بیش از دو هفته است که به دلیل همه‌گیر شدن ویروس کورونا (کووید-19)، کلاس‌ها و جلسه‌های حضوری دانشگاه تعطیل شده است و باید از خانه درس و تحقیق را انجام بدهیم. شرایط زندگی، جدید، عجیب و کاملا دشوار است.

مرز شب و روز از یک طرف و مرز کار دانشگاه و زندگی از طرف دیگر، کاملا برداشته شده است. مغز من که تازه داشت یاد می‌گرفت آخر هفته پنج‌شنبه و جمعه نیست و اولین روز هفته هم شنبه نیست، با این اتفاق کاملا ری‌استارت شد!

تا قبل از اعلام قرنطینه در اینجا، وقتی با خانواده و دوستانم در ایران صحبت می‌کردم به ویژه داداش مظاهر، می‌گفتم که رعایت کنید و بیرون نروید. حالا که خودمان در همان شرایط قرار گرفتیم، برای من قابل لمس است که خانه ماندن و بیرون نرفتن چقدر دشوار است. این جمله کاملا درست است که تا وقتی خودتان شرایطی را تجربه نکرده باشید، نمی‌توانید حس و حال افرادی را که در آن شرایط هستند، به درستی درک کنید.

دو هفته پیش، پنج‌شنبه شب اعلام کردند که جمعه کلاس تعطیل است. شنبه و یکشنبه هم که دانشگاه تعطیل بود. یکشنبه ایمیلی دریافت کردیم که دوشنبه کلاس‌ها تعطیل است. از سه‌شنبه همه‌ی کلاس‌ها و جلسه‌ها آنلاین شد.سرعت عمل مدیران دانشگاه قابل تحسین بود.

کلاس‌ها و جلسه‌های آنلاین هم حال و هوای خودش را دارد. هفته پیش کلاس داشتیم و استاد مشغول صحبت بود که یک‌دفعه صدایی بچه‌ای را شنیدیم و بعد دیدیم که همسر استاد دوان دوان بچه‌ی کوچک‌شان را بغل کرده از اتاق خارج می‌کند. 🙂

یکی از دوستان‌مان که پسر کوچکی دارد می‌گفت که پسر چهارساله‌ام یک پای ثابت جلسه‌های کاری من است و در همه‌ی جلسات من حضور فعال دارد 🙂

از دیدگاه من، یکی از مهم‌ترین دلایلی که باعث شد این طرح قابل انجام باشد، زیرساخت اینترنت اینجاست. اگر اینترنت نبود، این کار شدنی نبود. یکی از آن دست امکاناتی که در ایران از آن بی‌بهره بودیم. یادمان رفته بود که زیرساخت اینترنت مثل زیرساخت حمل و نقل، نقش حیاتی در زندگی دارد و می‌تواند در موقع بحران به کمک ما بیاید.

امیدوارم که هر چه زودتر این بحران جهانی تمام شود و همه در آرامش و آسایش باشند.

Creating a model for machine learning projects is like this: In the morning, you think you will solve the problem with the four basic mathematical operations, and at night you will come to a long list of must-read topics that the simplest one may include multiple integrals.

TensorFlow is called ‘TensorFlow’ because it handles the flow (node/mathematical operation) of Tensors, which are data structures that you can think of as multi-dimensional arrays. Tensors are represented as n-dimensional arrays of base dataypes such as a string or integer — they provide a way to generalize vectors and matrices to higher dimensions.

The shape of a Tensor defines its number of dimensions and the size of each dimension. The rank of a Tensor provides the number of dimensions (n-dimensions) — you can also think of this as the Tensor’s order or degree.

Reference: intro-to-deep-learning

Quote:
If you run into something that seems like it couldn’t possibly happen:
1) 90% of the time, it’s not actually happening; the observation is wrong. Perhaps a caching or sync issue. Perhaps a measurement error.
2) 10% of the time, your entire mental model of the system is wrong.
François Chollet

The neuro-symbolic concept learner designed by the researchers at MIT and IBM combines elements of symbolic AI and deep learning. The idea is to build a strong AI model that can combine the reasoning power of rule-based software and the learning capabilities of neural networks.

In the hybrid AI model, the symbolic component takes advantage of the neural network’s ability to process and analyze unstructured data. Meanwhile, the neural network also benefits from the reasoning power of the rule-based AI system, which enables it to learn new things with much less data.

“Neural networks and symbolic ideas are really wonderfully complementary to each other,” Cox said. “Because neural networks give you the answers for getting from the messiness of the real world to a symbolic representation of the world, finding all the correlations within images. Once you’ve got that symbolic representation, you can do some pretty magical things in terms of reasoning.”

For instance a neuro-symbolic system would use a neural network’s pattern recognition capabilities to identify objects. Then it would rely on symbolic A.I. to apply logic and semantic reasoning to uncover new relationships

Read more here and here.

Quote:
Developing a notebook that trains a model is only a small fraction of any serious ML project. Data collection before that, and deployment after, are usually more difficult and time-consuming.
François Chollet

عزیزانم، سال نوی شما مبارک.
برای شما در سال نو، دل خوش، تن سالم، لبی خندان و پیروزی‌های پی‌درپی آرزومندم.

فروردین 1399

عکس: بی‌بالان

همیشه دوست داشتم روزی به یاد مادر مهربانم بنیادی تاسیس کنم به نام «بنیاد لیلی» که ماموریت‌اش کمک به بهبود آموزش دانش‌آموزان باشد. مادرم زن مهربان، بخشنده‌ و در عین حال زحمت‌کشی بود و البته الگوی بسیار خوبی برای من. هر چند تاکنون شرایط تاسیس این بنیاد را نداشته‌ام، اما یاد مادرم پیش‌ران و انگیزه‌ی بخش بزرگی از کارهای آموزشی‌ام بوده است.
اسفندماه، ماهی است که او از بین ما رفت و ما را برای همیشه غصه‌دار کرد. خدایش رحمت کند. راستش را بخواهید، دلم خیلی برایش تنگ می‌شود.

ارغوان شاخه همخون جدا مانده من
آسمان تو چه رنگ است امروز؟
آفتابی‌ست هوا؟
یا گرفته است هنوز؟

هفته‌ی پیش، بی‌بالان برف آمده بود و چند روزی برق و آب قطع شده بود. با همه‌ی وابستگی به تکنولوژی، به لطف چاه آب و چراغ نفتی، زندگی هر چند با سختی ادامه پیدا کرده بود. درخت نارنج حیاط خانه با همه‌ی تلاش داداش، زیر سنگینی برف شکست و با شنیدنش ….

حالا هم بعد از سپری شدن برف سنگین، ویروس کورونا امان همه را بریده.
پس از این همه خبرهای ناگوار چند وقت اخیر، امیدوارم که خبرهای بعدی، خبرهای خوشی باشند.