حالا چون اصرار میکنین باشه😂🙄🩷.

حالا اگه بخوایم خود طراحی سایت رو یه کم بیشتر باز کنیم، می‌رسیم به سه تا بخش اصلی: فرانت‌اند، بک‌اند و فول‌استک. فرانت‌اند همون چیزیه که ما به عنوان کاربر می‌بینیم و باهاش ارتباط برقرار می‌کنیم؛ از ظاهر سایت و رنگ و فونت گرفته تا دکمه‌ها، منوها و انیمیشن‌ها. خلاصه هر چیزی که جلوی چشم کاربره و باهاش تعامل داره، بیشتر مربوط به فرانت‌اند میشه. بک‌اند اما قضیه‌ش یه کم فرق داره! 😭 چیزیه که پشت صحنه اتفاق میفته و کاربر مستقیماً نمی‌بینتش. مثلاً وقتی توی یه سایت ثبت‌نام می‌کنین، اطلاعاتتون باید یه جایی ذخیره بشه، یا وقتی وارد حساب کاربریتون میشین، سایت باید بتونه تشخیص بده شما کی هستین؛ این قسمت‌ها بیشتر مربوط به بک‌اند میشه. و اما فول‌استک؛ همون‌طور که از اسمش میشه حدس زد، کسیه که با هر دو بخش فرانت‌اند و بک‌اند کار می‌کنه. یعنی هم با چیزی که کاربر می‌بینه سر و کار داره، هم با چیزهایی که پشت صحنه اتفاق میفته. البته این به این معنی نیست که اگه وارد طراحی سایت شدین، از همون اول باید همه‌ی اینا رو بلد باشین! اتفاقاً بهتره اول یه مسیر رو انتخاب کنین و کم‌کم جلو برین، چون اگه بخواین همه‌چیز رو باهم یاد بگیرین احتمالاً فقط ذهنتون شلوغ میشه و آخرش نمی‌دونین دقیقاً تو چی مهارت دارین :)) #طراحی_سایت #مهندسی_کامپیوتر

ناشناس: https://eitaa.com/studentING_life/106 فکر کنم اینطور محتثاها رو اگر با ویدیو، پادکست، متنِ دارای ایموجی توضیح بدی بتتر باشه، یعنی جذاب تر میشه برای همه 💙 〰〰〰〰 راستش خودمم با ویس راحت ترم، اگر شمام اوکین باشه،برای حوزه های بعدی ویس ضبط میکنم😉👍.

تایید بدید اگر برای شمام ویس یا ویدیو راحت ترید بگید 🙂‍↔️.

این منمُ دانشگاهی که خالیه😂🦦:

انقد خستم که حتی فکر این که از رو تخت بلند شم هم خسته ترم میکنه😩.

حالا که با فرانت‌اند، بک‌اند و فول‌استک آشنا شدیم، شاید این سوال پیش بیاد که اصلاً کدومش برای تو مناسب‌تره؟ 🤓🫵 اگه از کار کردن با ظاهر سایت، رنگ و فونت و طراحی صفحه‌ها لذت می‌برین و دوست دارین چیزی که می‌سازین رو همون لحظه جلوی چشمتون ببینین، احتمالاً فرانت‌اند می‌تونه براتون جذاب باشه. 🎨 اگه بیشتر به منطق و حل مسئله علاقه دارین و براتون جالبه که پشت یه سایت چه اتفاقی میفته، اطلاعات چطوری ذخیره میشن و قسمت‌های مختلف چطور با هم ارتباط برقرار می‌کنن، شاید بک‌اند بیشتر باهاتون جور باشه. فول‌استک هم برای کساییه که دوست دارن از هر دو طرف ماجرا سر دربیارن؛ هم ظاهر سایت رو بسازن، هم با بخش‌های پشت صحنه کار کنن. البته خب طبیعتاً مسیرش هم گسترده‌تره و چیزای بیشتری برای یاد گرفتن داره! 😗 ولی یه نکته مهم این وسط هست؛ قرار نیست فقط با خوندن چندتا توضیح بفهمین کدوم مسیر مناسب شماست! خیلی وقت‌ها باید یه چیز رو خودتون امتحان کنین تا ببینین واقعاً ازش لذت می‌برین یا نه. پس اگه هنوز نمی‌دونین کدومو انتخاب کنین، خیلی هم نگران نباشین :) یه مسیر رو شروع کنین، تجربه کنین و جلو برین؛ شاید وسط راه خودتون بفهمین کدوم قسمت بیشتر براتون جذابه. 🌱💻 #طراحی_سایت #مهندسی_کامپیوتر

البته اینکه استادمون داشت در مورد Ai ها و ایجنت ها این جلسه صحبت می‌کرد هم بی تاثیر نیست🙄☝️🏼.

خب امشب میخوام درباره‌ی یه شاخه جدید بگم، آماده این؟ 🙂‍↔️☝️🏼

حالا بریم سراغ یکی دیگه از مسیرهایی که یه مهندس کامپیوتر می‌تونه واردش بشه: هوش مصنوعی! 🤖 احتمالاً این روزا دیگه کمتر کسیه که اسم هوش مصنوعی به گوشش نخورده باشه؛ از چت‌بات‌هایی مثل ChatGPT گرفته تا پیشنهاد فیلم و آهنگ، تشخیص چهره، ماشین‌های خودران و کلی چیز دیگه، هوش مصنوعی کم‌کم داره وارد بخش‌های مختلف زندگی‌مون میشه. اما اصلاً هوش مصنوعی چیه؟ 🤔 اگه بخوایم خیلی ساده بگیم، هوش مصنوعی به سیستم‌هایی گفته میشه که می‌تونن کارهایی رو انجام بدن که معمولاً برای انجام دادنشون به نوعی از هوش انسانی نیاز داریم؛ مثل یادگیری، تشخیص الگو، تصمیم‌گیری یا حتی فهمیدن زبان انسان. البته هوش مصنوعی فقط یه چیز نیست و خودش کلی شاخه و زمینه‌ی مختلف داره! مثلاً یادگیری ماشین، یادگیری عمیق، پردازش زبان طبیعی و بینایی ماشین، همگی به نوعی با این حوزه در ارتباطن. پس اگه به حل مسئله، ریاضی، برنامه‌نویسی و این‌که «چطوری میشه به یه کامپیوتر یاد داد خودش از داده‌ها چیز یاد بگیره؟» علاقه دارین، هوش مصنوعی می‌تونه یکی از مسیرهایی باشه که ارزش شناختن داره. 👀 توی پست‌های بعدی قراره یکم بیشتر وارد این دنیای عجیب و غریب بشیم و ببینیم اصلاً این شاخه‌ها چه فرقی با هم دارن و هرکدوم دقیقاً چه کاری انجام میدن :) #هوش_مصنوعی #مهندسی_کامپیوتر

حالا که یه آشنایی کلی با هوش مصنوعی پیدا کردیم، شاید براتون سوال شده باشه که این حوزه دقیقاً چه بخش‌هایی داره؟ 🤔 یکی از معروف‌ترین بخش‌های هوش مصنوعی، یادگیری ماشین یا Machine Learning ـه. توی یادگیری ماشین، به جای اینکه برای کامپیوتر تک‌تک دستورالعمل‌ها رو مشخص کنیم، بهش داده می‌دیم تا بتونه از بین اون داده‌ها الگو پیدا کنه و بر اساسشون پیش‌بینی یا تصمیم‌گیری کنه. مثلاً اگه بخوایم یه سیستم بسازیم که ایمیل‌های اسپم رو تشخیص بده، می‌تونیم تعداد زیادی ایمیل بهش بدیم و مشخص کنیم کدوم‌ها اسپم بودن. سیستم با بررسی این داده‌ها کم‌کم الگوهایی رو پیدا می‌کنه که بتونه ایمیل‌های جدید رو هم تشخیص بده. یه بخش دیگه هم یادگیری عمیق یا Deep Learning ـه که در واقع یکی از زیرمجموعه‌های یادگیری ماشینه و بیشتر با شبکه‌های عصبی مصنوعی و داده‌های زیاد سر و کار داره. مثلاً تشخیص چهره، تشخیص اشیا داخل تصویر یا بعضی از قابلیت‌های مربوط به پردازش زبان، می‌تونن از تکنیک‌های یادگیری عمیق استفاده کنن. از طرف دیگه پردازش زبان طبیعی یا NLP داریم که مربوط به کار کردن کامپیوتر با زبان انسانه؛ یعنی چیزهایی مثل فهمیدن متن، ترجمه، خلاصه‌سازی یا پاسخ دادن به سوالات. بینایی ماشین یا Computer Vision هم بیشتر با تصاویر و ویدیوها سر و کار داره؛ مثلاً تشخیص چهره، تشخیص اشیا یا بررسی تصاویر پزشکی. البته اینا فقط چندتا از بخش‌های معروف این حوزه‌ان و دنیای هوش مصنوعی خیلی گسترده‌تر از این حرفاست! 😭 توی پست بعدی می‌خوایم یکم بیشتر درباره‌ی یکی از همین بخش‌ها، یعنی یادگیری ماشین صحبت کنیم و ببینیم اصلاً چطوری یه کامپیوتر می‌تونه از داده‌ها «یاد بگیره» 👀🤖 #هوش_مصنوعی #مهندسی_کامپیوتر