‏🤖 کامپیوترهای شخصی آینده با هوش مصنوعی همکار می‌شوند

‏NVIDIA با معرفی پلتفرم RTX Spark، نسل جدیدی از کامپیوترهای شخصی با تمرکز بر هوش مصنوعی را رونمایی کرده است. این سیستم‌ها قادرند عامل‌های هوش مصنوعی پیشرفته (AI agents) را مستقیماً روی دستگاه اجرا کنند، به جای ارسال پردازش‌ها به فضای ابری. این تحول به کامپیوترهای شخصی امکان می‌دهد تا وظایفی مانند تحقیق، تحلیل، خلق محتوا و اتوماسیون را به صورت محلی و با حفظ حریم خصوصی داده‌ها انجام دهند.

‏💡 مایکروسافت در حال بازطراحی بخش‌هایی از سیستم‌عامل ویندوز برای پشتیبانی از عامل‌های هوش مصنوعی است و نرم‌افزارهای خلاقانه مانند فتوشاپ و پریمیر نیز برای بهره‌مندی از هوش مصنوعی روی دستگاه، در حال به‌روزرسانی هستند.

‏📖 NVIDIA RTX Platform

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

‏🤖 سیستم چندعاملی برای تحقیقات عمیق

‏یک سیستم چندعاملی (multi-agent system) برای خودکارسازی فرآیندهای تحقیقات عمیق و گزارش‌دهی توسعه یافته است. این سیستم قادر به انجام تحقیقات پیچیده و تولید گزارش‌های جامع به صورت خودکار است.

‏

‏🔹 🔗 این سیستم در مخزن deepresearch در گیت‌هاب موجود است.
‏

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

#معرفی #AgentAI

‏🚀 انویدیا و مایکروسافت کامپیوترهای شخصی را برای عصر هوش مصنوعی بازتعریف کردند

‏✨ انویدیا و مایکروسافت پلتفرم جدیدی برای کامپیوترهای شخصی و لپ‌تاپ‌ها معرفی کرده‌اند که بر پایه پردازنده‌های RTX Spark Superchip (شامل GPU، CPU و حافظه یکپارچه) بنا شده است. این معماری مشابه تراشه‌های سری M اپل و مبتنی بر Arm است که به بهره‌وری انرژی بالا منجر می‌شود.

‏💡 هدف اصلی این نوآوری، امکان اجرای مدل‌های زبان بزرگ (LLM) با ۱۲۰ میلیارد پارامتر به صورت محلی بر روی دستگاه‌های شخصی است. این امر از طریق فراهم کردن ۱۲۸ گیگابایت حافظه در کامپیوترها و لپ‌تاپ‌های آینده محقق خواهد شد.

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

#خبر #Nvidia

‏🚗 مدل هوش مصنوعی جدید نVIDIA برای خودروهای خودران

‏شرکت NVIDIA جدیدترین مدل باز هوش مصنوعی خود را برای خودروهای خودران معرفی کرد: Alpamayo 2 Super. این مدل با 32 میلیارد پارامتر، سه برابر بزرگتر از نسل قبلی خود است و برای مدیریت واقعیت پیچیده رانندگی در دنیای واقعی طراحی شده است.

‏این مدل می‌تواند همه چیز اطراف خودرو را در 360° ردیابی کند، موقعیت‌های پیچیده جاده را در 3D درک نماید، رفتار رانندگان دیگر را پیش‌بینی کند و تصمیمات لحظه‌ای مانند زمان اتصال، عقب‌نشینی یا ترمز بگیرد.

‏یکی از بزرگ‌ترین ارتقاء‌های این مدل، پشت فرمان نیست: این هوش مصنوعی می‌تواند حجم عظیمی از فیلم‌های رانندگی را به‌طور خودکار برچسب‌گذاری کند، فرآیندی که قبلاً ماه‌ها زمان می‌برد را به چیزی که می‌تواند در چند روز انجام شود تبدیل می‌کند.

‏مهم‌تر از همه، مدل می‌تواند دلایل منطقی پشت تصمیماتش را توضیح دهد، مرحله‌ای حیاتی برای ایجاد اعتماد در خودروهای خودران.

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

#خبر #Nvidia

‏📚 لیست منابع جامع هوش مصنوعی AI_Books

‏💡 AI_Books یک مخزن GitHub عمومی است که مجموعه‌ای از کتاب‌ها و آموزش‌های حوزه‌های هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و شبکه‌های عصبی را گردآوری کرده است.
‏🎯 این منبع به شما کمک می‌کند تا با سازماندهی مواد آموزشی بر اساس موضوع، مسیر مطالعاتی خود را منظم کنید و از سردرگمی در میان منابع پراکنده جلوگیری نمایید.
‏✨ ویژگی‌های اصلی شامل لینک به کتاب‌های آنلاین (مانند Neural Networks and Deep Learning و Deep Learning انتشارات MIT Press)، بخش مبانی ریاضی (شامل جبر خطی و Artificial Intelligence: A Modern Approach) و مسیرهای تخصصی یادگیری عمیق با تمرکز بر پایتون، R، TensorFlow/Keras و کاربردها می‌شود.


https://github.com/aridiosilva/AI_Books

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

#ابزار #GitHub

‏🤖 دسترسی رایگان هفته‌ای DataCamp

‏🚀 از امروز تا ۱۶ خرداد می‌توانید به تمام دوره‌های DataCamp به‌صورت کامل و رایگان دسترسی پیدا کنید و حتی گواهینامه دریافت کنید. این فرصت مناسب برای تقویت مهارت‌های داده‌محور و یادگیری مسیرهای جدید است.

‏📖 DataCamp Free Access Week

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

#رویداد #DataScience

‏🤖 اودیسه: پلتفرم متن‌باز PewDiePie برای اجرای محلی مدل‌های هوش مصنوعی

‏💡 یوتیوبر مشهور PewDiePie ابزار متن‌باز Odysseus را منتشر کرده است. این پلتفرم به کاربران اجازه می‌دهد تا مدل‌های هوش مصنوعی و عوامل (agents) را به صورت محلی اجرا کنند و تجربه‌ای مشابه ChatGPT را با حفظ حریم خصوصی داده‌ها و بدون هزینه اضافی فراهم می‌آورد.

‏🔗 Odysseus GitHub Repository
‏🔗 معرفی Odysseus توسط PewDiePie

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

#ابزار #Ollama

‏🤖 هوش مصنوعی در آموزش: آمار 2024‑25

‏🔸 پژوهش اخیر نشان داد ۸۵٪ معلمان و ۸۶٪ دانش‌آموزان در سال تحصیلی ۲۰۲۴‑۲۵ از ابزارهای هوش مصنوعی استفاده کرده‌اند.
‏🔹 معلمانی که حداقل یک بار در هفته از این ابزارها بهره می‌برند، به‌طور متوسط ۵.۹ ساعت در هفته زمان صرفه‌جویی می‌کنند؛ معادل شش هفته کامل کاری در طول سال تحصیلی.
‏🔸 بازار جهانی هوش مصنوعی در حوزه آموزش در سال ۲۰۲۵ به ۷٫۱ میلیارد دلار رسیده و پیش‌بینی می‌شود تا ۲۰۳۵ به ۱۳۶٫۸ میلیارد دلار رشد کند.

‏

‏🔹 پذیرش اولیه: علیرغم رشد چشمگیر، هنوز فاز آغازین پذیرش هوش مصنوعی در مدارس است.
‏🔸 بازده زمان: صرفه‌جویی در زمان می‌تواند به تخصیص بهتر منابع و تمرکز روی تدریس خلاقانه منجر شود.

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

#گزارش #EducationAI

‏🤖 هوش مصنوعی مربی Koji از Brilliant

‏🚀 Koji یک مربی هوشمند (AI tutor) است که به‌جای ارائهٔ پاسخ سریع، فرآیند حل مسئله را به‌صورت لحظه‌ای دنبال می‌کند، خطاها را نشان می‌دهد و توضیحات تصویری می‌افزاید.

‏📚 این ابزار در میان بحث‌های جاری دربارهٔ نقش هوش مصنوعی در آموزش، سعی دارد به‌جای جایگزینی یادگیری، توانایی تفکر مستقل دانش‌آموزان را تقویت کند.

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

#خبر #AgentAI

‏🤖 ارزیابی مهارت‌های هوش مصنوعی با DeepLearning.AI

‏✨ پلتفرم آموزشی برجسته DeepLearning.AI ابزاری کاربردی برای ارزیابی و توسعه مهارت‌های هوش مصنوعی ارائه کرده است. این ابزار به کاربران کمک می‌کند تا نقاط قوت خود را شناسایی کرده و مسیر یادگیری مناسبی را دنبال کنند.

‏⚙️ فرآیند ارزیابی با یک مصاحبه چهارده دقیقه‌ای مبتنی بر هوش مصنوعی آغاز می‌شود. در این مصاحبه، هوش مصنوعی با کاربر چت کرده و بر اساس پاسخ‌ها، تحلیل دقیقی از توانمندی‌ها ارائه می‌دهد.

‏💡 پس از اتمام مصاحبه، سیستم بازخورد کلی و جامعی ارائه می‌کند و چندین دوره آموزشی متناسب با نیازها و سطح مهارت‌های کاربر پیشنهاد می‌دهد. این رویکرد شخصی‌سازی شده به افراد امکان می‌دهد تا با تمرکز بر حوزه‌های مورد نیاز، دانش خود را در زمینه هوش مصنوعی گسترش دهند.

‏📖 وبسایت DeepLearning.AI
‏🔗 ابزار Skill Builder

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

#معرفی #deeplearning

‏🤖 کی‌ای ۲.۰ (مدل چندرسانه‌ای Kuaishow)

‏🚀 مدل 30B MoE (Mixture of Experts) با 3B پارامتر فعال، توان پردازش 256K توکن را فراهم می‌کند؛ به‌طوری که ساعت‌ها ویدئوی طولانی بدون از دست دادن روابط سببی‑نتیجه‌گیری پردازش می‌شوند.
‏📈 نتایج آزمون LongVideoBench به 74.10 می‌رسد و در VideoMME V2 با افزایش فریم‌ها از 64 به 512، دقت از 35.34% به 42.44% ارتقا می‌یابد؛ هزینه پیش‌پر کردن (prefill) حدود ۵۰٪ کمتر است.
‏🔧 تمرکز بر timestamps، زنجیره‌های سببی، آموزش‌ ویدئویی، بازی‌ها و ولاگ‌های طولانی؛ وزن‌های مدل در لینک زیر قابل دسترسی است.

‏🔗 Keye‑VL‑2.0‑30B‑A3B

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

#پژوهش #DeepSeek

‏🤖 راهنمای فارسی معماری MCP و سیستم‌های Agentic

‏📚 کتابچه جامع «راهنمای فارسی معماری MCP و سیستم‌های Agentic برای توسعه‌دهندگان نرم‌افزار» منتشر شد. این راهنما به مفاهیم کلیدی مانند MCP (مدل‌های ارتباطی پیشرفته)، Tool Calling، Function Calling، RAG (بازیابی افزوده)، معماری Agentic و نرم‌افزارهای AI-Native می‌پردازد و تلاشی است برای ارائه یک متن منسجم و معماری‌محور به زبان فارسی.

‏💡 این کتابچه فراتر از یک معرفی سطحی، به صورت مرحله‌به‌مرحله، با مثال‌های فنی، مقایسه‌های معماری، سناریوهای واقعی و دیاگرام‌های ASCII نوشته شده تا مفاهیم را به شکلی قابل فهم و کاربردی ارائه دهد.

‏📖 راهنمای فارسی معماری MCP و سیستم‌های Agentic

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

#آموزش #AgentAI

‏🤖 گوگل به دنبال جذب سرمایه برای هوش مصنوعی

‏💡 گوگل با کمبود منابع برای توسعه هوش مصنوعی مواجه شده و اعلام کرده تقاضا برای راهکارهای هوش مصنوعی‌اش از عرضه پیشی گرفته است. این کمبود حتی در داخل شرکت نیز احساس می‌شود و تخصیص منابع سخت‌افزاری مانند GPU/TPU برای پروژه‌ها دشوار شده است.

‏💰 به همین دلیل، گوگل قصد دارد با فروش سهام، سرمایه‌ای حدود ۸۰ میلیارد دلار جذب کند تا زیرساخت‌های لازم را تا سال ۲۰۲۶ با هزینه‌ای بالغ بر ۱۷۵ تا ۱۸۵ میلیارد دلار توسعه دهد.

‏📖 بیانیه رسمی Alphabet
‏🔗 گزارش رویترز

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

#خبر #Google

🤖 خلاصه تحولات هوش مصنوعی
━━━━━━━━━━━━━━━
📅 دوره: 24 ساعت گذشته | شماره #4
⏰ از دوشنبه 1405/03/11 ساعت 14:00
تا سه‌شنبه 1405/03/12 ساعت 14:00
━━━━━━━━━━━━━━━

💻 نوآوری و سخت‌افزار AI

* انویدیا و مایکروسافت با معرفی پلتفرم جدیدی برای کامپیوترهای شخصی (AI PCs)، عصر هوش مصنوعی را بازتعریف کردند. این پلتفرم بر پایه پردازنده‌های جدید RTX Spark Superchip (شامل واحد پردازش گرافیکی یا GPU، واحد پردازش مرکزی یا CPU و حافظه یکپارچه) بنا شده است که معماری مشابه تراشه‌های سری M اپل دارد. تراشه RTX Spark، یک تراشه ARM، برای رقابت در بازار لپ‌تاپ‌ها با سری M اپل طراحی شده و از حداکثر ۱۲۸ گیگابایت حافظه LPDDR5X با پهنای باند ۳۰۰ گیگابایت بر ثانیه از طریق NVLink C2C پشتیبانی می‌کند که امکان اجرای مدل‌های زبانی بزرگ (LLM - Large Language Models) را به صورت محلی فراهم می‌آورد.
🔗 لینک ۱، لینک ۲

🛠 ابزارها و پلتفرم‌های هوش مصنوعی

* یک سیستم چندعاملی (multi-agent system) برای خودکارسازی فرآیندهای تحقیقات عمیق و گزارش‌دهی توسعه یافته است. این سیستم، که از چندین عامل هوشمند برای انجام وظایف مختلف بهره می‌برد، قادر به انجام تحقیقات پیچیده و تولید گزارش‌های جامع به صورت خودکار است.
🔗 لینک
* پلتفرم متن‌باز Odysseus توسط یوتیوبر مشهور PewDiePie منتشر شده است. این ابزار به کاربران اجازه می‌دهد تا مدل‌های هوش مصنوعی و عوامل (agents - برنامه‌های هوشمندی که می‌توانند به صورت مستقل تصمیم‌گیری و عمل کنند) را به صورت محلی اجرا کنند و تجربه‌ای مشابه ChatGPT را با حفظ حریم خصوصی داده‌ها و بدون نیاز به اینترنت فراهم می‌آورد.
🔗 لینک

🎓 آموزش و منابع هوش مصنوعی

* مخزن عمومی AI_Books در گیت‌هاب، مجموعه‌ای جامع از کتاب‌ها و آموزش‌های حوزه‌های هوش مصنوعی، یادگیری ماشین (Machine Learning - ML)، یادگیری عمیق (Deep Learning - DL) و شبکه‌های عصبی را گردآوری کرده است که به سازماندهی مسیر مطالعاتی کمک می‌کند.
🔗 لینک
* تا ۱۶ خرداد، می‌توانید به تمام دوره‌های DataCamp به‌صورت کامل و رایگان دسترسی پیدا کنید و حتی گواهینامه دریافت کنید. این فرصتی عالی برای تقویت مهارت‌های داده‌محور است.
🔗 لینک
* DeepLearning.AI ابزاری کاربردی برای ارزیابی و توسعه مهارت‌های هوش مصنوعی ارائه کرده است. این ابزار به کاربران کمک می‌کند تا نقاط قوت خود را شناسایی کرده و مسیر یادگیری مناسبی را دنبال کنند.
🔗 لینک

📈 بازار و صنعت هوش مصنوعی

* گوگل با کمبود منابع برای توسعه هوش مصنوعی مواجه شده و اعلام کرده که تقاضا برای راهکارهای هوش مصنوعی‌اش از عرضه پیشی گرفته است. این کمبود، تخصیص منابع سخت‌افزاری مانند GPU (Graphics Processing Unit - واحد پردازش گرافیکی) و TPU (Tensor Processing Unit - واحد پردازش تانسور) را برای پروژه‌های داخلی نیز دشوار کرده است.
🔗 لینک

🌐 تاثیرات و کاربردهای هوش مصنوعی

* پژوهش اخیر نشان می‌دهد که ۸۵٪ معلمان و ۸۶٪ دانش‌آموزان در سال تحصیلی ۲۰۲۴-۲۵ از ابزارهای هوش مصنوعی استفاده کرده‌اند. معلمانی که حداقل یک بار در هفته از این ابزارها بهره می‌برند، به‌طور متوسط ۵.۹ ساعت در هفته زمان صرفه‌جویی می‌کنند که معادل شش هفته کامل کاری در طول سال تحصیلی است.
🔗 لینک

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

‏🚀 DeepSeek: استقلال چین در هوش مصنوعی با چیپ‌های هواوی

‏بنیان‌گذار DeepSeek با موفقیت پایگاه کد این پروژه را از پردازنده‌های انویدیا به چیپ‌های Ascend هواوی منتقل کرده است. این اقدام جسورانه با هدف اثبات قابلیت‌های هوش مصنوعی چین بدون وابستگی به سخت‌افزار آمریکایی انجام شد.
‏💡 این انتقال که ماه‌ها به طول انجامید و منابع قابل توجهی را به خود اختصاص داد، بدون افت کیفیت مدل DeepSeek، نشان داد که چیپ‌های هواوی قادر به اجرای بارهای کاری سنگین هوش مصنوعی هستند.
‏🔗 این موفقیت، سایر شرکت‌های هوش مصنوعی چین را ترغیب می‌کند تا به سمت استفاده از سخت‌افزار بومی روی آورند و وابستگی به تامین‌کنندگان آمریکایی را کاهش دهند.

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

#گزارش #Huawei

‏🚀 استراتژی‌های پیشرفته RAG برای ایجنت‌های هوش مصنوعی

‏این ویدیو به بررسی جامع مهم‌ترین استراتژی‌های Retrieval Augmented Generation (RAG) می‌پردازد که برای ساخت ایجنت‌های هوش مصنوعی دقیق‌تر و کارآمدتر ضروری هستند. از انتخاب رویکرد مناسب تا ترکیب روش‌های مختلف، این محتوا راهنمایی عملی ارائه می‌دهد.

‏💡 RAG (تولید تقویت‌شده با بازیابی اطلاعات) نقش محوری در بهبود عملکرد مدل‌های زبان بزرگ (LLM) ایفا می‌کند. با بازیابی اطلاعات مرتبط از منابع خارجی و استفاده از آن‌ها برای غنی‌سازی پاسخ‌های LLM، ایجنت‌های هوش مصنوعی می‌توانند با دقت و ارتباط بیشتری به پرسش‌ها پاسخ دهند و از پدیده "توهم" (hallucination) جلوگیری کنند.

✅ زیرنویس فارسی روان و فنی: اختصاصی از @Algoticlab
🔗 نسخه اصلی در یوتیوب

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