هوش مصنوعی و علم داده به فارسی
6.06K subscribers
2.12K photos
519 videos
366 files
2.3K links
DataPlusScience | هوش مصنوعی و علم داده به فارسی
اخبار، تحلیل، آموزش و ابزارهای کاربردی

🌐 DataPlusScience.ir

📩 ارتباط با ما: @Contact2Mebot

📂 کانال فایل‌ها: @Datascientists_Files

💎 بله: ble.ir/dataplusscience

💡 ایتا: eitaa.com/DataPlusScience
Download Telegram
This media is not supported in your browser
VIEW IN TELEGRAM
‏🚀 تحول در توسعه بازی با هوش مصنوعی در Unity

‏شرکت Unity با انتشار یک پلاگین رسمی برای نسخه 6 به بعد، امکان استفاده از مدل‌های هوش مصنوعی مانند Claude Code، Codex و Grok را مستقیماً در محیط توسعه بازی فراهم کرد.

‏این ابزار که شامل ۳۱ قابلیت آماده است، به توسعه‌دهندگان اجازه می‌دهد با دستورات متنی ساده، فرآیندهای پیچیده بازی‌سازی را به هوش مصنوعی بسپارند. مهم‌ترین قابلیت‌های این دستیار هوشمند عبارتند از:

‏* طراحی و پیاده‌سازی رابط کاربری تنظیمات
‏* تنظیم سیستم‌های فیزیک، ناویگیشن و شیدرها
‏* مدیریت پیاده‌سازی خرید درون‌برنامه‌ای
‏* راه‌اندازی سیستم مولتی‌پلیر و چت صوتی
‏* عیب‌یابی و اصلاح اسپرایت‌ها و فایل‌های صوتی

‏این پلاگین از طریق رابط خط فرمان (CLI) نصب شده و با شناسایی خودکار فضای کاری، دستورالعمل‌های دقیق مربوط به هر بخش از موتور Unity را برای مدل هوش مصنوعی ارسال می‌کند. جزئیات فنی و نحوه نصب را می‌توانید در مخزن رسمی گیتهاب مشاهده کنید.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Unity6 #Claude_Code
❤1
‏🚀 هوش مصنوعی کوچک اما باهوش؛ MiniCPM5-2B

‏مدل جدید MiniCPM5-2B با تنها ۲ میلیارد پارامتر، استانداردهای جدیدی برای مدل‌های سبک تعریف کرده است. این مدل که برای استدلال، کدنویسی و استفاده از ابزار بهینه شده، در بنچمارک Agentic Index بالاتر از مدل‌های بزرگتر قرار گرفته است.

‏قدرت واقعی این مدل زمانی مشخص شد که توانست به‌صورت کاملاً محلی و بدون راهنمایی مستقیم، یک باگ منطقی در یک سیستم پرداخت را شناسایی و اصلاح کند. این هوش مصنوعی فرآیند زیر را به تنهایی انجام داد:
‏- بازتولید خطای موجود در کد
‏- تحلیل منطق و کشف علت اصلی (تغییر وضعیت متغیر پیش از اعتبارسنجی)
‏- اعمال اصلاحات بدون تغییر در API عمومی
‏- اجرای تست‌های هدفمند و اطمینان از صحت عملکرد

‏مهم‌ترین ویژگی‌های این مدل عبارتند از:
‏- اجرای ۱۰۰٪ محلی روی سخت‌افزارهای ضعیف
‏- پشتیبانی از llama.cpp، Ollama، vLLM و SGLang
‏- قابلیت اجرا روی سیستم‌عامل‌های موبایل شامل iOS، Android و HarmonyOS
‏- دسترسی عمومی به وزن‌ها، دستورالعمل‌های آموزشی و دیتاست‌های استدلالی

تحلیل تخصصی MiniCPM5-2B؛ مدل ۲ میلیاردی با توانایی استدلال و رفع خطای محلی

📊 Data➕Science
‏🚀 آینده اقتصاد؛ وقتی هوش مصنوعی بازار کار را تغییر می‌دهد

‏گزارش جدید تیم اقتصادی Anthropic نشان می‌دهد تا سال ۲۰۳۰، توازن قدرت در بازار کار به نفع مشاغل یدی تغییر خواهد کرد. در حالی که هوش مصنوعی در حال تسخیر حوزه‌های دانشی است، ارزش تخصص‌های فنی در دنیای واقعی می‌تواند از جایگاه معماران نرم‌افزار پیشی بگیرد.

‏برخی از مهم‌ترین یافته‌های این گزارش درباره تغییرات دستمزد و تولید ناخالص داخلی (GDP) در سناریوهای مختلف عبارتند از:

‏• سناریوی خفیف: رشد ۱.۶ درصدی GDP و افزایش ملایم دستمزد برای هر دو گروه.

‏• سناریوی قابل توجه: هوش مصنوعی نیمی از کارهای دانشی را بر عهده می‌گیرد که منجر به افت جزئی دستمزد متخصصان دانشی و رشد ۵.۹ درصدی دستمزد کارگران یدی می‌شود.

‏• سناریوی افراطی: در صورت تحقق هوش مصنوعی خودگردان، GDP تا ۳۲.۴ درصد رشد می‌کند؛ در این شرایط دستمزد کارگران یدی جهشی خیره‌کننده خواهد داشت، اما فشار سنگینی بر درآمد مشاغل دانشی وارد می‌شود.

تحلیل گزارش Anthropic: آینده بازار کار و تغییر توازن دستمزدها تا ۲۰۳۰
This media is not supported in your browser
VIEW IN TELEGRAM
‏🤖 هوش مصنوعی اختصاصی برای حوزه مالی

‏شرکت OpenAI به‌تازگی از راهکار جدید خود برای سرویس‌های مالی رونمایی کرده است. این نسخه از ChatGPT به‌طور اختصاصی برای تحلیل‌گران و تیم‌های مالی شخصی‌سازی شده و ترکیبی از داده‌های مالی به‌روز با قدرت استدلال مدل‌های پیشرفته است.

‏این ابزار با تمرکز بر بهره‌وری در بخش‌های زیر توسعه یافته است:

‏- تدوین و اجرای مدل‌های پیچیده مالی
‏- تحلیل دقیق گزارش‌ها و داده‌های بازار
‏- تولید محتوا و مستندات شخصی‌سازی شده برای مشتریان

‏این تحول نشان‌دهنده ورود جدی مدل‌های زبانی به فرآیندهای حساس تصمیم‌گیری در بازارهای سرمایه است که می‌تواند سرعت انجام تحقیقات مالی را به شکل چشم‌گیری افزایش دهد.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#ChatGPT_Financial #GPT_6_Astra
‏تحلیلی بر شباهت مفهومی مدل‌های هوش مصنوعی

‏تحقیقات جدید بر روی بیش از ۳۰ هزار پاسخ در Chatbot Arena نشان می‌دهد که مدل‌های زبانی بزرگ (LLM) به سمت نوعی همگرایی فکری حرکت می‌کنند. این پژوهش با تعریف شاخص «شباهت مفهومی»، میزان اشتراک ایده‌ها میان مدل‌های مختلف را در پاسخ به پرامپت‌های یکسان بررسی کرده است.

‏نکات کلیدی این بررسی:

‏- مدل‌ها به طور متوسط تنها ۴۳ درصد از ایده‌های خود را به اشتراک می‌گذارند، اما این هم‌پوشانی در نسل‌های متوالی یک خانواده (مانند سری Grok یا GPT) به شدت افزایش می‌یابد.
‏- مرزهای جغرافیایی مانع همگرایی نیستند؛ مدل‌های آمریکایی و چینی (مانند GLM و Claude) در حوزه‌های مفهومی مشابهی فعالیت می‌کنند.
‏- پرداخت هزینه بیشتر (تکنولوژی گران‌تر) لزوماً به معنای دریافت دیدگاه متفاوت نیست و مدل‌های ارزان‌تر گاهی تنوع فکری بیشتری ارائه می‌دهند.
‏- در کارهای تخصصی و محدود (پزشکی، حقوق)، مدل‌ها پاسخ‌های مشابهی می‌دهند، اما در کارهای خلاقانه، تنوع پاسخ‌ها به حداکثر می‌رسد.

شباهت مفهومی مدل‌های هوش مصنوعی: یافته‌های جدید از Arena.ai

📊 Data➕Science
❤2
‏🚀 راهنمای جامع آموزش و ارزیابی ایجنت‌های هوشمند

‏توسعه کاربردی مدل‌های زبانی در محیط‌های واقعی، فراتر از تکیه بر بنچمارک‌های رایج است. برای عبور از چالش‌های عملیاتی، مجموعه آموزشی جدید Training Agents که توسط Hugging Face منتشر شده، نگاهی عمیق و کاربردی به چرخه حیات ایجنت‌ها دارد.

‏مهم‌ترین مباحث این دوره ۶ قسمتی عبارتند از:

‏• چالش‌های ارزیابی Agentic و فاصله عملکرد مدل در بنچمارک با دنیای واقعی
‏• اصول یادگیری تقویتی، طراحی محیط، توابع پاداش و بهینه‌سازی گلوگاه‌های استنتاج
‏• آموزش با نظارت (SFT) ایجنت‌ها با استفاده از TRL و تکنیک LoRA
‏• تقطیر دانش برای انتقال توانمندی‌ها به مدل‌های کوچک‌تر
‏• پیاده‌سازی یادگیری تقویتی با GRPO و آموزش عملی در محیط‌های Sandbox با AsyncGRPOTrainer

‏این دوره با ترکیب تئوری و پیاده‌سازی گام‌به‌گام، راهنمای ارزشمندی برای متخصصانی است که قصد دارند هوش مصنوعی را از محیط‌های ایزوله به دل کاربردهای واقعی ببرند.

راهنمای جامع Training Agents؛ آموزش و ارزیابی عملیاتی ایجنت‌های هوشمند

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
‏🚀 ورود جدی OpenAI به دنیای خدمات مالی

‏شرکت OpenAI با معرفی نسخه ویژه ChatGPT for Financial Services که بر پایه مدل GPT-6 Astra توسعه یافته، گام بزرگی در اتوماسیون صنعت بانکداری برداشته است. این ابزار با بهره‌گیری از داده‌های مالی یکپارچه از منابعی نظیر Daloopa، PitchBook و LSEG، هدف خود را ساده‌سازی وظایف تکراری تحلیل‌گران مالی قرار داده است.

‏این فناوری می‌تواند به صورت خودکار مدل‌های مالی، گزارش‌های تحلیلی و ارائه به مشتریان را تولید کند و مستقیماً با سرویس مشابه شرکت Anthropic رقابت کند. در حال حاضر، رقابت اصلی میان غول‌های هوش مصنوعی برای تسخیر بازار مشتریان سازمانی وارد فاز جدیدی شده است.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#GPT_6_Astra #Daloopa
‏🤖 معرفی سیستم هوشمند Fugu برای مدیریت عامل‌های AI

‏کمپانی Sakana AI به‌تازگی نسخه جدید سیستم ارکستراسیون خود یعنی Fugu را معرفی کرده است. این سیستم با هدف توزیع هوشمند وظایف بین مدل‌های مختلف طراحی شده تا ضمن حفظ کیفیت، هزینه‌های پردازشی را به شکل چشمگیری کاهش دهد.

‏این پلتفرم دو نسخه اصلی دارد:

‏• Fugu Max: از مجموعه‌ای از مدل‌های متن‌باز و تخصصی مانند NVIDIA Nemotron استفاده می‌کند و عملکردی نزدیک به مدل‌های پیشرو جهان را با هزینه‌ای ۲ تا ۶ برابر کمتر ارائه می‌دهد.

‏• Fugu Ultra v2: بر دستیابی به حداکثر کیفیت تمرکز دارد. طبق گزارش‌ها، این سیستم در بنچمارک‌های تخصصی مانند Chartography و DeepSWE، مدل‌های گران‌قیمت‌تر را پشت سر می‌گذارد.

‏از مهم‌ترین ویژگی‌های این معماری، امکان جایگزینی مدل‌ها در لحظه است. این رویکرد به کاربران کمک می‌کند تا وابستگی خود را به یک ارائه‌دهنده خاص کاهش داده و پایداری سرویس خود را در تغییرات احتمالی API حفظ کنند. برای بررسی جزئیات بیشتر می‌توانید اطلاعیه رسمی Sakana AI را مطالعه کنید.

معرفی سیستم ارکستراسیون Fugu؛ راهکار نوآورانه Sakana AI برای مدیریت عامل‌های هوشمند
‏🚀 معرفی ToolGrad: نوآوری گوگل در آموزش استفاده از ابزارها

‏گوگل از متد جدیدی به نام ToolGrad رونمایی کرده که فرآیند تولید داده برای آموزش مدل‌های زبانی در تعامل با APIها را متحول می‌کند. این روش به جای رویکرد سنتی، ابتدا یک زنجیره معتبر از فراخوانی‌های API می‌سازد و سپس پرس‌وجوی کاربر را متناسب با آن طراحی می‌کند.

‏ویژگی کلیدی این متد استفاده از «گرادیان‌های متنی» است؛ به این معنا که گزارش‌های اجرای هر مرحله، مانند بازخورد عمل کرده و مسیر ساخت گام‌های بعدی را اصلاح می‌کند.

‏برخی از مهم‌ترین دستاوردهای این پژوهش:
‏* نرخ موفقیت ۹۹.۸ درصدی در تولید نمونه‌های آموزشی از میان ۱۶ هزار API مختلف.
‏* بهبود چشمگیر عملکرد مدل‌های Gemma 3 در تمامی ابعاد (1B, 4B, 12B).
‏* کسب امتیاز رقابتی ۸۳.۱ توسط مدل 12B در بنچمارک BFCL که حتی از مدل‌های پیشرفته‌ای مانند GPT-5 نیز پیشی گرفته است.

معرفی ToolGrad؛ نوآوری گوگل در تولید داده برای آموزش تعامل مدل‌های زبانی با ابزارها
❤1
‏🚀 آغاز به کار وب‌سایت رسمی دیتا پلاس ساینس

‏خوشحالیم اعلام کنیم که وب‌سایت رسمی DataPlusScience اکنون در دسترس شماست. این پلتفرم با هدف ایجاد بستری جامع برای دسترسی به محتوای آموزشی و تخصصی در حوزه علوم داده و هوش مصنوعی راه‌اندازی شده است.

‏از این پس، تمامی مطالب، آموزش‌ها و تحلیل‌های کانال به صورت مبسوط و دسته‌بندی‌شده در وب‌سایت منتشر می‌شوند تا دسترسی شما به منابع کاربردی آسان‌تر شود.

‏از طریق وب‌سایت می‌توانید به موارد زیر دسترسی داشته باشید:

‏• آرشیو کامل آموزش‌های تخصصی و یادگیری ماشین
‏• مقالات تحلیلی در حوزه هوش مصنوعی و داده‌کاوی
‏• تازه‌ترین اخبار دنیای داده

‏برای مشاهده و بهره‌گیری از مطالب، به آدرس dataplusscience.ir مراجعه کنید. از همراهی مستمر شما سپاسگزاریم.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#DataPlusScience #داده_کاوی
❤2
This media is not supported in your browser
VIEW IN TELEGRAM
‏🚀 معرفی مدل قدرتمند Marigold V2

‏مدل Marigold V2 با قابلیت‌های خیره‌کننده در حوزه بینایی ماشین منتشر شد. این مدل با دستیابی به نتایج SOTA، استانداردهای جدیدی را در تخمین عمق، سطوح نرمال و بافت‌های تصویر تعریف کرده است.

‏مهم‌ترین موارد برای بررسی و استفاده از این مدل:

‏- بررسی تخصصی قابلیت‌ها
‏- مطالعه مقاله علمی
‏- مخزن کد در GitHub
‏- دموی آنلاین در Hugging Face

‏این مدل تحت مجوز Apache 2.0 در دسترس است و ابزاری قدرتمند برای پروژه‌های پردازش تصویر و بازسازی سه‌بعدی محسوب می‌شود.

معرفی مدل Marigold V2؛ استاندارد جدید در تخمین عمق و بازسازی سه‌بعدی

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Marigold_V2 #Surface_Normals
This media is not supported in your browser
VIEW IN TELEGRAM
‏🚀 پیش‌آموزش بهینه و مقیاس‌پذیر ویدیو با LeVJEPA

‏مدل LeVJEPA، جدیدترین دستاورد تیم Yann LeCun در حوزه بینایی ماشین، به‌عنوان اولین انکودر ویدیویی معرفی شده است که با هدف آموزشی بدون فروپاشی (Collapse-free) در چارچوب LeJEPA آموزش دیده است.

‏این مدل در مقایسه با سایر روش‌های پیش‌آموزش ویدیویی و تصویری، عملکرد بسیار پایداری را در شرایط یکسانِ محاسباتی نشان می‌دهد. بررسی دقیق این معماری در تنظیمات FLOP-matched نشان می‌دهد که رویکرد جدید چگونه می‌تواند کارایی مدل‌های ویدیویی را به سطح بالاتری ارتقا دهد.

‏مهم‌ترین منابع برای بررسی فنی:

‏• تحلیل و بررسی تخصصی
‏• مقاله علمی
‏• صفحه پروژه
‏• مخزن کد (GitHub)

‏این مدل تحت مجوز MIT منتشر شده و برای پروژه‌های مقیاس‌پذیر در حوزه ویدیو یک گزینه بسیار قدرتمند محسوب می‌شود.

LeVJEPA: انکودر ویدیویی نوین با پیش‌آموزش بهینه و مقیاس‌پذیر از تیم Yann LeCun

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#LeVJEPA #Collapse_free
‏🚀 یادگیری عملی مدل‌های ترنسفورمر با کتاب مرجع O'Reilly

‏اگر به دنبال تسلط بر دنیای ترنسفورمرها فراتر از کاربردهای متنی هستید، مخزن رسمی کتاب Transformers: The Definitive Guide بهترین منبع برای شماست. این مجموعه شامل نوت‌بوک‌های Jupyter است که تمامی مباحث کتاب را به صورت عملی پیاده‌سازی کرده‌اند.

‏مهم‌ترین سرفصل‌های این مجموعه کاربردی عبارتند از:

‏- تحلیل و پیش‌بینی سری‌های زمانی (Time Series)
‏- بینایی ماشین (Vision Tasks) و تولید محتوای بصری
‏- پردازش صوت (Audio Tasks)
‏- یادگیری تقویتی (Reinforcement Learning)
‏- طراحی عامل‌های هوش مصنوعی (AI Agents)
‏- استقرار و بهینه‌سازی مدل‌های ترنسفورمر

‏این کتاب برای کسانی که می‌خواهند از تئوری فاصله گرفته و با کدهای استاندارد در پروژه‌های واقعی کار کنند، گزینه‌ای ایده‌آل است. دسترسی به کدهای پروژه از طریق لینک بالا امکان‌پذیر است.

آموزش جامع و عملی ترنسفورمرها با کتاب Transformers: The Definitive Guide

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #112 | 📌 8 آیتم گزارش | 🧾 از 17 پست بررسی‌شده
🕐 جمعه 1405/06/20 ساعت 14:00 تا شنبه 1405/06/21 ساعت 14:00

🔎 تحلیل کوتاه
تمرکز اصلی اکوسیستم هوش مصنوعی بر تخصصی‌سازی مدل‌ها و بهینه‌سازی «مدیریت گردش‌کارهای پیچیده» معطوف شده است. همزمان، رقابت میان شرکت‌ها به سمت «تسخیر بازار مشتریان سازمانی» و استفاده از مدل‌های کوچک‌تر برای اجرای عملیاتی وظایف حساس سوق یافته است.


🤖 مدل‌ها و راهکارهای سازمانی

GPT-6 Astra؛ تحولی در هوشمندی و مدیریت گردش‌کارهای پیچیده OpenAI
مدل GPT-6 Astra با تمرکز بر بهبود کدنویسی و تحلیل‌های علمی، هوشمندترین مدل OpenAI برای گردش‌کارهای چندمرحله‌ای است.
🔗 نسخه مفصل در سایت

ورود جدی OpenAI به دنیای خدمات مالی
معرفی نسخه ویژه ChatGPT برای تحلیل‌گران مالی با هدف اتوماسیون گزارش‌های تحلیلی و رقابت با راهکارهای Anthropic.
🔗 مشاهده پست

هوش مصنوعی کوچک اما باهوش؛ MiniCPM5-2B
مدل ۲ میلیارد پارامتری جدید که در استدلال و شناسایی باگ‌های منطقی، از مدل‌های بزرگ‌تر پیشی گرفته است. هوش مصنوعی کوچک اما باهوش؛ MiniCPM5-2B
🔗 مشاهده پست


🚀 توسعه و ابزارهای کاربردی

معرفی سیستم هوشمند Fugu برای مدیریت عامل‌های AI
سیستم ارکستراسیون جدید Sakana AI برای توزیع بهینه وظایف بین مدل‌ها و کاهش هزینه‌های پردازشی. معرفی سیستم هوشمند Fugu برای مدیریت عامل‌های AI
🔗 مشاهده پست

معرفی ToolGrad: نوآوری گوگل در آموزش استفاده از ابزارها
روش جدید گوگل برای تولید داده‌های آموزشی جهت تعامل مدل‌ها با APIها با نرخ موفقیت بالای ۹۹ درصد. معرفی ToolGrad: نوآوری گوگل در آموزش استفاده از ابزارها
🔗 مشاهده پست

تحول در توسعه بازی با هوش مصنوعی در Unity
انتشار پلاگین رسمی Unity برای استفاده مستقیم از مدل‌های Claude و Grok در محیط توسعه بازی.
🔗 مشاهده پست


📊 تحلیل بازار و روندهای علمی

افشای تقلب مدل‌های هوش مصنوعی در سرقت داده‌ها
گزارش Anthropic از هدایت درخواست‌های کاربران به مدل Claude برای استخراج زنجیره تفکر و تقطیر مدل‌های رقیب. افشای تقلب مدل‌های هوش مصنوعی در سرقت داده‌ها
🔗 مشاهده پست

تحلیلی بر شباهت مفهومی مدل‌های هوش مصنوعی
پژوهش روی Chatbot Arena نشان می‌دهد مدل‌های زبانی در نسل‌های متوالی به سمت همگرایی فکری حرکت می‌کنند. تحلیلی بر شباهت مفهومی مدل‌های هوش مصنوعی
🔗 مشاهده پست


📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما