🖼️ 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
🛠️ CodeWiki – مستندات خودکار برای کد
CodeWiki با استفاده از هوش مصنوعی، بهصورت خودکار مستندات متنی و نمودارهای معماری برای پروژههای کد منبع تولید میکند. این ابزار میتواند ساختار پوشهها، توابع و وابستگیها را تحلیل کرده و خروجیهای خوانا و قابل استفاده برای تیمهای توسعه فراهم نماید. برای اطلاعات بیشتر و دریافت کد منبع به مخزن GitHub زیر مراجعه کنید.
🔗 CodeWiki on GitHub
CodeWiki با استفاده از هوش مصنوعی، بهصورت خودکار مستندات متنی و نمودارهای معماری برای پروژههای کد منبع تولید میکند. این ابزار میتواند ساختار پوشهها، توابع و وابستگیها را تحلیل کرده و خروجیهای خوانا و قابل استفاده برای تیمهای توسعه فراهم نماید. برای اطلاعات بیشتر و دریافت کد منبع به مخزن GitHub زیر مراجعه کنید.
🔗 CodeWiki on GitHub
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 UniRL: چارچوب جامع تنسنت برای آموزش پسین مدلهای چندوجهی
تنسنت هونیوان (Tencent Hunyuan) UniRL را معرفی کرده است، یک زیرساخت جدید برای آموزش پسین مبتنی بر یادگیری تقویتی (RL) مدلهای چندوجهی. هدف UniRL ایجاد یک چرخه RL یکپارچه برای خانوادههای مختلف مدلها از جمله LLM (مدلهای زبان بزرگ)، VLM (مدلهای دیداری-زبانی) و دیفیوژن (diffusion) است. این چارچوب مدل و الگوریتم را مستقل از هم در نظر میگیرد تا ترکیب انعطافپذیر مدلها و الگوریتمهای RL ممکن شود.
تنسنت هونیوان (Tencent Hunyuan) UniRL را معرفی کرده است، یک زیرساخت جدید برای آموزش پسین مبتنی بر یادگیری تقویتی (RL) مدلهای چندوجهی. هدف UniRL ایجاد یک چرخه RL یکپارچه برای خانوادههای مختلف مدلها از جمله LLM (مدلهای زبان بزرگ)، VLM (مدلهای دیداری-زبانی) و دیفیوژن (diffusion) است. این چارچوب مدل و الگوریتم را مستقل از هم در نظر میگیرد تا ترکیب انعطافپذیر مدلها و الگوریتمهای RL ممکن شود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 انتشار نسخه تجاری Mythos توسط Anthropic
امروز Anthropic اعلام کرد که در آستانه عرضه نسخه تجاری مدل Mythos تحت اسم Claude Fable 5 است. این مدل که پیشزمینهای از پروژه محرمانه Glasswing دارد، توانایی شناسایی خودکار آسیبپذیریهای صفر روز و انجام حملات چندمرحلهای پیچیده را داراست. برای ورود ایمن به بازار، Anthropic این فناوری را به دو لایه تقسیم میکند: نسخه پایه بهصورت اختصاصی برای دولتها و شرکای استراتژیک باقی میماند، در حالی که Fable 5 بهعنوان پرچمدار عمومی برای توسعهدهندگان ارائه میشود. در نسخه عمومی محدودیتهای سختگیرانهای برای دسترسی به شبکه و اجرای کد مخرب اعمال میشود، اما قابلیتهای منطق پیشرفته، کار با زمینههای طولانی و اجرای خودکار وظایف چندمرحلهای حفظ میشود.
#خبر #Anthropic
امروز Anthropic اعلام کرد که در آستانه عرضه نسخه تجاری مدل Mythos تحت اسم Claude Fable 5 است. این مدل که پیشزمینهای از پروژه محرمانه Glasswing دارد، توانایی شناسایی خودکار آسیبپذیریهای صفر روز و انجام حملات چندمرحلهای پیچیده را داراست. برای ورود ایمن به بازار، Anthropic این فناوری را به دو لایه تقسیم میکند: نسخه پایه بهصورت اختصاصی برای دولتها و شرکای استراتژیک باقی میماند، در حالی که Fable 5 بهعنوان پرچمدار عمومی برای توسعهدهندگان ارائه میشود. در نسخه عمومی محدودیتهای سختگیرانهای برای دسترسی به شبکه و اجرای کد مخرب اعمال میشود، اما قابلیتهای منطق پیشرفته، کار با زمینههای طولانی و اجرای خودکار وظایف چندمرحلهای حفظ میشود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Anthropic
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 بهروزرسانی بزرگ NotebookLM توسط گوگل
امروز گوگل یک بهروزرسانی اساسی برای NotebookLM ارائه داد. این پلتفرم حالا بر پایه مدلهای جدید Gemini 3.5 و Antigravity اجرا میشود که باعث افزایش هوشمندی و توانمندیهای آن شده است. هر نوتبوک بهصورت خودکار یک کامپیوتر ابری اختصاصی دریافت میکند و قادر است کد بنویسد، تحلیلهای پیچیده را مستقیماً در محیط کاری انجام دهد و بیش از صد مهارت داخلی برای کارهای گوناگون در اختیار کاربر قرار دهد.
علاوه بر این، فرمتهای خروجی بهطور چشمگیری گسترش یافتند؛ بیش از دوازده گزینه جدید از جمله PDF، DOCX، صفحات اکسل، ارائهها، نمودارها و تصاویر اضافه شدهاند و خروجیها پس از تولید قابلیت ویرایش را حفظ میکنند.
امروز گوگل یک بهروزرسانی اساسی برای NotebookLM ارائه داد. این پلتفرم حالا بر پایه مدلهای جدید Gemini 3.5 و Antigravity اجرا میشود که باعث افزایش هوشمندی و توانمندیهای آن شده است. هر نوتبوک بهصورت خودکار یک کامپیوتر ابری اختصاصی دریافت میکند و قادر است کد بنویسد، تحلیلهای پیچیده را مستقیماً در محیط کاری انجام دهد و بیش از صد مهارت داخلی برای کارهای گوناگون در اختیار کاربر قرار دهد.
علاوه بر این، فرمتهای خروجی بهطور چشمگیری گسترش یافتند؛ بیش از دوازده گزینه جدید از جمله PDF، DOCX، صفحات اکسل، ارائهها، نمودارها و تصاویر اضافه شدهاند و خروجیها پس از تولید قابلیت ویرایش را حفظ میکنند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 معرفی Claude Fable 5 و نزدیکی GPT-5.6
Anthropic مدل جدید خود به نام Claude Fable 5 را معرفی کرده است. این مدل تقریباً در تمام بنچمارکهای مورد آزمون سطح SOTA (بهترین عملکرد موجود) را نشان میدهد و بهویژه در توسعه نرمافزار، کار با دانش، وظایف vision و تحقیقات علمی عملکرد بسیار قویای دارد. هرچه وظایف طولانیتر و پیچیدهتر باشند، Fable 5 فاصله بیشتری با سایر مدلهای Claude ایجاد میکند. این مدل توکنها را بهطور مؤثرتری نسبت به نسخههای قبلی مصرف میکند و توانایی حفظ فوکوس در وظایفی با میلیونها توکن را دارد و با استفاده از یادداشتهای داخلی خود، نتایج را بهبود میبخشد.
#معرفی #Claude
Anthropic مدل جدید خود به نام Claude Fable 5 را معرفی کرده است. این مدل تقریباً در تمام بنچمارکهای مورد آزمون سطح SOTA (بهترین عملکرد موجود) را نشان میدهد و بهویژه در توسعه نرمافزار، کار با دانش، وظایف vision و تحقیقات علمی عملکرد بسیار قویای دارد. هرچه وظایف طولانیتر و پیچیدهتر باشند، Fable 5 فاصله بیشتری با سایر مدلهای Claude ایجاد میکند. این مدل توکنها را بهطور مؤثرتری نسبت به نسخههای قبلی مصرف میکند و توانایی حفظ فوکوس در وظایفی با میلیونها توکن را دارد و با استفاده از یادداشتهای داخلی خود، نتایج را بهبود میبخشد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#معرفی #Claude