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

۴ مطلب با موضوع «یادگیری :: شرحِ مطلب» ثبت شده است

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

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