بیش از دو دهه از فعالیت حرفهای خود را به پژوهش، توسعه فناوری و طراحی راهکارهای نوآورانه در حوزه فناوری اطلاعات، هوش مصنوعی و فناوریهای نوین اختصاص دادهام. در این سالها، مسیر کاری من همواره بر تلفیق دانش آکادمیک با تجربه عملی استوار بوده و تلاش کردهام میان پژوهش، مهندسی و نیازهای واقعی صنعت ارتباطی مؤثر ایجاد کنم.
حوزههای اصلی فعالیت و پژوهش من شامل هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، اخلاق هوش مصنوعی (AI Ethics)، هوش مصنوعی مسئولانه (Responsible AI)، معماری سامانههای هوشمند، مهندسی نرمافزار، رایانش ابری، علوم داده، تحول دیجیتال و فناوریهای نوظهور است. در کنار تحصیلات دانشگاهی در مقاطع کارشناسی و کارشناسی ارشد، از فرصت حضور در برنامهها و فعالیتهای علمی و پژوهشی دانشگاهها و مراکز آموزشی و پژوهشی بینالمللی، از جمله دانشگاه آکسفورد، دانشگاه هاروارد، دانشگاه زوریخ، Purdue University Global، University of Maryland Global Campus، Örebro University، Southern New Hampshire University، Global Online Academy و Vivekananda Global University بهرهمند شدهام و همواره کوشیدهام دستاوردهای علمی را در قالب راهکارهای کاربردی و قابل اجرا به کار گیرم.
فعالیت حرفهای من تنها به پژوهش محدود نبوده است. در طول این سالها در طراحی و توسعه سامانههای نرمافزاری، معماری سامانههای سازمانی، توسعه وب و اپلیکیشنهای موبایل، توسعه Full-Stack، معماری نرمافزار، زیرساختهای ابری، تحلیل و معماری داده، سئو تکنیکال، تحول دیجیتال و مدیریت فناوری فعالیت کردهام. همچنین در پروژهها و مطالعات پژوهشی، آموزشی و تحلیلی مرتبط با اکوسیستمهای فناوری نظیر Google Cloud، OpenAI و مطالعات منتشرشده NASA مشارکت داشتهام و همواره تلاش کردهام میان ظرفیتهای علمی و نیازهای اجرایی سازمانها پیوندی مؤثر برقرار کنم.
بخش قابل توجهی از پژوهشها و مطالعات من به موضوعاتی همچون اخلاق هوش مصنوعی، Explainable AI، اعتمادپذیری سامانههای هوشمند، عدالت الگوریتمی، حکمرانی فناوری، تصمیمگیری مبتنی بر داده، طراحی انسانمحور و آیندهپژوهی اختصاص یافته است. در کنار فعالیتهای پژوهشی، همواره آموزش، منتورینگ، برگزاری کارگاههای تخصصی، نگارش مقالات، تولید محتوای علمی و انتقال دانش را بخشی از مسئولیت حرفهای خود دانستهام.
در کنار علوم رایانه و فناوری، در حوزههایی همچون سینما، مستندسازی، تدوین، طراحی گرافیک، نوآوری میانرشتهای، ثبت اختراع و خلبانی هواپیماهای بالثابت نیز تجربه فعالیت داشتهام. باور دارم مواجهه با حوزههای متنوع علمی، فنی و هنری، نگاه سیستمی و توانایی تحلیل مسائل پیچیده را تقویت میکند و زمینه خلق راهکارهای خلاقانهتر را فراهم میآورد.
امروز نیز مسیر حرفهای خود را بر توسعه سامانههای هوشمند قابل اعتماد، گسترش پژوهشهای میانرشتهای، ارتقای استانداردهای اخلاقی در هوش مصنوعی و تقویت ارتباط میان دانشگاه، صنعت و فناوری متمرکز کردهام زیرا:
باور دارم آینده هوش مصنوعی تنها با پیشرفت فنی رقم نخواهد خورد؛ بلکه موفقیت آن در گرو تلفیق دانش، مسئولیتپذیری، شفافیت و تعهد به ارزشهای انسانی است.
گرایش کامپیوتر کوانتومی
موسسه/دانشگاه: Technische Universität München (TUM)
آبان ۲۰۰۱ - فروردین ۲۰۰۴گرایش مطالعات کامپیوتر و مشاوره کسب و کار
موسسه/دانشگاه: Harvard University
بهمن ۲۰۱۱ - مرداد ۲۰۱۴گرایش کامپیوتر (برنامه نویسی پایگاه داده)
موسسه/دانشگاه: کمبریج انگلیس (مجازی)
خرداد ۲۰۰۴ - اردیبهشت ۲۰۰۵گرایش تدوین و فیلم نامه نویسی
موسسه/دانشگاه: علمی کاربردی ماکرومدیا
بهمن ۲۰۰۶ - فروردین ۲۰۰۸گرایش رهبری و رفتار سازمانی
موسسه/دانشگاه: موسسه آموزش عالی - مجازی ایرانیان
بهمن ۱۳۹۰ - بهمن ۱۳۹۱گرایش مدیریت سیستمهای اطلاعاتی
موسسه/دانشگاه: صنعتی امیرکبیر
مهر ۱۳۸۸ - آذر ۱۳۸۹شرکت فناورانه گوگل
شرکت OpenAI
موسسه: مرکز آموزش عالی فناوری متین (شعبه البرز)
آبان ۲۰۱۸
موسسه: مجتمع فنی تهران (نمایندگی البرز)
تیر ۱۴۰۳
موسسه: مجتمع فنی تهران (نمایندگی البرز)
تیر ۱۴۰۳
موسسه: آموزش عالی خانه هوش مصنوعی ایران
آذر ۱۴۰۴
موسسه: آموزشگاه آرایشگری آپادانا | آریاوش | سازمان آموزش فنی حرفه ای کشور
آبان ۱۳۹۷
توضیحات:
یک پلتفرم مکالمه صوتی مبتنی بر هوش مصنوعی است که امکان گفتوگوی طبیعی و روان را از طریق تماس تلفنی برای تمامی کاربران فراهم میکند. این سامانه با استفاده از فناوریهای پیشرفته تشخیص گفتار، پردازش زبان طبیعی (NLP)، درک مفهوم مکالمه و تولید گفتار، تجربهای نزدیک به گفتوگو با یک انسان را ارائه میدهد.
این پلتفرم بهصورت کاملاً رایگان در اختیار مخاطبان قرار گرفته است تا بتوانند بدون نیاز به نصب نرمافزار یا تجهیزات خاص، تنها با برقراری یک تماس تلفنی، با یک دستیار هوشمند صوتی تعامل داشته باشند. کاربران میتوانند سؤالات خود را مطرح کنند، اطلاعات مورد نیاز را دریافت کنند، درباره موضوعات مختلف گفتوگو کنند، ایدهپردازی انجام دهند، زبان تمرین کنند یا از راهنماییهای هوشمند در زمینههای مختلف بهره ببرند.
تماس صوتی هوشمند با بهرهگیری از مدلهای پیشرفته هوش مصنوعی، مکالمات را بهصورت لحظهای تحلیل کرده و پاسخهایی دقیق، روان و متناسب با موضوع گفتگو ارائه میدهد. این قابلیت باعث میشود تجربه کاربری طبیعی، سریع و بدون پیچیدگی باشد.
از مهمترین ویژگیهای این پلتفرم میتوان به دسترسی آسان از طریق تماس تلفنی، پاسخگویی شبانهروزی، مکالمه طبیعی، سرعت بالای پردازش، پشتیبانی از موضوعات متنوع، حفظ کیفیت تعامل و امکان استفاده رایگان برای عموم کاربران اشاره کرد.
هدف از توسعه «تماس تلفنی هوشمند» فراهم کردن دسترسی برابر به فناوری هوش مصنوعی برای همه افراد است؛ بهگونهای که هر کاربر، در هر زمان و از هر مکان، بتواند تنها با یک تماس تلفنی از قابلیتهای یک همصحبت هوشمند، آگاه و همیشه در دسترس استفاده کند.
توضیحات:
طراحی و ساخت اولین و تنها سرویس هوش مصنوعی کاملاً بومیسازیشده و بدون هیچ بازوی API خارجی با نام:
دست راست من (نسخه اندروید)
و
دست راست من پلاس (نسخه وب)
یک دستیار هوشمند چندسطحی است که بر اساس نیاز و میزان مهارت کاربران، خدمات تخصصی متنوعی ارائه میدهد:
✅ سطح مبتدی:
آموزش مفاهیم پایه، ترجمه، خلاصهسازی، تولید محتوای کوتاه و راهنمایی گامبهگام.
✅ سطح متوسط:
مدیریت پروژههای کوچک، نگارش ساختاریافته، ویرایش حرفهای متون، کدنویسی و حل مسئله.
✅ سطح پیشرفته:
طراحی معماری سیستمها، بهینهسازی الگوریتمها، توسعه هوش مصنوعی پیشرفته و تحلیل داده.
✅ سطح حرفهای:
معماری دادههای کلان، امنیت سایبری، مشاوره استراتژیک و توسعه مدلهای یادگیری ماشین.
✨ امکانات ویژه:
تطبیق لحن متناسب با کاربر، پشتیبانی چندزبانه، طراحی ابزارهای عملیاتی و ارائه مسیرهای یادگیری شخصیسازیشده.
توضیحات:
مشاوره و تخمین هوشمند ساخت نرمافزار با هوش مصنوعی
یک دستیار هوشمند مبتنی بر هوش مصنوعی است که فرآیند تبدیل ایده به محصول نرمافزاری را ساده، سریع و شفاف میکند. این پلتفرم به کارآفرینان، استارتاپها، شرکتها و توسعهدهندگان کمک میکند تا پیش از شروع پروژه، دیدی دقیق از مسیر توسعه، هزینهها، زمانبندی و الزامات فنی به دست آورند.
کافی است ایده یا نیاز خود را به زبان فارسی توضیح دهید. هوش مصنوعی با تحلیل جزئیات پروژه، قابلیتهای موردنیاز، فناوریهای مناسب، پیچیدگی فنی و اهداف کسبوکار، یک برآورد هوشمند از زمان توسعه، هزینه تقریبی، تیم موردنیاز و نقشه راه اجرای پروژه ارائه میدهد.
این پلتفرم تنها یک ابزار تخمین هزینه نیست؛ بلکه یک مشاور دیجیتال است که به شما کمک میکند ایده خود را از جنبههای فنی و تجاری ارزیابی کنید، قابلیتهای محصول را اولویتبندی کنید، ریسکهای احتمالی را شناسایی کنید و بهترین مسیر برای ساخت یک محصول موفق را انتخاب کنید.
فاصله میان ایده و اجرای واقعی را کوتاه میکند. اگر ایدهای برای ساخت یک اپلیکیشن، وبسایت، سامانه سازمانی یا پلتفرم دیجیتال دارید، این سرویس به شما کمک میکند تا با آگاهی، سرعت و اطمینان بیشتری تصمیم بگیرید و پروژه خود را آغاز کنید.
توضیحات:
یک دستیار مبتنی بر هوش مصنوعی است که با دریافت اطلاعات کاربر یا تحلیل برگههای آزمایش، نتایج را تفسیر کرده و وضعیت سلامت فرد را ارزیابی میکند.
این سامانه میتواند احتمال ابتلا یا ریسک بیماریهایی مانند دیابت، فشار خون، بیماریهای قلبی و سایر مشکلات شایع را بر اساس دادههای موجود بررسی کرده، توضیحی ساده و قابل فهم از نتایج ارائه دهد و در صورت مشاهده علائم هشدار، کاربر را به مراجعه به پزشک توصیه کند.
این سیستم ابزاری برای آگاهی و غربالگری اولیه است و جایگزین تشخیص یا درمان توسط پزشک نیست.
توضیحات:
بـرای اولـیـن بـار در ایـران
هوش مصنوعی مالی، یک پلتفرم هوشمند مالی و حسابرسی سامانهای یکپارچه و هوشمند است که با هدف خودکارسازی، تحلیل پیشرفته و تصمیمسازی دقیق در حوزههای مالی، حسابداری و حسابرسی طراحی میشود. این پلتفرم با استفاده از الگوریتمهای یادگیری ماشین، پردازش زبان طبیعی و تحلیل دادههای کلان، قادر است دادههای مالی را از منابع مختلف جمعآوری، پاکسازی و تحلیل کند و بینشهای دقیق و قابل اتکا در اختیار کاربران قرار دهد.
از مهمترین امکانات این پلتفرم میتوان به ثبت و پردازش هوشمند اسناد مالی، تطبیق خودکار حسابها، کشف تقلب و خطاهای مالی، تحلیل ریسک، پیشبینی جریان نقدی، بودجهبندی هوشمند و تهیه گزارشهای مالی و حسابرسی مطابق با استانداردهای داخلی و بینالمللی اشاره کرد. همچنین داشبوردهای تعاملی، گزارشگیری لحظهای، هشدارهای هوشمند، امکان اتصال به نرمافزارهای مالی موجود و شخصیسازی بر اساس نقش کاربر (مدیر، حسابدار، حسابرس) از دیگر قابلیتهای کلیدی آن است.
در فرآیند طراحی و توسعه، تمرکز بر امنیت دادهها، مقیاسپذیری، دقت الگوریتمها و تجربه کاربری ساده و قابل فهم قرار دارد تا این پلتفرم بتواند نیازهای سازمانها، شرکتها و حتی کاربران فردی را بهصورت جامع و کارآمد پوشش دهد.
توضیحات:
1. Bias Detection in Language Models
🕓 2015 – 2016 – University of Toronto
تحلیل بایاس فرهنگی در مدل Word2Vec با معیار WEAT و انتشار نتایج در ACL Workshop.
2. Fairness Audit for Hiring Algorithms
🕓 2016 – 2017 – IBM Research Zurich
ارزیابی Fairness در مدلهای SVM استخدامی با ابزار AIF360 و مستندسازی شکاف فرصت < 5 %.
3. Explainable Admissions System
🕓 2017 – 2018 – Imperial College London
طراحی dashboard شفاف با LIME برای تصمیمات پذیرش تحصیلات تکمیلی.
4. Privacy‑Preserving Medical AI
🕓 2018 – 2019 – Mayo Clinic – USA
بهکارگیری Differential Privacy در دادهٔ قلب بیماران؛ حفظ دقت 91 ٪ با پارامتر ε < 1.
5. Ethical Recommender Framework
🕓 2019 – 2020 – ETH Zürich
طراحی متریک Justice & Diversity در Recommender Systems بهکاررفته در MovieLens.
6. Federated Learning for User Data Protection
🕓 2020 – 2021 – Google AI Research Berlin
پیادهسازی PySyft برای آموزش فدرال مدل CNN بدون اشتراک دادهٔ شخصی.
7. Global AI Ethics Monitoring Platform
🕓 2021 – 2022 – Stanford + Oxford Collab
طراحی سیستم وب پایش اخلاقی پروژههای AI و محاسبۀ شاخص Ethical Risk برای 300 پروژه در دنیا.
توضیحات:
۱. تحلیل سوگیری در مدلهای زبانی
🕓 ۲۰۱۵ ◆ دانشگاه تورنتو (آنلاین)
تحلیل دادههای متنی باز (Word2Vec و GloVe) و طراحی شاخص بیطرفی زبانی؛ انجام کامل بهصورت دورکاری.
۲. جعبهابزار ممیزی عدالت الگوریتمی
🕓 ۲۰۱۶ ◆ IBM Research زوریخ – همکاری مجازی
توسعه قابلسهم در کد باز AIF360 برای ارزیابی عدالت در مدلهای استخدامی؛ هماهنگی تیم از راه دور.
۳. پروژه هوش مصنوعی قابل تبیین در پذیرش دانشجو
🕓 ۲۰۱۷ ◆ امپریال کالج لندن – Remote Collab
ساخت نمونهاولیۀ سیستم پذیرش با XGBoost و LIME از طریق دسترسی Git و دادههای باز.
۴. حریم خصوصی در یادگیری ماشین پزشکی
🕓 ۲۰۱۸ ◆ Mayo Clinic (همکاری آنلاین)
آزمایش Differential Privacy با دادههای شبهواقعی؛ بدون دسترسی به اطلاعات واقعی بیماران.
۵. چارچوب اخلاقی برای سیستمهای توصیهگر
🕓 ۲۰۱۹ ◆ ETH زوریخ (پروژه غیرحضوری)
تحلیل عدالت و تنوع در توصیهگرهای فیلم با دادههای IMDb و اجرای محاسبات در کلاد.
۶. یادگیری فدرال برای حفاظت از داده
🕓 ۲۰۲۰ ◆ Google AI Research برلین (Remote Pilot)
پیادهسازی فدرال CNN با PySyft؛ اعضای تیم در چهار کشور از راه دور همکاری کردند.
۷. پلتفرم پایش اخلاقی پروژههای AI
🕓 ۲۰۲۱ – ۲۰۲۲ ◆ همکاری استنفورد و آکسفورد (Distributed)
طراحی زیرساخت نظارتی ابری برای ارزیابی ریسک اخلاقی در ۳۰۰ پروژه؛ کل مدیریت از راه دور.
توضیحات: جهت استعلام نام لاتین پروژه مورد نظر را به همراه کد پرسنلی میلاد یگانه: 67771MYC برای گوگل: Google@teachers.com ارسال کنید.
توضیحات: جهت استعلام نام سایت مورد نظر را به همراه کد پرسنلی میلاد یگانه: 67771MYC برای گوگل: Google@teachers.com ارسال کنید.
توضیحات:
هوش مصنوعی (AI) شاخهای از علوم کامپیوتر و ریاضی است که هدف آن ساخت سامانههایی است که از داده یاد بگیرند و سپس بتوانند برای کارهایی مثل پیشبینی، تصمیمگیری یا تولید خروجی استفاده شوند. AI «جادو» نیست؛ معمولاً بر پایه یک مدل محاسباتی کار میکند و در فرایند آموزش، آن مدل طوری تنظیم میشود که خطا کمتر شود یا احتمال نتیجه درست افزایش پیدا کند. بنابراین کیفیت داده، انتخاب مدل و شیوه آموزش نقش بسیار مهمی در عملکرد نهایی دارند. تاریخچهی AI را میتوان در چند رویکرد دید: نمادگرایی که در آن قواعد صریح (منطقی) نوشته میشد �� سیستم با استنتاج آن قواعد تصمیم میگرفت؛ سپس با پیچیدهتر شدن مسائل، یادگیری ماشین رشد کرد و مدلها با استخراج الگو از داده یاد میگرفتند. بعدتر یادگیری عمیق مطرح شد؛ شبکههای عصبی چندلایه که در آموزش، ویژگیهای مؤثر را خودکار یاد میگیرند و با بهروزرسانی پارامترها خطا را کاهش میدهند. از نظر نوع یادگیری، AI معمولاً به نظارتشده (داده همراه با برچسب است)، بدون نظارت (هدف کشف ساختار پنهان در داده) و تقویتی (عامل با پاداش/جریمه یاد میگیرد) تقسیم میشود. AI در صنعت برای پیشبینی خرابی و کنترل کیفیت، در حملونقل برای مدیریت مسیر و پیشبینی ترافیک، در سلامت برای تحلیل دادههای پزشکی، در پردازش زبان برای جستوجو و تحلیل متن و در امنیت و مالی برای شناسایی ناهنجاری و تقلب استفاده میشود. با این حال، چالشهایی هم دارد: سوگیری داده، افت عملکرد در شرایط جدید (تعمیم) و گاهی کمبود توضیحپذیری. همچنین مسائل اخلاقی و حقوقی مثل حریم خصوصی، امنیت و مسئولیت خطاها جدی است. در نهایت AI فناوری قدرتمندی برای یادگیری از داده است، اما موفقیت واقعی آن به شناخت محدودیتها و استفاده مسئولانه وابسته است.
توضیحات:
ACM Digital Library یکی از مهمترین پایگاههای دسترسی علمی در حوزه علوم کامپیوتر است که پوششدهندهی مجموعهای از خروجیهای پژوهشیِ صنعت و دانشگاه (بهویژه ژورنالها و پروسیـدینگهای کنفرانسها) در چارچوب نشرِ انجمن ACM است. ارزش آن صرفاً در «آرشیو بودن» نیست؛ بلکه در قابلیتهای پژوهشیِ آن نهفته است: جستوجوی دقیق مبتنی بر متادیتاهای غنی (عنوان، چکیده، نویسندگان، سال، DOI، کلیدواژهها و ردههای موضوعی)، و امکان ردیابی مسیرهای دانش از طریق ارجاعات (References) و دنبالکردن سیـتیـشنها (Citation tracking). در عمل، یک پژوهشگر برای ساختن شبکهی مفهومیِ یک مسئله، از این امکانات برای یافتن «مراجع پایه» و سپس «تکامل راهحلها» استفاده میکند: مقالهها بهعنوان گرههای شبکه در نظر گرفته میشوند و جهت ارجاعها، جریان تاثیر علمی را نشان میدهد.
از منظر روششناسیِ مرور ادبیات، ACM Digital Library برای دو سناریوی متفاوت به کار میآید: (۱) استخراج شواهد اولیه و چارچوب نظری از مقالات کلاسیک (که معمولاً در ژورنالها و کارهای مرجع متمرکزترند) و (۲) یافتن وضعیتِ هنر و پیشرفتهای اخیر با تمرکز بر کنفرانسها (که اغلب سریعتر بهروز میشوند). همچنین به دلیل تنوع venueها و استانداردهای ارجاعگذاری، برای تحلیل اعتبار پژوهشها و تشخیص کیفیت متدولوژیک، دسترسی به چکیده و در صورت وجود متن کامل و امکانات بررسی ارجاعات ضروری است. اگر دسترسی اشتراکی ندارید، معمولاً همچنان میتوان با استفاده از چکیده و اطلاعات کتابشناختی، نقشهی تحقیقاتی را ترسیم کرد و سپس از کانالهای جایگزین (مثل نسخههای دسترسآزاد یا درخواست از نویسنده) متن کامل را تهیه نمود.
توضیحات:
IEEE Xplore Digital Library یکی از مهمترین پایگاههای علمی در حوزه مهندسی برق، علوم رایانه، مخابرات، و بخش بزرگی از پژوهشهای میانرشتهای مرتبط با فناوری است. ارزش علمی IEEE Xplore صرفاً در «ذخیرهسازی» مقالات نیست، بلکه در نقش آن بهعنوان یک موتورِ بازیابیِ ادبیات برای تحلیل ساختار دانش است: ارائه متادیتاهای غنی (عنوان، چکیده، نویسندگان، تاریخ، کلمات کلیدی، DOI و دستهبندیهای موضوعی)، دسترسی سریع به مسیرهای استنادی (References و قابلیت دنبالکردن Citation)، و امکان فیلتر کردن نظاممند نتایج بر اساس نوع سند (Journal / Conference), دوره زمانی، و حوزه فنی. این مجموعه برای مرور ادبیات (Literature Review) و نیز برای انجام تحلیلهای کتابسنجی/علمسنجی (مثل ترسیم نقشه موضوعی و شناسایی گرایشهای غالب) بسیار کاربردی است؛ زیرا خروجیهای IEEE غالباً با استانداردهای دقیق داوری و گزارشدهی منتشر میشوند و بدین ترتیب امکان مقایسه تجربی و پیگیری تکامل روشها فراهم میگردد. از منظر روششناسی پژوهش، IEEE Xplore معمولاً در دو سطح «استنباط» و «اعتبارسنجی» به کار میآید. در سطح استنباط، از طریق جستوجوی ترکیبیِ کلیدواژهها و استفاده از فیلترهای موضوعی، ابتدا مجموعهای از مقالات اولیه برای ساخت چارچوب مفهومی انتخاب میشود. در سطح اعتبارسنجی، با تکیه بر ویژگیهایی مانند DOI، صحت متادیتا، کیفیت گزارشدهی و دسترسی به متن کامل (در صورت داشتن دسترسی اشتراکی)، میتوان جزئیات روشها، تنظیمات آزمایش، و معیارهای ارزیابی را استخراج و با ادبیات پیشین همراستا کرد.
اردیبهشت ۱۴۰۳
اردیبهشت ۱۴۰۲
فروردین ۱۳۹۸
بهمن ۱۳۹۷
شهریور ۱۴۰۱
دی ۱۴۰۰
تیر ۱۳۹۹
اسفند ۱۳۹۷
مرداد ۱۳۹۶