اذیت نشوند! اگر جایی خطایی دیدید، ممنون می‌شوم از طریق نظرات با من در میان بگذارید! از وقتی که گذاشتید ممنونم! ♥

راهنمای یادگیری پردازش تصویر (Image Processing)

يكشنبه, ۲۳ ارديبهشت ۱۳۹۷، ۰۳:۵۲ ب.ظ

این مطلب در ویرگول منتشر شده است.

توی این پست قراره که به شما آموزش گام به گام چگونگی یادگیری پردازش تصویر رو بهتون بگم و این که توی این مسیر به چی نیاز دارید و ندارید رو بنویسم. داخل پارانتز اینو هم عرض کنم که بنده خودم شخصن در حال اتمام یادگیری پردازش تصویر هستم و نوشته‌های پایین حاصل تجربیات شخصی بنده است، اگر مطلبی از نظر شما اشتباه بود خوشحال می‌شم توی کامنت‌ها به من بگید تا اصلاحش کنم. پیشاپیش متشکرم.

عکس تزئینی از Pexels
پردازش تصویر به صورت خلاصه یعنی اینکه شما با انجام فرایند‌هایی روی تصویر (چه عکس چه ویدئو)، خروجی مشخص و معینی از تصویر (باز هم به صورت تصویر) بگیرید. این فرایندها می‌توانند برای افزایش دقت تصویر باشند (Image enhancement) یا می‌توانند برای جداکردن یک بخش مشخص از تصویر‌(Image segmentation) باشند و... . برنامه‌هایی مانند اینستاگرام، کم‌اسکنر و... از الگوریتم‌های مربوط به پردازش تصویر استفاده می‌کنند. در ادامه مقاله گام‌های یادگیری پردازش تصویر براش شما آورده شده.

گام اول - پیش‌نیاز‌های ریاضی

پردازش تصویر (Image Processing) زیرمجموعه‌ای از پردازش سیگنال (Signal Processing) است و این بدان معناست که شما با سیگنال‌ها سر و کار دارید و این به معنای پیش‌نیاز ریاضی قوی‌است. مهم‌ترین مطلبی که شما از ریاضی برای پردازش تصویر نیاز دارید، بحث سری و تبدیل فوریه است (که دانشجویان مهندسی در درس ریاضیات مهندسی با آن آشنا می‌شوند) و اگر این مطالب را بلد نباشید با انتگرال‌های وحشتناک و عجیب‌ و غریبی مواجه خواهید شد! پس از آن شما به مهارت قابل قبولی در جبر خطی (عمدتاً ماتریس‌ها) در حد دبیرستان نیاز دارید. اگر این‌ها را بلد باشید، تقریباً آمادگی لازم برای شروع یادگیری پردازش تصویر را دارید!
سوالی که برای خیلی‌ها با آن برخورد می‌کنند، این است که آیا ما واقعاً به ریاضی برای مطالبی چون پردازش تصویر و هوش مصنوعی نیاز داریم؟ پاسخ این است که بله! شما برای فهمیدن تئوری پردازش تصویر به ریاضی نیاز دارید. اصولاً برنامه نویسی برای پردازش تصویر و هوش مصنوعی سخت نیست، بلکه فهمیدن تئوری آن است که وقت و انرژی فراوانی را از شما می‌گیرد.
منبع رایگان و خوب برای یادگیری ریاضی فراوان است، من به شخصه مکتب‌خونه را پیشنهاد می‌کنم ولی خودتان می‌توانید از هر منبعی که راحت هستید استفاده کنید.

گام دوم - برنامه نویسی

دو راه برای برنامه نویسی در حوزه پردازش تصویر در پیش دارید: 1- استفاده از پایتونو یا سی‌پلاس‌پلاس و کتابخانه‌ی OpenCV 2- استفاده از نرم‌افزار Matlab. اینی که شما از کدام راه می‌روید به خودتان بستگی دارد؛ ولی باز هم کمی در مورد هر کدام توضیح می‌دهم.
پایتون زبان برنامه نویسی اوپن سورس (به معنای مصطلح و عامش یعنی رایگان) بوده و به همین علت منبع یادگیری پایتون به شدت فراوان است. از طرفی کتابخانه OpenCV هم اوپن سورس بوده و توسعه‌ی آن آزاد است.
از طرف دیگر متلب اوپن سورس نیست و لایسنس کامل آن 100000 دلار (اشتباه تایپی نیست، صد هزار دلار آمریکا!) هزینه دارد. (نترس بابا ما کرک شدشو استفاده می‌کنیم تو ایران :))) متلب گزینه‌ی مناسبی برای گروه‌های تحقیقاتی و پروژه‌های دانشگاهیست و شما می‌توانید از کد متلب خروجی c یا c++ بگیرید! همچنین می‌توانید به کمک متلب بر روی برد‌های رزبری‌پای برنامه بنویسید. بهترین ویژگی متلب، مستندات (Documentation) کامل آن است‌(در اکثر موارد، هر کد با مثال عملی همراه است).
متاسفانه بسیاری فکر می‌کنند که متلب صرفاً یک ماشین حساب سنگین است، در صورتی که اینگونه نیست. متلب یک محیط توسعه برنامه است که کاربردهای بسیار زیادی دارد. از هوش مصنوعی و پردازش سیگنال گرفته تا حل معادلات PDE. متلب زبان مخصوص خودش را داراست (که شباهت زیادی به پایتون دارد) و می‌توانید کتابخانه‌های دیگر (Add-ons) را نیز از طریق فروشگاهش (اغلب به صورت رایگان) نصب کنید.
سی‌پلاس‌پلاس هم مانند پایتون اوپن سورس است ولی با این تفاوت که یادگیری و کار کردن با آن خیلی سخت و زمان‌بر است. همچنین سرعت اجرای سی‌پلاس‌پلاس خیلی بیشتر از پایتون است و به همین علت در صنعت کاربرد فراوانی دارد.
اصطلاحاً پایتون زبان Fast Prototyping است. به این معنا که شما به کمک پایتون می‌توانید نمونه‌های اولیه را با سرعت نسبتاً بالایی توسعه بدهید. ولی به علت سرعت اجرای نسبتاً پایین (برای کاربرد‌های زمانبر) نمی‌توان کار خیلی پیچیده‌ای با آن کرد!
من به شخصه متلب را برای یادگیری پردازش تصویر توصیه می‌کنم، چون:
  • منابع درجه یک (مانند رافائل گونزالز و وایلی) از متلب برای آموزش پردازش تصویر استفاده کرده‌اند.
  • زبان متلب و پایتون بسیار به هم شباهت دارند، اگر پایتون بلدید، یادگرفتن متلب برای شما کاری ندارد. حتی بین کدهای پردازش تصویر متلب و OpenCV هم شباهت وجود دارد!
  • سرعت اجرای برنامه‌ها در متلب بیشتر از پایتون است.‌(ولی به پای سی‌پلاس‌پلاس نمی‌رسد!) می‌توانید از برنامه‌های خود خروجی c و c++ بگیرید. می‌توانید با کمک متلب برنامه‌ی برد رزبری‌پای را هم برنامه‌نویسی کنید.
  • مستندات متلب بسیار کامل‌تر از پایتون و کتابخانه‌ی OpenCV است (ولی جامعه‌ی آماری استفاده از آن کمتر از پایتون است.)

گام سوم - مفاهیم پردازش تصویر

همانطور که پیش از این نیز اشاره کردم، شما باید مفاهیم پردازش تصویر را عمیقاً یادبگیرید تا بتوانید از‌ آن در پروژه‌هایتان استفاده کنید. معروف‌ترین و بهترین منبع برای شروع یادگیری پردازش تصویر، کتاب «پردازش تصویر دیجیتالی» نوشته‌ی رافائل گونزالز و ریچارد وودز است که در ایران به نام رافائل گونزالز شناخته می‌شود.
این کتاب مفاهیم پیچیده را به زبان خیلی ساده توضیح می‌دهد و شما را زیاد درگیر مفاهیم ریاضی نمی‌کند. اگر می‌خواهید همزمان با یادگیری مفاهیم پردازش تصویر، به کمک متلب برنامه هم بنویسید، کتاب زیر را به شما توصیه می‌کنم. این کتاب مطالب کتاب بالا را با مثال‌هایی از متلب پوشش داده.
اما من خودم به شخصه با کتاب وایلی شروع کردم. کتاب وایلی هم به زبان ساده توضیح می‌دهد ولی به اندازه‌ی رافائل گونزالز جامع و کامل نیست و شما مجبورید در کنار آن از منابع دیگر هم استفاده کنید.
اگر دنبال یک منبع ویدئویی خوب می‌گردید، دوره‌های کورسرا را به شما پیشنهاد می‌کنم. دوره‌ی «اصول پردازش تصویر و ویدئوی دیجیتالی» توسط آگلوس کاتساگلوس در Northwestern University تهیه شده. تنها نکات منفی این دوره تکیه‌ی بیش از حد مدرس به مفاهیم ریاضی و لهجه‌ی یونانی وی است. همچنین بعد از هفته‌ی هشتم، مطالب به شدت پیچیده و به درد نخور به نظر می‌آیند و برای افراد مبتدی اصلاً جذاب و خوب نیست.
احتمالاً همین‌ها برای شروع کار شما کافی هستند و نیازی به منبع جداگانه ندارید. ولی محض اطمینان چند پلی‌لیست از یوتیوب را برای فهم بیشتر و بهتر معرفی می‌کنم.
پلی لیست پایین هم صرفا برنامه نویسی پردازش تصویر را با استفاده از OpenCV آموزش می‌دهد.

صرفاً به منابع بالا اکتفا نکنید، از هر منبعی که حس می‌کنید به یادگیری شما کمک می‌کند استفاده کنید. به خاطر داشته باشید:
شما هرگز نمی‌توانید کل بحث پردازش تصویر را به صورت کامل یاد بگیرید. سعی کنید با سرفصل‌ها آشنا شوید و موارد استفاده هرکدام را یاد بگیرید و دنبال کاربردهای عملی این بحث‌ها در زندگی روزمره یا حرفه‌ای خود بگردید و صرفاً به یادگیری تئوری اتکا نکنید.

اگر نظر، پیشنهاد یا انتقادی دارید خوشحال میشم از لینک پایین با من در میون بذارید. موفق باشید.
  • ۰ نظر
  • ۲۳ ارديبهشت ۹۷ ، ۱۵:۵۲

PDM، PLM و تولید محصول در قرن 21

دوشنبه, ۱۰ ارديبهشت ۱۳۹۷، ۰۶:۳۲ ب.ظ

تاریخچه

در گذشته‌های نه چندان دور، وقتی می‌خواستیم محصولی را تولید کنیم، کافی بود چند نقشه­‌ی دستی از آن تهیه می‌کردیم و پس از چند حساب سر انگشتی، مستقیماً وارد مرحله تولید می‌شدیم. پس از ورود نرم­افزارهای طراحی مهندسی (که نخستین آن‌ها نرم افزار AutoCAD بود)، بالطبع سرعتِ پروسه‌ی طراحی محصول افزایش یافت.

اما مشکل از آن­جایی آغاز شد که طرح‌های ما پیچیده‌تر شدند. برای مثال یک دوچرخه­ی قدیمی، حداکثر 100 قطعه داشت؛ ماشین‌های هندلی قدیمی هم بیشتر از 2000 قطعه نداشتند؛ اما خودرو‌هایی که امروزه تولید می‌شوند حداقل 60000 قطعه دارند. یا یک هواپیمای Airbus a380 بالغ بر 7000000 قطعه دارد. هر­کدام از این قطعه‌ها باید جداگانه طراحی­شده و در کنار هم قرار­گیرند. بدیهی است که در تولید محصول با این حجم از قطعات، معیارهای بسیاری باید مورد توجه قرار گیرند و این­جا بود که [1]PDM متولد شد.

  • ۲ نظر
  • ۱۰ ارديبهشت ۹۷ ، ۱۸:۳۲

چکیده‌: سمینار «خرافات [بحران] آب در ایران»

دوشنبه, ۱۰ ارديبهشت ۱۳۹۷، ۰۶:۰۹ ب.ظ

چندی پیش (حدودن سه هفته) چکیده‌ای از سمینار خرافات بحران آب در ایران رو نوشتم و در ویرگول منتشر کردم و یادم رفت بذارمش توی بلاگ. :)

بهتون توصیه میکنم حداکثر 15 دقیقه وقت بذارید تا چکیده‌ی یه سمینارِ 1.5 ساعته رو که خیلی مهمه (با توجه به شرایط آبی کشور) رو بخونید.


لینک مطلب در ویرگول

  • ۱۰ ارديبهشت ۹۷ ، ۱۸:۰۹

بالاخره برویم دانشگاه یا خیر؟

چهارشنبه, ۹ اسفند ۱۳۹۶، ۱۱:۳۷ ب.ظ
این مطلب در ویرگول منتشر شده.

بعد اومدن به ویرگول، یکی از موضوعاتی که خیلی نظرم رو جلب کرد این بود که خیلیا دل خوشی از دانشگاه ندارن! یا از اینی که رفتند دانشگاه پشیمونن یا از این که نرفتن دانشگاه خوشحالن! از این قسم افراد توی توییتر خیلی بیشتر دیدم. معمولن نسبت به این قشر از افراد بی‌اهمیت بودم تا این که پستی از علی تحت عنوان «
دانشگاه بروم یا نه» رو دیدم و تصمیم گرفتم کمی در این باره بنویسم! توجه داشته باشید که اکثریت مطالبی که توی این پست نوشته شده بیشتر برای رشته‌های مهندسی و شاید علوم پایه صادق هست و برای رشته‌های دیگه (مثل حقوق و دندانپزشکی) شاید زیاد به درد نخوره.البته عنایت داشته باشید که بنده فقط 2 ساله که دانشجو هستم و مطمئنن تجربه‌ی خیلی از شما دوستان از من بیشتره. خوشحال می‌شم نظرات شما رو هم بشنوم.

آیا دانشگاه کار یاد می‌دن؟

مسلمن یکی از دلایل مراجعه خیلی‌ها به دانشگاه، کسب آمادگی برای ورود به بازارکار هست. ولی سوء تفاهمی که به وجود میاد اینه که توی دانشگاه کار یاد نمی‌دن! برای مثال اگر رشته‌ی شما مهندسی مکانیک باشه (تقریبن) هیچوقت به شما نرم‌افزار‌هایی مثل SOLIDWORKS رو به صورت مستقیم یاد نمی‌دن و شما باید به صورت مستقل یادگیری اون‌ها رو شروع کنید. دلیل این شاید این باشه که دانشگاه محل تحصیلات آکادمیک هست و طبیعیه که توش دانش غیرآکادمیک جزوی از سیلایس (برنامه) درسی نخواهد بود. ولی به این نکته هم توجه داشته‌باشید که برای استفاده از ابزارآلات مختص رشته خودتون دونستن دانش آکادمیک در اون حوزه الزامیه. به عبارت بهتر دانشگاه قراره که مهندس تربیت بکنه، نه تکنسین. کسی که قبول می‌کنه توی یک محیط آکادمیک دوره بگذرونه، ناچاره که پیش‌نیازهای تئوری زیادی رو یاد بگیره که شاید به ظاهر به درد نخورن ولی پیش‌نیاز دانشی هستند که شما در آینده یاد خواهید گرفت. کسی که دانش‌های پایه‌ایش رو خوب یاد نگرفته، توی یادگیری دانش‌های تخصصیش دچار مشکل می‌شه و به ناچار نظام دانشگاهی رو متهم می‌کنه.شما اگر بخواید بدون رفتن به دانشگاه کار یاد بگیرید، ناچارید خودتون دانش آکادمیک اون حوزه رو یاد بگیرید. برای مثال هیچ برنامه نویسی نمی‌تونه بدون یادگرفتن مبانی برنامه نویسی یا الگوریتم‌ها یه برنامه نویس بشه. به همین علت شما به پشتوانه تجربه‌ی کاری و دانش آکادمیکتون می‌تونید پیشرفت بکنید و یا حتی دانش کاری خودتون رو توسعه بدید. برای کسب کردن دانش فنی ابزار زیاده. به قول یک دوستی:
بزرگترین دانشگاه دنیا، Stanford یا Oxford نیست، بلکه YouTube بزرگترین دانشگاه دنیاست!
هر ابزاری که بخواید توی یوتیوب یک عالمه آموزش درباره اون (به زبان‌های مختلف) آپلود شده. اگر دنبال آموزش‌های جمع و جورتری می‌گردید، Coursera رو به شدت توصیه می‌کنم! کافیه یه مدت با یکی از دوره‌هاش برید جلو تا به فوق‌العاده بودنش پی ببرید!از نظر من نیازی به کلاس رفتن و پول خرج کردن الکی نیست، شما می‌تونید بدون اینکه یک ریال از جیبتون خرج کنید به روز‌ترین دانش‌ها رو از طریق YouTube و سایر سرویس‌ها یاد بگیرید. برای اون دسته از دوستانی که دنبال منابعی برای دانش آکادمیک (به جز کتاب) هستن، مکتب‌خونه (به زبان فارسی) و دوره‌های رایگان OpenCourseWare دانشگاه MIT و دوره‌های رایگان دانشگاه Stanford (به زبان انگلیسی) رو توصیه می‌کنم. مسلمن کیفیت دوره‌های انگلیسی خیلی بهتر از دوره‌های فارسیه و همراه فایل‌های ویدیویی‌شون، تکالیف و جزوات درس از طریق سایت قابل دسترسی هستن! اون هم به صورت رایگان!

آیا درست انتخاب رشته کردید؟

این سوال بسیار مهمیه. آیا قبل از انتخاب رشته در رابطه با بازار کار، زیرشاخه‌ها، دانش فنی مورد نیاز و حوزه کاری رشتتون تحقیق کرده بودید؟ آیا به رشته‌ای که انتخاب کرده بودید، علاقه داشتید؟ با روحیات شما سازگار بود؟اگر پاسخ شما به سوالات بالا منفی است، ایراد از شماست و نه از دانشگاه! دکتر محمد جعفر مصفا در کتاب «تفکر زائد» گفته:
ما چند جور علاقه داریم که متاسفانه در زبان فارسی همه آن‌ها با یک کلمه خطاب می‌شوند، «علاقه». نوعی از علاقه وجود دارد که در انگلیسی به آن Passion گفته می‌شود. شما هنگامی که شروع به انجام کاری می‌کنید، حتی اگر از انجام آن کار متنفرید، کم کم در وجود شما علاقه‌ای به وجود می‌آید که رفته رفته آن تنفر را کمتر و کمتر می‌کند. اصطلاحن Passion شما نسبت به انجام آن کار افزایش می‌یابد.
اگر حس می‌کنید علاقه‌ای به رشته‌ای که در آن تحصیل می‌کنید ندارید، به دنبال مطالب جالب مرتبط با زمینه درسی خودتان بگردید. با افراد متخصص در آن حوزه صحبت کنید و خلاصه کاری کنید تا بیشتر با درسی که می‌خوانید آشنا شوید. یا به عبارت بهتر دنبال ایجاد کردن Passion درخودتان باشید! اگر حس کردید علاقه‌ی اصلی شما چیز دیگریست، پس به تغییر فکر کنید.

کلام پایانی

دانشگاه جدای از آن که مشکلات فراوانی دارد و جا برای اصلاح در آن بسیار زیاد است، ولی پلی است برای آشنا شدن با افراد جدید و افراد هم دغدغه با شما و تجربه‌ی نوع جدید و شیرین‌تری از زندگی؛ زندگیِ دانشجویی. امیدوارم این نوشته‌ها به شما در انتخاب مسیر زندگی‌تان کمک کرده باشد. محتوای این پست ممکن است در آینده تغییر کرده و مطالبی به آن افزوده یا کاسته شود. اگر نقدی بر این نوشته‌ دارید منتظر شنیدن دیدگاه شما هستم. ممنون بابت وقتی که گذاشتید ♥.
  • ۱ نظر
  • ۰۹ اسفند ۹۶ ، ۲۳:۳۷

هشتگ (#) چیست و چه کاربردی دارد؟

چهارشنبه, ۱۴ خرداد ۱۳۹۳، ۰۸:۴۶ ب.ظ

با سلام ، شاید باورتون نشه ولی من قراره از این به بعد یک سری آموزش های مبتدی رو توی این وبلاگ بذارم امیدوارم که به کارتون بیاد. خواستم از "هشتگ" (به انگلیسی Hashtag) شروع کنم که این روزا باید این چیزا رو دونست. توی شبکه های اجتماعی بزرگ مثل فیسبوک یا توییتر امکان اینکه پست های ارسالی رو موضوع بندی کنید وجود نداره. مثلا نمیتونید موضوعی به نام اقتصاد رو داشته باشید و برای اون پست بدید. به همین علت مدیران این شبکه ها تصمیم گرفتن از چیزی به نام "هَشتَگ" استفاده کنن. طریقه ی کارش هم بسیار ساده هستش ... شما یک # (بخونیدش = شارپ) ایجاد میکنید و بعدش کلمه ای که میخواین راجبش بنویسید رو قرار میدید. مثلا #اقتصاد . 

به نمونه زیر از فیسبوک دقت کنید :

شما با کلیک کردن بر روی این تگ ها ، میتوانید تمامی پست هایی را که با این اسم ها تگ شده اند را ببینید. به همین سادگی!

این هشتگ ها میتوانند در هر موضوعی باشند. اگثر این هشتگ ها مناسبتی اند و برای یک دوران خاصی به کار میروند. برای مثال در ماجرای ربوده شدن 200 دختر نیجریه ای توسط بوکوحرام ، هشتگی با نام #BringBackOurGirls رایج شد که حتی میشل اوباما (همسر باراک) و بازیگران مشهور و مطرح نیز در آن شرکت کردند. شما میتوانید هشتگ های استفاده شده و معروف در سایت های "hashtags.org" و "wthashtag.com" مشاهده کنید! 


فعلا!