محور برنامه نویسی جشنواره نوجوان خوارزمی
Open in Telegram
816
Subscribers
No data24 hours
No data7 days
-130 days
Posts Archive
۸۰۰ سال قبل در ایران و در امپراتوری سلجوقی، محمد بن حمید الاسترلابی الاصفهانی این جعبه را میسازد که قفل آن برای باز شدن بیشتر از ۴ میلیارد ترکیب ممکن دارد. رمزنگاری مطلق، این جعبه تا الان باز نشده که بدانیم دردن آن چیست.
این جعبه سلجوقی، اکنون در موزه ملی توکیو نگهداری میشود.
تاریخ_در_آیینه_تصویر
#تحلیل_زمانه
🌍 @TahlilZamane
Repost from اخبار تحلیلی :: جام جمشید
♦️نبرد حماسی بر سر استعدادهای هوش مصنوعی: پیشنهادهای لحظهای، معاملات پنهانی و اشکها
The Epic Battle for AI Talent—With Exploding Offers, Secret Deals and Tears
بربر جین | کیچ هیجی | بن کوهن
2025-07-18
#WSJ
خلاصه متن:
در سیلیکون ولی، نبردی سخت بر سر جذب استعدادهای برتر هوش مصنوعی میان شرکتهای بزرگ فناوری در جریان است، که متا به رهبری مارک زاکربرگ در صدر این رقابت به چشم میخورد. این رقابت شامل ارائه پاداشهای مالی چشمگیر، تا سقف 300 میلیون دلار، و معاملات پنهانی برای جذب نخبههاست. مارک زاکربرگ تلاش میکند با ایجاد تیمی از بهترین محققان هوش مصنوعی، متا را به عنوان یک قدرت اصلی در این حوزه مطرح کند. وینداِسرف، یک استارتاپ مشهور، پس از عدم موفقیت در فروش به اوپنایآی، با خروج مدیرعامل به گوگل و در نهایت تصاحب توسط کاگنیشن مواجه شد. در این میان، متا تلاش میکند با پیشنهادات مالی چشمگیر و تسهیلات قابلتوجه محاسباتی، محققان برجسته را جذب کند. این رویکرد در کنار انتقادهایی که به تغییر در فرهنگ سیلیکون ولی وارد شده، به تغییرات مهمی در بازار استعدادها در فناوری منتهی شده است. در نهایت، این رقابت گسترده باعث تغییرات بسیاری در ساختار شرکتها، قراردادهای اشتغال و بازار کار حوزه هوش مصنوعی شده است.
متن کامل فارسی:
https://jjs.pub/13669
#هوش_مصنوعی #استعداد_هوش_مصنوعی #متا #مارک_زاکربرگ #OpenAI
دسته بندی
[#AI] [#Business] [#Technology]
[#هوش_مصنوعی] [#کسب_و_کار] [#فناوری]
DANESHAGAHI NEWS
Cup Of Jamshid
FULLY AUTOMATED BY AI AGENT
2024-2025
@daneshagahi_coj
🎓 دوره تخصصی "دستیار هوشمند معلم"
آموزش عملی هوش مصنوعی برای معلمان آیندهنگر
🧩آنچه در این دوره میآموزید:
- تولید سریع محتوای درسی با کمک AI
- طراحی یادگیری شخصیسازیشده و تعاملی
- آشنایی با ابزار های کاربردی هوش مصنوعی
- اجرای یک پروژه واقعی ویژه کلاس خودتان
- اصول اخلاقی استفاده مسئولانه از هوش مصنوعی در آموزش
💡 مناسب برای:
- همه معلمان و مدرسان در تمام مقاطع تحصیلی
- بدون نیاز به دانش فنی خاص
- مدارس و مراکز آموزشی خواهان تحول در تدریس
📌 ویژگیها:
- آموزش مهارتمحور و گامبهگام همراه با تمرین عملی
- پشتیبانی تخصصی و بازخورد مدرس
- صرفهجویی در زمان، افزایش جذابیت تدریس، تقویت تعامل
اطلاعات دوره:
• ۶ جلسه ۳ ساعته + پروژه نهایی
• همراه با ضبط جلسات و منابع آموزشی
🔹 اگر میخواهید در این دوره شرکت کنید:
صفحه ما را دنبال کنید تا از تاریخ برگزاری و لینک ثبتنام مطلع شوید.
🔹 اگر مایلید این دوره را بهصورت اختصاصی برای معلمان مدرسه یا سازمان خود برگزار کنید:
با ما در تماس باشید:
📩Info@icds.ai
📞09368089900
☎️051-38716942
🌐www.icda.ai
Instagram 🆔 Instagram
telegram 🆔 t.me/icdsai
Repost from N/a
پرامپتی که توی پست جدید اینستا معرفی کردیم 😍
🔖 پرامپت برای مشاوره مالی شخصی و بیزینسی
نسخه ایرانی ( با توجه به شرایط فعلی کشور )
این پرامپت میتونه توی تصمیم گیری های مالی از کوچیک تا بزرگ خیلی دیدتون رو باز کنه✅
۳ تا کرکتر میسازه
کهوقتی دیتای تصمیمتو بهشون بگی
میشینن باهات بحث میکنن
- حسابدار بدبین ( اما منطقی )
- منِ ورشکسته
- من ولخرج 🤷♂️
و بعد از کلی صحبت باهاشون میتونی نتیجه درست بگیری
نتیجه ای که از روی ترس اقتصادی و فشار نباشه
🔖روی باکس متن کلیک کنین تا کپی بشه و ارسال کنید برای chatgpt
خودش شروع میکنه باهاتون صحبت کردن
متن پرامپت :
میخوام نقش یک اتاق فکر درونی رو بازی کنی. تو این اتاق، سه نسخهی مختلف از من حضور دارن: منِ ولخرج: کسی که توی فشار روانیِ زندگی امروز، دنبال یه حس خوب لحظهایه. گاهی یه خرید کوچیک، یه سرمایهگذاری عجیب، یا فقط خرجکردن برای فرار از خستگی. منِ ورشکسته: اون نسخهای از من که یک بار با تصمیم اشتباه مالی توی این اقتصاد بیثبات ایران، همهچی رو باخته. الان فقط سکوت میکنه و میترسه دوباره سقوط کنه. حسابدار بدبین: کاراکتری خشک و دقیق. همهچیز رو با سناریوی تورم، نوسان دلار، و هزینههای پیشبینینشده میسنجه. از خرید ماشین تا زدن یه بیزینس خونگی، فقط و فقط به شرط «بازگشت واقعی سرمایه» حرف میزنه. این سه نفر قراره به من در تصمیمگیری درباره یه مسئله مالی مهم کمک کنن؛ تصمیمی که باید توی همین وضعیت فعلی ایران گرفته بشه—جایی که نه قیمت فردا معلومه، نه سود واقعی قابل پیشبینیه، نه امنیت مالی بلندمدت وجود داره. قبل از هر تحلیلی، این سؤالها رو از من بپرس: 1. الآن دقیقاً میخوام درباره چی تصمیم بگیرم؟ (خرید؟ راهاندازی؟ سرمایهگذاری؟ پسانداز؟ فروش؟) 2. وضعیت مالی این روزام چطوره؟ درآمد؟ خرج؟ پسانداز؟ فشار روانی؟ 3. بدترین سناریو تو اقتصاد ایران برای این تصمیم چیه؟ (افزایش قیمت، رکود، بلوکه شدن پول، کاهش تقاضا و…) 4. انگیزهم برای این تصمیم چیه؟ نیاز فوریه یا فرار از اضطراب؟ ترسه یا شوق؟ 5. آیا تو این تصمیم، دارم با پولی ریسک میکنم که نمیتونم از دستش بدم؟ تا جواب ندادم، جلو نرو. با اطلاعاتی که بهت دادم، یه مناظره واقعی بین این سه کاراکتر شکل بده. هر کدوم با لحن خاص خودش حرف بزنه، از تجربهها و زاویه دید خودش دفاع کنه، تصمیم من رو تحلیل کنه، نقد کنه، حتی مسخره کنه. به وضعیت امروز ایران ارجاع بده: نوسانات قیمتها، بیثباتی، هزینههای زندگی، نبود حمایت مالی، کاهش ارزش پول. مثلاً: ولخرج ممکنه بگه «تو این زندگی کی قراره حال کنه؟ همینم نریزی بیرون که میپره!» ورشکسته ممکنه بگه «همهچیو از دست دادم چون یه بار با امیدواری تصمیم گرفتم تو بازاری که فقط نوسان داشت.» حسابدار بدبین ممکنه بگه «تو ایران هیچچیز قطعیت نداره. تو داری تصمیم میگیری، ولی بازار فردا شاید نابودت کنه.» اجازه بده منم وارد بحث بشم، اگه لازم بود. اگه این سه نفر تونستن به توافقی برسن، یا حتی شرط بذارن، جمعبندی کن: این تصمیم تو ایرانِ امروز چقدر قابل دفاعه؟ آیا باید اجراش کرد؟ با چه اصلاحی؟ با چه شرطی؟ اگه نه، چرا؟ چه جایگزینی دارن پیشنهاد میدن؟ در پایان از من بپرس: با توجه به شرایط اقتصادی واقعی که درگیرشی، آیا این تصمیم قابل اجرائه؟ یا هنوز یه تردیدِ جدی هست که باید عمیقتر بررسیش کنیم؟ اگر گفتم نه، گفتوگو رو ادامه بده تا به یک تصمیم مالی واقعی، محکم، و مخصوص شرایط ایران برسم✔️ پیشنهاد ویژه آکادمی خالقی برای یادگیری هوش مصنوعی : ❗️اگه علاقه مند به پرامپت نویسی هستید دفترچه فرمول پرامپت نویسی رایگان ❗️اگه تولید محتوا انجاممیدید ۵۰ پرامپت آماده تخصصی تولید محتوا وایرال، کمپین و رشد در سوشال مدیا ✅🔖 اگه علاقه مند به یادگیری هوش مصنوعی هستید😎 از اینکه ai چیه ( مقدماتی ) تا ساخت ارتشی از دستیارهای هوش مصنوعی Ai Agent (حرفه ای ) دوره آموزشی مهارت هوش مصنوعی ————————— 😘 در مسیر معنا باشید | آکادمی خالقی
🎉 رویداد بتاتست دوره هوش مصنوعی جونیورا! 🤖
🔥 میخوای جز اولین نفراتی باشی که دوره هوش مصنوعی رو میگذرونه و اونم رایگان؟ همین الان وقتشه!
🧪 بتاتست یعنی چی؟
تو جز یه تیم ویژهای هستی که قبل از انتشار عمومی سطح دوم دوره، اون رو تست میکنه و بهمون کمک میکنه تا بهترش کنیم.
💡 چی کار باید بکنی؟
دوره "کدبات ۲" رو طی ۲ هفته بگذرونی
هرجا ایرادی دیدی، بهمون گزارش بدی
فرم نظرسنجی نهایی رو پر کنی
🎁 چی بدست میاری؟
دسترسی کامل و رایگان به سطح دوم
یادگیری اصولی هوش مصنوعی
کمک به ساخت یه محصول آموزشی خفن
شانس برنده شدن جوایز نفیس برای بهترین بازخوردها! 🏆
📥 همین حالا فرم رو پر کن و در این رویداد شرکت کن.
https://jnir.ir/gzfbu
🔗 برای اطلاعات بیشتر هم فایل ضمیمه رو بخون.
Repost from هنرآموزان کامپیوتر ايران
✳️ منابع و ضرایب دروس آزمون برای ۵ رشته دارای آزمون کنکور کاردانی ویژه دانشگاه فنی و حرفه ای
🔹تاریخ ثبت نام : ۱۷ لغایت ۲۳ تیر ماه ۱۴۰۴
🔸تاریخ برگزاری آزمون : جمعه ۷ شهریور ۱۴۰۴
@ComputerKhorasanRazavi
@RazaviComputer
#کنکور
#دانشگاه
#فنی_حرفه_ای
#کاردانش
Repost from همراهان ایدهران
💥فرصت ویژه برای برگزیدگان جشنواره خوارزمی💥
🎓برگزیدگان منطقهای یازدهمین دوره جشنواره نوجوان خوارزمی
🎓 رتبههای اول تا سوم بیستوششمین دوره جشنواره جوان خوارزمی
با افتخار چهارمین دوره جشنواره ملی دانشآموزی اکسیر توسط موسسه پرورش خلاقیت و نوآوری ایدهران با همکاری پارک علم و فناوری دانشگاه صنعتی شریف و بنیاد ملی نخبگان برگزار میشود.
📍برگزیدگان میتوانند با تکمیل فرم مرحله نیمهنهایی، مستقیماً به عنوان برگزیده مرحله مقدماتی به رقابت در جشنواره اکسیر راه یابند.
🎁 جوایز جشنواره:
✔️ حضور در مدرسه تابستانه دانشگاه صنعتی شریف
✔️ حمایت از ثبت اختراع و مسیر تجاریسازی طرحها
🏆 به همراه جایزه نوجوان جانا
جهت ثبتنام و تکمیل فرم مرحله نیمهنهایی روی لینک زیر بزنید👇
https://iderun.ir/semi-final-exir/
📍مهلت تکمیل و ارسال فرم تا ۵ مردادماه
در صورت داشتن هرگونه سوال با شماره دبیرخانه در پیامرسان بله ارتباط باشید👇
۰۹۰۵۷۶۶۴۵۶۱
@iderun
با ما همراه باشید💥
@iderun_ir
این دوره، مقدمهای بر هوش مصنوعی (AI) و کاربردهای آن در پردازش ابری و محاسبات لبه (Edge Computing) ارائه میدهد. بخش قابل توجهی از محتوا به Nvidia، نقش آن به عنوان پیشرو در واحد پردازش گرافیکی (GPU) و اهمیت آن در فعال کردن برنامههای کاربردی AI میپردازد. این دوره همچنین پلتفرم Jetson Nano، یک کامپیوتر AI تک برد از Nvidia را به عنوان یک ابزار عملی برای پیادهسازی AI در دستگاههای لبه، رباتیک و سیستمهای خودمختار معرفی میکند و به مزایای محاسبات لبه در کاهش تاخیر و افزایش امنیت دادهها اشاره دارد. پادکست ماشین لرنینگ @MLPodcastLLM
این منبع راهنمایی جامع برای شروع و پیشرفت در حوزه بینایی کامپیوتر ارائه میدهد. این توضیح بر اهمیت یادگیری اصول بنیادین مانند علوم کامپیوتر، برنامهنویسی (بهویژه پایتون و C++) و مفاهیم ریاضی مانند جبر خطی و حساب دیفرانسیل و انتگرال تاکید دارد. همچنین، مراحل پیشرفتهتر پردازش تصویر و ویدئو، استخراج ویژگی، تشخیص اشیاء، و در نهایت ترکیب بینایی کامپیوتر با یادگیری عمیق را بررسی میکند. این منبع به طور کلی بر یادگیری مداوم، پیادهسازی عملی و مشارکت در جوامع مرتبط برای تسلط بر این حوزه در حال تحول تاکید دارد. پادکست ماشین لرنینگ @MLPodcastLLM
ابزاری برای بینایی کامپیوتر با عملکرد بالا، از مشکلات NVIDIA DeepStream SDK بحث میکند، که ابزاری قدرتمند اما دارای محدودیتهایی است. این متن توضیح میدهد که DeepStream علیرغم بهینهسازیهای عملکردی خود، مانند استفاده از TensorRT و مدیریت حافظه GPU، برای توسعهدهندگان به دلیل معماری پیچیده GStreamer و نیاز به دانش C++ چالشبرانگیز است. همچنین، فقدان APIهای سطح برنامه کاربردی و اکوسیستم توسعهدهنده ناکافی همراه با پشتیبانی ضعیف مشتری، موانع عمدهای برای پذیرش گسترده آن محسوب میشوند. سوانت به عنوان چارچوبی با هدف رفع این کاستیها معرفی شده است، که با ارائه یک راهحل آسان برای توسعهدهندگان و پایتونمحور، به بهبود تجربه توسعهدهنده و قابلیتهای یکپارچهسازی کمک میکند، تا بتواند از مزایای عملکردی DeepStream بهرهبرداری کند. پادکست ماشین لرنینگ @MLPodcastLLM
نوشته ی رضا محمودی متن توسط هوش مصنوعی بصورت پادکست تولید شده این منبع به عنوان یک راهنمای جامع برای مشارکت در Google Summer of Code (GSoC) 2025 عمل میکند. این برنامه معتبر جهانی به دانشجویان و متخصصان کمک میکند تا مهارتهای برنامهنویسی خود را تقویت کنند و در پروژههای منبع باز مشارکت داشته باشند. منبع مراحل مختلف از انتخاب زبان برنامهنویسی مناسب و ساخت پروژههای کوچک تا مشارکت در مخازن GitHub و نوشتن پروپوزالهای قوی را توضیح میدهد. همچنین بر اهمیت مشارکت مداوم و یادگیری مستمر، صرف نظر از نتیجه انتخاب، تاکید میشود. پادکست ماشین لرنینگ @MLPodcastLLM
این سند مفصل، فرآیند ساخت و استقرار محصولات یادگیری ماشین (ML) را تشریح میکند و بر اهمیت ترجمه اهداف محصول به چارچوبهای ML تاکید دارد. همچنین به طور جامع گردآوری و آمادهسازی دادهها، آموزش و ارزیابی مدلها، و عیبیابی چالشهای رایج ML مانند بیشبرازش (overfitting) و نشت داده (data leakage) را پوشش میدهد. علاوه بر این، این متن روشهای مختلف استقرار مدلها از جمله استریمینگ و دستهای، و همچنین ملاحظات اخلاقی، تعصبات دادهای و حلقههای بازخورد را که هنگام ارائه مدلها به کاربران مطرح میشوند، بررسی میکند. در نهایت، بر لزوم نظارت مداوم و بهروزرسانی مدلها پس از استقرار برای اطمینان از عملکرد و پایداری آنها تاکید میکند. پادکست ماشین لرنینگ @MLPodcastLLM
این اپیزود چهار مسیر اصلی را برای کسب مهارتهای یادگیری ماشین/ دیتاساینس /.... بررسی میکند: تحصیلات آکادمیک (مانند مدرک کارشناسی ارشد)، شرکت در بوتکمپها، یادگیری در حین کار فعلی، و خودآموزی. هر کدام از این روشها مزایا و معایب خود را از نظر زمان، هزینه و نیاز به خودانگیزگی دارند. متن به جزئیات هر مسیر، از جمله هزینهها، محتوای آموزشی، و توصیههایی برای انتخاب بهترین گزینه بر اساس دانش فعلی و اهداف شغلی فرد میپردازد. همچنین مصاحبهای با یک دانشمند داده ارائه شده که تجربه او در یادگیری و ورود به این حوزه را روشن میکند. برای کسب مهارتهای دانشمند داده، چه مسیرهای اصلی آموزشی با مزایا و معایب هر کدام وجود دارد؟ @MLPodcastLLM
این منبع راهنمای جامع و عملی برای استقرار مدلهای یادگیری عمیق بر روی سیستمهای تعبیهشده مانند Jetson Nano و Raspberry Pi است. این کتاب به مفاهیم اساسی یادگیری عمیق، شبکههای عصبی و انواع مختلف آنها میپردازد و همچنین نحوه آمادهسازی و پیکربندی این دستگاهها، عملیات اساسی سیستم عامل لینوکس، و نصب و استفاده از فریمورکهای مهمی مانند PyTorch و OpenCV را شرح میدهد. علاوه بر این، روشهای ایجاد و مدیریت دادهها برای آموزش مدلها، فرآیندهای آموزش مدلهای طبقهبندی و تشخیص اشیا، و اجرای استنتاج مدلها در زمان واقعی را با جزئیات پوشش میدهد. این متن همچنین به اهمیت Docker در پیادهسازی برنامههای هوش مصنوعی و تطبیق مدلهای آموزشدیده برای استقرار عملی اشاره میکند. پادکست ماشین لرنینگ @MLPodcastLLM
این منبع به سیستمهای یادگیری ماشینی (ML) در محیطهای عملیاتی میپردازد و تفاوتهای کلیدی بین ML در تحقیقات و ML در تولید را برجسته میکند. در ابتدا با مثالهایی از موفقیتهای ML در زندگی روزمره، از جمله ترجمه ماشینی و سیستمهای توصیهگر، آغاز میشود. سپس توضیح میدهد که یک سیستم ML عملیاتی، فراتر از صرفاً الگوریتمها، شامل رابط کاربری، پشته داده، سختافزار پشتیبان و زیرساختها برای توسعه، استقرار و نظارت است. همچنین به چالشهای مهندسی و اجتماعی استقرار این سیستمها، از جمله دادههای آشفته، ملاحظات اخلاقی و نیاز به قابلیت تفسیر میپردازد. در نهایت، بر ماهیت تکراری توسعه ML و اهمیت قابلیت اطمینان، مقیاسپذیری، نگهداری و سازگاری در طراحی سیستمهای ML تأکید میکند. پادکست ماشین لرنینگ @MLPodcastLLM
این ایپیزود خلاصه ای از کتاب برای متقاضیان شغل ، به ویژه کسانی که شرکتهای فناوری در ایالات متحده، اروپا و هند را هدف قرار دادهاند. این متن فرآیند استخدام را از دیدگاههای مختلف، از جمله سیستمهای ردیابی متقاضی (ATS)، مراحل مصاحبه، و نقشهای مدیر استخدام و استخدامکننده شرح میدهد. همچنین نکات عملی برای بهینهسازی رزومه، مانند تاکید بر نتایج و تأثیر کار، انتخاب قالب مناسب، و چگونگی نمایش پروژههای جانبی ارائه میدهد و بر اهمیت سفارشیسازی رزومه برای هر موقعیت شغلی و اثربخشی معرفینامهها در فرآیند درخواست تاکید میکند. پادکست ماشین لرنینگ @MLPodcastLLM
چالشهای استقرار مدلهای یادگیری عمیق را در محیطهای عملیاتی بررسی میکند، که شامل مسائل مربوط به سازگاری مدل بین پلتفرمهای مختلف و بهینهسازی عملکرد برای سختافزارهای گوناگون میشود. همچنین، این متن به محدودیتهای سختافزاری مانند مصرف حافظه و انرژی و نیاز به نگهداری و بهروزرسانی مدلهای مستقر شده میپردازد. علاوه بر این، انواع مختلف محیطهای استقرار مانند محیطهای مبتنی بر ابر، دستگاههای لبهای، و تنظیمات هیبریدی مورد بحث قرار گرفته و عوامل کلیدی برای انتخاب هر یک از این محیطها تشریح شده است.
پادکست ماشین لرنینگ @MLPodcastLLM
این سند به بررسی جامع مهندسی یادگیری ماشین میپردازد و آن را به عنوان نقشه راهی برای توسعه موفقیتآمیز راهحلهای ML در محیطهای تجاری تعریف میکند. این متن بر پیچیدگی ذاتی ML و چالشهایی که دانشمندان داده در ایجاد سیستمهای قابل استقرار با آن مواجه هستند، تأکید دارد، زیرا به مجموعهای از مهارتهای متنوع فراتر از تخصص الگوریتمی نیاز دارند. این سند دلایل رایج شکست پروژه ML مانند برنامهریزی ناکافی و دامنه نامشخص را تشریح میکند و یک چارچوب مرحله به مرحله شامل برنامهریزی، دامنه و تحقیق، و آزمایش را برای کاهش این خطرات ارائه میدهد. هدف نهایی این روش، افزایش احتمال استقرار موفقیتآمیز و قابلیت نگهداری راهحلهای ML است که به طور مؤثر مسائل تجاری را حل میکنند.
این منبع شامل مصاحبهای با جفری ای. هینتون است که در آن، او در مورد ریشههای کنجکاوی و مسیر آکادمیک خود صحبت میکند. او تجربیات کودکی، از جمله یک مشاهده عجیب با یک سکه روی صندلی اتوبوس، و تأثیر خانوادهاش بر دیدگاههای او را شرح میدهد. هینتون همچنین به تحصیلات خود در کمبریج میپردازد و مسیر آکادمیک خود را که شامل تغییر رشته از علوم طبیعی به فلسفه و سپس روانشناسی، و در نهایت به هوش مصنوعی میشود، توضیح میدهد و چالشهای مواجهه با دیدگاههای مسلط و علاقه خود به شبکههای عصبی را بازگو میکند. پادکست ماشین لرنینگ @MLPodcastLLM
این منبع شامل مصاحبهای با ریتا پوچی است که در آن، کار او در زمینه بینایی کامپیوتر برای حفظ تنوع زیستی توضیح داده میشود. او در مورد استفاده از مدلهای یادگیری ماشین برای شناسایی گونهها در تصاویر و کاربرد آن در پایش توزیع گونهها و تأثیر تغییرات آب و هوایی صحبت میکند. همچنین، او معماری جدیدی را برای بهبود کیفیت تصاویر زیر آب با استفاده از لایه های کپسول و چالشهای میانرشتهای کار خود را شرح میدهد. در پایان، پوچی در مورد نقش آیندهاش به عنوان استادیار و اهمیت هوش مصنوعی برای اهداف مثبت در آینده گفتگو میکند. پادکست ماشین لرنینگ @MLPodcastLLM
