Established thought leaders with verified media credentials.
سلام. من امیر پورمند هستم و اینجا میخوام راجع به ایدهها و مفاهیم یادگیری ماشین به زبان ساده صحبت کنم. بعد از فارغالتحصیلی از ارشد هوش مصنوعی شریف و شروع فعالیت تو بازار کار کمکم به نظرم رسید که شاید میشد خیلی از مفاهیم رو سادهتر هم بیان کرد و درگیر کلمات قلمبه سلمبه نشد. و این پادکست تلاشی برای اثبات گزاره قبلی است! در ضمن سعیم این بوده که اپیزودها تا حد امکان از هم مستقل باشند. برای همین احتمالاً میتونید بدون گوشدادن به قسمتهای اول، از هر جا دوست داشتید شروع کنید.
Unknown Host hosts ایستگاه هوش مصنوعی.
سلام به همگی. خیلی وقته که از آخرین باری که با هم صحبت کردیم میگذره. در این مدت، نه اینکه وقتش نباشه، دل و دماغش نبود. روزهای سختی را گذروندیم؛ از اعتراضات دیماه و داغ آدمهایی که جاویدنام شدند، تا سایه سنگین جنگی که
اگر خاطرتون باشه تو قسمتهای قبل گفتیم یادگیری ماشین قبایل مختلفی دارند. قسمت قبلی هم راجع به الگوریتمهای درختی صحبت کردیم. تو این قسمت هم میخوایم به یادگیری عمیق بپردازیم و به سؤالات زیر پاسخ بدیم: - سیستمهای یادگیری
چند نفر از دوستان ازم سؤالاتی راجع به بازار کار و مهارتهای مورد نیاز و شرایط کاری هوش مصنوعی پرسیدند، گفتم شاید بد نباشه چند کلامی راجع بهشون صحبت کنیم. سؤالات دوستان: - بازار کار در این زمینهها در داخل و خارج در حال
امروز میخوایم به یکی از مهمترین چالشهای یادگیری ماشین بپردازیم. مسئله اینه که چطوری میتونیم مطمئن باشیم که چیزی که قبلاً جواب داده الان هم جواب میده؟ این سؤال اولین بار در قرن ۱۸ توسط آقای هیوم مطرح شد و همه چیز از ت
تو این قسمت با سید محمدجواد فیض آبادی ثانی راجع به تفاوتهای صنعت و اکادمیک و البته مدلهای زبانی صحبت کردم. محمدجواد دانشجوی دکتری هوش مصنوعی دانشگاه صنعتی شریف هست و قبلاً هم تیم لید بخش دیتاساینس تپسل بوده. تو این گفت
سلام. امیر پورمند هستم و با قسمت بیستم از ایستگاه هوش مصنوعی در خدمتتون هستم. تو دو قسمت قبلی، دو بخش از کتاب الگوریتم اصلی رو بازخوانی کردیم. خلاصه این که یادگیری ماشین یک الگوریتم یادگیرنده داره. الگوریتم یادگیرنده، دا
سلام. امیر پورمند هستم و با قسمت نوزدهم از ایستگاه هوش مصنوعی در خدمتتون هستم. تو قسمت قبل کتاب الگوریتم اصلی رو معرفی کردیم. من دیگه تکرار مکررات نمیکنم. تو این فصل میخوایم راجع به انقلاب یادگیری ماشین صحبت کنیم. هنوز
اخیراً در حال مطالعه کتابی به نام «الگوریتم اصلی» نوشته پدرو دومینگوس هستم و به نظرم کتاب جالبی اومد. گفتم بشینیم با هم مطالعه کنیم. کتاب مال ۲۰۱۵ هست و انگلیسی هست و تا به حال به فارسی ترجمه نشده. محتوای کتاب به نظرم اص
یکی از سؤالاتی که دیدم زیاد پرسیده میشه، اینه که رودمپ برای یادگیری هوش مصنوعی چیه؟ به نظرم سؤال اشتباهی هست و نمیشه جواب دقیقی بهش داد. سؤال درست اینه که رودمپ برای دیتاسایسنتیست چیه؟ یا رودمپ مهندس یادگیری ماشین چیه؟ ی
تو این قسمت از پادکست میخوام به یک سؤال بپردازم. سؤالی که از دوره ارشد برام وجود داشت و بهش فکر میکردم. بخشهای مهم یک سیستم یادگیری عمیق چه چیزهایی هستند؟ یعنی اگر من یک مقاله یا روش جدید هوشمصنوعی رو خوندم، چه بخشه
چگونه میتوان هوش مصنوعی رو در سازمانهای بزرگ اجرا کرد؟ این سوالی هست که این قسمت حولش شکل گرفته و در این قسمت با آقای صفاریانزاده حول چالشها و پروسه شکلگیری محصول در دنیای هوش مصنوعی صحبت کردیم. از این که با چه چالش
سلام. من امیر پورمند هستم و این قسمت چهاردهم از ایستگاه هوش مصنوعیه. تقریباً یک سالی میشه که این پادکست رو درست کردم و فیدبکهای خوبتون رو جاهای مختلف گرفتم و انگیزهای شده برای ادامه کارها. خیلی ممنون که گوش میدید و ه
سلام. تو این قسمت با یکی دیگه از دوستانم به نام محمدعلی صدرایی در خدمتتون هستم و راجع به موارد زیر با هم حرف زدیم. از سابقه محمدعلی شروع کردیم و سری به دنیای مدلهای زبانی بزرگ زدیم و کمی هم راجع به زبان و ویژگیهای اون
تو قسمت قبل راجع به چند تا از چالشهایی که موقع کارکردن با مدلهای زبانی بزرگ پیش میاد صحبت کردیم. تو این قسمت میخوام بخش دوم این چالشها رو بگم. علت این که دو قسمت صحبت میکنم اینه که به اندازه کافی به مزایای LLMها پرد
در این قسمت با مهدی آخی راجع به مدلهای زبانی بزرگ، صحبت کردم. بحث رو از سابقه مهدی شروع کردیم و کمکم راجع به کاربردهای مختلف هوش مصنوعی و به خصوص مدلهای زبانی بزرگ صحبت کردیم و به بیکار شدن آدمها هم رسیدیم. کمی هم را
سلام. من امیر پورمند هستم و این قسمت دهم از ایستگاه هوش مصنوعیه. تو قسمت قبل مدلهای زبانی بزرگ رو به دانشجویی تشبیه کردم که تازه از دانشگاه فارغالتحصیل شده و حالا میخواد وارد بازار کار بشه. قطعاً سواد دانشجوی تازه فار
سلام. من امیر پورمند هستم و این قسمت نهم از ایستگاه هوش مصنوعیه. تو قسمتهای قبل راجع به مدلهای زبانی بزرگ حرفهایی زدیم ولی هرگز نگفتم که مدل زبانی چیه و چطوری درست شده. تو این قسمت میخوام راجع به این صحبت کنم. واقعاً
تو این قسمت میخوام راجع به نکاتی در مورد به کاربردن مدلهای زبانی بزرگ وجود داره، صحبت کنم و تجربیات خودم و مقالات و وبلاگهایی که تو این زمینه خوندم رو میگم. به نظرم این قسمت، قسمت خاصی هست چون حتی اگر نخواهید بدونید
بخشی از این خلاصه توسط هوشمصنوعی تولید شده است! سلام، من امیر پورمند هستم و در این قسمت از پادکست ایستگاه هوش مصنوعی، قصد دارم درباره کاربردهای مدلهای زبانی بزرگ مثل چتپیتی صحبت کنم. از دو سال پیش که این مدلها معرف
بخشی از این خلاصه توسط هوش مصنوعی تولید شده است! سلام. من امیر پورمند هستم و در این قسمت از پادکست ایستگاه هوش مصنوعی، راجع به تفاوتهای یادگیری عمیق و مدلهای سنتی یادگیری ماشین صحبت کردم. همچنین به این موضوع پرداختم که
Sponsor detection runs nightly. Check back soon.
No public pitch examples yet for this show.
Generate your own personalised pitchShows with the most semantically similar episode content. Pitch one, pitch all; producers cluster.
To pitch ایستگاه هوش مصنوعی, visit https://castbox.fm/ch/5618013 for contact information, then craft a tight one-paragraph hook that ties your expertise to a gap in their recent general coverage.
ایستگاه هوش مصنوعی is hosted by Unknown Host. The show is categorised under General and has published 0 episodes.
ایستگاه هوش مصنوعی is accessible for guests with genuine general expertise. A personalised, episode-aware pitch will still outperform a generic one every time.
ایستگاه هوش مصنوعی hasn't explicitly signalled guest openness in recent episodes. That doesn't rule out pitching. your hook just needs to be especially compelling and relevant to their recent content.
Episodes of ایستگاه هوش مصنوعی average 54 minutes. a focused format where a clear narrative arc and tight preparation matter most.
Our data rates ایستگاه هوش مصنوعی's guest bar at 80/100 (Premium tier). Established thought leaders with verified media credentials. Sign in to PitchCentric to see how your own Pod Score compares against this show.
Methodology. Booking Probability™ blends Listen Score, 30-day Virality, open-to-guests detection, and Apple ratings. Data refreshed every 60 minutes. Listen Score and Booking Probability are calculated by PitchCentric.
