<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
    <channel>
        <title>نوشته های HodaMemar</title>
        <link>https://virgool.io/feed/@m_985096</link>
        <description></description>
        <language>fa</language>
        <pubDate>2026-06-27 02:52:30</pubDate>
        <image>
            <url>https://files.virgool.io/upload/users/269879/avatar/v6m1wg.png?height=120&amp;width=120</url>
            <title>HodaMemar</title>
            <link>https://virgool.io/@m_985096</link>
        </image>

                    <item>
                <title>ساخت ربات تلگرام هوشمند با n8n و OpenRouter</title>
                <link>https://virgool.io/@m_985096/%D8%B3%D8%A7%D8%AE%D8%AA-%D8%B1%D8%A8%D8%A7%D8%AA-%D8%AA%D9%84%DA%AF%D8%B1%D8%A7%D9%85-%D9%87%D9%88%D8%B4%D9%85%D9%86%D8%AF-%D8%A8%D8%A7-n8n-%D9%88-openrouter-mfgmw1q81lhk</link>
                <description>در این آموزش ساده و کاربردی، یاد می‌گیریم چطور با استفاده از  n8n Cloud یکworkflow بسازیم که با پیام‌های دریافتی از تلگرام، آن‌ها را برای پردازش به مدل‌های هوش مصنوعی ارسال کند و پاسخ بدهد. ما از  OpenRouter به جای OpenAI استفاده می‌کنیم، که تنظیمات ساده‌تری دارد.پیش‌نیازهابرای شروع به این ابزارها نیاز داریم:حساب n8n Cloudیک ربات تلگرام ساخته شده از طریق BotFatherیک API Key از OpenRouter.aiمرحله ۱: ساخت ربات تلگراماول وارد تلگرام میشیم و به @BotFather پیام میدیم.  بعد از دستور /newbot یک نام دلخوام برای بات انتخاب میکنیم.در این مرحله یک Token دریافت میکنیم که این Token برای اتصال در n8n لازمهمرحله ۲: ساخت workflow درn8nما قراره یک چنین workflow ای بسازیماول باید وارد  n8n Cloud بشیم ( یک حساب بسازیم) و  بعدش در قسمت workflow یک نود  Telegram Trigger قراربدیم. دقت کنید که برای اینکه بات تلگرام بتونه عمل کنه نیاز به https هست و دلیل اینکه از نسخه Cloud استفاده میکنیم همینه ( n8n نسخه قابل اجرا روی داکر هم داره).با استفاده از Bot Token که از تلگرام دریافت کردیم یک Credential میسازیم و با استفاده از اون Telegram Trigger را تست میکنیم. تصویر زیر تنظیمات Telegram Trigger است:- اتصال بهOpenRouter- ( هوش مصنوعی جواب دهنده به پیامها)اول از همه باید بگم که هوش مصنوعی های زیادی برای این مرحله وجود داره ولی به خاطر هزینه الان از یک مدل رایگان استفاده کردم.وقتی openrouter را از جعبه ابزار سمت راست انتخاب میکنی اول با چنین ماژولی که در تصویر نشون داده طرف میشیم. کاری که باید انجام بدیم این هست که ورودی این ماژول را با Trigger Telegram که ساختیم جایگزین کنیم که هوش مصنوعی با دریافت پیام هایی که برای بات فرستاده میشه کار پردازش رو انجام بده.در OpenRouter می‌تونی انتخاب کنی از کدوم مدل استفاده کنی . الان مدل هایی مثل Claude، GPT، Mistral هم قابل انتخاب هستند. معمولا برای استفاده از اینها باید یک API Key از وب سایتشون دریافت کرد.3- در آخرین مرحله یک نود تلگرام و برای send message به گردش کارمون اضافه میکنیم که نتیجه پردازش شده توسط هوش مصنوغی رو به کاربر نشون بده. در تنظیمات این نود به دو تا نکته باید توجه کنیم. اول ChatID که عبارتی به این صورت است {{ $(&#x27;Telegram Trigger&#x27;).item.json.message.chat.id }} و همینطور Text که باید با {{ json.text $}} پر بشه. بعد از ذخیره سازی، دکمه active را در بالای صفحه انتخاب کنید و به بات تلگرام پیام بدید تا به شما جواب بده!!در این پست یادگرفتیم که چطور با استفاده ازn8n Cloud، ربات تلگرامی بسازیم که به کمکOpenRouter و هوش مصنوعی، پیام‌ها را تحلیل کنه و پاسخ بده!</description>
                <category>HodaMemar</category>
                <author>HodaMemar</author>
                <pubDate>Tue, 20 May 2025 07:35:39 +0330</pubDate>
            </item>
                    <item>
                <title>تحلیل داده‌های بالینی با Python و SQL | مجموعه‌ای از ویدیوهای آموزشی بر پایهMIMIC-III</title>
                <link>https://virgool.io/@m_985096/%D8%AA%D8%AD%D9%84%DB%8C%D9%84-%D8%AF%D8%A7%D8%AF%D9%87-%D9%87%D8%A7%DB%8C-%D8%A8%D8%A7%D9%84%DB%8C%D9%86%DB%8C-%D8%A8%D8%A7-python-%D9%88-sql-%D9%85%D8%AC%D9%85%D9%88%D8%B9%D9%87-%D8%A7%DB%8C-%D8%A7%D8%B2-%D9%88%DB%8C%D8%AF%DB%8C%D9%88%D9%87%D8%A7%DB%8C-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%A8%D8%B1-%D9%BE%D8%A7%DB%8C%D9%87mimic-iii-zu2uv0ozcpg2</link>
                <description>سلام دوستان،در مسیر یادگیری تحلیل داده‌های پزشکی، با دیتاست MIMIC-III کار کردم و تجربه‌هایی که به‌دست آوردم رو در قالب چند ویدیو آموزشی ساده و کاربردی منتشر کردم. هرچند هنوز در حال یادگیری هستم، اما تصمیم گرفتم این محتواها رو با دیگر علاقه‌مندان به اشتراک بگذارم؛ شاید برای کسی مفید واقع بشه.در این مجموعه ویدیویی، با استفاده از Python ،،  SQL Server و اتصال به داده‌های واقعی بیمارستانی از دیتاست MIMIC-III، به تحلیل‌های مختلف پرداخته‌ام. این آموزش‌ها بیشتر مناسب دانشجویان علوم پزشکی، علوم داده، سلامت دیجیتال (HIT) و توسعه‌دهندگان سیستم‌های بیمارستانی(HIS) هستند.برخی از موضوعاتی که در ویدیوها پوشش داده‌ام:راهنمای دریافت دسترسی به دیتاست MIMIC از PhysioNet آموزش گام‌به‌گام ثبت‌نام، گذراندن دوره تحقیق مسئولانه، و گرفتن تأییدیه جهت کار با داده‌های MIMIC.مقایسه روش‌های مختلف تحلیل داده‌های بیمارستانی آشنایی با انواع تحلیل: توصیفی (Descriptive)، تشخیصی (Diagnostic)، پیش‌بینی (Predictive) و تجویزی (Prescriptive).نمودار پاسخ حرکتی GCS بیماران با استفاده از داده‌های جدول chartevents و کدهای GCS، نمودار توزیع پاسخ حرکتی بیماران بزرگسال رسم شده است.تحلیل تعداد بیماران، مراجعات و  بستری‌ها در ICU بررسی و مقایسه سه شاخص مهم: تعداد بیماران منحصربه‌فرد، مراجعات      بیمارستانی و بستری‌ها در بخش مراقبت ویژه.تحلیل سن و جنسیت در بخش‌های مراقبتی ICU با رسم نمودار ویولن و هیستوگرام، توزیع سنی و جنسیتی بیماران بزرگسال در بخش‌های مختلف ICU بررسی شده است.نمودار هیستوگرام ضربان قلب بیماران بررسی کدهای ضربان قلب در دیتاست و نمایش توزیع آن به‌صورت هیستوگرام      برای بیماران بالای ۱۶ سال.📌 ابزارهایی که استفاده شده:اتصال به پایگاه داده با pypyodbcپردازش داده‌ها با pandasترسیم نمودارها با matplotlib.pyplotاجرای کوئری‌های SQL بر روی پایگاه داده MIMIC📺 اگر علاقه‌مند هستید، می‌تونید پلی‌لیست کامل ویدیوها رو از طریق لینک زیر ببینید:  https://www.youtube.com/playlist?list=PLjyIgFPGFJXwCETkkenCTVYDH0nwzgUkPخوشحال می‌شم اگر نظری داشتید یا پیشنهادی برای بهبود محتواها داشتید، برام بنویسید. با آرزوی یادگیری‌های عمیق‌تر برای همه ما 🙏🌱</description>
                <category>HodaMemar</category>
                <author>HodaMemar</author>
                <pubDate>Sun, 18 May 2025 19:57:18 +0330</pubDate>
            </item>
            </channel>
</rss>