بهترین رایادو

اگر مجبور شدم بین یک معلم شگفت انگیز و فناوری شگفت انگیز انتخاب کنم ، هر وقت معلم را انتخاب می کردم. اما ما باید این معلمان را با ابزارهای بهتر توانمند کنیم تا در وظیفه خدمت به جمعیت دانش آموزانی که نیازهای متنوعی دارند ، درگیر شوند. در سال 2020 ، آنها ابزارهایی خواهند داشت که به هر دانش آموز می توانند در محیطی با چرخه سریع ، بهبود مداوم ، روی آنچه که برای نیازهای خود مناسب ترین است ، کار کنند. این کمک خواهد کرد که آموزش و پرورش ، که در دهه ها پیشرفت اندکی در کشورهایی مانند ایالات متحده یا انگلیس وجود داشته است ، درنهایت در جهت سرعت بخشیدن به یادگیری دانش آموزان باشد.

دانش آموزان مدرسه امروز با آزمون های استاندارد اندازه گیری می شوند ، اما محبوب نیستند. برخی آنها را ابزار ناقصی برای محک زدن دانش آموزان نسبت به یکدیگر می دانند. برخی دیگر آنها را منبع استرس برای دانشجویان و دانشکده ها می دانند که از زمان ارزشمند کلاس دور می شوند و انگیزه ها را تحریف می کنند. و همه قبول دارند که آنها عملی نیستند. وقتی یک آزمون نشان می دهد که یک سوم دانش آموزان پایه پنجم خود در سطح پایه چهارم مشغول به کار هستند ، معلم چه کاری انجام می دهد؟ آیا آنها به کلاس چهارم یا پنجم یا جایی در بین می آموزند؟ چگونه آنها می دانند کدام یک از کل مجموعه رویکردهای آموزشی برای دانش آموزان خود مؤثرتر است؟

در سال 2020 ، فناوری به ما امکان می دهد ارزیابی های استاندارد شده را به مداخلات جداگانه متصل کنیم. نرم افزار هوشمند از نمرات آزمون استفاده می کند تا مکانهایی را که دانش آموزان در سفرهای یادگیری خود قرار دارند و مکانهایی که نیاز به کمک دارند ، نشان دهند. بر این اساس ، نرم افزار هر دانش آموز را در برنامه های یادگیری شخصی قرار می دهد که می توانند در زمان و سرعت خود حرکت کنند. دانش آموزان در مناطقی که بیش از همه به آنها احتیاج دارند عمل می کنند به همان اندازه که لازم باشد.

این روند مداوم خواهد بود. هر تعامل باعث می شود دانش آموزان کجا باشند. به جای اینکه برای سال آینده منتظر بمانند تا دانش آموزان را چگونه پیشرفت کنند ، معلمان ، مدیران و رهبران ولسوالی ها قادر خواهند بود از طریق داشبورد آنلاین ، پیشرفت دانش آموزان در استانداردهای دولتی یا ملی را در زمان واقعی کنترل کنند.

معلمان با داشتن بینش غنی دانش آموزان می توانند مداخلات متمرکز تری را برای دانش آموزان مبارز اعمال کنند. و هنگامی که آزمون های استاندارد مجدداً اجرا می شود ، مناطق مدارس قادر خواهند بود تا اثربخشی مداخلات را تأیید کرده و پیشرفت دانش آموزان را بیشتر اعتبار دهند.

ابزاری از این دست نه تنها به دانش آموزان می آموزد که بیشتر بیاموزند و معلمان را توانمندتر می کنند تا از رویکرد خود برای کمک به آنها پویاتر باشند ، بلکه در نهایت به مربیان این ابزار را می دهند تا سریعتر و با داده های بهتر آزمایش را انجام دهند. یک مدرسه می تواند به طور تصادفی دانش آموزان را به یکی از دو گروه اختصاص دهد ، رویکرد جدیدی را با یک گروه - از جمله رویکردهایی که مبتنی بر فناوری نیستند - آزمایش کند و سپس رشد آنها را با گروه کنترل مقایسه کند. بار دیگر ، این داده ها در زمان واقعی تقریباً در دسترس خواهند بود.

در سال 2020 خواهیم فهمید که هر دانش آموز نیازهای متفاوتی دارد و با نرخ های مختلف یاد می گیرد. و ما ابزارهایی برای مهندسی و سنجش پیشرفت مداوم خواهیم داشت. این به ما شیوه های آموزشی مؤثر در مقیاس ای را می دهد که برای معلمان و دانش آموزان توانمند می شود. این یک گلوله نقره ای نخواهد بود ، اما پیشرفت در یک راهپیمایی مداوم ، شماره گیری را به جلو سوق می دهد ، که با گذشت زمان منجر به دانش آموزان بسیار آماده تر و توانمندتر می شود.

در TikTok ، همه چیز آنطور که به نظر می رسد نیست. با فیلم های رقص درگیر شوید و افراد بیشتری را که Renegade انجام می دهند مشاهده خواهید کرد. اگر به سگ TikTok بستید ، به شما توله سگ می دهد.

اما وسواس الگوریتمی TikTok با دادن مطالب بیشتری که فکر می کنید دوست دارید نتیجه ناخواسته ای داشته باشد: این توصیه شده است که به افراد توصیه کنید حساب های جدید را بر اساس ظاهر بدنی افرادی که قبلاً دنبال می کنند دنبال کنند.

این هفته Marc Faddoul ، یک محقق هوش مصنوعی در دانشکده اطلاعات UC Berkeley ، متوجه شد که TikTok به او توصیه می کند با عکس های پروفایل که مطابق با نژاد ، سن و یا مشخصات چهره با مواردی است که قبلاً دنبال کرده بود ، حساب های خود را ارائه دهد.

او یک حساب تازه ایجاد کرد تا تئوری خود را آزمایش کند و افرادی را که در صفحه برای تو» یافتند دنبال کرد. پس از گزارش یک زن سیاه پوست ، به توصیه هایی برای سه زن سیاه پوست منجر شد. این به طرز عجیبی خاص می شود - فدول دریافت که ضربه زدن به دنبال مردی آسیایی با موهای رنگ شده ، به او بیشتر مردان آسیایی با موهای رنگ شده می دهد و همین اتفاق برای مردانی که معلولیت قابل رویت دارند نیز اتفاق افتاد.

TikTok انکار می کند که از تصاویر نمایه به عنوان بخشی از الگوریتم خود استفاده می کند و می گوید که در آزمایش های خاص خود نتوانسته است همان نتایج را تکرار کند. اما برنامه از فیلترهای مشارکتی استفاده می کند - جایی که توصیه ها بر اساس آنچه سایر کاربران انجام داده اند ارائه می شود.

سخنگوی TikTok می گوید: "توصیه ما برای پیگیری حسابها بر اساس رفتار کاربر است." "کاربرانی که حساب A را دنبال می کنند ، حساب B را نیز دنبال می کنند ، بنابراین اگر A را دنبال کنید ، احتمالاً می خواهید B را دنبال کنید." و این پتانسیل را دارد که تعصب ناخودآگاه را به الگوریتم اضافه کنید.

فاضل می گوید: "این سیستم عامل بسیار ظاهر محور است و بنابراین فیلتر مشترک می تواند منجر به نتایج خاص ظاهری شود حتی اگر تصویر پروفایل توسط سیستم استفاده نشود." الگوریتم TikTok فکر خواهد کرد که یک تجربه شخصی را برای شما ایجاد می کند ، اما در واقع فقط ساخت یک حباب فیلتر است - یک محفظه اکو که در آن فقط افراد مشابهی را مشاهده می کنید که آگاهی کمی نسبت به دیگران دارند.

برای دیدن این تعبیه ، باید به کوکی های رسانه های اجتماعی رضایت دهید. تنظیمات برگزیده کوکی من را باز کنید.

این اولین بار نیست که الگوریتم TikTok به تعصب نژادی متهم شده است. در اکتبر 2019 کاربران رنگ TikTok خواستار نمایش بهتر در صفحه For You بودند ، جایی که کاربران برای توصیه ها و متناسب با محتوای جدید می روند. در ژانویه سال 2019 ، ویتنی فیلیپس ، استاد ارتباطات و بلاغت رسانه های آنلاین در دانشگاه Siracuse به مادربورد گفت که شیوه کار TikTok می تواند باعث شود کاربران بتوانند جامعه را که با آن مشخص می شود ، تکرار کنند.

از بررسی های میکروسکوپی گرفته تا ایجاد یک الگوریتم برای روز مناسب مو ، اینگونه است که مهندسان Dyson اولین جفت صاف کننده مو را ایجاد کردند.

Dyson نه تنها تصمیم گرفت یک جفت صاف کننده مو درست کند. قبل از فاش شدن این هفته از Dyson Corrale ، هفت سال وسواس به آنها سپری شد.

در داخل آزمایشگاه های مو خود در مالمزبری ، ویلتشایر ، دایسون از اتاقک های فشار هوا ، آزمایشگاه های تداخل الکترومغناطیسی و پناهگاه های خرد کننده محصول استفاده کرده است تا جدیدترین محصولات خود را در زمینه محصولات (بسیار) عالی برای مراقبت از مو بسازد.

ویژگی اصلی صاف 399 پوند صفحات قابل انعطاف آن است. صاف کننده های معمولی ، طبق گفته Dyson ، دارای صفحات آلومینیومی ساده و سفت و سخت بر اساس فناوری 20 ساله هستند که از گرمای زیادی استفاده می کنند زیرا فاقد تنش و کنترل هستند.

صفحات Corrale به این طرف می چرخند - انعطاف پذیری باعث می شود موهای بیشتری حتی با تنش جمع شوند ، کنترل بیشتری داشته باشند و حرارت را به طور مساوی پخش کنند. این بدان معنی است که شما می توانید مو را در دماهای پایین تر سبک کنید و خطر آسیب و لکه دار شدن را کاهش می دهد.

جدا شده از بدنه اصلی ، هر صفحه آلیاژ مس منیزیم فوق العاده سبک و انعطاف پذیر است. سطح آن حدود 65 میکرون نازک یا همان پهنای موهای ضخیم انسان است. اگر آنها واقعاً در Corrale مونتاژ شده اند به آنها محصول بدهید و فلکس آنها به اندازه انتظار شما بزرگ نیست. نمونه های اولیه با پرینترهای سه بعدی نایلون صنعتی مانند EOS P 770 ساخته می شوند.

مهندسان Dyson با استفاده از دستگاهی که در صنایع غذایی برای اندازه گیری میزان شکستن بیسکویت استفاده می شود ، روی فلکس نهایی مستقر شدند. مهندس طراح دن اوانز می گوید: "نمونه های اولیه انعطاف پذیرتر بودند." "اما فهمیدیم که مردم احساس می کنند که صاف کننده ها هیچ کاری انجام نمی دهند ، زیرا بازخورد خیلی نرم بود. ما روی سطح نهایی انعطاف پذیری قرار گرفتیم که برای جمع آوری کافی بود و به طور یکنواخت تنش را روی موها قرار می دادیم ، در حالی که هنوز هم به شما اجازه می داد همه چیز را احساس کنید. " جدا از سطح خود فلکس ، صفحات نیز دقیقاً 422،772 بار خم شده اند - معادل دو جلسه 30 دقیقه یک ظاهر طراحی شده هر روز ، به مدت پنج سال مستقیم.

قدم زدن در آزمایشگاه های دایسون ، و کمی با کمال تعجب آور ، موهای انسان را در هر کجا که نگاه می کنید ، خواهید دید. ایوانز می گوید: "این ماده منحصر به فردی است که قابل تکرار نیست ، بنابراین ما از موهای انسان دارای اخلاق استفاده می کنیم." قبل از گرفتن اثرات در زیر میکروسکوپ الکترونی پرقدرت - همان میکروسکوپی که بیش از حد به شما امکان کابوس بودن را می داد ، آزمایشگاه اوانز نیز در حالی که وظیفه زحمت کشیدن گره ها را به رشته های تک مو انجام می داد ، انجام داد. عکس هایی از کنه های گرد و غبار را در کتاب زیست شناسی خود مشاهده کنید.

او توضیح می دهد که موها در ساختار مولکولی آن سه پیوند متفاوت دارند. پل های نمکی و پیوندهای هیدروژن و پیوندهای دی سولفید. اولی ها ضعیف هستند و می توانند شکسته و اصلاح شوند (یعنی عمل صاف کردن و یک ظاهر طراحی شده) ، بدون اینکه باعث آسیب دائمی شود.

این متن دومین مطلب آزمایشی من است که به زودی آن را حذف خواهم کرد.

زکات علم، نشر آن است. هر

وبلاگ می تواند پایگاهی برای نشر علم و دانش باشد. بهره برداری علمی از وبلاگ ها نقش بسزایی در تولید محتوای مفید فارسی در اینترنت خواهد داشت. انتشار جزوات و متون درسی، یافته های تحقیقی و مقالات علمی از جمله کاربردهای علمی قابل تصور برای ,بلاگ ها است.

همچنین

وبلاگ نویسی یکی از موثرترین شیوه های نوین اطلاع رسانی است و در جهان کم نیستند وبلاگ هایی که با رسانه های رسمی خبری رقابت می کنند. در بعد کسب و کار نیز، روز به روز بر تعداد شرکت هایی که اطلاع رسانی محصولات، خدمات و رویدادهای خود را از طریق

بلاگ انجام می دهند افزوده می شود.

این متن اولین مطلب آزمایشی من است که به زودی آن را حذف خواهم کرد.

مرد خردمند هنر پیشه را، عمر دو بایست در این روزگار، تا به یکی تجربه اندوختن، با دگری تجربه بردن به کار!

اگر همه ما تجربیات مفید خود را در اختیار دیگران قرار دهیم همه خواهند توانست با انتخاب ها و تصمیم های درست تر، استفاده بهتری از وقت و عمر خود داشته باشند.

همچنین گاهی هدف از نوشتن ترویج نظرات و دیدگاه های شخصی نویسنده یا ابراز احساسات و عواطف اوست. برخی هم انتشار نظرات خود را فرصتی برای نقد و ارزیابی آن می دانند. البته بدیهی است کسانی که دیدگاه های خود را در قالب هنر بیان می کنند، تاثیر بیشتری بر محیط پیرامون خود می گذارند.

آنهایی که دارای Hades Canyon NUC هستند - واحد بعدی رایانه یا به عبارتی یکی از رایانه های شخصی کاملاً فشرده اینتل - سالی است که منتظر به روزرسانی درایور Kaby Lake-G هستند ، اما خبر خوب این است که بالاخره اینجا است ، هرچند با حسن نیت ارائه دهد. AMD

بله ، این وضعیت کمی عجیب است زیرا تراشه Kaby Lake-G اینتل با گرافیک یکپارچه AMD Radeon RX Vega M یکپارچه شده است ، مشارکتی که اینتل از آن به بعد رها شده است البته اینتل راه حل گرافیکی Xe مخصوص خود را برای NUC ها خواهد داشت و در واقع محصولات دیگر ، به جلو.

نشت نشت Intel Phantom Canyon در چه زمانی ممکن است برسد

اتمام بهترین کارت های گرافیک می تواند پول خرید

بهترین رایانه های شخصی بازی 2020

بنابراین ماجرا از این قرار است که در حالیکه Hades Canyon NUC در سال 2017 ظاهر شد - به تحسین بسیار منتخب ، از جمله بررسی درخشان ما - تاکنون ، اینتل صاحب این صندوق ها را بدون درایورهای گرافیکی Vega تازه برای مدت 12 ماه همانطور که گفته شد واگذار کرده بود. همچنین بخاطر داشته باشید که پیش از این ، اینتل قول داده بود که برای رانندگان برای مدت 5 سال ، همانطور که تام سخت افزار مشاهده می کند ، تأمین کند .

اما آنچه در حال حاضر به بیرون رانده شده است ، یک درایور معتبر Intel نیست ، بلکه این شرکت به سادگی به کاربران اجازه داده است که از درایور شخصی AMD استفاده کنند. به عبارت دیگر ، در صفحه بارگیری اینتل برای درایور جدید ، به سادگی به وب سایت درایورهای RX Vega 64 پیوند می یابد .

عملکرد بهتر ، اصلاحات اساسی

بنابراین افراد دارای NUC های Hades Canyon از درایور رسمی AMD Radeon Adrenalin 2020 استفاده می کنند. هرچند که برای هر کسی مزاحم نیست ، زیرا همه افراد مهم به این امر اهمیت می دهند این است که آنها در نهایت یک درایور به روز شده با بار زیاد ترفندها و رفع مشکلات را دارند و عملکرد بهتری در بازی های معاصر ارائه می دهند.

این واقعیت که یک سال طول کشید تا این اتفاق بیفتد - و راه حل نهایی به طور واقعی یک تقلب بود - ممکن است برخی از دارندگان NUC کمتر از تحت تأثیر قرار گیرد.

حداقل برخی از اصلاحاتی که توسط درایور به روز شده اجرا شده است ، بسیار مهم هستند ، حداقل ، از گزارشاتی که ما دیده ایم (مانند عدم توانایی در بازی دنده 5 بدون تصادف با استفاده از درایور قدیمی و دارای مارک Intel).

جنبه روشن تر این خبر این است که حداقل پشتیبانی از پیشروی - که از طریق درایورهای رسمی AMD ارائه می شود - اکنون باید خیلی روانتر عمل کند.

iPhone جدید SE به لطف عملکرد عالی ، دوربین خوب و سایر ویژگی ها ، مورد تحسین بسیاری از بهترین گوشی های زیر 400 دلار قرار گرفته است. اما در حالی که برخی از مؤلفه های دستگاه کاملاً واضح و مدرن هستند ، پارگی جدید iFixit برجسته برخی دیگر را اندکی نشان می دهد - که این یکی از راه های کاهش اپل در هزینه ها است.

اجزای جدید در این گوشی کاملاً مشهود است. شاید جالب ترین تراشه Apple A13 Bionic باشد که همان تراشه ای است که در Apple iPhone 11 ، iPhone 11 Pro و iPhone 11 Pro Max یافت می شود. این بسیار قدرتمندتر از نسل های گذشته است - و تضمین می کند که آیفون SE قدرتمندترین در محدوده قیمت خود است.

بیشتر بقیه گوشی از آیفون 8 تهیه شده است که به اپل کمک می کند تا هزینه دستگاه را کاهش دهد. آیفون SE بدن همان، همان صفحه نمایش 4.7 اینچی، و حتی همان 12 مگاپیکسلی و دوربین 7 مگاپیکسلی در جلو.

"[در] دوربین آیفون SE است، سینی سیم، موتور taptic، و صفحه نمایش مونتاژ (که شامل حسگر میکروفون و نزدیکی) همه قابل تعویض با آی فون 8 قطعات،" می گوید کارشناسان iFixit در کالبد شکافی آن است. "و آن صفحه نمایش باید ارزان تر از هر آیفون جدیدی باشد که در سالها دیده ایم."

این واقعیت که اپل از بسیاری از قسمت های خود استفاده مجدد می کند نیز در چگونگی تعمیر گوشی نقش دارد. همانطور که iFixit خاطرنشان می کند ، قطعات جایگزینی باید برای کسانی که تمایل به تعمیر تلفن خود دارند ، نسبتاً آسان پیدا کنند ، و این واقعیت که قطعات استفاده مجدد می شوند باعث زباله های الکترونیکی کمتری می شود.

همه اجزا با قطعات آیفون 8 قابل تعویض نیستند. همانطور که توسط iFixit اشاره کرد ، صفحه منطق آیفون SE دارای اتصالات متفاوتی نسبت به آیفون 8 است - بنابراین قطعاتی مانند دکمه صفحه اصلی Touch ID مختص آیفون SE است و وماً از تلفنهای دیگر قابل تهیه نیستند. این در مورد باتری نیز صادق است. با توجه به iFixit ، در حالی که باتری باتری آیفون 8 یکسان است ، تعویض باتری برای یکی از آیفون 8 منجر به پیام به کاربران می شود که دستگاه آنها باتری "واقعی" اپل ندارد.

در حالی که این دستگاه از سنسورهای دوربین آیفون 8 استفاده می کند ، ممکن است عکس های واقعی بهتر از عکس های گرفته شده با آیفون 8 باشد به این دلیل است که فناوری پردازش دوربین اپل در طی سال ها بهبود یافته است و به گفته اپل ، تراشه A13 امکان پردازش بهتر از تراشه های نسل قبلی.

به نظر می رسد تمایل به استفاده ناگهانی از داده های ناقص و سوال برانگیز برای آموزش راه حل AI برای COVID-19 وجود دارد ، یک روند خطرناک که نه تنها به هیچ بیمار یا پزشک کمک نمی کند بلکه به اعتبار جامعه AI آسیب می زند. برخورد با همه گیر - به همان اندازه که مهم است - اصول اساسی علمی را به حالت تعلیق در نمی آورد. داده ها باید توسط متخصصان پزشکی صورت پذیرد ، باید اعتبارسنجی کامل و دقیق انجام شود و نتایج باید قبل از استفاده از هرگونه راه حل یا حتی پیشنهادی به جهان ، توسط همسالان بررسی شود ، به خصوص هنگامی که جامعه با بسیاری از ابهامات روبرو است.

به راحتی می توان گفت همه ما عمیقاً نگران بیماری همه گیر COVID-19 هستیم. این coronavirus واقعیت ما را به شدت تغییر داده است : ما استرس ، محدودیت ، قرنطینه را تجربه می کنیم. ما شاهد فداکاری های قهرمانانه مراقبین از جمله کارمندان ، پرستاران و پزشکان هستیم. عزیزان را گم می کنیم. و ما با مشکلات اقتصادی و ابهامات گسترده ای درباره آنچه در ماه های آینده موجود است ، مواجه هستیم. در چنین شرایطی ، طبیعی است که بسیاری از ما به سریعترین راه ممکن به فکر راه های کمک رسانی هستیم. جامعه هوش مصنوعی نیز از این قاعده مستثنی نیست.

روشهای یادگیری ماشینی روی داده ها زندگی می کنند. آنها از طبقه بندی شده ، پیش بینی و برآورد از داده های دارای برچسب یاد می گیرند. کیفیت و قابلیت اطمینان هر روش AI به طور مستقیم به کیفیت و قابلیت اطمینان داده های دارای برچسب بستگی دارد. در علم رایانه ، ما در مورد "زباله در ، زباله بیرون" (GIGO) صحبت می کنیم ، که خلاصه ای از این تجربه است که ورودی با کیفیت پایین تولید خروجی غیرقابل اطمینان و یا "زباله" را ارائه می دهد. این مسئله حتی هنگامی که با روشهای دادههای کاملاً پیچیده ، مانند تصاویر پزشکی - سروکار داریم ، بسیار مهم است.

در جامعه AI ، ما کاملاً به داده ها وابسته هستیم. تا زمانی که دامنه حساس نباشد (امور مالی ، مراقبت های بهداشتی ، نظارتی و .) ، ما معمولاً مجموعه داده های خود را با استفاده از روش های مختلف جمع می کنیم ، از جمع آوری دستی نمونه ها گرفته تا خزنده های بسیار پیشرفته تا تجزیه از طریق اینترنت و سایر موارد عمومی. مخازن موجود در تصویربرداری پزشکی ، ما با یک دامنه بسیار حساس سروکار داریم که به طور کلی نیاز به یک پروسه طولانی برای ترمیم و دسترسی به مجموعه ای از تصاویر دارای برچسب دارد. نیازی به گفتن نیست ، این معالجه فقط باید به دلیل اینکه متخصصان در آنجا حضور داشته باشند بلکه به دلیل شناسایی مجدد تصاویر برای رعایت مقررات حریم خصوصی ، در داخل دیوارهای بیمارستان اتفاق می افتد.

اما گاهی اوقات بی تاب می شویم. ما با جمع آوری دستی منابع در دسترس عمومی (به عنوان مثال ، مجلات آنلاین) مجموعه داده های اسباب بازی ایجاد می کنیم - و به طور کلی نگرانی در مورد این روش وجود ندارد. بیشتر اوقات ما - به عنوان محققان هوش مصنوعی و فاقد صلاحیت بالینی یا پزشکی - مجموعه داده های اسباب بازی خود را ایجاد می کنیم تا تحقیقات اولیه را انجام دهیم و احساس چالش های پیش رو داشته باشیم. این اتفاق معمولاً در انتظار دریافت یک مجموعه داده حرفه ای است ، فرایندی که اغلب با بررسی اخلاق و مذاکرات مالکیت معنوی کند می شود.

واضح است که ، "مجموعه داده اسباب بازی" در حوزه تصویربرداری پزشکی فقط یک اسباب بازی نیست ، زیرا معمولاً بسیار کوچک است ، بلکه مهمتر از آن به دلیل ایجاد مهندسین و دانشمندان رایانه است ، نه توسط پزشکان و متخصصان پزشکی و بالینی. و اگر کسی با اسباب بازیهای خود در آزمایشگاههای هوش مصنوعی خود بازی کنیم ، کسی شکایت نخواهد کرد تا برای مقابله با داده های واقعی از بیمارستان آماده شویم.

رادیولوژیست ها در سرتاسر جهان ، بطور واضح بسیار شلوغ هستند ؛ اگر یک محقق بیش از حد هوش مصنوعی باشید که می خواهد به شما کمک کند بهترین زمان برای ایجاد همکاری با رادیولوژیست ها نیست. بنابراین برخی از ما شروع به جمع آوری مجموعه های داده های خود کرده ایم تا برای کارهای آینده آماده شویم.

به نظر می رسد مجموعه ای از تصاویر اشعه ایکس و CT - که از اینترنت جدا شده اند - در اینجا و آنجا پدیدار می شوند و به نظر می رسد که سازندگان همچنان به افزودن تصاویر ادامه می دهند. به دلیل در دسترس بودن چنین مجموعه داده هایی از یک طرف و فراگیر بودن دانش و ابزارهای اولیه هوش مصنوعی از طرف دیگر ، بسیاری از علاقه مندان و مبتدیان هوش مصنوعی به طور انعطاف پذیر شروع به تهیه راه حل هایی برای COVID-19 در تصاویر با اشعه X کرده اند.

یکی از وب سایت ها و وبلاگ هایی را پیدا می کند که در مورد چگونگی تشخیص COVID-19 از اسکن های اشعه ایکس با دقت بالا توصیه می کنند. برخی دیگر نوعی آموزش در مورد تشخیص COVID-19 در تصاویر با اشعه X را ارائه می دهند. ما حتی شروع به دیدن مقاله های غیرحضوری می کنیم که یک قدم جلوتر می روند و راه حل آنها را با نام های ناموفق مانند "COVID-Net" می بخشند. این نوع کار معمولاً فاقد جزئیات آزمایشی بسیاری برای توضیح چگونگی برخورد با چند تصویر از تعداد بسیار کمی از بیماران برای تغذیه شبکه عمیق است. چنین مقالاتی هیچ گونه اعتبار سنجی را گزارش نمی دهند ، و هیچ رادیولوژیست آزمایشات را راهنمایی نکرده است. بسیاری از این آثار با عجله منتشر شد تا قبل از اینکه سازندگان داده حتی بتوانند توضیحات کافی در مورد فرآیندهای جمع آوری خود ارائه دهند.

در تلاش برای غلبه بر اندازه داده های کوچک ، علاقه مندان به هوش مصنوعی و استارت آپ ها چند COVID-19 تصاویر خود را با سایر مجموعه های داده عمومی ، یعنی مجموعه داده های ذات الریه ، مخلوط می کنند. این کاملاً هوشمندانه است ، اما من یک مورد را با دقت بیشتری بررسی کردم و مشکل این است که موارد پنومونی تصاویر کودکان بودند. بنابراین COVID-Nets در حال مقایسه پنومونی کودکان (کودکان یک تا پنج ساله) با بزرگسالان COVID-19 است. خوب ، این اتفاق می افتد وقتی رادیولوژیست ها را از تحقیقاتی که نیاز به نظارت متخصص دارند ، حذف کنیم.

چرا ما عجله می کنیم که نتایج AI معیوب را در مجموعه های داده های کوچک مخلوط با آناتومی اشتباه ، بدون پشتوانه رادیولوژیکی و بدون اعتبار سنجی منتشر کنیم؟ آیا ما می خواهیم به بیماران COVID-19 کمک کنیم؟

شاید فراوانی در اعلامیه فرصتهای مالی در روزهای اخیر و احتمال مواجهه با تحقیقات ما ، ما را به سمت انجام تحقیقات نادرست سوق دهد. ما نمی توانیم اصول علمی اساسی را به دلیل تعطیلی و قرنطینه کنار بگذاریم. هوش مصنوعی نه تهویه ، واکسن است و نه قرص. بسیار بعید است که رادیولوژیست های خسته شده در ووهان ، قم یا برگامو کد پایتون را از شبکه آموزش دیده ضعیف ما (با استفاده از داده های ناکافی و نادرست و توصیف شده در مقالات و بلاگ ها که به سرعت نوشته شده اند) بارگیری کنند تا فقط نظر دوم ناقص را کسب کنند.

بله ، همه ما می خواهیم کمک کنیم. بگذارید منتظر اطلاعات واقعی بیمارستان ها باشیم ، اجازه دهید اخلاق اخلاقی و شناسایی هویت را انجام دهیم و به ما اجازه دهیم تا با رادیولوژیست ها کار کنیم تا راهکارهایی را برای مسائل قفسه سینه در آینده ایجاد کنیم. در غیر این صورت ، ممکن است این تصور را ایجاد کنیم که در حال انجام تحقیقات حسی هستیم و بیشتر به خود ارتقاء می پردازیم تا بهزیستی بیماران. رادیولوژیست ها روز و شب برای درک تظاهرات این ویروس در تصاویر پزشکی کار می کنند. بگذارید با آنها کار کنیم و از آنها یاد بگیریم که پتانسیل واقعی AI را برای مقابله با عفونت های ویروسی در آینده به نمایش بگذاریم.

مهارت های مشتری

متخصصان پشتیبانی رایانه معمولاً نیاز به مهارتهای خوب مشتری دارند. این امر به ویژه برای کسانی که در زمینه پشتیبانی فناوری برای فروشندگان نرم افزار و تولید کنندگان رایانه کار می کنند صادق است. همچنین برای کسانی که برای خدمات شخص ثالث کار می کنند که برای کمک به کاربران رایانه یا افرادی که با رایانه های ناقص ، ویروس ها یا مشکلات نرم افزاری روبرو هستند ، تماس تلفنی برقرار می کنند ، صادق است.

همچنین تکنسین های رایانه باید بدانند که اگرچه بسیاری از افراد به طور مرتب از رایانه استفاده می کنند ، ممکن است دانش آنها در مورد فناوری و نرم افزار رایانه محدود باشد و بنابراین تکنسین باید بتواند با صبر و حوصله اطلاعات و آموزش و مشاوره را به مشتری و مشتری ارائه دهد. این مسئله می تواند چالش برانگیز باشد ، خصوصاً هنگام ارائه پشتیبانی فنی از طریق تلفن به مصرف کنندگان ناامید.

پشتیبانی رایانه شخص ثالث

بسیاری از مشاغل برای حفظ یک بخش فناوری اطلاعات و یا حتی نگه داشتن یک متخصص IT تمام وقت در کارمندان خود بسیار کوچک هستند. این شرکت ها ممکن است برای ارائه پشتیبانی ، خدمات تعمیر و کمک به تصمیم گیری در مورد خرید فناوری ، به شرکتهای پیمانکار IT شخص ثالث تکیه کنند.

تکنسین هایی که برای این شرکت ها کار می کنند ممکن است مجبور شوند چندین مشتری را دستکاری کنند که هرکدام ممکن است نیازهای خاصی به فناوری داشته باشند. یک تکنسین ممکن است قادر باشد در درجه اول از طریق تلفن یا از طریق ایمیل یا چت پشتیبانی را ارائه دهد ، اما ممکن است به طور دوره ای مجبور به بازدید از سایت شود تا با مشتریان یا مستقیماً روی دستگاه ها کار کند.

آموزش ، آموزش و مجوز

برای تبدیل شدن به یک تکنسین رایانه یا متخصص پشتیبانی ، یک مسیر آموزشی یا آموزشی وجود ندارد. تکنسین ها از پیش زمینه های مختلفی از جمله فارغ التحصیل شدن در برنامه های حرفه ای یا دانشگاهی ، کسب گواهینامه حرفه ای یا گذراندن دوره کارآموزی وارد این زمینه می شوند:

تحصیلات

تکنسین های رایانه معمولاً باید حداقل ، دارای مدرک دیپلم دبیرستان یا معادل آن همراه با دانش فنی رایانه ها و بسته های نرم افزاری باشند. اگرچه ممکن است در صورت داشتن لیسانس در رشته IT ، کار را آسان تر کنید ، اما برای یافتن کار در این صنعت ، همیشه داشتن مدرک لازم نیست. دانشکده ها و دانشکده های حرفه ای مدارک کاردانی و همچنین گواهینامه ها و دیپلم های مربوط به فناوری رایانه را ارائه می دهند.

مجوزها و بررسیهای پیش زمینه

مجوز لازم برای تبدیل شدن به یک تکنسین رایانه یا متخصص پشتیبانی وجود ندارد. با این وجود ، ممکن است تکنسینی که خدمات محلی ارائه می دهد مجوز رانندگی معتبر ، بیمه اتومبیل را داشته باشد و ممکن است لازم باشد نشان دهد که وسیله نقلیه وی در شرایط عملیاتی قرار دارد. کارفرمایان همچنین ممکن است انتخاب کنید که پیش زمینه های جنایی را بر روی تکنسین ها انجام دهند ، خصوصاً برای افرادی که خدمات محلی را انجام می دهند.