🤖 مجموعهای جامع از منابع یادگیری ماشین
این مخزن، مجموعهای عظیم از منابع سازمانیافته در زمینههای یادگیری ماشین، یادگیری عمیق و هوش مصنوعی است که به جای جستجوهای بیپایان، دسترسی سریع به دستهبندیهای مختلف را فراهم میکند. 📚
این مجموعه شامل بخشهایی چون مبانی یادگیری ماشین، شبکههای عصبی و معماریهای مدرن، وظایف و حوزههای کاربردی، مجموعه دادهها، کتابخانهها و ابزارها، انصاف و اخلاق در هوش مصنوعی، و تولید و عملیات یادگیری ماشین (MLOps) میشود. 📊
هر لینک دارای توضیحات کوتاهی است تا به سرعت بتوانید ارزش آن را تشخیص دهید و همچنین مجموعههایی که بیش از یک سال بهروزرسانی نشدهاند، با آیکون مشخصی علامتگذاری شدهاند. ⚠️
📖 Awesome Machine Learning Resources
#معرفی #MLOps
این مخزن، مجموعهای عظیم از منابع سازمانیافته در زمینههای یادگیری ماشین، یادگیری عمیق و هوش مصنوعی است که به جای جستجوهای بیپایان، دسترسی سریع به دستهبندیهای مختلف را فراهم میکند. 📚
این مجموعه شامل بخشهایی چون مبانی یادگیری ماشین، شبکههای عصبی و معماریهای مدرن، وظایف و حوزههای کاربردی، مجموعه دادهها، کتابخانهها و ابزارها، انصاف و اخلاق در هوش مصنوعی، و تولید و عملیات یادگیری ماشین (MLOps) میشود. 📊
هر لینک دارای توضیحات کوتاهی است تا به سرعت بتوانید ارزش آن را تشخیص دهید و همچنین مجموعههایی که بیش از یک سال بهروزرسانی نشدهاند، با آیکون مشخصی علامتگذاری شدهاند. ⚠️
📖 Awesome Machine Learning Resources
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#معرفی #MLOps
🤖 دسترسی رایگان به ۷۰+ مدل زبانی انویدیا
🚀 انویدیا دسترسی API به بیش از ۷۰ مدل زبانی پیشرفته، شامل مدلهایی از Mistral، Gemma، DeepSeek، Kimi و Qwen را بهصورت رایگان و بدون محدودیتهای شدید ارائه کرده است. این فرصت استثنایی به توسعهدهندگان امکان میدهد تا بهسرعت از این مدلها در پروژههای خود بهرهمند شوند.
📖 پلتفرم مدلهای انویدیا
#خبر #Nvidia
🚀 انویدیا دسترسی API به بیش از ۷۰ مدل زبانی پیشرفته، شامل مدلهایی از Mistral، Gemma، DeepSeek، Kimi و Qwen را بهصورت رایگان و بدون محدودیتهای شدید ارائه کرده است. این فرصت استثنایی به توسعهدهندگان امکان میدهد تا بهسرعت از این مدلها در پروژههای خود بهرهمند شوند.
📖 پلتفرم مدلهای انویدیا
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Nvidia
❤1
🚀 انویدیا RTX Spark: شتابدهنده هوش مصنوعی برای ویندوز
Nvidia از RTX Spark Superchip رونمایی کرده است؛ سیستمی بر پایه تراشه که برای اجرای محلی مدلهای هوش مصنوعی تا ۱۲۰ میلیارد پارامتر در ویندوز ۱۱ طراحی شده است. این تراشه از پردازنده مرکزی ۲۰ هستهای Grace و هسته گرافیکی Blackwell با ۶۱۴۴ هسته CUDA بهره میبرد و از طریق NVLink به هم متصل شده و تا ۱۲۸ گیگابایت حافظه یکپارچه LPDDR5X را پشتیبانی میکند. با توان حرارتی ۸۰ وات، قدرت پردازش گرافیکی آن با GeForce RTX 5070 موبایل قابل مقایسه است و از DLSS 4.5 پشتیبانی میکند. انتظار میرود لپتاپهای مجهز به RTX Spark از پاییز امسال با قیمت پایه ۲۷۰۰ یورو عرضه شوند.
#خبر #Nvidia
Nvidia از RTX Spark Superchip رونمایی کرده است؛ سیستمی بر پایه تراشه که برای اجرای محلی مدلهای هوش مصنوعی تا ۱۲۰ میلیارد پارامتر در ویندوز ۱۱ طراحی شده است. این تراشه از پردازنده مرکزی ۲۰ هستهای Grace و هسته گرافیکی Blackwell با ۶۱۴۴ هسته CUDA بهره میبرد و از طریق NVLink به هم متصل شده و تا ۱۲۸ گیگابایت حافظه یکپارچه LPDDR5X را پشتیبانی میکند. با توان حرارتی ۸۰ وات، قدرت پردازش گرافیکی آن با GeForce RTX 5070 موبایل قابل مقایسه است و از DLSS 4.5 پشتیبانی میکند. انتظار میرود لپتاپهای مجهز به RTX Spark از پاییز امسال با قیمت پایه ۲۷۰۰ یورو عرضه شوند.
🔹 پردازش محلی: این تراشه امکان اجرای مدلهای هوش مصنوعی بزرگ را مستقیماً روی دستگاه فراهم میکند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Nvidia
💡 نقشه راه مهندسی هوش مصنوعی: گامهای کلیدی
با وجود رشد ۳۰۰ درصدی بازار کار هوش مصنوعی، ۹۰ درصد مهندسان این حوزه به دلیل فقدان نقشه راه موفق نمیشوند. یک مسیر ۱۰ مرحلهای برای موفقیت در این حوزه پیشنهاد شده که گامهای اصلی آن عبارتند از:
#آموزش #PyTorch
با وجود رشد ۳۰۰ درصدی بازار کار هوش مصنوعی، ۹۰ درصد مهندسان این حوزه به دلیل فقدان نقشه راه موفق نمیشوند. یک مسیر ۱۰ مرحلهای برای موفقیت در این حوزه پیشنهاد شده که گامهای اصلی آن عبارتند از:
🔹 مبانی پایتون: تسلط بر پایتون، Jupyter Notebook و Git.
📈 ریاضیات و آمار: یادگیری مفاهیم کلیدی با NumPy و SciPy (کتابخانه علمی و فنی).
🧠 الگوریتمهای یادگیری ماشین: scikit-learn، pandas، XGBoost/LightGBM.
🚀 یادگیری عمیق: PyTorch، TensorFlow، Keras و Weights & Biases (پلتفرم ردیابی آزمایشهای ML).
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #PyTorch
Media is too big
VIEW IN TELEGRAM
🤖 مدل جدید HappyHorse 1.0 برای تولید ویدیو
🟢 علیبابا مدل HappyHorse 1.0 (مدل تولید ویدیو مبتنی بر فیزیک واقعی) را منتشر کرد که بهصورت رایگان روزانه دو ویدیو ۵‑ثانیهای با کیفیت 720p در اختیار کاربران قرار میدهد. این سیستم با شبیهسازی دقیق حرکات اجسام و شخصیتها، سعی در کاهش احساس مصنوعی بودن خروجیها دارد و بهعنوان رقیبی برای Seedance 2 معرفی شده است.
🔵 برای آزمون سرویس، کاربران میتوانند از طریق وبسایت رسمی مدل ویدیوهای کوتاه تولید کنند و کیفیت واقعیتری نسبت به روشهای پیشین تجربه کنند.
🟢 علیبابا مدل HappyHorse 1.0 (مدل تولید ویدیو مبتنی بر فیزیک واقعی) را منتشر کرد که بهصورت رایگان روزانه دو ویدیو ۵‑ثانیهای با کیفیت 720p در اختیار کاربران قرار میدهد. این سیستم با شبیهسازی دقیق حرکات اجسام و شخصیتها، سعی در کاهش احساس مصنوعی بودن خروجیها دارد و بهعنوان رقیبی برای Seedance 2 معرفی شده است.
🔵 برای آزمون سرویس، کاربران میتوانند از طریق وبسایت رسمی مدل ویدیوهای کوتاه تولید کنند و کیفیت واقعیتری نسبت به روشهای پیشین تجربه کنند.
🔹 دسترسپذیری رایگان: دو ویدیو ۵ ثانیهای در روز با رزولوشن 720p.
🔸 تمرکز فیزیکی: شبیهسازی حرکات بر پایه فیزیک واقعی برای تولید تصاویر طبیعیتر.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🖼️ درک CNNها از تصویر
📌 شبکههای کانولوشن (CNN) تصاویر را از طریق تنسورهای ورودی، فیلترهای یادگیریشده، و نقشههای ویژگی (feature maps) پردازش میکنند؛ stride و padding برای تنظیم اندازه خروجی و حفظ اطلاعات مرزی استفاده میشوند. کانالها (channels) عمق اطلاعات را نشان میدهند، در حالی که pooling بهصورت فضایی ابعاد را کاهش و مقاومت در برابر تغییر مقیاس را افزایش میدهد. مفهوم receptive field (محدوده درک) بهصورت ذهنی توضیح میدهد که هر نورون به چه میزان از پیکسلهای ورودی واکنش نشان میدهد.
#آموزش #ComputerVision
📌 شبکههای کانولوشن (CNN) تصاویر را از طریق تنسورهای ورودی، فیلترهای یادگیریشده، و نقشههای ویژگی (feature maps) پردازش میکنند؛ stride و padding برای تنظیم اندازه خروجی و حفظ اطلاعات مرزی استفاده میشوند. کانالها (channels) عمق اطلاعات را نشان میدهند، در حالی که pooling بهصورت فضایی ابعاد را کاهش و مقاومت در برابر تغییر مقیاس را افزایش میدهد. مفهوم receptive field (محدوده درک) بهصورت ذهنی توضیح میدهد که هر نورون به چه میزان از پیکسلهای ورودی واکنش نشان میدهد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #ComputerVision
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 آیندهٔ پردازش هوش مصنوعی در فضا
🌌 ایلان ماسک معتقد است که با گسترش قدرتمند هوش مصنوعی، ایالات متحده مجبور به ساخت مراکز دادهٔ فضایی خواهد شد؛ دو برابر کردن تولید برق در سطح زمین بهدلیل موانع اجتماعی و قانونی دشوار است.
🔧 او پیشنهاد میکند پنلهای خورشیدی مداری میتوانند پنج برابر انرژی منابع زمینی تولید کنند و بدون نیاز به خنکسازی در نور خورشید بهصورت ۲۴ ساعته کار کنند.
🛰️ اسپیساکس برنامه دارد تا سال ۲۰۲۸ یک میلیون ماهوارهٔ هوش مصنوعی خورشیدپذیر راهاندازی کند و با استفاده از استارشیپ، زیرساخت محاسباتی قوی در فضا فراهم شود.
#خبر #SpaceX
🌌 ایلان ماسک معتقد است که با گسترش قدرتمند هوش مصنوعی، ایالات متحده مجبور به ساخت مراکز دادهٔ فضایی خواهد شد؛ دو برابر کردن تولید برق در سطح زمین بهدلیل موانع اجتماعی و قانونی دشوار است.
🔧 او پیشنهاد میکند پنلهای خورشیدی مداری میتوانند پنج برابر انرژی منابع زمینی تولید کنند و بدون نیاز به خنکسازی در نور خورشید بهصورت ۲۴ ساعته کار کنند.
🛰️ اسپیساکس برنامه دارد تا سال ۲۰۲۸ یک میلیون ماهوارهٔ هوش مصنوعی خورشیدپذیر راهاندازی کند و با استفاده از استارشیپ، زیرساخت محاسباتی قوی در فضا فراهم شود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #SpaceX
🚀 TurboVec: کاهش چشمگیر مصرف حافظه در هوش مصنوعی
ابزار متنباز جدیدی به نام TurboVec، حجم دادههای مورد استفاده برنامههای هوش مصنوعی را از ۳۱ گیگابایت به ۴ گیگابایت کاهش داده است که نشاندهنده صرفهجویی ۱۶ برابری در حافظه است. این ابزار بر پایه TurboQuant گوگل ساخته شده و مرحله راهاندازی کند سایر ابزارها را حذف میکند.
#ابزار #TurboVec
ابزار متنباز جدیدی به نام TurboVec، حجم دادههای مورد استفاده برنامههای هوش مصنوعی را از ۳۱ گیگابایت به ۴ گیگابایت کاهش داده است که نشاندهنده صرفهجویی ۱۶ برابری در حافظه است. این ابزار بر پایه TurboQuant گوگل ساخته شده و مرحله راهاندازی کند سایر ابزارها را حذف میکند.
🔹 TurboVec جستجوی سریعتری نسبت به جایگزین محبوب FAISS ارائه میدهد.
🔸 این ابزار هم بر روی مک و هم سرورهای استاندارد قابل استفاده است.
🔹 امکان محدود کردن نتایج جستجو به موارد دلخواه وجود دارد.
🔸 TurboVec به طور مستقیم با LangChain و LlamaIndex ادغام میشود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #TurboVec
🤖 استارتاپهای آمریکایی به سمت مدلهای زبانی چینی حرکت میکنند
استارتاپهای هوش مصنوعی در آمریکا به طور فزایندهای ترافیک اپلیکیشنهای خود را به سمت مدلهای زبانی بزرگ (LLMs) چینی هدایت میکنند. این تغییر نشاندهنده کاهش وابستگی به برندهای خاص و تمرکز بیشتر بر کارایی و توانایی مدلها است.
🔗 OpenRouter
#خبر #LLM
استارتاپهای هوش مصنوعی در آمریکا به طور فزایندهای ترافیک اپلیکیشنهای خود را به سمت مدلهای زبانی بزرگ (LLMs) چینی هدایت میکنند. این تغییر نشاندهنده کاهش وابستگی به برندهای خاص و تمرکز بیشتر بر کارایی و توانایی مدلها است.
🔹 روند بازار: در حالی که مدلهای آمریکایی تا اوایل سال ۲۰۲۶ در مصرف توکن پیشتاز بودند، مدلهای چینی از آن زمان به بعد محرک اصلی رشد در این بخش شدهاند.
🔸 اولویتبندی: استارتاپها اکنون مدلها را بر اساس قابلیت عملیاتی و نه صرفاً مبدأ آنها انتخاب میکنند.
🔗 OpenRouter
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #LLM
🤖 معرفی SWE-Marathon: چالشهای مهندسی نرمافزار برای هوش مصنوعی
✨ یک بنچمارک جدید به نام SWE-Marathon معرفی شده که شامل ۲۰ وظیفه چالشبرانگیز و طولانی در حوزه مهندسی نرمافزار است. این وظایف فراتر از پیادهسازی یک ویژگی ساده بوده و نیازمند اجرای پروژههای کامل هستند که برخی از آنها صدها ساعت کار انسانی را میطلبند. هدف اصلی این بنچمارک، ارزیابی توانایی مدلهای هوش مصنوعی در انجام پروژههای نرمافزاری پیچیده و جلوگیری از راههای میانبر یا فریب سیستم ارزیابی است.
🔗 لینکهای اصلی پست:
🔗 swe-marathon.org
🔗 مخزن GitHub
#مقاله #Gemini
✨ یک بنچمارک جدید به نام SWE-Marathon معرفی شده که شامل ۲۰ وظیفه چالشبرانگیز و طولانی در حوزه مهندسی نرمافزار است. این وظایف فراتر از پیادهسازی یک ویژگی ساده بوده و نیازمند اجرای پروژههای کامل هستند که برخی از آنها صدها ساعت کار انسانی را میطلبند. هدف اصلی این بنچمارک، ارزیابی توانایی مدلهای هوش مصنوعی در انجام پروژههای نرمافزاری پیچیده و جلوگیری از راههای میانبر یا فریب سیستم ارزیابی است.
🔗 لینکهای اصلی پست:
🔗 swe-marathon.org
🔗 مخزن GitHub
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#مقاله #Gemini
🤖 LEAP: هوش مصنوعی گوگل برای حل مسائل المپیاد ریاضی
گوگل سیستمی به نام LEAP معرفی کرده که به مدلهای زبانی بزرگ (LLM) امکان میدهد تا اثباتهای رسمی و قابل تأیید توسط ماشین در زبان Lean ارائه دهند. این سیستم برخلاف مدلهای تخصصی، با شکستن مسئله به اجزای کوچکتر و استفاده از بازخورد کامپایلر، اثباتهای پیچیده ریاضی را تولید میکند. 🌟
LEAP موفق شد تمام ۱۲ مسئله المپیاد ریاضی Putnam 2025 را حل کند، در حالی که مدلهای دیگر مانند Gemini 3.1 Pro و Goedel-Prover-V2 هیچکدام را حل نکردند. 🏆 سیستم Aristotle که در المپیاد IMO 2025 نتایج خوبی کسب کرده بود، در تستهای LEAP تنها ۹ مسئله را حل کرد.
#مقاله #Google
گوگل سیستمی به نام LEAP معرفی کرده که به مدلهای زبانی بزرگ (LLM) امکان میدهد تا اثباتهای رسمی و قابل تأیید توسط ماشین در زبان Lean ارائه دهند. این سیستم برخلاف مدلهای تخصصی، با شکستن مسئله به اجزای کوچکتر و استفاده از بازخورد کامپایلر، اثباتهای پیچیده ریاضی را تولید میکند. 🌟
LEAP موفق شد تمام ۱۲ مسئله المپیاد ریاضی Putnam 2025 را حل کند، در حالی که مدلهای دیگر مانند Gemini 3.1 Pro و Goedel-Prover-V2 هیچکدام را حل نکردند. 🏆 سیستم Aristotle که در المپیاد IMO 2025 نتایج خوبی کسب کرده بود، در تستهای LEAP تنها ۹ مسئله را حل کرد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#مقاله #Google
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 مایکروسافت اسکاوت: دستیار هوشمند همیشه فعال
مایکروسافت از محصول جدیدی به نام Microsoft Scout رونمایی کرده است که در دستهبندی جدیدی به نام Autopilots قرار میگیرد. این دستیار هوشمند بهطور مداوم و مستقل عمل کرده و از طرف شما وظایف را انجام میدهد، بدون نیاز به دستورالعملهای مکرر. اسکاوت با دسترسی به ایمیلها، چتها، تقویم و فایلهای شما در پلتفرمهای Microsoft 365 مانند Teams، Outlook، OneDrive و SharePoint، قادر به زمانبندی جلسات، آمادهسازی اسناد، پیگیری مهلتها، رزرو وقت در تقویم و شناسایی وظایف متوقفشده است. این سیستم با گذشت زمان، نحوه کار شما را یاد گرفته و با جریان کاریتان سازگار میشود.
مایکروسافت از محصول جدیدی به نام Microsoft Scout رونمایی کرده است که در دستهبندی جدیدی به نام Autopilots قرار میگیرد. این دستیار هوشمند بهطور مداوم و مستقل عمل کرده و از طرف شما وظایف را انجام میدهد، بدون نیاز به دستورالعملهای مکرر. اسکاوت با دسترسی به ایمیلها، چتها، تقویم و فایلهای شما در پلتفرمهای Microsoft 365 مانند Teams، Outlook، OneDrive و SharePoint، قادر به زمانبندی جلسات، آمادهسازی اسناد، پیگیری مهلتها، رزرو وقت در تقویم و شناسایی وظایف متوقفشده است. این سیستم با گذشت زمان، نحوه کار شما را یاد گرفته و با جریان کاریتان سازگار میشود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
❤1
Agentic_Design_Patterns.pdf
19.2 MB
📚 الگوهای طراحی عاملمحور (Agentic) از مهندس ارشد گوگل
#مقاله #AgentAI
یک سند رایگان و جامع ۴۲۱ صفحهای با عنوان Agentic Design Patterns توسط یک مهندس ارشد گوگل منتشر شده است. این منبع ارزشمند، بدون هیچگونه تبلیغ پنهان، به بررسی عمیق ساختارهای عاملمحور در هوش مصنوعی میپردازد و راهنمایی عملی برای توسعهدهندگان ارائه میدهد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#مقاله #AgentAI
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 سیری جدید اپل با هوش مصنوعی گوگل
اپل در رویداد WWDC 2026، بهروزرسانی بزرگ سیری را معرفی کرد که از مدلهای Gemini گوگل بهره میبرد. این نسخه جدید، سیری را به یک چتبات با قابلیتهای پیشرفته تبدیل میکند و حتی یک اپلیکیشن اختصاصی برای آن در نظر گرفته شده است. سیری جدید به طور کامل به دادههای کاربر در اکوسیستم اپل، شامل ایمیلها، تقویم، عکسها (با قابلیت جستجوی متنی)، و یادداشتها دسترسی خواهد داشت. همچنین، پشتیبانی از دوربین برای تعاملات هوشمندتر اضافه شده است.
💡 این سیستم قادر به انجام وظایف پیچیده چندمرحلهای است و به صورت نیتیو (ذاتی) مولتیمدال (چندرسانهای) خواهد بود.
🔗 Google Gemini
#خبر #Gemini
اپل در رویداد WWDC 2026، بهروزرسانی بزرگ سیری را معرفی کرد که از مدلهای Gemini گوگل بهره میبرد. این نسخه جدید، سیری را به یک چتبات با قابلیتهای پیشرفته تبدیل میکند و حتی یک اپلیکیشن اختصاصی برای آن در نظر گرفته شده است. سیری جدید به طور کامل به دادههای کاربر در اکوسیستم اپل، شامل ایمیلها، تقویم، عکسها (با قابلیت جستجوی متنی)، و یادداشتها دسترسی خواهد داشت. همچنین، پشتیبانی از دوربین برای تعاملات هوشمندتر اضافه شده است.
💡 این سیستم قادر به انجام وظایف پیچیده چندمرحلهای است و به صورت نیتیو (ذاتی) مولتیمدال (چندرسانهای) خواهد بود.
🔗 Google Gemini
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Gemini