21724
هوش مصنوعی و برنامه نویسی پایتون؛ مسیولیت هر پست به عهده ادمینی که فرستاده میباشد. AI Admins: @FaRzAhss @Kingeng @Bellman281 Linux: @salvador_immortal تبلیغات و تبادل: @FaRzAhss
☄️ بهترین توضیح بصری از مصالحه بایاس-واریانس در یادگیری ماشین
🔍 در یادگیری ماشین برای دستیابی به مدلی با تعمیمپذیری بالا باید بین بایاس (خطای مدل ساده) و واریانس (حساسیت مدل به دادهها ناشی از پیچیدگی مدل) تعادل برقرار کنیم.
🧩 مثال عملی:
داده: فقط دو نقطه داده از تابع سینوس
مدلها: ثابت و خطی
🌡 فرآیند آزمایشها: چند بار انتخاب تصادفی دو داده ← یادگیری مدل ← محاسبه میانگین مدلها ← Expected Hypothesis and Hypothesis Variance
📊 نتایج:
مدل ثابت ← بایاس زیاد ❌ واریانس کم ✅
مدل خطی ← بایاس کمتر ✅ واریانس خیلی خیلی زیاد ❌❌
📝 Detailed Explanation in English
📝 Detailed Explanation in Persian
اثر افزایش تعداد دادهها بر واریانس تخمین در این پست قابل مشاهده است.
Follow us for daily doses of AI 👊😉.
@NeuralBlackMagic
👉 @ai_python 🆕
این پست از Peter W. J. Staar درباره قابلیت جدیدی در پروژه Docling هست که توسط تیم IBM Research توسعه داده شده:
کلمه Docling را در کانال اگر سرچ کنید پست های زیادی دربارش داریم.
👉 @ai_python 🆕
کتابخانه Docling حالا میتونه دادههای ساختیافته رو مستقیم از اسناد استخراج کنه
به جای تبدیل سند به متن یا JSON، داکلینگ میتونه مستقیماً فیلدهای موردنظر رو از سند بیرون بکشه!
👉 @ai_python 🆕
کاربر میتونه با استفاده از اسکیمای آزاد (free-form schema) مشخص کنه چه اطلاعاتی باید استخراج بشه. این یعنی میتونی خروجی رو مستقیم با ساختار پایگاهدادهات هماهنگ کنی.
👉 @ai_python 🆕
این قابلیت برای پایپلاینهای دادهای که نیاز به استخراج اطلاعات از اسناد نامرتب دارن (مثل فاکتورها، رزومهها، قراردادها و...) بسیار مفیده.
همون طور که گفتیم : بدون نیاز به API یا ارسال داده به سرور !!!
برای رسیدن به این مقصود از مدلهای پیشرفته شرکت NuMind استفاده میکنه.
فعلاً روی فایلهای PDF و تصویر (PNG) تمرکز داره؛ پشتیبانی از متن ساده بهزودی اضافه میشه.
مسابقه برنامهنویسی در کوئرا، فرصت همکاری با ترب
Torob Turbo: The LLM Rush
💥 تُرب توربو < Torob Turbo > چیه:
هکاتونی مسئلهمحوره که با تمرکز بر حل مسائل واقعی صنعت و بهرهگیری از مدلهای زبانی بزرگ (LLM) طراحی شده.
چرا باید توی این مسابقه شرکت کنی:
⚡️ وبینارهای تخصصی و آموزشی رایگان
🎁 ۲۵۰ میلیون تومان جوایز نقدی و جوایز غیر نقدی
🚀 فرصت همکاری با تیم ترب
✨ گواهی رسمی کوئرا و ترب
🔗 https://quera.org/r/gebvy
👉 @ai_python 💭
بررسی بهبود مدل های زبانی بزرگ در صورت پیش بینی ترتیب توکن ها:
https://www.alphaxiv.org/pdf/2508.19228
👉 @ai_python 💭
لینک ویدیو فارسی خلاصه تولید شده توسط هوش مصنوعی از این مقاله :
https://youtu.be/YhB21n0aDrg?si=KWcMLkxrNh57Sn5W
پادکست مصنوعی فارسی مفصل تر در کانال @navidcasts در خصوص این مقاله موجود است.
🎓 آشنایی با اساتید «بوتکمپ مهندس داده»
⚙️ در بوتکمپ جدید آکادمی همراه، میزبان متخصصان و مدیران با تجربهی بسیاری هستیم که جامعترین دانش و تجربیات در خصوص مهندسی داده را، در اختیار شرکتکنندگان قرار بدهیم.
🔸 محمد شکوهی یکتا | دانشمند ارشد داده سابق مایکروسافت
🔸 محمدعلی فردباستانی | مدیر کل سیستمهای منابع سازمانی شرکت همراه اول
🔸 احمد حاجی تراب | مدیر بیگ دیتا و هوش مصنوعی شرکت داده ورزی سداد
🔸 فرشاد اللهدادی | تیم لید بیگ دیتا شرکت همراه اول
🔸 عباس فرمانی | مهندس داده شرکت همراه اول
🔸 مسعود کاویانی | دانشمند داده در صبا ایده (آپارات، فیلیمو، سینماتیکت، صباویژن)
🔸 مهدی ناصری | مدیر تجزیه و تحلیل داده های بازاریابی اسنپ مارکت
🔸 سهیل تهرانی پور | مدیرعامل ساعیان ارتباط
🔸 سالار صمدی مقدم | متخصص زیرساخت شرکت دیجیکالا
🔸 افشین ایغانیان | مهندس ارشد DevOps شرکت مبین نت
🔸 الهام آژیر | کارشناس تحقيق و توسعه معاونت راهکارهای دیجيتال و هوشمندسازی، مرکز تحقيق و توسعه همراه اول
🔸 محمد رئوف نیا | مهندس ارشد داده شرکت بلو بانک
⚠️ ظرفیت این بوتکمپ نیز محدود است.
🖥 دوره جامع تربیت تحلیلگر داده
🚀 برای پرواز به دنیای دادهها و تبدیل شدن به یک تحلیلگر داده آمادهاید؟
📌 برخی از مخاطبان این دوره
☑️ دانشجویان و فارغ التحصیلان تحصیلات تکمیلی
☑️ کارشناسان و مدیران فعال در کسب و کارها
☑️ علاقمندان به کسب جایگاه شغلی خوب در داخل و خارج از کشور
☑️ فارغ التحصیلان که به دنبال کسب مزیت رقابتی در بازار کار هستند
🏛 موسسه توسعه
📌 مشاوره رایگان و مشاهده جزئیات دوره از لینک زیر:
➕ httb.ir/WzJUB
➕ httb.ir/WzJUB
➕ httb.ir/WzJUB
🟠🟠🟠🟠🟠🟠
با پیشرفت هوش مصنوعی، برادر ناتنی این صنعت نیز، پیشرفت خواهد کرد. (صنعت رباتیک)
👉 @ai_python 🤖
ولی آیا ما برای این پیشرفت آماده ایم؟
برای پاسخ به این سوال با سه موضوع اصلی رو به رو هستیم :
شفافیت یعنی بتوانیم بفهمیم و توضیح دهیم که چرا یک ربات تصمیم خاصی گرفته است.
👉 @ai_python 🤖
قابلیت ردیابی خطاها: وقتی ربات اشتباه میکند، باید بتوانیم بفهمیم کدام بخش سیستم باعث آن شده: دوربین، بازوی رباتیک یا مدل تصمیمگیری.
👉 @ai_python 🤖
پاسخ گویی : باید مشخص باشد چه کسی مسئول عملکرد ربات است؟! توسعهدهنده، سازنده یا کاربر ... ؟ 🤖 🤖
در این مقاله در لینکداین هر سه این مفاهیم بررسی شده اند :
https://www.linkedin.com/pulse/transparency-accountability-generative-ai-robotics-torqueagi-v9iic/
یه لپتاپ، یه قهوه گرم و انگیزه یه مسیر تازه💻☕️
اینا تنها چیزاییه که برای دیتاساینتیست شدن لازم داری!
مهر امسال یادگیری دلنشینه، چون مسیرش رو همیشه میخواستی💫
وقتشه که آیندهای که همیشه میخواستی داشته باشی.
بوتکمپ دیتاسانس دانشکار فقط یه آموزش نیست.
تمرینه، پروژست، شبیهساز دنیای حرفهایه!
🍂این پاییز با ریختن برگها برای یه مسیر جدید آماده شو:
🔗https://dnkr.ir/2XV5Y
🔴 ۲۵% تخفیف ثبتنام زودهنگام فقط تا آخر امشب
🚀 آمادهاید وارد دنیای پردرآمد علم داده شوید؟
💡 دنیای امروز با دادهها حرکت میکند، و شرکتها به دنبال تحلیلگران و دانشمندان داده حرفهای هستند. اگر میخواهی وارد یکی از پردرآمدترین و جذابترین مسیرهای شغلی دنیا شوی، این فرصت را از دست نده!
🎯 دوره جامع Data Science جهاد دانشگاهی شریف یک برنامه کامل و پروژهمحور است که شما را از مفاهیم مقدماتی دادهکاوی، آمار و تحلیل داده تا یادگیری ماشین و کاربردهای پیشرفته میرساند.
🔥 ظرفیت ثبتنام محدود است! این دوره به دلیل کیفیت آموزشی و استقبال بالا به سرعت تکمیل میشود. همین امروز ثبتنام کنید تا جای خودتان را در این مسیر حرفهای تضمین کنید.
🎓 آیندهات را با علم داده بساز!
➖➖➖➖➖➖➖➖➖
🌐 برای اطلاعات بیشتر و ثبتنام، به لینک زیر مراجعه کنید:
https://B2n.ir/nn5757➖➖➖➖➖➖➖➖➖
🔶 کسب اطلاعات بیشتر و مشاوره:
📱 تلگرام: 09222477250
☎️ تماس: 02167641999
➖➖➖➖➖➖➖➖➖➖➖➖
✓ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص
👉 @MigrationEasy
سباستین کورتز، صدر اعظم سابق اتریش ( بار دوم از ژانویه 2020 تا اکتبر 2021 ) که پس از آغاز تحقیقات قضایی به دلیل فساد مالی او، از سمتش استعفا داده بود، اکنون چند وقتی هست که یک شرکت امنیت سایبری به نام Dream تاسیس کرده است.
👉 @MigrationEasy
اما خبری که دیروز درباره فعالیت های شرکت Dream و یکی از تجربه های موفق آن ها منتشر شد در نوع خودش جالبه :
در واقع شرکت او موفق شده با استفاده از هوش مصنوعی یک حمله سایبری گسترده از سوی ایران را شناسایی کند 👨💻 😱
👉 @MigrationEasy
ظاهرن حمله توسط یکی از گروه های هکری وابسته به وزارت اطلاعات ایران انجام شده.
هدف اصلی، نفوذ به ایمیل سفارت عمان در پاریس بوده که از آن برای ارسال بیش از ۱۰۰ ایمیل آلوده به نهادهای دیپلماتیک در سراسر جهان استفاده شده.
🗺 اروپا، بهویژه اتریش، از اهداف اصلی این حمله بوده.
به نظر می رسه که این برای اولین بار هست، که یک کمپین سایبری دولتی بهطور کامل توسط هوش مصنوعی شناسایی شده. اگر اشتباه می گم تصحیحم کنید؟ 🤪
و در نهایت هم این که هدف حمله، جمعآوری اطلاعات حساس و تضعیف اعتماد در روابط دیپلماتیک بوده، برآورد شده. اما تا جایی که می دونم جزئیات بیش تری ارائه نشده است.
یکی از مشکلاتی که به دلیل سرعتی که خود مدل های زبانی بزرگ در کدنویسی به ارمغان آوردن، اینه که همه ابزارها بسیار سریع تر به روز رسانی می شن و در نتیجه حتی جدیدترین مدل ها، گاهی برای بعضی از موارد یک روز پس از انتشار، عقب افتاده محسوب می شوند.
@ai_python
این باعث می شه که برنامه نویس هایی که وایب کدینگ انجام می دن، همیشه با مشکلات خاصی دست و پنجه نرم کنند، یا دیگران را دچار مشکلاتی کنند. ولی در هر صورت چیزی که مسلم است این است که نمی شود جلوی این موج وایب کدینگ را گرفت. ولی می توانیم آن را بهبود ببخشیم. لاما ایندکس هم برای این مهم، یک چاره اندیشیده که به نظرم خیلی جالب اومد. برای مثال یکی از مشکلات وایب کدینگ اینه که در بسیاری از اوقات از API های قدیمی اونا استفاده می کرد.
اما با راه حل Vibe Coding Agent همیشه، اصول کار با تازه ترین نسخه API به مدل به عنوان Context داده می شه. در واقع به نوعی Augmentation اتفاق می افته.
@ai_python
اینم پست بلاگ مربوط بهش :
https://www.llamaindex.ai/blog/the-future-of-vibe-coding-agents
@elonfact
فناوری ردیابی لیزری بسیار دقیقی که SpaceX در اختیار داره، قادر است در فاصلهای حدود ۴۰۰۰ کیلومتر (۲۵۰۰ مایل) و در حالی که با سرعتی حدود ۲۵ برابر سرعت صوت حرکت میکند، هدف را دنبال کند.
@elonfact
🚀 کاربردهای ارتباط لیزری بین ماهوارهها:
افزایش سرعت انتقال دادهها ارتباطات لیزری میتونن دادهها رو با سرعتی تا چند گیگابیت بر ثانیه منتقل کنن، که بسیار سریعتر از امواج رادیویی سنتیه.
پهنای باند بالا و کاهش تداخل: چون لیزرها از طیف نوری استفاده میکنن، کمتر تحت تأثیر ازدحام فرکانسی قرار میگیرن و تداخل سیگنالها به حداقل میرسه.
@elonfact
امنیت بیشتر پرتوهای لیزری بسیار متمرکز هستن و به سختی قابل شنود یا رهگیری هستن، که این موضوع برای ارتباطات نظامی و حساس بسیار مهمه.
کاهش وزن و هزینه تجهیزات سیستمهای لیزری نسبت به تجهیزات رادیویی سنتی سبکتر و کمهزینهتر هستن، که برای پرتابهای فضایی مزیت بزرگیه.
@ai_python
نانو بنانا از طریق API و از طریق Google AI Studio به صورت Preview در دسترس قرار گرفت.
پیش از این بالاتر درباره ابزارهای مختلف گوگل در رابطه با هوش مصنوعی از جمله Google AI Studio صحبت کرده بودیم.
لینک توییت تصویر : https://x.com/googleaistudio/status/1960344388560904213
نمونه استفاده از Azure ML Studio برای اتوماسیون : (منظورم همون AutoML هست)
در نظر داشته باشید که پادکست مصنوعی توضیح فارسی این ویدیو را در این جا قرار دادیم. می تونید قبل یا بعد از تماشای ویدیو گوش کنید.
@ai_python
https://youtu.be/ijKg5jKqqyY?list=TLGGsLZnztuA4wUyMjA4MjAyNQ
پیاده سازی و استفاده از مدل ها در Azure Machine Learning :
@ai_python
https://youtu.be/1_Il1CqyF0E?si=WfhdOYUrafCxIw01
👉 @ai_python ✍️
این مقاله یک خاصیت نادیدهگرفتهشده در مدلهای زبانی دیفیوژن (DLMs) را برجسته میکند: همگرایی زودهنگام پاسخ. محققان مشاهده کردند که این مدلها اغلب پاسخ صحیح را خیلی قبل از اتمام کامل فرآیند رمزگشایی، حتی با نیمی از مراحل تصفیه، شناسایی میکنند. بر اساس این کشف، آنها یک روش رمزگشایی سریع و بدون نیاز به آموزش به نام Prophet را معرفی میکنند. Prophet با نظارت پویا بر شکاف اطمینان بین دو پیشبینی برتر، تصمیم میگیرد که آیا فرآیند رمزگشایی را زودتر متوقف کند یا به تصفیه ادامه دهد، که این امر منجر به کاهش قابل توجهی در مراحل رمزگشایی (تا 3.4 برابر) بدون افت کیفیت خروجی میشود.
👉 @ai_python ✍️
لینک مقاله در آلفاشیو : https://www.alphaxiv.org/pdf/2508.19982
ویدیو تولید شده از خلاصه این مقاله به زبان فارسی با NotebookLM :
https://youtu.be/BLdc5d4TMYE
پادکست تولید شده که مفصل تر از ویدیو هست را نیز در کانال @navidcasts خواهید یافت.
👉 @ai_python ✍️
لینک مقاله در آرشیو :
https://arxiv.org/html/2509.01187v1
The paper introduces StoxLSTM, a novel stochastic extension of the xLSTM architecture for time series forecasting. By integrating stochastic latent variables into a state space modeling framework, StoxLSTM captures complex temporal patterns and uncertainties more effectively than traditional models. Extensive experiments across diverse datasets show that it consistently outperforms state-of-the-art baselines in both accuracy and robustness.
👉 @ai_python ✍️
پادکست مصنوعی توضیحات به فارسی :
/channel/navidcasts/26
ویدیو با زمان کوتاه تر از پادکست صوتی به صورت خلاصه تر و به فارسی :
https://youtu.be/xN6nFUGeXrk?si=aUGPUomtp_6yMFg1
این دوره مربوط به مدرک Microsoft Certified: Azure Data Scientist Associate است و برای افرادی طراحی شده که میخواهند مهارتهای علمی داده و یادگیری ماشین را در محیط Azure بهکار بگیرند. من این دوره رو به همه کسانی که قصد دارن در آینده بازار Cloud باقی بمونن توصیه می کنم :
🎯 هدف دوره :
✍️ طراحی و ایجاد محیط کاری مناسب برای پروژههای علم داده
✍️ کاوش و آمادهسازی دادهها
✍️ آموزش مدلهای یادگیری ماشین و اجرای آزمایشها
✍️ پیادهسازی پایپلاینها و آمادهسازی برای محیط عملیاتی
✍️ استقرار و پایش راهکارهای یادگیری ماشین در مقیاس بزرگ
✍️ بهینهسازی مدلهای زبانی برای ساخت اپلیکیشنهای هوش مصنوعی با Azure AI
⚡️ در واقع اون بخش مهم این دوره از نظر من اینه : ⚡️
سرویسهای Azure AI (مثل Azure AI Search و Azure AI Foundry)
توسعه اپلیکیشنهای (Generative AI) در محیط آژور
و Azure ML Studio
✍️ آزمون و گواهینامه مرتبط :
آزمون DP-100 با مدت زمان ۱۰۰ دقیقه
اعتبار مدرک: ۱۲ ماه، با امکان تمدید رایگان از طریق ارزیابی آنلاین
https://learn.microsoft.com/en-us/credentials/certifications/azure-data-scientist/?practice-assessment-type=certification
👉 @ai_python 🧐
این مقاله محدودیتهای بنیادی مدلهای بازیابی مبتنی بر وکتور امبدینگ را بررسی میکند، بهویژه زمانی که این مدلها با وظایف پیچیدهتر، مانند استدلال یا پیروی از دستورالعملها، روبرو میشوند.
نویسندگان نشان میدهند که تعداد زیرمجموعههای اسناد که یک وکتور امبدینگ میتواند با توجه به ابعاد Embedding بازگرداند، محدود است.
👉 @ai_python 🧐
برای اثبات این موضوع، آنها یک مجموعه داده واقعگرایانه و در عین حال ساده به نام LIMIT ایجاد میکنند که مدلهای پیشرفته فعلی نیز در آن شکست میخورند، و تأکید میکنند که این محدودیتهای نظری حتی در تنظیمات عملی نیز وجود دارند.
👉 @ai_python 🧐
نتیجهگیری این است که جامعه تحقیقاتی باید به این محدودیتها توجه داشته باشد و روشهای بازیابی جایگزین، مانند مدلهای چند برداری، را برای وظایف پیچیدهتر توسعه دهد.
👉 @ai_python 🧐
لینک ویدیو فارسی توضیحات این مقاله : https://youtu.be/rNEl_tBJ5aE?si=Wg5LUPloe6s3noz2
لینک مقاله در آرشیو :
https://arxiv.org/pdf/2508.21038
این جدول برای اینکه یک ویو بسیار خوب از امکانات Microsoft Azure در Region های مختلف به دست بیاریم بسیار کاربردی هست و همیشه هم به روز نگه داشته می شه. این طوری دیگه با اعتماد به نفس بیشتری می تونیم در قراردادها Region سرویس رو درج کنیم :
@ai_python
https://azure.microsoft.com/de-de/explore/global-infrastructure/products-by-region/table
@ai_python
پادکست مصنوعی فارسی، درباره تاریخچه پیدایش پایتون 🐍
https://youtu.be/74q9f1TL-HE?si=rzfe8AnTJ2FOFk3h
Читать полностью…
@ai_python
مدل جدید تولید و ویرایش تصویر به نام Gemini 2.5 Flash Image (که با نام مستعار nano-banana هم شناخته میشود) را دیگه کسی نیست که نشناسه. 🍌
@ai_python
با این وجود هنوز بسیار مهمه که قابلیت های کامل مدل های مختلف را بشناسیم. پس مروری خواهیم داشت بر قابلیت های این مدل :
🍌 حفظ ظاهر شخصیتها: میتونی ظاهر یک سوژه رو در چند تصویر مختلف حفظ کنی.
🍌 ویرایش هوشمند: امکان تغییر یا اضافه کردن اشیاء به تصویر (inpainting)، گسترش تصویر (outpainting)، و تغییرات هدفمند.
🍌 ترکیب تصاویر: میتونی عناصر چند تصویر رو بهصورت هوشمند در یک تصویر واقعی ترکیب کنی.
🍌 استدلال چندرسانهای: مثلاً میتونه دستورالعملهای پیچیده روی یک دیاگرام رو دنبال کنه.
@ai_python
👩💻 برخی از اپلیکیشنهای ساختهشده با این مدل:
برنامه Past Forward: سفر در زمان با تصاویر.
برنامه Home Canvas: امتحان کردن چیدمان مبلمان.
برنامه Pixshop: ویرایشگر تصویر با هوش مصنوعی.
برنامه GemBooth: تبدیل عکس به سبک کمیک یا نقاشیهای دوره رنسانس.
@ai_python
مبحث Alignment یا همان Post Training در خصوص مدل های زبانی بزرگ، در بسیاری از موارد، تکمیل کننده Pre Training خواهد بود و بسیار ضروری است.
@ai_python
پای تورچ در این پست وبلاگش سعی کرده مباحثی مانند SFT ، RLHF و DPO و ... را در خصوص Post Training مدل های زبانی بزرگ، باز کنه:
https://pytorch.org/blog/a-primer-on-llm-post-training/
این منبع به بررسی عمیق دو موضوع کلیدی در توسعه هوش مصنوعی میپردازد:
تقویت حافظه بلندمدت برای Agent های هوش مصنوعی با استفاده از یکپارچهسازی LangGraph و MongoDB، و پیاده سازی هوش مصنوعی اخلاق محور در سیستمهای هوش مصنوعی از طریق هوش مصنوعی ساختاری (Constitutional AI) و قابلیتهای دادهای MongoDB.
@ai_python
بخش اول بر اهمیت توانایی Agent های هوش مصنوعی برای به خاطر سپردن اطلاعات در چندین جلسه تاکید دارد و راهکار MongoDB Store for LangGraph را معرفی میکند که امکان ذخیرهسازی مداوم اطلاعات را فراهم میآورد. بخش دوم، هوش مصنوعی ساختاری را به عنوان یک روش خودگردانی اخلاقی برای مدلهای هوش مصنوعی توضیح میدهد و نشان میدهد که چگونه MongoDB با قابلیتهایی مانند کنترل دسترسی مبتنی بر Role و جستجوی برداری پیشرفته، زیرساخت لازم برای پیادهسازی این چارچوبهای اخلاقی را فراهم میکند. در نهایت، بلاگ، به پتانسیل هوش مصنوعی در بهبود عملیات تحریریه و ایجاد جریانهای کاری کارآمدتر برای تولید محتوا نیز اشاره دارد.
https://www.mongodb.com/company/blog/product-release-announcements/powering-long-term-memory-for-agents-langgraph
فایل پادکست مرتبط : /channel/navidcasts/20
در این نوشتار در بلاگ ان ویدیا، 5 مشکل رایج در کتابخانه Pandas و بهترین راه حل های آن ها نوشته شده است :
@ai_python
🌀 Slow CSV reads → engine="pyarrow" … or %load_ext cudf.pandas
💥 Merges freezing your laptop → %load_ext cudf.pandas
🐏 Strings eating RAM → astype("category") … or %load_ext cudf.pandas
⏳ Painfully slow groupby() → %load_ext cudf.pandas
💻 Memory errors on large datasets → downcast … or %load_ext cudf.pandas
https://developer.nvidia.com/blog/how-to-spot-and-fix-5-common-performance-bottlenecks-in-pandas-workflows/
در خصوص این پست کانال نوپای @elonfact سوالی که مطرح می شه اینه که آیا این فناوری در حال حاضر عملی هست؟ برخلاف تصویر خیلی از افراد، بله! :
اسپیسایکس در منظومه ماهوارهای استارلینک از ارتباطات لیزری بین ماهوارهها استفاده میکنه تا دادهها رو بدون نیاز به ایستگاههای زمینی منتقل کنه.
@ai_python
ناسا هم از این فناوری برای ارسال تصاویر و ویدیوها از فضا به زمین استفاده کرده، با سرعتی تا ۱.۲ گیگابیت بر ثانیه.
@ai_python
فرانسه اخیراً موفق شده یک ارتباط لیزری پایدار بین یک نانوماهواره و ایستگاه زمینی برقرار کنه، که اولین نمونه تجاری موفق در اروپا محسوب میشه
به نظر می رسه که روسیه و چین هم در حال توسعه این فناوری هستند.
در هر صورت فکر کردم شاید با توجه به اینکه از این فناوری در حوزه انتقال دیتا استفاده می شه برای خیلی از افراد این کانال هم جالب باشه این پست:
آگهی استخدام xAI برای متخصصین K8s :
@ai_python
https://x.com/APrerepa/status/1959339444324147250
هکاتون هوشمصنوعی | MapnaAI
📣 دهمین هکاتون کوئرا با همکاری گروه نفت و گاز مپنا و با موضوع هوشمصنوعی در مدیریت داراییهای فیزیکی
🎯چی منتظرته؟
✅ ۶ ساعت آموزش رایگان -> ۴ و ۵ شهریور
✅ مسابقه مقدماتی آنلاین -> ۷ شهریور
✅ فینال حضوری
🏆جوایز:
🥇تیم اول: ۴۰ میلیون تومان
🥈تیم دوم: ۲۵ میلیون تومان
🥉تیم سوم: ۱۵ میلیون تومان
🚩 هدایای ویژه و مجموعا ۸۰ میلیون تومان جایزه نقدی
✨ فرصت استخدام نفرات برتر در سرویس نفت و گاز مپنا (MOGS)
☑️ گواهینامه معتبر
⌛️ ثبتنام رایگان:
🔗 https://quera.org/r/urwb4
@ai_python
پلی لیست آموزش رایگان Azure Machine Learning :
https://www.youtube.com/watch?v=YLccHH7bS7g&list=PLeWL8zChJ2uuGs-8nvxMdo26XkYGWt7ui