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
پرامپت مربوط به تولید عکس های این شکلی با اپ Gemini :
👉 @ai_python ✍️
“Generate an ultra-detailed, hyperrealistic exploded technical view of ___________.”
در قسمت خط چین آبجکت مورد نظرتون رو بنویسید.
X
اگر سرعت اجرای مدلها برایتان مهم است، یک GPU پایدار، لحظهای و قابلاعتماد نیاز دارید! ⚡️🧠
ایرانGPU، تنها و اولین شرکت بورسی حوزه هوش مصنوعی در ایران، با ۵ سال سابقه تخصصی و بیش از ۲۰ دیتاسنتر فعال در سراسر کشور! 🏢🌐
یک شروع مقرونبهصرفه، حرفهای و قدرتمند
برای پروژههای هوش مصنوعی شما! 🚀🤖✨
📩 همین حالا برای دریافت مشاوره رایگان پیام دهید!
🔗 https://B2n.ir/es5199
معرفی دوره سرتیفیکت رسمی بتا مایکروسافت به نام Copilot and Agent Administration Fundamentals :
👉 @ai_python ✍️
https://youtu.be/DUydgD7SkEo?si=IySm7phcSvEaQnt0
محصول LangSmith Agent Builder که اکنون نسخه Public Beta آن در دسترس قرار گرفته است، بهتون کمک می کنه بدون کد نویسی، اجنت های هوش مصنوعی بسازید.
👉 @ai_python ✍️
برخی از ویژگی های کلیدی :
🧳 Bring your own tools via MCP server
🧩 Browse, copy, and customize agents across a shared workspace
🧠 Use your preferred model
https://blog.langchain.com/langsmith-agent-builder-now-in-public-beta/?
https://youtu.be/w9oA5oqwfD0?si=Z7_GRctDiEryrmkr
Читать полностью…
Cocoon Is Live: Decentralized Confidential Compute
Cocoon is a decentralized AI compute network that processes user requests with full confidentiality. Removing centralized intermediaries lowers costs and protects data. GPU owners can join the network, support confidential AI workloads, and earn TON.
Key features:
▪️ TON is now processing AI requests with 100% confidentiality. GPU owners earn $TON.
▪️ Centralized computing providers increase costs and reduce privacy. Cocoon addresses both economic and confidentiality limitations.
▪️ More GPU supply and developer demand will be added in the coming weeks.
Telegram users will see new AI features built on full confidentiality. Cocoon returns control and privacy to users.
Learn more about Cocoon
پادکست فارسی مصنوعی مرتبط با این مقاله : /channel/c/2659071795/59
Читать полностью…
🚀 مدیریت سرمایه با قدرت دادهها!
اگه هنوز تصمیمهات بر پایه حس و تجربهست، وقتشه دادهها رو وارد بازی کنی
🔗 دوره جامع مدیریت سرمایه دادهمحور (آنلاین)
در این دوره یاد میگیری:
📊 تحلیل بازار ایران و ارزیابی سهام و ETF
📈 بهینهسازی پرتفوی با مدل مارکوویتز
📉 پیشبینی روندها با سریهای زمانی
💡 طراحی استراتژی آپشن و دلتا هجینگ
🚀 اجرای پروژه واقعی با دادههای ایران
🔥 بدون نیاز به تسلط برنامهنویسی!
پایتون رو در حد کاربردی یاد میگیری و بلافاصله در بازار استفاده میکنی.
👥 مناسب برای:
فعالان بازار سرمایه، تحلیلگران، مدیران سرمایهگذاری، و علاقهمندان فینتک (FinTech)
📌 مشاوره رایگان + جزئیات کامل:
👉 httb.ir/2hU1m
🎓 موسسه توسعه
در چه سن و سالی، برای یادگیری کدنویسی، بیش از حد پیر هستیم؟ (از زبان مهران سهامی، پروفسور در دانشگاه استنفورد)
👉 @ai_python ✍️
https://youtu.be/cKtGsMHAp8g?si=wFbOAWxYEzZGI_rX
🚀🔥 آینده شغلیتو بساز!
علم داده (Data Science) همون مهارتیه که همهی بازار کار دنبالش هستن 💼📊
👨💻 توی این دوره جامع ۱۴۴ ساعته آموزش کاملاً عملی با ابزارهای روز مثل:
🐍 Python | 🗄 SQL | 📊 آمار | ⚡️ Power BI | 📈 Tableau | 🔥 Apache Spark | 📉 R
و کلی مباحث کاربردی دیگه برای ورود حرفهای به دنیای داده رو یاد میگیری!
💡 این فقط یه دوره نیست، بلکه یه فرصت طلایی برای جهش در مسیر شغلی توئه!
⏳ ظرفیت محدود – همین حالا اقدام کن!
➖➖➖➖➖➖➖➖➖➖➖➖
📍 اطلاعات و ثبتنام دوره:
👉https://B2n.ir/gg3504
➖➖➖➖➖➖➖➖➖➖➖➖
🔶 کسب اطلاعات بیشتر و مشاوره:
📱 تلگرام: 09222477250
☎️ تماس: 021-67641999
➖➖➖➖➖➖➖➖➖➖➖➖
✓ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص
وقتی می گیم AI Stack دقیقن شامل چه مواردی می شه؟ در این ویدیو به زبان ساده و در کم تر از 10 دقیقه توضیح داده شده :
👉 @ai_python ✍️
https://youtu.be/RRKwmeyIc24?si=NLEMwJrt9K0wlTpK
👉 @ai_python ✍️
مایکروسافت کوپایلوت از 15 ژانویه از WhasApp خداحافظی می کند.
این متن تحقیقاتی به بررسی مقایسهای بین مدلهای زبان انتشاری (DLMs) و مدلهای خودرگرسیو (AR) در سناریوهایی میپردازد که دادههای منحصربهفرد با کیفیت بالا محدود هستند، اما تکرار دادهها مجاز است.
👉 @navidcasts 🎓
یافته اصلی پژوهش، پدیدهای به نام نقطه تقاطع هوش (Intelligence Crossover) است که در آن، DLMها به طور مداوم از مدلهای AR هماندازه پیشی میگیرند؛ این مزیت به دلیل سه عامل کلیدی در DLMها یعنی مدلسازی «با هر ترتیبی» (any-order modeling)، محاسبات «فوقمتراکم» (super-dense compute) ناشی از نویزدهی دوسویه تکراری، و تقویت داده داخلی از طریق شبیهسازی مونت کارلو است.
این نتایج نشان میدهد که در عصر محدودیت داده، DLMها یک الگوی مدلسازی برتر برای استخراج حداکثر سیگنال از هر توکن منحصربهفرد، حتی به بهای افزایش نیاز محاسباتی، محسوب میشوند.
👉 @navidcasts 🎓
علاوه بر این، پژوهشگران توضیح میدهند که افزایش ضرر اعتبارسنجی (validation loss) لزوماً به معنای کاهش عملکرد در وظایف نهایی نیست، زیرا قابلیت تمایز مدل همچنان بهبود مییابد.
ماتیاس ترویر، معاون رئیس شرکت مایکروسافت کوانتوم، در این سخنرانی به تشریح مسیر ساخت یک کامپیوتر کوانتومی با مقیاس کاربردی میپردازد که میتواند مسائل "غیرقابل حل" برای کامپیوترهای کلاسیک را حل کند.
👉 @navidcasts 🎓
او تاریخچهای از پیشرفتهای علمی را ارائه میدهد که منجر به عصر بخار و عصر سیلیکون شد، و سپس تاکید میکند که مکانیک کوانتومی در حال حاضر فناوریهای جدیدی مانند رایانش کوانتومی را ممکن ساخته است. نکته کلیدی این است که رایانههای کوانتومی با تغییر دادن مقیاسبندی محاسباتی (مثلاً از نمایی به خطی) برتری مییابند و میتوانند به شتاب کوانتومی نمایی دست یابند، که برای غلبه بر سرعت ذاتی پایینتر عملکرد کوانتومی نسبت به عملیات کلاسیک حیاتی است.
👉 @navidcasts 🎓
این برتری بیشتر در مسائل داده کوچک مانند شیمی، بیوشیمی، و علم مواد نمود پیدا میکند، زیرا طبیعت زیربنایی این حوزهها کوانتومی است؛ در نهایت، ترویر پیشبینی میکند که ترکیب رایانش کوانتومی با هوش مصنوعی منجر به پیشرفتهایی میشود، به طوری که هوش مصنوعی سرعت را فراهم کرده و کامپیوتر کوانتومی دقت مورد نیاز برای تولید دادههای آموزشی بهتر و مدلهای سریع و دقیق را فراهم میکند.
ویدیو خلاصه تر در یوتیوب : https://youtu.be/U9H8EEFH2AY
دیروز اشاره کوچیکی به ADK داشتیم. حالا با همکاری Google در وب سایت Kaggle یک دوره 5 روزه در اختیار عموم قرارداده شده، که حسابی شما رو برای کار با ADK آماده می کنه :
👉 @ai_python ✍️
https://www.kaggle.com/learn-guide/5-day-agents?linkId=17674402
گروه پرسش و پاسخ علوم کامپیوتر
یکی از کارایی که با Nano Banana Pro می شه انجام داد اینه که یک صحنه بهش بدیم و بخوایم که اون صحنه رو از زوایای مختلف برامون باز آفرینی کنه. مثل چیزی که در تصویر می بینید.
👉 @ai_python ✍️
پرامپت استفاده شده در این جا :
In a 3x3 grid, show me different angles of this scene
X
ویدیویی که امروز درباره Copilot and Agent Administration Fundamentals گذاشتیم رو حتمن ببنید!
یک دید کلی و خیلی جامع بهتون می ده درباره مسیری که مایکروسافت داره در سطح Enterprise در رابطه با پتانسیل های هوش مصنوعی پیش می بره. مثلن اول میاد کامل یک توضیح کوتاه درباره همه مفاهیم پایه Exchange Online ، آفیس، شرپوینت آنلاین و همه اینا می ده، بعد به Microsoft Graph می پردازه و بعد ارتباط همه اون ها رو با Copilot ها از یک طرف و Agents ها از طرف دیگه، در اکوسیستم مایکروسافت بیان می کنه.
حتی در پایان، پا رو فراتر می ذاره و درباره Microsoft Purview هم یک توضیح مفصل می ده که در بحث امنیت بسیار حائز اهمیت هست.
و در نهایت موضوعی که شاید برای خیلی از ما ایرانی ها وقتی که در شرکت های غیر ایرانی، کار می کنیم سر درد آور باشه، یعنی موضوع لایسنسینگ.
🔥به مناسبت روز دانشجو🔥
🏆بزرگترین مسابقه هوش مصنوعی کشور با همکاری بنیاد ملی نخبگان، پست بانک ایران، محک و iEEE برگزار میشود.
📌جوایز:
۵۰ هزار دلار جایزه نقدی ( هر چالش بیش از یک میلیارد تومان)
🔸امتیاز نخبگی بنیاد ملی نخبگان، امریه سربازی و ...
🎓 تخفیف روز دانشجو : stu04
💳 امکان پرداخت در ۴ قسط با اسنپ پی
⌛️مهلت تا ۱۷ آذر
🌐 ثبتنام و دریافت اطلاعات بیشتر
🔗 اینستاگرام
☎️شماره تماس:91096992-021
📱پشتیبانی تلگرام:09103445843
🟣جایزه سالانه هوش مصنوعی ایران (iAAA)|
@iaaa_ai
پکیج deepagents چه تفاوتی با استفاده عادی از LangChain داره؟!
👉 @ai_python ✍️
https://youtu.be/IVts6ztrkFg?si=5mI2P8zjvEBti3py
این مقاله یک چارچوب جدید به نام xLSTM-PINN را معرفی میکند که برای کاهش مشکل سوگیری طیفی (Spectral Bias) در شبکههای عصبی آگاه از فیزیک (PINN) طراحی شده است.
👉 @navidcasts 🎓
سوگیری طیفی، تمایل ذاتی PINNها به یادگیری سریعتر مؤلفههای فرکانس پایین نسبت به فرکانسهای بالا است که مانع از حل دقیق گرادیانهای تند میشود. با تعبیه بلوکهای xLSTM که از گیتهای حافظه و گامهای میکروی باقیمانده استفاده میکنند، این روش طیف هسته عصبی را در سطح نمایش تغییر شکل میدهد تا به طور سیستمی وزنهای مربوط به فرکانسهای بالا را تقویت کند.
👉 @navidcasts 🎓
نتایج عددی در حل معادلات دیفرانسیل جزئی (PDEs) مختلف نشان میدهد که xLSTM-PINN با موفقیت سوگیری طیفی را سرکوب کرده، پهلنای باند قابل حل را گسترش میدهد، و به طور قابل توجهی خطاهای حل را کاهش میدهد، بدون اینکه نیاز به تغییر مسیرهای مشتقگیری خودکار یا توابع زیان فیزیکی باشد.
فکر کنم دیگه تقریبن همه Ollama رو می شناسن و ازش برای هاستینگ مدل ها در محیط های On Premise استفاده می کنند. ولی مایکروسافت هم به تازگی یک محصول جدید ارائه داده که کم از Ollama نداره و از بسیاری از مدل ها هم پشتیبانی می کنه. در این ویدیو اطلاعات بیش تری از این محصول کسب کنید :
👉 @ai_python ✍️
https://youtu.be/qL3HADDI6W4?si=2UVOEz59OlFw4lnb
مقالهی «Spectral Bias Mitigation via xLSTM-PINN» به بررسی یک روش نوآورانه برای بهبود یادگیری ماشین در حل معادلات دیفرانسیل با مشتقات جزئی (PDEs) میپردازد. در ادامه خلاصهای از مقاله:
روشهای رایج Physics-Informed Neural Networks (PINNs) با سه چالش عمده مواجهاند:
1️⃣ سوگیری طیفی (Spectral Bias): شبکهها تمایل دارند فرکانسهای پایین را بهتر یاد بگیرند و در بازسازی مؤلفههای فرکانس بالا ضعیف عمل میکنند.
2️⃣ عدم تعادل داده-باقیمانده: وزندهی نامتناسب به دادهها و معادلات فیزیکی.
3️⃣ ضعف در برونیابی (Extrapolation): عملکرد ضعیف در پیشبینی خارج از ناحیه آموزش.
👉 @ai_python ✍️
💡 راهحل پیشنهادی
نویسندگان یک چارچوب جدید به نام xLSTM-PINN معرفی میکنند که شامل:
1️⃣ استخراج ویژگی چندمقیاسی با (Gated Memory): برای درک بهتر ساختارهای فرکانسی مختلف.
2️⃣ برنامه درسی فرکانسی مرحلهای (Staged Frequency Curriculum): آموزش تدریجی از فرکانسهای پایین به بالا.
3️⃣ وزندهی تطبیقی به باقیماندهها: برای تعادل بهتر بین دادهها و معادلات فیزیکی.
در چهار بنچمارک مختلف، این روش:
خطای طیفی، MSE، RMSE، MAE و MaxAE را بهطور قابل توجهی کاهش داده است.
پهنای باند قابل حل را گسترش داده و زمان رسیدن به آستانه خطا در فرکانسهای بالا را کاهش داده است.
گذارهای مرزی تمیزتر و نوسانات فرکانس بالا را کاهش داده است.
طبق اعلام گارتنر، در پایان سال 2025 ، شرکت IBM (احتمالن به خاطر Watsonx ) به همراه مایکروسافت، گوگل و آمازون به عنوان لیدرهای اصلی ارائه پلت فرم های توسعه نرم افزارهای AI هستند.
در طول سال در همین کانال بسیار درباره Watsonx و همین طور راه حل های مایکروسافت از جمله Azure AI Foundry و Azure ML Studio صحبت کردیم.
👉 @ai_python ✍️
در بخش Challnegers نام LangChain و علی بابا به چشم می خوره که منطقی هست.
در بخش نیچ فقط CoreWeave و در بخش Visionaries فقط OpenAI به چشم می خوره.
در حال حاضر در این بین از محصولات زیر مجموعه XAI خبری نیست. 😅
کوتاه، درباره مدل پیش بینی آب و هوای گوگل به نام WeatherNext 2 : ⛅ 😶🌫️
👉 @ai_python ✍️
https://youtu.be/YQwqoEm_xis?si=f_zUd-r5G978Uzgz
👉 @ai_python ✍️
Pydantic AI version 1.23.0 is out! 🎉
اگر با PromptFlow کار کرده باشید، حتمن می دونید که فریم ورک اصلی مایکروسافت برای ایجاد پایپ لاین های Agentic AI هست. در مقابل IBM هم راه حل خودش رو در این زمینه داره که خیلی شبیه PromptFlow هست. در این ویدیو درباره BeeAI توضیح داده شده :
👉 @ai_python ✍️
https://youtu.be/WozA_qHEAqo?si=CSZ0ZImVepMV5dR4
به نظر شما مدل تقریبن جدید GPT-5.1 از Open AI همون نسخه فاین تیون شده، مدل های قبلی هست یا واقعن یک مدل جدید هست؟!
👉 @ai_python ✍️
این موضوع و خیلی موضوعات جذاب و جالب دیگه موضوع بحث میز داغ از IBM Technology هست :
https://youtu.be/5sFJVAoafFI?si=3leRGKE-SGB9w22n
ایرانGPU
تنها و اولین شرکت بورسی هوش مصنوعی ایران
با بیش از ۵ سال سابقه فعالیت حرفهای
و با پشتوانهی بیش از ۲۰ دیتاسنتر فعال در سراسر ایران
🌐
⚡️ قدرت پردازش، پایداری و مقیاسپذیری واقعی
برای تیمها، پژوهشگران و سازمانهای حرفهای AI 🤖
💡 شروعی مقرونبهصرفه برای پروژههای هوش مصنوعی شما
📩 در صورت تمایل همین حالا درخواست مشاوره را ثبت کنید!
https://B2n.ir/qz9613
چه خوشمون بیاد چه خوشمون نیاد، کم کم دنیا داره به سمتی می ره که مهندسان آی تی، حتی در محیط های Enterprise هم باید قادر باشن زیر ساخت های ماشین لرنینگ یا هوش مصنوعی را در اختیار دانشمندان رشته های ریاضی، فیزیک و ... ای قرار دهند که شاید با کدنویسی آشنایی زیادی نداشته باشند یا آشنایی آن ها حرفه ای نباشد.
👉 @ai_python ✍️
با توجه به این که سرویس های دم دستی مثل n8n و از این قبیل در سازمان های دولتی و صنعتی در اروپا، به دلیل مسائل سیاسی و ... طرفدار چندانی ندارند، بنابراین گاهی تنها انتخاب موجود برای ایجاد چنین بسترهایی Microsoft Azure هست که اگر دقت کرده باشید چند وقتی هست که فوکوس زیادی روی Solution های ML یا AI در مایکروسافت آژور در این کانال داشتیم.
البته ما بیش تر درباره زیر ساخت در کانال @WearebiTs صحبت می کنیم. ولی سعی می کنیم در این کانال هم از مباحث زیر ساختی AI و ML در Scale های بزرگ دریغ نکنیم. چون به هر حال کانال های بسیار بهتری از ما به زبان فارسی وجود دارند که مباحث عمیق تر AI و ML و همین طور بررسی مقاله هارو همیشه ارائه دادن و برای بررسی مقاله ها می تونید به تا جای ممکن به کانال های دیگه مراجعه کنید. مثلن @navidcasts
بنابراین در اینجا : یکی دیگه از ویدیو هایی هست که به نظر من افرادی که قصد فعالیت در اروپا را دارند، حتمن باید سرویس هایی که در این ویدیو ازش نام برده می شه رو یک آشنایی جزئی داشته باشند. در واقع ساخت AI Agent ها را از طریق Azure Logic Apps نشون می ده. ولی لازم به ذکر هست، که این، تنها راه ایجاد Agentic AI در مایکروسافت آژور نیست. ولی در هر صورت یکی از راه حل های قدتمند No Code هست :
👉 @ai_python ✍️
https://youtu.be/6YFN25o9jn4?si=d8fVu0RJbPQNgYLp
گروه پرسش و پاسخ علوم کامپیوتر
نمی دونم تا حالا اسم ADK به گوشتون خورده یا نه؟ ولی ADK مخفف Agent Development Kit هست که به نوعی ابزارهای استفاده از مثلن MCP رو در اختیار شما قرار می ده. در این ویدیو بیش تر درباره این مفهوم در اکوسیستم گوگل کلاود توضیح داده شده است :
👉 @ai_python ✍️
https://youtu.be/JnKkdHaatwU?si=8Wv3soA3PaxoSNwR
گروه پرسش و پاسخ علوم کامپیوتر