Tabaghe 16 طبقه

نوید آقاصادقی، پژوهشگر رباتیک و هم‌بنیان‌گذار و مدیرعامل شرکت «شیراز» است. او دکترای مهندسی برق و کامپیوتر از دانشگاه ایلینوی آمریکا دارد و پیش از تأسیس شرکتش، سال‌ها در شرکت‌های سازنده ربات، از جمله بوستون داینامیکس، کار کرده است. بخشی از کار او کمک به ساخت ربات‌هایی بوده که بتوانند بیرون از محیط آزمایشگاه، کارهای واقعی انجام دهند.

او حالا در شیراز روی مسئله‌ای ساده اما دشوار کار می‌کند: چطور می‌شود یک کار را به ربات نشان داد و ربات همان کار را یاد بگیرد؟ هدف این است که برای هر وظیفه تازه در کارخانه، نیازی به برنامه‌نویسی دوباره ربات نباشد و بتوان با نشان‌دادن روش انجام کار، آن را آموزش داد.

00:00‎ | ⁧بخش‌هایی از گفتگو⁩
01:45‎ | ⁧شروع گفتگو و زندگی در سان‌فرانسیسکو⁩
04:09‎ | ⁧وای کامبینیتور واقعاً چه کمکی به استارتاپ‌ها می‌کند؟⁩
10:38‎ | ⁧مسیر نوید از مخابرات و علوم اعصاب تا رباتیک⁩
16:10‎ | ⁧ربات‌ها چطور می‌بینند و محیط را درک می‌کنند؟⁩
21:58‎ | ⁧چرا ربات‌ها را شبیه انسان می‌سازیم؟⁩
24:14‎ | ⁧تکامل انسان و شباهت‌های مغز و هوش مصنوعی⁩
34:10‎ | ⁧داستان تأسیس شیراز و ربات‌هایی که می‌سازد⁩
38:47‎ | ⁧آموزش ربات با ویدیو؛ از یادگیری تا کار در کارخانه⁩
47:23‎ | ⁧آینده هوش مصنوعی؛ مدل‌های بزرگ یا مدل‌های تخصصی؟⁩
52:17‎ | ⁧تجربه بوستون داینامیکس و آموزش مهارت‌های واقعی به ربات⁩
56:28‎ | ⁧پذیرش در وای کامبینیتور؛ مصاحبه، تیم و سرمایه‌گذاری⁩
01:03:00‎ | ⁧ترک شغل، ساخت اپلیکیشن یک‌میلیونی و ریسک کارآفرینی⁩
01:04:21‎ | ⁧وقتی ربات‌ها کار می‌کنند، انسان‌ها چه می‌کنند؟⁩
01:09:22‎ | ⁧پیدا کردن اولین مشتری و مدل درآمد ساعتی از ربات‌ها⁩
01:15:02‎ | ⁧چرا شرکت می‌سازیم؟ رشد شخصی و معنای کار⁩

Navid Aghasadeghi is a robotics researcher and the co-founder and CEO of Shiraz AI. He holds a PhD in Electrical and Computer Engineering from the University of Illinois Urbana-Champaign and previously worked at Boston Dynamics and Rethink Robotics, helping develop robots for real-world use.

At Shiraz AI, he works on robots that can learn a new factory task by watching a person demonstrate it, reducing the need to program robots again for each new job.

Shiraz AI:
https://shiraz.ai

Navid Aghasadeghi
https://www.linkedin.com/in/navid-aghasadeghi-356b077b

حامیان این قسمت:

لیارا؛ پلتفرم خدمات ابری که به برنامه‌نویس‌ها و کسب‌وکارها کمک می‌کنه سایت و اپلیکیشنشون رو راه‌اندازی و میزبانی کنن، اطلاعات و فایل‌هاشون رو نگه دارن و با رشد کارشون، منابع بیشتری در اختیار بگیرن؛ بدون اینکه درگیر پیچیدگی‌های مدیریت سرور بشن.
https://liara.ir

هوشا؛ پلتفرم همه‌کاره‌ی هوش مصنوعی فارسی که دسترسی مستقیم به قوی‌ترین مدل‌های دنیا مثل ChatGPT، کلود، جمینای و ابزارهای ساخت عکس، ویدیو و موسیقی رو بدون نیاز به پرداخت ارزی و دغدغه‌ی تحریم براتون ممکن می‌کنه.
https://hoosha.com

Tabaghe 16

🎧 نسخه صوتی پادکست و لینک‌های بیشتر:

https://linktr.ee/tabaghe16

#پادکست #طبقه۱۶
Hosted on Acast. See acast.com/privacy for more information.

رامیس موثق، ریاضی‌دان، فیزیک‌دان نظری و پژوهشگر کامپیوترهای کوانتومیه که دکترای ریاضی خودش رو از دانشگاه ام‌آی‌تی گرفته، سال‌ها در شرکت‌های آی‌بی‌ام و گوگل روی فناوری‌های کوانتومی تحقیق کرده و الان مدیر ارشد بخش مالی کوانتومی در شرکت آیون‌کیو هست.

00:00‎ | ⁧بخش‌هایی از گفتگو⁩
01:48‎ | ⁧آشنایی با رامیس و زندگی در سان‌فرانسیسکو⁩
05:50‎ | ⁧مسیر رامیس از فیزیک تا تحقیقات کوانتومی⁩
12:28‎ | ⁧فیزیک کوانتوم چیست و چرا قوانینش متفاوت است؟⁩
22:00‎ | ⁧تفاوت کامپیوترهای معمولی و کوانتومی⁩
26:52‎ | ⁧کوانتوم، قانون جذب و باورهای اشتباه⁩
34:35‎ | ⁧کاربردهای تجاری کامپیوترهای کوانتومی⁩
40:16‎ | ⁧آیا کامپیوترهای کوانتومی می‌توانند رمزها را بشکنند؟⁩
51:42‎ | ⁧رقابت شرکت‌های بزرگ برای ساخت کامپیوترهای کوانتومی⁩
58:40‎ | ⁧چالش‌های ساخت کامپیوترهای کوانتومی و تصحیح خطا⁩
01:15:45‎ | ⁧درهم‌تنیدگی کوانتومی و ارتباط میان ذرات⁩
01:26:00‎ | ⁧آینده ارتباطات امن، پول کوانتومی و هوش مصنوعی⁩

Ramis Movassagh is a quantum computing researcher and Senior Director of Quantum Finance at IonQ. He earned his PhD in Mathematics from MIT, where he worked with Peter Shor, one of the pioneers of quantum computing. Previously, he held research positions at Google Quantum AI and IBM Quantum.

In this episode, we explore what quantum computers actually are, how they work, and why companies like Google, IBM, and IonQ are racing to build them. We break down concepts such as superposition, entanglement, qubits, and quantum algorithms, and examine whether quantum computers could eventually break today's encryption systems.

We also discuss Ramis's journey from MIT to Google and IBM, the engineering challenges of building practical quantum computers, potential real-world applications, and the future of information security. Along the way, we explore common misconceptions about quantum physics, including its supposed connection to the law of attraction, and separate scientific reality from speculation.

The views expressed in this podcast are Ramis Movassagh's own, and he is not speaking on behalf of IonQ.

دیدگاه‌ها و نظرات مطرح‌شده توسط رامیس موفق در این گفتگو، نظرات شخصی او هستند و لزوماً منعکس‌کننده دیدگاه‌ها یا مواضع شرکت آیون‌کیو نیستند. رامیس در این گفتگو به نمایندگی از این شرکت صحبت نمی‌کند.

https://www.linkedin.com/in/ramis-movassagh/

حامیان این قسمت:

هوشا؛ پلتفرم همه‌کاره‌ی هوش مصنوعی فارسی که دسترسی مستقیم به قوی‌ترین مدل‌های دنیا مثل ChatGPT، کلود، جمینای و ابزارهای ساخت عکس، ویدیو و موسیقی رو بدون نیاز به پرداخت ارزی و دغدغه‌ی تحریم براتون ممکن می‌کنه.
https://hoosha.com

ترنج؛ مجموعه دارای مجوز سازمان بورس برای سرمایه‌گذاری در صندوق‌هایی با سطح‌های مختلف ریسک؛ از صندوق درآمد ثابت افران و صندوق طلای رز تا صندوق نقره یاس، صندوق‌های سهامی و صندوق اهرمی نارنج.
https://toranjcapital.com

Tabaghe 16

🎧 نسخه صوتی پادکست و لینک‌های بیشتر:

https://linktr.ee/tabaghe16

#پادکست #طبقه۱۶
Hosted on Acast. See acast.com/privacy for more information.

شیرین مجرد، مدیر محصول گوگل در حوزه هوش مصنوعی شخصی، روی زیرساخت شخصی‌سازی و بازیابی اطلاعات کار می‌کنه. پیش از گوگل، در اپل روی جست‌وجوی Apple Maps کار کرده و مسیرش از دکترای یادگیری ماشین و علم داده در حوزه‌های بانکداری و آموزش به ساخت محصول رسیده.

توی این قسمت درباره مهاجرت و زندگی در سان‌فرانسیسکو، مسیر ورود به اپل و گوگل، تفاوت مدیریت محصول و پروژه، و رقابت شرکت‌های هوش مصنوعی برای ساختن دستیار شخصی حرف زدیم. از حافظه و حریم خصوصی تا آینده رابط‌های کاربری، فرصت استارتاپ‌ها، کاریابی با هوش مصنوعی و اهمیت یادگیری‌زدایی در دنیایی که مدام تغییر می‌کنه.

00:00‎ | ⁧بخش‌هایی از گفتگو⁩
01:44‎ | ⁧مهاجرت و زندگی در سان‌فرانسیسکو⁩
14:10‎ | ⁧از علم داده تا اپل و گوگل⁩
35:45‎ | ⁧گوگل و رقابت هوش مصنوعی⁩
43:25‎ | ⁧رقابت دستیارهای شخصی⁩
51:37‎ | ⁧حافظه و حریم خصوصی هوش مصنوعی⁩
01:03:03‎ | ⁧کاریابی با هوش مصنوعی⁩
01:09:10‎ | ⁧آینده اپ‌ها و فرصت استارتاپ‌ها⁩
01:19:46‎ | ⁧پشت‌صحنه شخصی‌سازی در گوگل⁩
01:29:41‎ | ⁧آینده کار و مهارت‌ها⁩

Shirin Mojarad is a product manager at Google working on infrastructure for personal AI, personalization, and information retrieval. Before Google, she worked on Apple Maps search. Her career spans a PhD in machine learning, data science in banking and education, and the transition into product management.

In this episode, we talk about migration and life in San Francisco, her path into Apple and Google, the difference between product and project management, and the race to build a personal AI assistant. We explore AI memory and privacy, the future of interfaces, opportunities for startups, AI-assisted job searching, and the importance of unlearning as technology changes the way we work.

https://www.linkedin.com/in/shirinmojarad/

حامیان این قسمت:

ترنج؛ مجموعه دارای مجوز سازمان بورس برای سرمایه‌گذاری در صندوق‌هایی با سطح‌های مختلف ریسک؛ از صندوق درآمد ثابت افران و صندوق طلای رز تا صندوق نقره یاس، صندوق‌های سهامی و صندوق اهرمی نارنج.
https://toranjcapital.com

هوشا؛ پلتفرم همه‌کاره‌ی هوش مصنوعی فارسی که دسترسی مستقیم به قوی‌ترین مدل‌های دنیا مثل ChatGPT، کلود، جمینای و ابزارهای ساخت عکس، ویدیو و موسیقی رو بدون نیاز به پرداخت ارزی و دغدغه‌ی تحریم براتون ممکن می‌کنه.
https://hoosha.com

Tabaghe 16

🎧 نسخه صوتی پادکست و لینک‌های بیشتر:

https://linktr.ee/tabaghe16

#پادکست #طبقه۱۶
Hosted on Acast. See acast.com/privacy for more information.

کوروش کوچکیان صبور، دکترای علوم کامپیوتر و متخصص یادگیری ماشینه که در متا روی سیستم‌های پیشنهاددهنده و تبلیغات کار می‌کنه. حوزه‌ای که ترکیبی از مهندسی نرم‌افزار، علم داده، مدل‌های یادگیری ماشین و یکی از بزرگ‌ترین مدل‌های درآمدی اینترنت رو کنار هم قرار می‌ده.

الگوریتم‌های تبلیغات فیسبوک و اینستاگرام چطور کار می‌کنن، مدل‌ها چطور از رفتار کاربران یاد می‌گیرن و تغییرات حریم خصوصی چه تأثیری روی داده‌های آموزشی و عملکرد این سیستم‌ها گذاشته. از ماجرای کمبریج آنالیتیکا و مدل اقتصادی تبلیغات گرفته تا تولید تبلیغات با هوش مصنوعی، آینده شخصی‌سازی در دنیای ایجنت‌ها، رقابت شرکت‌های بزرگ AI و تغییراتی که هوش مصنوعی داره در شیوه کار مهندس‌ها ایجاد می‌کنه.

00:00 ‎- ‏بخش‌هایی از گفتگو
01:42 ‎- ‏مسیر حرفه‌ای کوروش و تجربه کار در شرکت‌های بزرگ
17:47 ‎- ‏سیستم پیشنهاددهنده و تبلیغات متا
20:24 ‎- ‏حریم خصوصی، داده‌های آموزشی و کمبریج آنالیتیکا
31:50 ‎- ‏ایجنت‌های هوش مصنوعی و رقابت شرکت‌ها
40:00 ‎- ‏مارک زاکربرگ و آینده پلتفرم‌های متا
44:45 ‎- ‏مدل اقتصادی تبلیغات و اینترنت رایگان
51:20 ‎- ‏نقش هوش مصنوعی در تولید و انتخاب تبلیغات
01:04:36 ‎- ‏آینده تبلیغات در دنیای ایجنت‌ها
01:12:01 ‎- ‏ارتباط ایجنت‌ها با سرویس‌ها و فروشگاه‌ها
01:24:03 ‎- ‏دسترسی به داده‌های کاربران و حریم خصوصی در متا
01:30:37 ‎- ‏تغییر شیوه کار مهندس‌ها با هوش مصنوعی
01:35:40 ‎- رقابت متا، گوگل و اپل در هوش مصنوعی
01:44:00 ‎- ‏شخصی‌سازی و آینده تعامل انسان با هوش مصنوعی

Korosh Koochekian Sabor holds a PhD in Computer Science and works on recommendation and advertising systems at Meta, specializing in machine learning. His work brings together software engineering, data science, machine learning models, and one of the internet's largest business models.

How Facebook and Instagram's advertising algorithms work, how models learn from user behavior, and how privacy changes affect training data and the performance of these systems. From Cambridge Analytica and the economics of digital advertising to AI-generated ads, personalization in an agent-driven world, competition among leading AI companies, and the changing nature of engineering work at Meta.

حامیان این قسمت:

هوشا؛ پلتفرم همه‌کاره‌ی هوش مصنوعی فارسی که دسترسی مستقیم به قوی‌ترین مدل‌های دنیا مثل ChatGPT، کلود، جمینای و ابزارهای ساخت عکس، ویدیو و موسیقی رو بدون نیاز به پرداخت ارزی و دغدغه‌ی تحریم براتون ممکن می‌کنه.

https://hoosha.com

ترنج؛ مجموعه دارای مجوز سازمان بورس برای سرمایه‌گذاری در صندوق‌هایی با سطح‌های مختلف ریسک؛ از صندوق درآمد ثابت افران و صندوق طلای رز تا صندوق نقره یاس، صندوق‌های سهامی و صندوق اهرمی نارنج.

https://toranjcapital.com

Tabaghe 16

🎧 نسخه صوتی پادکست و لینک‌های بیشتر:

https://linktr.ee/tabaghe16

#پادکست #طبقه۱۶
Hosted on Acast. See acast.com/privacy for more information.

نگار صابریان از مدیران ارشد شرکت Lyft، یکی از بزرگ‌ترین پلتفرم‌های تاکسی اینترنتی در آمریکاست. با پس‌زمینه‌ی مهندسی صنایع و ریاضی، سال‌هاست که در حوزه‌ی علم داده، تحقیق در عملیات و بهینه‌سازی فعالیت می‌کنه.
نگار بعد از تحصیل در دانشگاه صنعتی شریف و اخذ مدرک دکتری از University of Washington، سابقه‌ی کار به‌عنوان دانشمند تحقیق در عملیات در Apple و فعالیت تحلیلی و مدیریتی در McKinsey را در کارنامه خودس داره.

نگار توی Lyft روی تصمیم‌گیری‌های داده‌محور، الگوریتم‌های قیمت‌گذاری، تعادل میان عرضه و تقاضا (راننده و مسافر) و استراتژی‌های کلان رشد بازار کار کرده و نقش کلیدی در تصمیم‌گیری‌های مالی و عملیاتی این پلتفرم داشته.

00:00‌ مقدمه
04:12‌ مسیر نگار تا Lyft
14:26‌ تحصیل، مهاجرت و شروع کار در آمریکا
20:43‌ علم داده در Lyft و Uber
25:37‌ گسترش Lyft در اروپا
28:00‌ رقابت Lyft و Uber
30:51‌ قیمت‌گذاری و تعادل بازار
56:06‌ اقتصاد راننده و رشد کسب‌وکار
69:30‌ استارتاپ، مسیر شغلی و مدیریت
74:38‌ هوش مصنوعی و آینده‌ی Lyft

Negar Saberian is a data science and operations research expert and a senior leader at Lyft, one of the largest ride-hailing platforms in the United States. She holds a Ph.D. in Industrial Engineering from the University of Washington and a master’s degree from Sharif University of Technology. Before joining Lyft, she worked at Apple as an Operations Research Scientist and at McKinsey in analytics and decision-making.

At Lyft, Negar has held several leadership roles across data science and marketplace management, working on problems such as ride pricing, balancing driver supply with rider demand, user behavior, market growth, and the overall economics of the platform. Today, she is one of Lyft’s senior leaders in Marketplace and data-driven decision-making.

https://www.linkedin.com/in/negar-saberian

حامیان این قسمت:

ترنج؛ مجموعه دارای مجوز سازمان بورس برای سرمایه‌گذاری در صندوق‌هایی با سطح‌های مختلف ریسک؛ از صندوق درآمد ثابت افران و صندوق طلای رز تا صندوق نقره یاس، صندوق‌های سهامی و صندوق اهرمی نارنج.
https://toranjcapital.com

هوشا؛ پلتفرم همه‌کاره‌ی هوش مصنوعی فارسی که دسترسی مستقیم به قوی‌ترین مدل‌های دنیا مثل ChatGPT، کلود، جمینای و ابزارهای ساخت عکس، ویدیو و موسیقی رو بدون نیاز به پرداخت ارزی و دغدغه‌ی تحریم براتون ممکن می‌کنه.
https://hoosha.com

Tabaghe 16
🎧 نسخه صوتی پادکست و لینک‌های بیشتر:
https://linktr.ee/tabaghe16

#پادکست #طبقه۱۶
Hosted on Acast. See acast.com/privacy for more information.