‏🎯 مدل یکپارچه برای وظایف مختلف مکان‌یابی

‏مدل "Locate Anything" انویدیا، یک چارچوب یکپارچه مبتنی بر مدل‌های بینایی-زبان (vision-language models) است که طیف وسیعی از وظایف مکان‌یابی را پوشش می‌دهد. این وظایف شامل درک اسناد (document understanding)، مکان‌یابی عناصر رابط کاربری گرافیکی (GUI grounding)، تشخیص متراکم (dense detection) و تشخیص نوری کاراکتر (OCR) می‌شود.

‏🔗 Locate Anything Repo
‏📄 Diverse localization tasks under a unified vision-language model

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

#مقاله #ComputerVision

‏🤖 ۱۰ کاربرد برتر هوش مصنوعی مولد در ۲۰۲۶

‏🔍 بر اساس Harvard Business Review، رایج‌ترین مورد استفاده از هوش مصنوعی مولد در سال ۲۰۲۶، همچنان حوزهٔ درمان و همراهی عاطفی است؛ حتی اگر شرکت‌های AI ادعاهای متفاوتی داشته باشند.

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

#مقاله #GenAI

‏💡 سوالات مصاحبه علم داده
‏مجموعه‌ای از سوالات مصاحبه علم داده برای آمادگی شغلی ارائه شده است. این مجموعه به داوطلبان کمک می‌کند تا مهارت‌های خود را در زمینه‌هایی مانند یادگیری ماشین، یادگیری عمیق، MLOps و مهندسی داده ارتقا دهند.

‏

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

#آموزش #DataScience

‏🇺🇸 آمریکا خواستار بررسی مدل‌های پیشرفته هوش مصنوعی قبل از انتشار شد

‏🇺🇸 دولت آمریکا با امضای یک دستور اجرایی، خواستار بررسی داوطلبانه مدل‌های مرزی (frontier models) قبل از انتشار عمومی شده است. این بررسی شامل سیستم‌هایی می‌شود که توانایی‌های سایبری پیشرفته‌ای مانند یافتن آسیب‌پذیری‌ها یا خودکارسازی عملیات سایبری را دارند. هدف اصلی، دادن فرصت به مدافعان سایبری برای آماده‌سازی پچ‌ها و پروتکل‌های امنیتی است.

‏🔒 طبق این چارچوب جدید، آزمایشگاه‌های هوش مصنوعی می‌توانند به مدت حداکثر ۳۰ روز دسترسی داوطلبانه به این مدل‌ها را به آژانس‌های فدرال بدهند. نهادهایی مانند NSA و CISA در ارزیابی این مدل‌ها مشارکت خواهند داشت و معیارهای مدل‌های مرزی از طریق فرآیند بنچمارکینگ (benchmarking) داخلی تعیین خواهد شد.

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

#خبر #AgentAI

‏🤖 معرفی CLI کلاود توسط Anthropic

‏🚀 شرکت Anthropic ابزار خط فرمان (CLI) جدیدی به نام ant برای مدیریت منابع پلتفرم Claude API منتشر کرده است. این ابزار شبیه به gh برای GitHub عمل می‌کند و به کاربران اجازه می‌دهد تا از طریق ترمینال با Claude تعامل داشته باشند، مدل‌ها را لیست کنند و پیام‌ها را ارسال کنند.

‏💡 ant فراتر از یک رابط ساده برای API است؛ این ابزار امکان تعریف و مدیریت "عامل‌ها" (agents) را با استفاده از فایل‌های YAML فراهم می‌کند. این عامل‌ها به عنوان پیکربندی‌های کامل در نظر گرفته می‌شوند که می‌توانند در Git ذخیره، از طریق Pull Request بازبینی، با CI/CD پیاده‌سازی و بین نسخه‌ها بازگردانی شوند. این رویکرد، مدیریت عامل‌ها را مشابه مدیریت کد می‌کند و قابلیت‌های DevOps را به اکوسیستم Claude می‌آورد.

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

‏🤖 ۸ نوع مدل زبان بزرگ (LLM) برای عامل‌های هوش مصنوعی

‏عامل‌های هوش مصنوعی (AI agents) برای انجام وظایف پیچیده فراتر از مکالمه، از انواع مختلفی از مدل‌های زبان بزرگ (LLM) استفاده می‌کنند. این مدل‌ها به عامل‌ها امکان استدلال، درک، برنامه‌ریزی و اقدام را می‌دهند و در واقع نوعی ارکستراسیون مدل (model orchestration) را تشکیل می‌دهند.

‏✨ برخی از این ۸ نوع LLM کلیدی عبارتند از:
‏🔹 GPT
‏🔸 MoE (Mixture of Experts - معماری ترکیبی از شبکه‌های عصبی تخصصی)
‏🔹 LRM (Long-context Reasoning Model - مدل‌های استدلال برای متون طولانی)
‏🔸 VLM (Vision-Language Model - مدل‌های چندوجهی بصری-زبانی)
‏🔹 SLM (Small Language Model - مدل‌های زبانی کوچک و کارآمد)

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

#مقاله #AgentAI

🌷الْحَمْدُلِلَّهِ الَّذِی جَعَلَنَا مِنَ الْمُتَمَسِّکِینَ بِوِلاَیَةِ أَمِیرِالْمُؤْمِنِینَ عَلیِّ بنِ أَبِی طالِب وَ الْأَئِمَّةِ الْمَعصومیٖن عَلَیْهِمُ السَّلاَمُ🌷

عیدالله الاکبر، عید غدیر خم بر همه شیعیان امیرالمومنین علی علیه‌السلام تبریک و تهنیت باد.


➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇

📊👨‍🏫 @DataPlusScience | @Data➕Science

‏🚀 Perplexity PC برای ویندوز: یک سیستم‌عامل هوش مصنوعی؟

‏Perplexity ابزار جدید خود به نام «Personal Computer» (PC) را برای ویندوز عرضه کرده است. این ابزار بر روی دستگاه شما اجرا شده و با اپلیکیشن‌ها، فایل‌ها، مرورگر و وب‌سایت‌های مورد استفاده شما هماهنگ می‌شود و به عنوان یک «کارمند هوش مصنوعی» عمل می‌کند که قادر به اجرای اهداف تعیین شده، کنترل فایل‌ها و ابزارهای کاری مانند اکسل و اوت‌لوک است. این نسخه پس از عرضه برای مک، اکنون در دسترس کاربران ویندوز قرار گرفته است.

‏

‏🔹 امنیت داده‌ها: اجرای کاملاً محلی (Local) ابزار، امنیت اطلاعات کاربران را تضمین می‌کند.
‏🔸 قابلیت‌های اجرایی: Perplexity PC با دریافت اهداف (Objectives)، قادر به اجرای خودکار وظایف و کنترل ابزارهای مختلف سیستمی است.
‏

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

‏🤖 معرفی Microsoft Scout

‏🚀 Microsoft Scout یک عامل هوشمند همیشه‌فعال است که بدون نیاز به درخواست‌کردن مکرر، کارها را در Teams، Outlook، OneDrive و سایر خدمات Microsoft 365 پیش می‌برد. این اولین Autopilot agent (عامل خودکار مسیر‌پیمایی) مایکروسافت است و با رعایت محدودیت‌های سازمانی، اقدامات مورد نیاز را به‌صورت خودکار انجام می‌دهد.

‏

‏🔹 قابلیت‌ها: تعامل همزمان با چندین اپلیکیشن، واکنش سریع به رویدادها، و تنظیم‌پذیری طبق سیاست‌های امنیتی.
‏🔸 مزیت‌ها: کاهش بار کاری کاربران، افزایش بهره‌وری، و تسهیل خودکارسازی فرآیندهای روزانه.
‏

‏🔗 Microsoft Scout

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

#معرفی #Microsoft

‏🛡️ دسترسی محدود به مدل دفاع سایبری قدرتمند Anthropic

‏شرکت Anthropic دسترسی گروهی منتخب از سازمان‌ها به یکی از قدرتمندترین مدل‌های هوش مصنوعی دفاع سایبری را گسترش می‌دهد. این مدل که Claude Mythos نام دارد، اکنون در اختیار حدود ۲۰۰ سازمان معتبر در بخش‌های حیاتی مانند بهداشت، انرژی، آب، ارتباطات، دولتی، غیرانتفاعی و پروژه‌های نرم‌افزاری بزرگ قرار می‌گیرد.

‏

‏🔹 سازمان‌های جدید: این گسترش شامل سازمان‌هایی چون ناتو، گروه فناوری اوکتا (Okta)، آژانس امنیت سایبری اتحادیه اروپا (ENISA) و شرکت‌های کره‌ای سامسونگ، SK Hynix و SK Telecom می‌شود.
‏

‏🔗 Claude Mythos Preview Expansion

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

#خبر #Claude

‏📚 مجموعه رایگان دوره‌های یادگیری ماشین و هوش مصنوعی

‏مخزن ML-Course-Notes مجموعه‌ای منسجم از یادداشت‌های دوره‌های یادگیری ماشین، پردازش زبان طبیعی (NLP) و هوش مصنوعی است که حول دوره‌های کامل و دانشگاهی سازمان‌دهی شده، نه صرفاً ویدیوهای تکی.

‏🧠 این مخزن شامل دوره‌هایی از Machine Learning Specialization، MIT 6.S191، CMU Neural Nets for NLP، CS224N و CS25 است. جدولی جامع از لکچرها، توضیحات، ویدیوها، یادداشت‌ها و نویسندگان در آن ارائه شده.

‏🗺 به جای جمع‌آوری صدها لینک پراکنده، نقشه‌ای دوره‌ای طراحی شده که یادگیرندگان بتوانند به‌صورت نظام‌مند مطالب را طی کنند و پس از چند روز مطالعه سردرگم نشوند.

‏🔗 لینک‌های اصلی لکچرها و یادداشت‌های همراه در مخزن موجود است. همچنین نشانه‌های WIP (کار در حال انجام) برای مواد ناتمام و دستورالعمل‌هایی برای مشارکت‌کنندگان جهت بهبود یادداشت‌ها قرار گرفته است.

‏🔗 ML-Course-Notes

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

#آموزش #NLP

‏🔍 مطالعات موردی LangChain از شرکت‌های بزرگ

‏بلاگ LangChain (فریم‌ورک ساخت اپلیکیشن‌های مبتنی بر LLM) بخش اختصاصی برای مطالعات موردی دارد که تجربه شرکت‌های بزرگ مثل Cisco را در پیاده‌سازی پروژه‌های مبتنی بر LangChain مستند کرده است. این منبع برای الهام‌گرفتن از الگوهای واقعی و یادگیری بهترین شیوه‌ها بسیار کاربردی است.

‏

‏🔹 شرکت‌های بزرگ: تجربه پیاده‌سازی واقعی شرکت‌هایی مثل Cisco مستند شده
‏🔸 الگوهای عملی: راه‌حل‌ها و معماری‌های استفاده‌شده در پروژه‌های واقعی قابل بررسی است
‏🔹 یادگیری تجربی: منبع مناسب برای درک چالش‌ها و راه‌حل‌های عملی در پروژه‌های LLM
‏

‏🔗 مطالعات موردی LangChain

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

#مقاله #LangChain

‏🤖 پیش‌بینی ری دالیو: ترکیدن حباب هوش مصنوعی

‏ سرمایه‌گذار مشهور، ری دالیو، پیش‌بینی کرده است که حباب هوش مصنوعی (AI) مانند سایر تحولات بزرگ فناوری، در نهایت خواهد ترکید. او معتقد است که این اتفاق زمانی رخ می‌دهد که ثروت کاغذی سرمایه‌گذاران به پول نقد تبدیل شود، که منجر به سقوط ارزش سهام استارت‌آپ‌های هوش مصنوعی خواهد شد.

‏💡 دالیو اشاره کرده است که اگرچه هوش مصنوعی پتانسیل تغییر جهان را دارد، اما مدل‌های اقتصادی فعلی برای بسیاری از استارت‌آپ‌ها کارآمد نیستند. او بیان داشته که شرکت‌ها در حال حاضر حدود ۸ برابر بیشتر از درآمدشان هزینه می‌کنند و برای توجیه سرمایه‌گذاری‌های فعلی، صنعت هوش مصنوعی باید تا سال ۲۰۳۰ به درآمد سالانه ۲ تریلیون دلار دست یابد، هدفی که فعلاً دور از دسترس به نظر می‌رسد.

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

#خبر #AI

‏🤖 مدل Gemma 4 12B گوگل برای اجرای آفلاین روی لپ‌تاپ

‏گوگل مدل Gemma 4 12B را با مجوز آپاچی ۲.منتشر کرد. این مدل چندوجهی (multimodal) و بدون انکودر جداگانه، با تنها ۱۲ میلیارد پارامتر قابلیت اجرا روی لپ‌تاپ‌های ۱۶ گیگابایتی را دارد و نیازی به اینترنت نیست.

‏

‏🔹 مجوز آزاد: تحت لایسنس Apache 2.0 منتشر شده و قابل استفاده تجاری است
‏🔸 معماری یکپارچه: مدل encoder-free است یعنی نیازی به انکودر مجزا برای پردازش تصویر و متن ندارد
‏🔹 عملکرد محلی: با تنها ۱۶ گیگابایت رم روی لپ‌تاپ قابل اجراست
‏

‏🔗 Google Gemma

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

#خبر #Gemma

‏🤖 ساخت سیستم هوش مصنوعی بصورت رایگان

‏💡 در سال 2026، ساخت یک سیستم هوش مصنوعی در سطح پروداکشن بدون نیاز به صرف هزینه امکان‌پذیر است. این امر با استفاده از مجموعه‌ای از ابزارها و فریم‌ورک‌های متن‌باز و رایگان محقق می‌شود.

‏🚀 معماری پیشنهادی شامل مدل‌های زبان بزرگ (LLM) مانند Gemma 4 یا Llama 3.3 که به صورت محلی با Ollama اجرا می‌شوند، ابزارهای ارکستراسیون مانند LangGraph یا CrewAI، و سیستم‌های بازیابی افزوده (RAG) با LlamaIndex و ChromaDB یا Qdrant است. لایه ابزار با پروتکل MCP، ایجنت‌های کدنویسی با Claude Code CLI یا Aider، و فرانت‌اند با Next.js و Vercel یا Streamlit پشتیبانی می‌شوند. داده‌ها با SQLite یا DuckDB مدیریت شده، و ابزارهای مشاهده‌پذیری مانند Langfuse یا Phoenix به صورت خودمیزبانی (self-hosted) استفاده می‌شوند.

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

#ابزار #LangGraph

‏🚀 اجرای Gemma 4 12B روی تنها 6 گیگابایت VRAM

‏تیم Unsloth AI مدل Gemma 4 12B را به شکلی فوق‌العاده بهینه‌سازی کرده که با تنها حدود ۶ گیگابایت VRAM قابل اجراست. نسخه 2-bit GGUF این مدل فقط ۴.۶۶ گیگابایت فضای دیسک اشغال می‌کند و حتی از یک پرامپت واحد توانایی ارجاع به ۱۵ سایت مختلف را دارد.

‏⚡️ این مدل قابلیت‌های گسترده‌ای شامل reasoning (استدلال)، multimodalities (پردازش چندرسانه‌ای)، context window ۱۲۸ هزار توکنی، کدنویسی و ساخت agents (عامل‌های هوشمند) و همچنین native system prompting (پرامپت‌سازی سیستمی بومی) را ارائه می‌دهد.

‏💻 اجرای محلی این مدل از طریق Unsloth Studio (محیط توسعه اختصاصی این تیم) روی سیستم‌هایی با بیش از ۶ گیگابایت RAM امکان‌پذیر است.

‏🔗 مخزن GitHub Unsloth

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