https://virgool.io/feed/@AmmirMahdi علاقه مند به علوم داده و یادگیری ماشین fa 2026-04-14 22:33:48 https://files.virgool.io/upload/users/43395/avatar/avatar.png?height=120&width=120 https://virgool.io/@AmmirMahdi https://virgool.io/@AmmirMahdi/%D8%B5%D9%81%D8%B1-%D8%AA%D8%A7-%D8%B5%D8%AF-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%B3%D8%B1%D8%A8%D8%A7%D8%B2%DB%8C-%D8%AF%D8%B1-%D9%BE%D8%A7%D8%AF%DA%AF%D8%A7%D9%86-%D8%A2%D8%A8%D8%A7%D8%AF%D9%87-%D8%A7%D9%85%D8%B1%DB%8C%D9%87-%D8%AE%D8%A7%D8%AA%D9%85-g3xpphzyexg6 با تموم شدن درس و گرفتن مدرک تحصیلی(دیپلم، لیسانس، فوق لیسانس، دکترا) اولین سوالی که به ذهن هر پسری میاد اینه که آیا سربازی بریم یا نریم ؟ سخته یا آسونه؟ و سوال هایی از این قبیل موارد که تو این مقاله قراره با هم بررسی کنیم. اول مطلب عرض کنم خدمتتون که این مقاله هم برای سربازان آموزشی ساده(دیپلم و لیسانس و سرباز معلم و..) و هم امریه خاتم هستش و تفاوت آنچنانی به جز در موارد استحقاقی که بهشون داده میشه با هم دیگه ندارند. بعدا مطلبی راجب گرفتن امریه خاتم و شرایطش براتون مینویسم. بعد از مشخص شدن محل آموزشیتون در سامانه سخا اگه امریه خاتم نباشید نظام وظیفه براتون اتوبوس میگیره و میبرنتون پادگان(شخصی هم میتونید برید) ، بچه هایی که توسط خاتم امریه شدند باید با هزینه خودشون به پادگان مراجعه کنند (این هزینه ماه آخر آموزشی به سرباز کارتتون واریز میشه) شما تا 72 ساعت فرصت دارید خودتون رو به پادگان معرفی کنید در غیر این صورت براتون مشکل ایجاد میشه و ممکنه اذیتتون کنند، عده ای از بچه ها با ماشین شخصی خودشون میان که تو خود شهر آباده پارکینگ هستش و شبی 50 هزارتومن بابت پارکینگ ازتون میگیره حالا محاسبه کنید ببینید میصرفه با ماشین خودتون برید یا نه.آباده شهر کوچیکی هستش و باید مراقب رفتارتون تو شهر باشید که اهالی نیان گزارش شمارو به بابت اخلاقتونو به پادگان بدند که کل مرخصی هاتون رو لغو کنند. توصیه میکنم توی شهر نگردید این شهر هیچی واسه دیدن نداره..وسایل مورد نیاز اگه سرباز امریه هستید اینو بدونید که به شما کمتری وسیله ممکن رو ميدند و تا میتونید وسیله اعم از خوراکی و لباس با خودتون ببرید اینجا لیستی از وسایلی که نیاز دارید مینویسم امیدوارم که کمکتون کنه.دارو (سرماخوردگی، چرک خشک کن، تب بُر، مسکن، ضد تهوع و...) بهداری اینقدر دور و بی امکانات هستش که چیزی به شما نمیده و فقط برگه دفترچتون رو می‌کنند و خوب هم نمیشید. و ضمنان اگه داروی خاصی مثل افسردگی یا.. استفاده می‌کند حتما نسخه داشته باشید وگرنه ازتون میگیرن و نمیزارن ببرین داخل.. نخ و سوزن لباس (شورت و زیر پوش و لباس راحتی) پماد عرق سوز (از هر کدوم 2 تا ببرید زینک اکساید و پماد NN اگه فصل گرم میرید حتما ضد آفتاب ببرید) ناخن گیر خوراکی(آجیل، خرما خشک، کیک و کلوچه و هر چیزی که فکر می‌کنید ببرید تا اخر دوره داشته باشید بعد میان دوره یکمی گیر میدم هر چند بچه ها تونستن بازم خوراکی بیارن) فلاسک کوچیک همراتون باشه خوبه حوله ملحفه از خونه ببرید که واسه خود تختون کثیف نشه مجبور شید باز کنید و بشورید که خیلی وقت گیر و اذیت کنندسکتاب (اونجا وقت دارید کتاب بخونید خودم 3 تا کتاب خوندم) شامپو و عطر(حتما ببرید نیازتون میشه خیلی عرق میکنید) قفل کوچیک کش خیاطی(یه بسته کوچیک بگیرید کافیه) قیچی قاشق و چنگال (بهتون نمیدن حتما ببرید)دمپایی(جنس خوب بخرید چون باید هر روز کلی راه برید از نمازخونه تا..، دمپایی های خود بوفه گرونه و بدرد نمیخوره) اگه مقام ورزشی یا هر چیزی دارید حتما مدرکشو ببرید(حافظ قرآن و...)بهتون میگن که تحویل بدید توی افزایش درجه بدردتون میخوره. بطری آب معدنی خانواده هم داشته باشید که توی اردو خیلی به کارتون میادش. اصلی ترین چیز هارو خدمتتون گفتم و بقیه وسایلی که همراتون هستش اختیاریه و نکته مهم این که اونقدر کیفتون رو سنگین نکنید که موقع برگشت اذیت بشید خصوصا روزای اول که همش توی صف هستید. ورود به پادگان بعد از وارد شدن به پادگان چند سرباز وسایل شمارو بررسی می‌کنند از دارو بگیر تا وسایل شخصی بعد بهتون برگه ای میدن که شامل اسمتون و کد گروهان تون داخلش نوشته شده به صف میشید و به دو سرباز شمارو میبرن که بهتون پتو بدن (خیلی تو پتویی که میگیرید دقت کنید بهتون 2 تا پتو میدن اگه دیدید پاره هستش حتما عوضش کنید وقتیم گفتن اشکال نداره حرفشون رو باور نکنید آخر سر خسارت همشونو ازتون میگیرن) بعد گرفتن پتوها به صف میشید و به سمت گروهان تون حرکت میکنید روزای اول معلوم نیست که واسه کدوم تخته و کدوم آسایشگاه موقتی یکجا ساکت میشید و روزای بعد سازماندهیتون می‌کنند بر اساس قد و کدی که بهتون داده میشه پس سر این چیزا دعوا نکنید بعدا خواستید با هماهنگی فرمانده میتونید جاتون رو عوض کنید اگه دو طرف راضی باشند. سازماندهی به این صورت هستش معاف از رزم ها و برادران اهل سنت جدا و بقیه هم جدا می‌نشیند اگه تعداد کم باشه که ترکیب می‌کنند و آسایشگاه شون جدا نمیشه برای خاتم اینطور بودش). بعد از سازماندهی دیگه جاتون معلوم شده و هر شب باید همونجا بخوابید. برای استحقاقی روز دوم یا سوم به صف میشید و تک به تک وسایل رو بهتون میدن به سربازای امریه وسایل کمتری ميدند پس تا اخر دوره مراقب لباستون پاره نشه که فقط همین یدونه رو دارید به سربازای دیگه وسایلشون کامل داده میشه از کیف و پوتین و کلاه واکس و..) تو انتخاب سایز پوتین دقت کنید یه کفی طبی هم ببرید که با کفی خود پوتین عوض کنید تو رژه اذیت نشید. بعد از هفته اول دیگه شما کامل آماده ی خدمت سربازی شدید و کم کم لوح نگهبانی و فعالیت های مربوط به سربازی مثل کلاس و رزم انفرادی و.. نوشته میشه و میرید سرکلاس درس همه ی کلاس ها داخل سالن نیست و کلاس هایی مثل رزم انفرادی و میدان تیر و.. توی محیط انجام میشه. نگهبانی ساعت خاموشی ساعت 9 هستش و هر آسایشگاه باید یک نفر به ترتیب لوح نگهبانی بده تا ساعت 3 صبح که اذان هستش (اوقات شرعی تابستان در آباده) خوش میگذره چیز خاصی نیست نگران نباشید و از آسمون پر ستاره این شهر نهایت استفاده رو ببرید. رزم انفرادی یکی از کلاسهایی که اگه استادتون خوب باشه خیلی بهتون خوش میگذره هر چند اولش خیلی اذیتتون می‌کنند با حرکت‌های خمپاره و سینه خیز برای زهره چشم گرفتن ازتون پس حرف گوش کن باشید و استاد رو اذیت نکنید وگرنه به شدت اذیت میشید و اسم این کلاس میاد لرزه به تنتون میوفته اگه فرماندتون سرگرد حسینی شد سلام مارو بهش برسونید بهترین فرمانده ای هستش که میتونید داشته باشید. تجهیزات رزم انفرادی بهتون داده میشه حتما حتما بررسی‌ کنید از سگگ کلاه بگیر تا همایل بند و.. اکثر وسایل آسیب دیدن، اگه دیدی مشکل داره برید بگید و حتما بنویسید بدید فرمانده اگه تونستید که عوضش کنید روز آخر خسارت همه ی اینارو ازتون میگیرن و زخم خورده میشید. غذا و حمام حجم غذا کم هستش ولی اگه سیر نشدید آخر سر برید دوباره بگیرید همیشه غذا زیاد میادش و این بستگی به مقسم غذاتون داره که از بین خودتون انتخاب میشه عدالت رو رعایت کنه. حمام هم خوب هستش و آب گرم به جز مواردی که خیلی شلوغ میشه و آب سرد میشه در کل خوبه. رژهاگه تو ماهی اعزام شدید که باید رژه سراسری رو برید(31 شهريور) اینو بدونید که زمان کلاس رژه شما خیلی بیشتر از بقیه ماه ها خواهد بود. برای رژه مراقب باشید به خودتون آسیب نزنید اگه مشکلی دارید بگید و برید ته صف برای یه آفرین شنیدن خودتون رو بیچاره نکنید بعدا با واریکوسل و واریس و.. دنبال دوا و درمان باشید. اگه تو ماهی اعزام شدید که باید رژه سراسری رو بربد(31 شهريور) اینو بدونید که زمان کلاس رز3ه شما خیلی بیشتر از بقیه ماه ها خواهد بود. برای رژه مراقب باشید به خودتون آسیب نزنید اگه مشکلی دارید بگید و برید ته صف برای یه آفرین شنیدن خودتون رو بیچاره نکنید بعدا با واریکوسل و واریس و.. دنبال دوا و درمان باشید. مشکلی دارید بگید و برید ته صف برای یه آفرین شنیدن خودتون رو بیچاره نکنید بعدا با واریکوسل و واریس و.. دنبال دوا و درمان باشید. بقیه کلاس هاتون چیز خاصی ندارند و چیزایی مثل عقیدتی و بهداشت و.. اینجور چیز ها هستن و خوش میگذره. اسلحه خیلی مراقبش باشید دست هیچکس ندید و با جونتون ازش مراقبت کنید که اگه چیزی بشه باید برید دادگاه و درگیره هزاران میشید خصوصا توی میدان تير و مراقب باشید پوکه گم نکنید. مرخصیسخت ترین پادگان تو دادن مرخصی هستش حتی خود بومی های اون منطقه رو نمیزارن مرخصی شهری برین و برن به متاهل ها هم تو دوره ی ما نهایت دوروز دادن و بقیه هیچ موندن پادگان.. پس اگه دیدی نمیدن خودتون رو الکی سبک نکنید و دنبالش نباشید که اذیت بشید. میان دوره زمان میان دوره در حالت عادی اینه که بعد 29 روز بهتون یک هفته مرخصی میدن و میرید و بر می‌گردید مگه اینکه توی شهریور ماه باشید که باید 31 روز کامل بمونید و بعد برید میان دوره (برای رژه خیلی سفت میگیرن این ماه) اردو برای اردو چادر می‌زنید و اگه خوش شانس باشید بهتون سیلو میدن (فقط یک گروهان اگه جمعیت زیاد باشه و چادر کم بیاد) ساعت حرکتتون 5 صبح هستش و برای ناهار بر می‌گردید به چادراتون و این غول مرحله آخر آموزشی سربازی هستش با اینکه خسته هستید اما یه حس خوبیه که دیگه تموم کردید و بر می‌گردید پادگان و فرداش موقع تحویل وسایل مراقب فانوس هایی که بهتون میدن باشید بشکنه شما باید هزینش رو بدید. بعد میان دوره کلاساتون فشرده تر و سخت میشه و باید خودتون رو برای اردوی سخت آماده کنید و بدونید اردوی این پادگان واقعا سخت هستش و حدودا 24 تا 30(بدترین حالت) کیلومتر پیاده روی میکنید با کیف و تجهیزات سنگین که خیلی از بچه ها وسط راه بیهوش میشدن و حتما یادتون باشه بطری آب با خودتون ببرید +خوراکی اینکه بهتون میگن چیزی نیارید رو باور نکنید با خودتون بطری آب و خوراکی ببرید خیلی نیازتون میشه توصیم اینه قبل اردو مسکن قوی بخورید که کمتر درد رو حس کنید. توی اون چند روزی (4روز) که اونجایی مراقب باشید وقتی میخواین بخوابید عقرب گزیدگی هم هستش جاتون رو مرتب کنید و پتوهاتون رو بتکونید قبل خواب.. فرمانده ها اکثرا خوب هستند به جز در مواردی که واقعا خون به جیگر سرباز ها می‌کنند در بعضی گردان ها که امیدوارم گیر اون ها نیوفتید این رو بدونید که هیچکسی حق توهین و زدن شمارو در هیچ صورتی نداره به حقوقتون آگاه باشید و نزارید ازتون سوءاستفاده بکنند هر چند خیلی کم پیش میاد همچین مواردی و احترام شمارو نگه می‌دارند. در مورد قبول کردن مسؤلیت بگم که بعضی فرمانده ها آخر سر اونایی که مسؤلیت سرویس و سلف رو داشتند بهشون تشویقی میدن و یه درجه اضافه تر میگیرن و بعضی ها هم نه گولتون می‌زنند و آخر هم هیچی بهتون نمیدن نظرم اینه که مسؤلیت قبول نکنید راحت ترید. چهار گردان وجود داره که بچه های خاتم توی گردان چهارم هستن و بقیه سرباز ها گردان های دیگه مستقر میشند گردان بچه های خاتم(چهارم) به جز فرمانده کل گردان بقیه چیزاش مثل حموم و.. خوب هستش. اینو یادتون باشه که سخت نگیرید بالاخره این روز ها میگذره و اموزشیتون به خوبی و خوشی تموم میشه مراقب آدم هایی که اونجا هستند باشید نه با همه رفیق شید و نه از همه فاصله بگیرید که تنهایی واقعا اذیت کنندس.از دعوا و درگیری به شدت دوری کنید و دنبال دردسر نباشید اونجا دائم باید برای هر چیزی توی صف باشید و این اعصابتون رو خورد میکنه صبور باشید. روز آخر هم برگه سبز و درجه و محل یگانتون رو میدن (بچه های خاتم همونجایی که پذیرش شدن میرن) و راهی خونه هاتون میشید. بچه های خاتم حتما خودتون اتوبوس بگیرید چه برای میان دوره چه پایان دوره اینطور بهتره بعدا خودتون می‌فهمید نخواستید هم بهتون میگن برای بلیط اتوبوس و از بیرون میان برای هماهنگی اتوبوس که نماینده انتخاب می‌کنید و براتون اتوبوس میادش.آیا سربازی بریم؟ هر چی زودتر برید سربازی به نفعتون هستش چه برای مهاجرت و چه برای کار و بعد مقطع لیسانس فرصت عالی هستش برای سربازی هم درجه ی خوبی میگیرید و هم رفتار مناسب تری میشه باهاتون نسبت به دیپلمه ها بعد فارغ التحصیلی کمی استراحت کنید و با آمادگی کامل بیایید سربازی و خودتون رو هر چی زودتر از این زندان خلاص کنید که نه تو کار پیدا کردن مشکل بخوريد و نه تو مهاجرت.. اونطور که میترسوننتون که سخته و اذیت میشید و فلان قصه ای بیش نیست و هدفشون اذیت کردن شما هستش نگران نباشید این دوران هم میگذره و بعدا ازش یاد میکنید. با فرمانده هاتون سر و کله نزنید و توی دید نباشید بزارید این دوران به خوبی و خوشی بگذره و این دوران دیگه تکرار نمیشه و دلتون برای همدیگه تنگ میشه. هر نکته ای که لازم بود رو خدمتتون گفتم امیدوارم به خوبی و خوشی این مدت رو تموم کنید و نکته ی دیگه ای بود تو کانت ها بگید و هر چی یادم بیاد به مرور مینویسم و اپدیت میکنم. هر سوالی داشتید بپرسید جواب میدم خدمتتون. Amir Mahdi Amir Mahdi Fri, 18 Aug 2023 17:04:21 +0330 https://virgool.io/@AmmirMahdi/%D8%A2%DB%8C%D8%A7-%D9%85%DB%8C%D8%AA%D9%88%D8%A7%D9%86%DB%8C%D9%85-her%D8%B1%D8%A7-%D8%A8%D8%B3%D8%A7%D8%B2%DB%8C%D9%85-hj4hmfstdq2n عکس مربوط به صحنه ای از فیلم HER می باشدسوالی که مطرح میشود این است که نسل بعدی محاسبات هوشمند به چه صورت خواهد بود ؟فیلم "HER" یک تصور و رویای عمومی از یک مسیر سریع و تکاملی که که نسل جدیدی از ربات ها که هم به عنوان دستیار مجازی و هم به عنوان کسی که بتوان با اون رابطه عاطفی تشکیل داد را به وجود آورد. آیا این یک آینده احتمالی است ؟در این فیلم تکامل سیستم عامل سامانتا و رابطه او با کاربرش, تئودور را از یک دستیار صالح, به یک نماینده ادبی که به طور پیشروانه نامه های تئودور را به یک دختر ایده آل و یا در نهایت یک موجود زنده نشان می دهد. این کار ناخوشایندی است و باعث از دست رفتن علاقه مندی انسان ها نسبت به این موارد میشود.در سراسر فیلم ما متوجه یک مکالمه چشمگیر که این ربات دارای یک زبان کامل , درک گسترده متن, یک معنای مشترک و تسلط بر قلمرو عاطفی را دارا میباشد.این یک پیشرفت گیج کننده است. اما حتی برای اولین بار اجرای این ربات نتایج کاملا چشمگیری از خود بروز میدهد مانند تشخیص گفتار, درک زبان طبیعی, تولید گفتار , گفت و گو , استدلال و برنامه ریزی و ... که یادگیری آن فراتر از هنر است .او قادر به انجام کارهای پیچیده میباشد مانند فیلتر کردن صندوق ایمیل تئودور و همچنین قادر است بدون هیچگونه پاسخ واضح از پیش تعیین شده ای درگیر استدلال انعطاف پذیر شود.در مقابل دستیاران مجازی که تا به امروز ساخته شده اند در گفت و گو های ساده شرکت میکنند مانند "چت" آنها قادر به ایجاد رفتارهایی پیش بینی کننده محدود هستند. اما نسبتا آهسته یاد میگیرند و بیشتر دستورات "یک شات" را خودکار میکنند مانند یافتن مسیر , تنظیم کردن قرار ملاقات , ارسال پیام و یافتن جست و جو ها و ...چه اتفاقی خواهد افتاد که دستیاران مجازی امروز حتی شبیه سامانتا دستاری فوق العاده کارآمد شوند.ارتباط و متن بیایید با یک دستیاری شروع کنیم که برای اهداف بالاتر مانند پر فرم ها و برگه ها با اطلاعات ضمنی و بدون اینکه نیازی به دستورالعملی داشته باشد گام به گام بهتر و بهتر شود.چنین دستیاری طبق دستورالعمل هایی مانند تنظیم کردن قرار ملاقات با دوستانم بعد از جلسه فردا و از دوستانم میخواهد که من را در آنجا ملاقات کنند. بدون اینکه اینکه ما مجبور شویم این تکالیف را به وظیفه اصلی خود تبدیل کنیم دستیار سعی میکندبر موانعی که وجود دارد گزینه های معقول تری را به ما ارائه دهد نه اینکه فقط یک شکست مانند این که قرار ملاقات دیر شد را یادآوری کند.این حقیقت که این درخواست به زبان طبیعی بیان شده است و تصادفی نیست. توانایی درک زبان طبیعی برای این دستیار بسیار مهم است اینکه بتواند زبان را متوجه شود و درک کند. اینکه یک سیستم هوشمند بدون زبان کنترل شود بسیار مشکل است. مشخص کردن درخواست رزو یک رستوران بدون استفاده از زبان در مقابل کلیک کردن یک کار دشوار است . تکیه بر زبان برای تعامل صرفا کار راحتی نیست.در عوض زبان نقش یک مکمل, یک مکانیسم قدرتمند را بازی میکند که به امکان می دهد اطلاعات و درخواست ها و محدودیت ها را انتقال بدهیم که یک روشی کارآمد است.البته بیشتر ارتباطات با زبان ذاتا کم اهمیت است به عنوان مثال " درخواست رزو رستوران " این درخواست در مورد زمان و مکان مبهم است سوالاتی که پیش می آید این است که آیا رزو رستوران باید از جلسه باشد ؟ یا همین الان انجام شود ؟ و ....انسان ها دانش خاصی را به کار میگیرند تا از ابهامات را رفع کنند. درست مانند سامانتا که یک دستیار موفق مجازی هم همین کار را انجام میدهد.زبان یک سیستم ارتباطی و موثر است اما قدرت آن متکی بر این فرض است که گویندگان و شنوندگان هم از نظر اجتماعی و هم از نظر جسمی دارای آگاهی و دانش هستند. هنگامی که سیستم های هوشمند را وارد مکالمات میکنیم موضف هستند به روشی انسانی رفتار کنند هنگامی که سیستم این وظیفه را انجام نمیدهد محققان معمولا نا امید میشود و این منجر به مکالمه ای به اصطلاح خفه و غیر طبیعی می شود و با شکست روبرو خواهد شد اعتماد به نفس در درک زبان, تشخیص صوت (صدا) را دقیق تر میکند. چه کسی میخواهد دستورات خود را که با زبان بیان میکند را تایپ کند ؟ قدرت درک سامانتا از این نظر چشمگیر است اون قادر است سخنان تئودور را بی عیب و نقص تشخیص دهد در حالی تشخیص صدا در دنیای واقعی هنوز مطابق با استاندارهای سامانتا نیست و این عملکرد دور از دسترس است. میزان خطا تقریبا در هر 20 سال کاهش میابد و هیچ چشم اندازی در آن مشاهده نمی شود.ادامه دارد ... Amir Mahdi Amir Mahdi Mon, 13 Jul 2020 11:40:32 +0430 https://virgool.io/cheyab-blog/%DA%86%DA%AF%D9%88%D9%86%D9%87-%D9%86%D8%B1%D9%85%D8%A7%D9%84-%D8%A8%D8%A7%D8%B4%DB%8C%D9%85-ytnzfjyes08q عادی بودن با گذشت زمان تغییر میکند و بر اساس مکانی که در آن هستید تغییر میکند. هیچ مجموعه ای از اصول وجود ندارد که بگوییم شما را عادی جلوه دهد. این روش هایی که وجود دارد که اگر در این کار مشکلی دارید متناسب با محیط اطراف خود کار کنید. در ادامه مقاله روش هایی ذکر میشود.بخش اول1- اعتماد به نفس داشته باشید به نظرتان دیگران توجه سالم داشته باشید. اگر بتوانید مقداری از نگرانی خود را نسبت به افکار دیگران اینکه راجب شما چه فکری میکنند را کاهش دهید, روحیه شادتر و استرس کمتری خواهید داشت. همچنین عادی تر به نظر میرسد چون به خودتان اعتماد بیشتری خواهید داشت. هر چه کمتر نسبت به عادی بودن توجه داشته باشید. اعتماد بیشتری خواهید داشت. علاوه بر این, این فضای فکری بیشتری به شما میدهد نسب به اینکه مردم راجب من چه فکری میکنند.2 - برای انتقال اعتماد به نفس از زبان بدن استفاده کنیدزبان بدن میتواند به شما اعتماد به نفس بدهد حتی اگر شما خجالتی و ترس از محیط بیرون را دارید.شواهد جدید نشان داده است که نیروی حالت (ژست گرفتن) میتواند فرمول شیمیایی مغز شما را تغییر دهد و تستوسترون آزاد کند و این حرکت موجب کاهش کورتیزول و باعث میشود که شما احساس قدرت کنید. [ کورتیزول]۱ - اعتماد به نفس زبان بدن به این معنی است که خود را " آزاد‌ " می کنید. بازوها و پاها را باز کنید. شانه های خود را عقب بکشید. و تصور حالت ایستاده و بسته را از خود دور کنید زیرا موجب استرس شما میشود.۲ - قبل از ورود به شرایطی که باعث عصبانی شدن شما میشود مانند یک محیط جدید, یک کلاس درس, تعامل با افرادی که شما را مورد تمسخر قرار داده اند. حداقل برای دو دقیقه به یک جای خصوصی بروید.۳ - تکنیک " زن شگفت انگیز " را امتحان کنید شانه هایتان را عقب کشید. دستان خود را پشت خود قرار دهید پاهای خود را با عرض شانه از یکدیگر قرار دهید و سر خود را به سمت بالا نگه دارید.۴ - سعی کنید همیشه حالت شانه هایتان به پشت باشد و یک دست را روی مفصل رانتان قرار دهید.منطقی انتخاب کنیدبرای مثال اگر تعجب میکنید که قاب تلفن همراه شما غیرطبیعی است [ اشکال عجیب غریب ] . قدم ورداشته و آن را ارزیابی کنید. اگر این وسیله به شغل و یا سبک زندگی شما آسیب میزند به نظر میرسد باید تصمیم منطقی بگیرید. اگر به راحتی بتوانید تلفن همراهتان را در جیب خود نگه دارید شاید دیگر قضاوت دیگران برایتان ارزش نداشته باشد.این تصمیم های عاقلانه باعث میشود تا شما در عادات و اعمال خود آگاه تر شوید به همین دلیل اطمینان بیشتری خواهید داشتدر برقراری ارتباط راحت باشیدشما باید از نحوه تعامل با دیگران آگاه باشید. اما بدانید دیگران آگاهی کمتری در مورد تمایلات دینی شما دارند. همانطور که در این زمینه کار میکنید. سعی کنید سوال کنید و همچنین اجازه صبحت به دیگران راه هم بدهید این تمایل به ایجاد مکالماتی که در آن راحت هستید باعث میشود توجه کانونی خود را احساس کنید .مراقب بدن خود باشید لازم نیست بلند قد و لاغر باشید تا متناسب تر به نظر برسید .با این وجود رژیم غذایی و ورزش میتواند مسیر طولانی را جهت بهبود عملکرد بدن شما طی کند. اعتماد به نفس ناشی از این احساس میتواند به شما کمک کند تا خود را بپذیرید و و راحت تر در جمع دوستان خود ظاهر شوید همچنین ورزش باعث بهبود سلامت روان و عاطفی شما میشود.۱ - غذاهای سالم بخورید سعی کنید هر روز یک ترکیب سالم از پروتئین , کربوهیدرات, میوه ها و سبزیجات و چربی ها میل کنید.۲ - برای سلامتی لازم نیست زیاده روی کنید در خوردن سبزیجات و ... یک معجون خوشمزه و یا یک بسته چیپس را هم امتحان کنید و فقط زیاده روی نکنید.۳ - برای سلامتی ورزش کنید. اگر وقت زیادی را در پشت کامپیوتر و یا تلویزیون هستید بلند شوید و به بیرون روید کمی هوای تازه را استشمام کنید. دوچرخه سواری و شنا و ... را امتحان کنید.چیز های جدید را امتحان کنیدبسیاری از مردم در برابر تغییر مقاوم هستند. با این حال تجربه یادگیری چیز های جدید باعث گسترش دید و افکار ما میشود. چه دوست داشته باشید و چه نداشته باشید در مورد خود و فعالیت ها چیز های جدیدی می آموزید. سرگرمی وبازی جدیدی را با دوستان خود امتحان کنید.بخش دومبا محیط سازگار شویدافراد شبیه به خود را پیدا کنید به خصوص اگر اهل فرهنگ دیگری باشد. هنگام ورود به یک مکان جدید ایجاد شبکه دوستان کمی مشکل است. به دنیال کسانی باشید که از پس زمینه های مشابهی برخوردار هستند. اگر خود را با محیط سازگار کنید با افرادی که تازه وارد میشوند نیز از آن ها چیز های جدیدی یاد میگیرید و این باعث میشود تا بهتر احساس عادی بودن را درک کنید.به دنبال گروه های آنلاین باشید گروه هایی مانند دانشگاه خود یا یک مرکز جامعه محلی و ..... تحقیق و جستجو کنید.لباس آینه بازتاب شماستدر واقع نوع پوشش شما بازتاب دهنده شماست. فراتر از پوشیدن لباس های فرهنگی که در آن محیط زندگی میکنید. سعی کنید شباهت خیلی زیادی به دیگران نداشته باشید.این امر به ویژه در محیط کار و محافل اجتماعی نیز توصیه میشود . بازتاب شما, میتواند باعث اعتماد به نفس شما بشود. وقتی خود را در لباس و یا رفتار شخصی که دوست دارید تحسین میکنید این امر میتواند باعث افزایش اعتماد به نفس و کاهش ناامنی های فکری شما بشود.تا زمانی که احساس امنیت و راحتی نکنید با لباس هایتان همیشه احساس ناامنی خواهید کرد. بازتاب اجتماعی شما میتواند احساس اسی پذیری کمتری داشته باشید و بیشتر به هم سن و سالان خود وصل شوید.داشتن مهارت های فردی در فعالیت های اجتماعی شرکت کنید. وقتی دوستانتان شما را به یک مهمونی دعوت میکنند آن را رد نکنید و حلقه دوستانتان رو حفظ کنید. همچنین راهپیمایی های اجتماعی را فراموش نکنید به خصوص اگر با فرد تازه ای باشد. ممکن است همیشه از شما دعوت نشود که در راهپیمایی ها شرکت کنید ولی شرکت در راهپیمایی ها و مجالس اجتماعی باعث میشود عادی تر به نظر برسید.یک زندگی اجتماعی داشته باشید. ساده ترین راه برای این کار این است که وقتی به جایی میروید سعی کنید دوستانی پیدا کنید و بیش از نگران لباس ها خود نباشید و اگر کسی مثل شما است دوستی شما کاملا طبیعی خواهد بود. داشتن دوست باعث میشود شما اجتماعی تر به نظر برسید . مودب باشید و رفتار های خوبی داشته باشید. جامعه به افرادی که مثبت هستند فکر میکنند. این طبیعی است که با دوستان خود که احساس راحتی میکنید صمیمی صحبت کنید با این وجود هنگامی که میخواهید تصور خوبی ایجاد کنید سعی کنید مودب تر به نظر برسید .منبع :‌ Wiki How Amir Mahdi Amir Mahdi Thu, 28 May 2020 11:28:41 +0430 https://virgool.io/cheyab-blog/deep-learning-%D8%B1%D8%A7-%DB%8C%D8%A7%D8%AF-%D9%86%DA%AF%DB%8C%D8%B1-mn1dhav0erwh یکی از بزرگترین پیشرفت های یادگیری ماشین در نسل گذشته یادگیری عمیق (Deep Learning) است . اماسوال اینجاست که آیا این به اون معنی هستش که نیازه یک دانشمند داده عمومی (Data Scientist) به سراغ این حرفه برود ؟یادگیری عمیق به طور واضح برای شبکه های عصبی یک جهش رو به جلو بود. مشکلات بینایی ماشین ( Computer Vision) که قبلا با مشکل روبرو بودند ناگهان قابل حل شدند و یک دانش جدید به وجود آمد و کل حوزه هوش مصنوعی را احیا کرد . در واقع این اهمیت اخیرا رسما شناخته شده است. که سه نفر از چهره های دارای اهمیت :Yoshua Bengio ( دانشمند کامپیوتر کانادایی )Geoffrey Hinto ( روانشناس شناختی و دانشمند علوم کامپیوتر )‌ Yann LeCunn ( دانشمند در زمینه علوم رایانه‌ )به دلیل سهم خود از در توسعه یادگیری عمیق (Deep Learning) جایزه تورینگ را از طریق ACM دریافت کرده اند.با توجه به این که یادگیری عمیق مکانی برای پیشرفت در یادگیری ماشین در حال حاضر در نظر گرفته می شود. اغلب توصیه میشود که دانشمندان داده نیاز به یادگیری اینکه یادگیری عمیق به چه صورت کار میکنددارند . و این به عنوان یک گام اساسی در حرفه ای شدن در این محسوب میشود .دو راه وجود دارد برای اینکه Deep Learning را بتوانیم به عنوان یک مهارت در چارچوب علوم داده حساب کنیم :موارد استفاده از یادگیری عمیق تا حدودی جدا از موارد اصلی است تا جایی که دانشمندان داده سعی در این دارند تا مدل هایی را با کاربردهای گسترده در زمینه تجارت ایجاد کنند. مانند پیش بینی بازار های زنجیره ای, حوادث بیمه یا همچین مواردی ... مواردی که یادگیری عمیق به ویژه با آن ها همراه بوده است تمایل به چیز هایی مانند بینایی ماشین و برنامه های کاربردی دیگر هوش مصنوعی بوده است.این حوزه های مختلف دانش به خودی خود نیاز به طرز فکر متفاوتی دارند. در حقیقت گرچه علوم داده و هوش مصنوعی به عنوان دو شکل از یک چیز شناخته میشوند. یا به عنوان زمینه هایی که یکی زیر مجموعه ی دیگریست. اما بیشتر مشاهده میشود آن ها زمینه هایی کاملا متفاوت با یک ناحیه ی مشترک کوچک هستند مانند دارو و دارو خانه یا قانون و حسابداری .در نتیجه موارد استفاده از Deep Learning تحت سلطه ی هوش مصنوعی است. این برنامه ها با جریان اصلی برنامه های علوم داده متفاوت است. برنامه های کاربردی یادگیری عمیق در حال حاضر بر روی تشخیص تصویر و تشخیص گفتار است و این مسیر طولانی برای دانشمندان داده که سختی های زیادی به همراه دارد و علاوه بر این این مهارت ها اصطلاحات مربوط به خود را دارند که باید یاد بگیرند.یادگیری عمیق نیز از نظر نیاز به دانش تخصصی در مورد معماری های خاص شبکه های عصبی به ویژه بسیار سنگین است. علاوه بر این بر خلاف بسیاری از الگوریتم های استخراج داده مانند جنگل تصادفی ( Random Forest) و یا گرادیان تقویتی (Gradient Boosted Machines) مورد استفاده قرار میگیرد. اصطلاحات یادگیری عمیق ضعیف است .مسئله سوم این است که یادگیری عمیق یک تکنیک عالی برای داده های بزرگ ( Big Data) است که غالبا بر میلیون ها داده متکی است تا نتیجه خوبی به دست بیاید. گری مارکوس در انتقاد به یادگیری عمیق میگوید :‌" در زمانی که مشکل محدود بودن داده ها را داریم. یادگیری عمیق اغلب راه حل ایده عالی نیست"حقیقت غم انگیز این است که اکثر دانشمندان داده با مشکل محدود بودن داده ها مواجه هستند و این یک دلیل ثانویه است که یادگیری عمیق اغلب برای برنامه هایی که دانشمندان داده با آن سر و کار دارند مناسب نیستند .این سه عنصر مربوط به Deep Learning است که در مقایسه با آمار به یک طرز فکر متفاوت نیاز دارد و حتی در مقایسه با حداقل برخی از رویکردهای دیگر در مورد یادگیری ماشینی قابل مقایسه است. نه تنها این ذهنیت باید به یک تمرینگر آموخته شود که بتواند مؤثر باشد بلکه هنگام بازگشت پزشک به عرصه دیگری لازم است تا حدودی از آن آگاه نشود. در این روش یادگیری عمیق و آمار شبیه به جراحی میکروسکوپی در مقابل جراح ارتوپدی است - در مقایسه با کار با بزرگترین استخوان ها با ساختارهای بسیار کمی در بدن کار می کند.این به این معنی نیست که توسعه مهارت های Deep Learning نمی تواند یک مهارت دیگر در تخصص های شما باشد. با این حال ، آنچه باید تحقق یابد این است که Deep Learning ، برای بیشتر افراد ، بازده ضعیفی را در زمان سرمایه گذاری شده برای تحصیل ، به ویژه در اوایل کار شما ایجاد می کند. به عنوان یکی از دشوارترین یادگیری مجموعه های ابزار با محدودترین زمینه های کاربرد ، سایر ابزارها بازده به مراتب بهتری را برای زمان سرمایه گذاری ارائه می دهند.بار دیگر نیاز به مطالعه چیزهای اضافی که بعید است از آنها استفاده شود ، در حال حاضر باعث از بین رفتن افراد در تلاش برای یادگیری دانشمندان داده از اهدافشان می شود. این احتمالاً می تواند به فرسودگی شغلی که دانشمندان زیادی از آن گزارش می دهند ، کمک کند. محدود کردن مطالعه مورد نیاز به لیست کوچکتر از مباحث اساسی تر ، امکان گفتن را فراهم می کند: "من حداقل در حال حاضر آنچه را که باید تسلط داشته باشد ، تسلط کرده ام."در این زمینه ، بار اضافی مجموعه مهارتهای تخصصی و غیرقابل انتقال که با یادگیری عمیق همراه باشد ، پلی برای بسیاری از افراد است. از یک طرف ، ایده الگوریتم های یادگیری عمیق که ویژگی های خاص خود را ایجاد می کنند به معنای این است که پزشکان جدا از داده هایی که می خواهند مدل سازی شوند ، نگه داشته می شوند. ما مدیون دانشمندان داده بعدی هستیم که به صفوف خود می آیند تا اطمینان حاصل کنند که آنها فقط آنچه را که برای شروع کارشان لازم است را مطالعه می کنند Amir Mahdi Amir Mahdi Tue, 19 May 2020 12:32:01 +0430 https://virgool.io/enline/%D8%B9%D9%84%D9%85-%D8%AF%D8%A7%D8%AF%D9%87-%DA%86%DB%8C%D8%B3%D8%AA-b5o2xfs50ysg با ورود جهان به عصر کلان داده ( Big Data) نیاز به ذخیره سازی داده افزایش یافت. این بزرگترین چالش برای صنایع و سازمان ها تا سال ۲۰۱۰ بود , تمرکز برای حل این مشکل و ایجاد چارچوبی برای ذخیر سازی داده بود, اکنون با وجود هادوپ و سایر ابزار های دیگر این مشکل حل شده است و حالا تمرکز به پردازش داده تغییر یافته است.اینجا دیتاساینتیست یک راز مخفی است, تمام ایده هایی که در فیلم های هالیوودی می بینید میتواند به واقعیت تبدیل شوند. علم آینده علم هوش مصنوعی است, بنابراین با درک این مسأله و اینکه چطور این علم میتواند به کسب و کار شما کمک کند مقاله را آغاز می کنیم. در اولین قدم باید بفهمیم که چرا ما به علم داده نیاز داریم ؟به طور سنتی در قدیم ما داده هایی در اختیار داشتیم که عمدتا از نظر ساختاری کوچک بودند که میتوانستیم با ابزار های ( BI (business intelligence آن ها را آنالیز کرده و اطلاعاتی استخراج کنیم. بر خلاف داده های موجود در سیستم های سنتی که عمدتا ساختار یافته بودند, امروزه اکثر داده ها ساختار یافته یا نیمه ساختار یافته نیستند. این نمودار نشان میدهد که ٪۸۰ درصد داده ها بدون ساختار بودند و این روند در آینده بیشتر میشوداین داده ها از منابع مختلفی مانند پرونده های مالی, متنی , فرم ها , حسگر ها و ابزارها تولید میشوند که ابزار های BI قادر به پردازش این حجم از تنوع داده نیستند به همین دلیل برای پردازش و تجزیه و تحلیل و ترسیم بینش های معنادار به ابزار ها و الگوریتم های پیشرفته تری نیاز داریم .این تنها دلیل محبوبیت علوم داده نیست. بیایید با دیدگاه عمیق تری داشته باشیم .چگونه علوم داده (Data Science) میتواند در حوزه های مختلف استفاده میشود ؟چگونه میتوانید نیازمندی های دقیق مشتریان خود را از داده های موجود مانند تاریخ خرید گذشته مشتری , سن , درآمد و ... را درک کنید بدون اینکه قبلا این داده ها را در اختیار داشته باشید ؟ اما اکنون با وجود حجم و تنوع داده ها میتوان مدل ها را به صورت موثر تر آموزش داد و محصول را با دقت و کیفیت بیشتری به مشتریان خود توصیه کنید . این شگفت آور نیست ؟ این کار میتواند در به وجود آوردن مشاغل بیشتر در سازمان ها شود.بیایید یک سناریوی متفاوت را برای درک نقش علم داده در تصمیم گیری در نظر بگیریم. مثلا اگر ماشین هوشمندی داشته باشیم که شما را خانه منتقل کند چطور ؟برای نمونه اتومبیل های خودران برای ایجاد نقشه ای از محیط اطراف , داده های زنده را از سنسور , رادار , دوربین و لیزرها جمع آوری می کند. بر اساس این داده ها تصمیماتی مانند زمان سرعت بخشیدن , زمان دستیابی و اینکه کجا از الگوریتم های یادگیری ماشینی استفاده کند را به طور منظم یاد میگیرد .حال بیایید ببینیم چگونه میتوان از علم داده برای پیش بینی آب و هوا استفاده کرد ؟ داده ها از کشتی ها , هواپیما ها و ماهواره ها میتوان جمع آوری کرد و با تجزیه و تحلیل این داده ها میتوان به نتایجی رسید . برای ساخت مدل از این آب و هوا نه تنها ما میتوانیم آب و هوا را پیش بینی کنیم بلکه در وقوع هر گونه بلای طبیعی نیز میتوان پیش بینی انجام دهیم و بسیاری از زندگی ها را نجات داد.بیایید به این اینفوگرافیک زیر نگاهی بیاندازیم تا همه ی دامنه هایی که علم داده میتواند به آن ها کمک کند را ببینیم.همانطور که در عکس مشخص است ما میتوانیم به صنایع مختلفی مانند حوزه سلامت - امنیت سایبری - شبکه های اجتماعی , گردشگری و پیش بینی و مدیریت ریسک , پیش بینی جرایم و ... وارد شویم . اکنون که شما نیاز به علوم داده را درک کردید. اجازه دهید درک کنیم علم داده چیست ؟این روز ها استفاده از علم داده متداول است و هر کسی سعی میکند خود را در این زمینه متخصص نشان بدهد. ولی واقعا به چه معناست ؟ برای تبدیل شدن به یک متخصص علوم داده به چه چیزی نیاز دارید ؟ فرق آن با BI چیست ؟ابتدا باید بفهمیم علم داده چیست ؟علم داده ترکیبی از ابزارها , الگوریتم ها و اصول یادگیری ماشین , با هدف پیدا کردن الگوهای پنهان از داده های خام است . سوالی که پیش می آید این است که این کار چه تفاوتی با آنچه آماردان ها (آماری ها) انجام می دهند دارد ؟پاسخ : در تفاوت بین توضیح و بینش نهفته است همانطور که در تصویر بالا مشاهده میکنید یک دیتا آنالیز با پردازش تاریخچه داده ها و اینکه چه اتفاقی می افتد توضیح میدهد . از طرف دیگر یک دیتاساینتیست نه تنها تجزیه تحلیل اکتشافی را برای برای کشف بینش از آن انجام میدهد بلکه از الگوریتم های مختلف یادگیری ماشین برای شناسایی اتفاقات آینده نیز استفاده میکند . یک دیتاساینتیست ( دانشمند علوم داده ) از زوایای مختلفی به داده ها نگاه میکند . گاهی اوقات از زوایای که قبلا مشخص نیست .بنابراین دا نش داده در درجه اول برای تصمیم گیری و پیش بینی از تجزیه و تحلیل برجسته و تجزیه و تحلیل تجربی(پیش بینی به علاوه تصمیم گیری ) ماشین استفاده کرد .تجزیه و تحلیل پیش بینی :اگر میخواهید مدلی داشته باشید بتواند یک رویداد خاصی را در آینده پیش بینی کند باید تحلیل برجسته را اعمال کنید مثلا بگویید اگر به صورت اعتباری به مشتریان وام دهید احتمالا مشتریانی را که وام های اعتباری آینده را به موقع پرداخت می کنند مورد توجه شما قرار میگیرد . در این جا میتوانید مدلی بسازید که بتواند تجزیه و تحلیل پیش بینی کننده در مورد تاریخ پرداخت مشتری را انجام دهد و پیش بینی کند که آیا به موقع پرداخت انجام خواهد شد یا خیر ؟تجزیه و تحلیل تجربی : اگر میخواهید یک الگو یا هوش در تصمیم گیری های خود با امکان اصلاح آن با پارامتر های داینامیکی را داشته باشید. مطمئنا برای آن نیاز به تجزیه و تحلیل تجربی دارید. این زمینه نسبتا جدید در مورد مشاوره است . به عبارت دیگر نه تنها پیش بینی میکنید بلکه طیف وسیعی از اقدامات تجویز شده و نتایج مرتبط را پیشنهاد میکند. به طور مثال اتومبیل خودران گوگل که در موردش بحث کردیم از داده های جمع آوری شده توسط وسایل نقلیه میتوان برای آموزش اتومبیل رانندگی استفاده کرد شما میتوانید الگوریتم های موجود در این داده را اجرا کنید تا به هوش این کار برسد با این کار ماشین قادر خواهد بود که چه زمانی فرمان را بچرخاند یا سرعت کم و زیاد شود.یادگیری ماشین برای پیش بینی مثلا شما داده هایی از مبادله ی یک شرکت مالی را دارید و برای تعیین روند آینده نیاز به ساختن مدل دارید. الگوریتم های یادگیری ماشین بهترین شرط بندی هستند این الگوی یادگیری نظارت شده است که زیرا شما از قبل داده هایی دارید که میتوانید ماشین خود را آموزش دهید . به عنوان مثال کشف تقلب با استفاده از سابقه تاریخی خرید های تقلب قابل آموزش است . بیایید ببینیم رویکرد های توضیح داده شده برای تجزیه و تحلیل داده و علوم داده متفاوت است. دیتا آنالیز برای تجزیه و تخلیل داده و دیتاساینس علاوه بر این ها شامل پیش بینی و تجزیه و تحلیل توصیفی است .تفاوت میان Data Science و BI چیست ؟ کار BI: اساسا داده های قبلی را برای یافتن نظارت و دید کلی برای توصیف روند کسب و کار تجزیه و تحلیل میکند. BI این امکان را به شما میدهد تا از منابع خارجی و داخلی استفاده کنید و آن را آماده کنید. مانند ساخت داشبوردو پاسخ به سوالاتی مانند تحلیل درآمد سه ماهه آینده یا مشکل شغلی. BI میتواند تاثیر برخی از وقایع خاص آینده نزدیک را ارزیابی کند.علوم داده : یک رویکرد آینده نگرانه است روش اکتشافی با محوریت تجزیه و تحلیل داده های گذشته و پیش بینی نتایج آینده با هدف تصمیم گیری آگاهانه این پاسخ به سوالات باز در وقایع آینده چگونه است ؟چرخه حیات علم داده چرخه حیات علم دادهمرحله 1 - کشف : در این مرحله تیم پروژه پس از آشنایی با حوزه کسب و کار و همچنین سوابق کارهای انجام شده و این که تا چه میزان می توان از تجارب گذشته درس گرفت ، منابع در دسترس به منظور حمایت از پروژه در حوزه های مختلفی نظیر افراد ، فناوری ، زمان و داده  را شناسایی می نماید . یکی از مهمترین فعالیت های این مرحله شکست یک مساله کسب و کار به اجزاء کوچکتر است بگونه ای که بتوان ضمن حفظ یکپارچگی و انسجام ، با دنبال نمودن مجموعه ای از مراحل متوالی به سرانجام نهایی رسید .مرحله 2 – آماده سازی داده : مرحله دوم نیازمند وجود یک محیط شبیه ساز و یا اصطلاحا Sandbox است تا تیم داده بتوانند با داده کار کنند و تجزیه و تحلیل را در مدت زمان انجام پروژه انجام دهند . تیم پروژه با انجام فرآیندهای مختلفی نظیر استخراج ، بارگذای ، تبدیل یا همان ELT معروف و یا استخراج ، تبدیل و بارگذاری یا همان ETL عملیات انتقال داده درون sandbox را انجام می دهند . به مجموعه فرآیندهای ETL و ELT بطور مختصر ETLT نیز گفته می شود .با انتقال داده به کمک فرآیندهای ETLT  امکان کار با داده و تجزیه و تحلیل آن فراهم می گردد تا بستر مناسبی جهت آشنایی عمیق تر با ابعاد مختلف داده برای تیم پروژه فراهم گردد .مرحله 3 – برنامه ریزی مدل : در این مرحله برنامه ریزی مدل انجام خواهد شد و تیم پروژه متدها ، تکنیک ها و جریان های کاری مورد نیاز را تعیین می کند . تیم داده با بررسی روابط بین متغیرها ، متغیرهای کلیدی نهایی که دارای بیش ترین تناسب با مدل هستند را انتخاب می نمایند .مرحله 4 – ایجاد مدل : در این مرحله تیم پروژه مجموعه های داده را برای تست ، آموزش و اهداف تولیدی ایجاد می نماید . علاوه بر این ،  تیم داده مدل ها را بر اساس کار انجام شده ایجاد و اجراء می نماید ( مدل هایی که در مرحله سوم ، برنامه ریزی آنها انجام شده است ) . تیم پروژه بررسی لازم در خصوص وجود ابزارهای لازم جهت اجرای مدل را انجام خواهد داد. همچنین ، بررسی این موضوع در دستور کار قرار خواهد گرفت که آیا برای اجرای مدل ها و جریان های کاری به یک محیط مطمئن تر نیاز است ( مثلا استفاده از سخت افزارهای قوی تر  ، پردازش موازی ) .مرحله 5 – ارتباط نتایج  : در این مرحله ، تیم پروژه در تعامل با ذینفعان اصلی ، بررسی موفقیت آمیز بودن و یا ناکامی نتایج پروژه را بر اساس شاخص های تعیین شده در مرحله اول در دستور کار قرار می دهد . همچنین ، تیم پروژه یافته های جدید را شناسایی  و ارزیابی کمی ارزش تولیدی برای کسب و کار را دقیقا مشخص می نماید و آنها را به صورت شفاف و مستند وعملیاتی در اختیار ذینفعان اصلی قرار می دهد .مرحله 6 – اجراء : در این مرحله تیم پروژه  گزارشات نهایی ، کد و مستندات فنی را ارایه می نماید . همچنین ممکن است یک پروژه پایلوت به منظور پیاده سازی مدل در یک محیط تولیدی توسط تیم پروژه سازماندهی و اجراء شودمنابع :‌Fabak edureka Amir Mahdi Amir Mahdi Wed, 18 Mar 2020 17:06:07 +0330