Algorithm design & data structureچ

🎓 ۷ پلی‌لیست طلایی برای یادگیری عمیق‌ترین مفاهیم هوش مصنوعی اگه دنبال منابعی هستی که واقعاً ارزش وقت گذاشتن دارن، این مجموعه دقیقاً همون چیزیه که لازم داری. از ساخت GPT با چند خط کد تا درک عمیق مدل‌های زبانی بزرگ مثل ChatGPT — همه اینجا جمع شدن! 👇 🔹 ۱. Neural Networks: Zero to Hero – با Karpathy از مفاهیم پایه تا nanoGPT، همه‌چی با کدنویسی شهودی. https://www.youtube.com/playlist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ 🔹 ۲. CS336 استنفورد (۲۰۲۵) – مدل‌سازی زبان از صفر یک دوره‌ی کامل از داده تا آموزش، استقرار و ارزیابی LLMها. https://www.youtube.com/playlist?list=PLoROMvodv4rOY23Y0BoGoBGgQ1zmU_MT_ 🔹 ۳. MIT 6.S191 – مقدمه‌ای بر یادگیری عمیق (۲۰۲۵) مروری سریع و حرفه‌ای بر دیپ‌لرنینگ، ترنسفورمرها و مدل‌های دیفیوژن در کمتر از ۲ ساعت. https://www.youtube.com/watch?v=alfdI7S6wCY 🔹 ۴. CS25 – آشنایی با ترنسفورمرها با Karpathy درک عملی مقاله‌ی معروف "Attention is All You Need" به زبان کد. https://www.youtube.com/watch?v=XfpMkf4rD6E&t=126s 🔹 ۵. سخنرانی مهمان در CS229 استنفورد – ساخت LLM نگاهی به نحوه‌ی طراحی، مقیاس‌گذاری، و بهینه‌سازی مدل‌های زبانی بزرگ. https://www.youtube.com/watch?v=9vM4p9NN0Ts&t=4505s 🔹 ۶. Deep Dive into LLMs like ChatGPT ۳.۵ ساعت محتوای ناب درباره‌ی نحوه‌ی شکل‌گیری GPTها. https://www.youtube.com/watch?v=7xTGNNLPyMI&t=11224s 🔹 ۷. Let's Build GPT from Scratch ۲۰۰ خط کد پایتون = ساخت یک GPT واقعی. مناسب برای درک عمیق ساختار داخلی. https://www.youtube.com/watch?v=kCc8FmEb1nY&t=1859s 📌 این لیست رو ذخیره کن. یادگیری واقعی از همین‌جا شروع می‌شه! #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🎉 یه کشف مهم تو دنیای هوش مصنوعی! تحقیقات جدید تو مقاله‌ای به اسم «Harnessing the Universal Geometry of Embeddings» نشون می‌ده که مدل‌های مختلف هوش مصنوعی، یه زبان جهانی مشترک دارن! با روش جدیدی به نام vec2vec می‌شه کدهای متنی (embedding) تولید شده توسط هر مدل رو، حتی بدون داشتن داده‌های آماده، به کدهای مدل دیگه ترجمه کرد! یعنی می‌تونیم بفهمیم اون مدل چی گفته، حتی اگه مدل رو نشناسیم! این یعنی یه دنیای جدید از ارتباط بین مدل‌ها باز شده، اما در کنارش هشدار امنیتی هم هست؛ چون ممکنه کسی با این روش به اطلاعات محرمانه دسترسی پیدا کنه! https://arxiv.org/abs/2505.12540 #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

دوره‌ی خوبی درباره‌ی Agentic AI و چارچوب‌های مختلف برای پیاده‌سازی آن https://www.youtube.com/playlist?list=PLv8Cp2NvcY8DeLpPBREcC9aU8ESfYeSeX #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🚨 فرصت استخدام در حوزه هوش مصنوعی و علوم داده در دوره کـارآمـوزی گروه ملی انفورماتیک 💎 مزایای کارآموزی: 💵 دریافت حقوق و بیمه از روز اول 💼 امکان استخدام در بزرگترین شرکت‌های شبکه بانک و پرداخت کشور 🧾 ارائه گواهی معتبر در پایان دوره 🏅 کسب تجربه از متخصصان برتر شبکه بانک و پرداخت ⚠️ هر متقاضی می‌تواند برای ۳ موقعیت شغلی درخواست ثبت کند. 💯 دوره‌های ۳ ماهه کارآموزی گروه ملی انفورماتیک، فرصتی است برای کسب تجربه و استخدام در بزرگترین‌ شرکت‌های شبکه بانک و پرداخت کشور. کارآموزان در طول دوره ضمن دریافت حقوق و بیمه، گواهینامه معتبر دریافت می‌کنند. 📆 مهلت ثبت‌نام: تا ۲۶ خرداد ماه ۱۴۰۴ 🟢 ثبت‌نام و مشاهده موقعیت‌های شغلی ☯️ httb.ir/aERr4 ⬅️ ☯️ httb.ir/aERr4 ⬅️ ☎️ 021-22903789 🎯 آکادمی گروه ملی انفورماتیک

#هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

📌 Vector Similarity Search در مدل‌های هوش مصنوعی، هر داده (مثل یک جمله، تصویر یا کلمه) به یک بردار عددی در فضای چندبعدی تبدیل می‌شه. این بردارها داخل دیتابیس‌های مخصوصی مثل Vector Database ذخیره می‌شن. وقتی کاربر سوالی می‌پرسه، مدل به‌جای جستجو در متن، به دنبال بردارهایی می‌گرده که از نظر فاصله (شباهت عددی) به سوال نزدیک‌ترن. این فرآیند با روش‌هایی مثل: 🔹 فاصله اقلیدسی (فاصله مستقیم بین دو نقطه) 🔹 فاصله منهتن (جمع قدرمطلق تفاوت‌ها) 🔹 فاصله کسینوسی (زاویه بین بردارها) 🔹 ضرب داخلی (میزان هم‌راستایی) انجام می‌شه تا نزدیک‌ترین جواب ممکن پیدا شه. 📊 این روش توی جستجو، پیشنهاد محتوا، چت‌بات‌ها و حتی سیستم‌های تشخیص تصویر استفاده می‌شه و باعث می‌شه مدل‌ها "بفهمن" که چه چیزهایی به هم شبیه‌ان. #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

☯️ دوره آموزشی «هوش تجاری (Business Intelligence) 🟢 مناسب کلیه رشته‌ها و استخدام در #ایران 🟢 مناسب برای مهاجرت شغلی یا تحصیلی به #آمریکا، #اروپا و #استرالیا 👈 آموزش #آنلاین و با موردکاوی‎های واقعی و پروژه ⭐️ مخاطبان: ⏺️ دانشجویان کلیه رشته‌های تحصیلی ⏺️ علاقمندان به تحلیلگری داده و کسب و کار ⏺️ مدیران و کارشناسان شرکتها در تمامی لایه ها 🏛 موسسه توسعه 🔔 مشاوره رایگان و مشاهده جزئیات دوره از لینک زیر👇 ➕ httb.ir/8t1t5 ➕ httb.ir/8t1t5 ➕ httb.ir/8t1t5 ➖➖➖➖

🎯 AgenticSeek: دستیار هوش مصنوعی ۱۰۰٪ لوکال و خصوصی 🧠 مرور وب، کدنویسی، برنامه‌ریزی و اجرای کارها به‌صورت کاملاً خودکار — بدون وابستگی به فضای ابری 🔒 همه داده‌ها فقط روی دستگاه شما 🎙 پشتیبانی از فرمان صوتی، مثل یک AI آینده‌نگر در فیلم‌ها 👨‍💻 انتخاب هوشمند عامل مناسب برای هر کار 🌐 مناسب برای مدل‌های reasoning محلی و بدون نیاز به API https://github.com/Fosowl/agenticSeek #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🔹 آیا می‌تونید فرق انسان و هوش مصنوعی رو تشخیص بدید؟ در سه‌ماهه اول ۲۰۲۵، توی آزمایش‌های شبیه تورینگ، افراد در ۷۳٪ مواقع پاسخ چت‌بات‌های هوش مصنوعی رو با انسان اشتباه گرفتن! تنها ۶ ماه پیش این عدد حدود ۵۰٪ بود! 🔍 پیشرفت هوش مصنوعی در تقلید گفت‌وگوی انسانی با سرعت خیره‌کننده‌ای داره جلو می‌ره... #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🎓 دنبال یه منبع قوی و رایگان برای شروع یادگیری مدل‌های بنیادین LLM هستی؟ این دوره رایگان از دانشگاه واترلو دقیقاً همونه که لازم داری! هم مفاهیم پایه رو پوشش می‌ده، هم به موضوعات پیشرفته وارد می‌شه. 👇 📚 توی این دوره یاد می‌گیری: 🔹 مفاهیم پایه‌ای RNN، CNN، NLP و بینایی کامپیوتری (CV) 🔹 مکانیزم attention و ساختار Transformer 🔹 آموزش اولیه مدل‌ها (Pretraining) و روش‌های تنظیم پارامترها (PEFT) 🔹 و کلی مطالب پیشرفته دیگه برای فهم بهتر LLMها! https://cs.uwaterloo.ca/~wenhuche/teaching/cs886/ #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

اگر به یادگیری ماشین علاقه‌مند هستید، پروژه‌ی «100 روز کدنویسی یادگیری ماشین» از Avik Jain یک مسیر منظم و عملی برای تسلط بر مفاهیم آن ارائه می‌دهد. این پروژه شامل آموزش‌های روزانه با کدهای پایتون و توضیحات مفهومی است. https://github.com/Avik-Jain/100-Days-Of-ML-Code #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

"THINK-ON-GRAPH: Deep and Responsible Reasoning of Large Language Models on Knowledge Graphs" این مقاله روش خفنی به نام گراف‌های دانش (Knowledge Graph)معرفی میکند: 🔍 مثال قشنگی هم زده: سؤال اینه که «حزب اکثریت در کشوری که شهر Canberra توشه چیه؟» سه روش مختلف برای جواب دادن بررسی شدن: 1️⃣ مدل تنها (LLM-only): فقط از اطلاعات خود مدل استفاده می‌کنه. مثلاً می‌گه تا ۲۰۲۱ نخست‌وزیر استرالیا فلانی بوده، پس حزبش فلان بوده. ✅ مشکل؟ اطلاعاتش قدیمیه یا ناقصه، جواب اشتباه می‌ده! 2️⃣ مدل + گراف دانش (LLM + KG): مدل سعی می‌کنه با زبان SPARQL از گراف سوال بپرسه. اما گراف اطلاعات لازم رو نداره یا مدل بلد نیست خوب بپرسه. ⛔️ نتیجه؟ باز هم نمی‌تونه جواب بده! 3️⃣ ✅ Think-on-Graph (LLM ⊗ KG): مدل مرحله به مرحله «فکر می‌کنه» روی گراف! مثلاً اول بررسی می‌کنه Canberra پایتخت چیه، بعد می‌ره ببینه نخست‌وزیر استرالیا کیه، بعد از اطلاعات خودش (یا گراف) درمیاره که اون عضو حزب Labor هست. نتیجه؟ جواب درسته و منطقیه! 🎯 https://arxiv.org/abs/2307.07697 #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🔗 اتصال هر LLM به هر سرور MCP! 🛠 در واقع MCP-Use یک ابزار متن‌باز و قدرتمنده که به شما این امکان رو می‌ده تا هر مدل زبانی (LLM) رو به هر سرور MCP متصل کنید و ایجنت‌های سفارشی با دسترسی به ابزار بسازید — بدون نیاز به کلاینت‌های بسته یا اپلیکیشن‌های اختصاصی! 😎 ✅ ساخت کلاینت‌های کاملاً لوکال ✅ بدون وابستگی به کدهای بسته ✅ مناسب برای توسعه‌دهنده‌هایی که به کنترل کامل روی زیرساخت اهمیت می‌دن #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🎓 یه دوره رایگان و خیلی خوب از دانشگاه واترلو برای کسایی که می‌خوان مدل‌های زبانی (LLM) رو از پایه یاد بگیرن! از مفاهیم اولیه مثل RNN و NLP تا ساخت ترنسفورمر و آموزش مدل 🚀 اگه به یادگیری عمیق و هوش مصنوعی علاقه داری، این دوره یه شروع فوق‌العاده‌ست! https://www.youtube.com/playlist?list=PLoROMvodv4rOY23Y0BoGoBGgQ1zmU_MT_ schedule : https://stanford-cs336.github.io/spring202 #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

📊 گزارش وضعیت هوش مصنوعی در چین - سه‌ماهه دوم ۲۰۲۵ منتشر شده توسط: Artificial Analysis 🇨🇳 چین همچنان با سرعت بالا در حال پیشروی در رقابت جهانی هوش مصنوعی‌ست و دست‌کم ۱۰ لابراتوار فعال در این حوزه داره که همگی مدل‌هایی با امتیاز هوشی بالا تولید می‌کنن! 🚀 #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

تبدیل صدا به متن را به‌سادگی با مدل قدرتمند و متن‌باز تشخیص گفتار OpenAI انجام دهید. https://github.com/openai/whisper #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🎉 تبریک می‌گم به همه‌ی دوستانی که امسال در کنکور ارشد کامپیوتر قبول شدن و وارد مسیر جدیدی از زندگی علمی‌شون شدن! این موفقیت شیرین رو بهتون تبریک می‌گم و امیدوارم ادامه‌ی راهتون پر از رشد و موفقیت باشه. 👩‍💻👨‍💻 اما یه دل‌گرمی هم بدم به اونایی که به نتیجه دلخواهشون نرسیدن — مثل خود من. 🤝 بدون شک سخت تلاش کردیم، ولی مسیر رقابت هر سال داره سخت‌تر می‌شه، مخصوصاً در رشته کامپیوتر که روزبه‌روز متقاضی‌هاش بیشتر و قوی‌تر می‌شن. 💡 یه نکته مهم: اگه هدفتون قبولی در دانشگاه‌های تاپ هست، برای سال آینده باید با برنامه‌ریزی بهتر و زمان بیشتری وارد میدان بشید. این رقابت دیگه معمولی نیست! 🔥 با امید به موفقیت‌های بزرگ‌تر برای همه‌مون 💪🌱

🚀 با Apache Airflow، جریان‌های کاری پیچیده‌ رو به‌سادگی مدیریت و خودکارسازی کن! ابزار متن‌بازی که در صنعت حرف اول رو می‌زنه. https://github.com/apache/airflow #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

این لیست پخش تمام مقالات مهم در یادگیری تقویتی (Reinforcement Learning) را توضیح می‌دهد. https://www.youtube.com/playlist?list=PL1v8zpldgH3rJk6UKP_npByDuE7v1WSdt #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

طراحی و تجسم معماری شبکه‌های عصبی همیشه یکی از سخت‌ترین بخش‌های یادگیری عمیق بوده! 🎯 💡 اگه دنبال ابزارهایی هستی که باهاشون بتونی معماری مدل‌هات رو ویژوالایز یا طراحی کنی (مخصوصاً برای مستندات، ارائه، یا مقالات علمی)، ریپو زیر رو از دست ندهید: https://github.com/ashishpatel26/Tools-to-Design-or-Visualize-Architecture-of-Neural-Network #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer