// ls -la ~/posts --sort=date
بررسی مهندسی اجزای یک هوش عمومی مصنوعی: ادراک چندوجهی، انواع حافظه، استدلال، برنامهریزی پویا، World Model، ابزارها، یادگیری مداوم، Verification و ایمنی. همراه با معماری مفهومی، پروفایل ناهموار قابلیتها و یک Agent کوچک با Python.
بررسی عمیق فرایند آموزش شبکههای عصبی: وزنهای تصادفی اولیه، داده و Batch، Loss، Backpropagation، Gradient Descent، Learning Rate، Overfitting و آموزش مدلهای زبانی. همراه با کد کامل و واقعی PyTorch روی FashionMNIST.
بررسی عمیق الگوریتمهای مرتبسازی: چرا O(N²) در مقیاس بزرگ فرو میریزد، Merge Sort و Quick Sort و Heap Sort و Counting Sort و Radix Sort چگونه کار میکنند، پشت صحنه std::sort چیست و چرا بهترین Sort گاهی اصلاً Sort نکردن است.
بررسی عمیق ذهنیت Geek در عصر هوش مصنوعی: دیدن لایههای پنهان، پرسیدن سؤالهای بهتر، دیباگ خروجی AI، تفکر سیستمی، آزمایش بهجای حفظکردن و چرا کنجکاوی وقتی ماشینها جواب میدهند تبدیل به یک ضریبکننده میشود.
بررسی عمیق شبیهسازی شهری: تبدیل شهر به گراف، تقاضای سفر، مدلهای رفتاری راننده، سطوح Macro تا Sub-micro، کنترل چراغ راهنمایی با TraCI و پایتون، کالیبراسیون با داده واقعی و Digital Twin.
بررسی عمیق پارادوکس موراوک و مسئله دستکاری در رباتیک: چرا ساختن مغزی که «لیوان را بردار» تصمیم بگیرد آسانتر از ساختن دستی است که واقعاً آن را برمیدارد. درک کینماتیک دست انسان، حس لامسه، کنترل نیرو، عملگرها و آینده رباتیک.
بررسی عمیق اینکه بعد از حذف فایل واقعاً چه اتفاقی میافتد. درک فایلسیستم، TRIM، تفاوت SSD و HDD، Thumbnail، کش مرورگر، لاگ دیتابیس، بکاپ، نسخههای ابری و استاندارد پاکسازی رسانه NIST.
یاد بگیرید نام مدلهای هوش مصنوعی را مثل یک حرفهای بخوانید. درک پارامترها، کوانتیزاسیون، معماری MoE، فرمت GGUF و نحوه انتخاب مدل مناسب برای نیازهای خود.
بررسی عمیق مسیر ساخت پردازنده از شن و سیلیس تا میلیاردها ترانزیستور. درک ویفر، لیتوگرافی EUV، ترانزیستور، اتصالات فلزی، بستهبندی و قانون مور.