آموزش LLM و VLM

دوستانی که دوره LLM را قبلا تهیه کردند؛ بات فقط تا دوشنبه پیش رو فعال است. بعد اون مجدد فعال نخواهد شد * اسم و ایمیل و شماره باید حتما درست و مطابق اطلاعات اکانت و فاکتور باشد

در حاضر کد های 70 درصدی دوره LLM ، دوره VLM و کد 100 درصدی VM از طریق بات برای مشتریان قبلی فعاله. بات تا آخر هفته بیشتر بالا نخواهد بود

این تیکو حتما بردارید

امروزه LLMها دیگر فقط متن نمی‌فهمند؛ آن‌ها می‌توانند داده‌های چندرسانه‌ای مثل صدا، تصویر و متن را پردازش کنند و عملکردی فراتر از مدل‌های تخصصی ارائه دهند. ولی هنوز مشکل بزرگشان این است که نمی‌توانند سری‌های زمانی (Time Series) را به‌خوبی تحلیل کنند. OpenTSLM این محدودیت را رفع می‌کند: این مدل زبان بزرگ، سری‌های زمانی پزشکی چندمتغیره را به‌عنوان ورودی می‌پذیرد و می‌تواند روی آن‌ها استدلال کند، توضیح بدهد و نتایج را به زبان طبیعی ارائه کند، برای مثال در تشخیص فعالیت انسانی، تحلیل خواب، پاسخ به سؤالات ECG و تولید توضیحات سری‌های زمانی. خلاصه: OpenTSLM، LLM مخصوص سری‌های زمانی پزشکی است که همزمان چند سری را پردازش و نتایج قابل فهم برای انسان تولید می‌کند. قاعدتا توقع میره روی داده های بورس و کریپتو و ... هم بشه فاین تیون کرد این مدل توسط تیمی بین‌رشته‌ای از دانشگاه استنفورد، ETH زوریخ، گوگل ریسرچ توسعه داده شده است. https://github.com/StanfordBDHG/OpenTSLM

به درخواست همراهان کانال، بات برای مدت محدودی دوباره فعال شده است. لطفاً حتماً: از همان نام کامل استفاده کنید که در مکتب‌خونه ثبت کرده‌اید و فیش به نام شما صادر شده است. فیش پرداخت را دقیقاً مثل نمونه‌ی بالا ارسال کنید. تا زمانی که تأیید مرحله‌ی قبل را نگرفته‌اید، سراغ مرحله‌ی بعد نروید. @llm_vlm_bot

مدل: https://github.com/SamsungSAILMontreal/TinyRecursiveModels

🖥 💻🖥🖥 معرفی لیست دوره ها، رویدادها و مقالات هوش مصنوعی و پایتون در تلگرام ✈️📣🔘 🚨🚨✅️ ✔️ عضویت در لینک زیر https://t.me/addlist/x5UsyVzYjZw5YzNk 🔼🔼🔼🔼

انقلاب سامسونگ در هوش مصنوعی: مدل ۷ میلیونی که غول‌ها را شکست داد فرانسیس شوله اینجا،  این رو بازنشر کرده بود: https://fixupx.com/jacksonatkinsx/status/1975556245617512460?s=12

وقتی این مقاله را خواندم مغزم هنگ کرد. یک مدل خیلی کوچک با تنها ۷ میلیون پارامتر همین الان در آزمون‌های استدلال روی هر دو مجموعه ARG-AGI 1 و ARC-AGI 2، از DeepSeek-R1، Gemini 2.5 pro و o3-mini جلو زد. اسمش Tiny Recursive Model (TRM) از سامسونگ است. چطور مدلی که ۱۰٬۰۰۰ برابر کوچکتر است می‌تواند باهوش‌تر باشد؟ نحوه کارش این‌طور است: نوشتن یک پاسخ اولیه: برخلاف یک مدل زبان بزرگ (LLM) که کلمه‌به‌کلمه تولید می‌کند، TRM ابتدا یک «پیش‌نویس» سریع و کامل از راه‌حل تولید می‌کند. این را می‌توان اولین حدس خام آن دانست. خلق یک «اسکراچ‌پد (scratchpad)»: سپس فضایی جداگانه برای افکار درونی‌اش می‌سازد — یک «اسکراچ‌پد» استدلال نهفته. اینجا است که جادوی واقعی رخ می‌دهد. خودانتقادی شدید: مدل وارد یک حلقهٔ درونی شدید می‌شود. پیش‌نویسش را با مسئلهٔ اصلی مقایسه می‌کند و بارها و بارها (۶ بار پشت‌سرِ هم) استدلالش را در اسکرچ‌پد تصحیح می‌کند و از خودش می‌پرسد «آیا منطق من درست است؟ خطاها کجا هستند؟» بازنویسی پاسخ: پس از این «تفکر» متمرکز، از منطق بهبود یافتهٔ موجود در اسکرچ‌پد استفاده می‌کند تا یک پیش‌نویس کاملاً جدید و بسیار بهتر از پاسخ نهایی بسازد. تکرار تا رسیدن به اطمینان: کل فرایند — پیش‌نویس، تفکر، اصلاح — تا ۱۶ بار تکرار می‌شود. هر چرخه مدل را به حلِ مسئله‌ای صحیح‌تر و منطقی‌تر نزدیک‌تر می‌کند. چرا این مهم است: رهبران کسب‌وکار: این همان چیزی است که برتری الگوریتمی (algorithmic advantage) به نظر می‌رسد. در حالی که رقبا برای مقیاس‌بندی خام هزینه‌های عظیمی در فرایند inference می‌پردازند، یک مدل هوشمندتر و کارآمدتر می‌تواند عملکرد بهتر را با کسری از هزینه ارائه دهد. پژوهشگران: این تأیید مهمی برای ایده‌های نوروسیمبولیک (neuro-symbolic) است. توانایی مدل در «تفکر» بازگشتی (recursively) پیش از «عمل»، نشان می‌دهد که معماری، نه صرفاً مقیاس، می‌تواند محرک اصلی قابلیت استدلال باشد. عملی‌کنندگان: استدلال در سطح SOTA (state-of-the-art) دیگر پشت خوشه‌های GPU میلیارد دلاری قفل‌شده نیست. این مقاله یک نقشه‌راه بسیار کارآمد و کم‌پارامتر برای ساخت سامانه‌های استدلالی (reasoners) تخصصی فراهم می‌کند که می‌توانند در هر جا اجرا شوند. این فقط کوچک‌سازیِ مقیاس نیست؛ این یک روش کاملاً متفاوت و هدفمندتر برای حل مسائل است.

@cvision @llm_huggingface

🌟 آموزش مدل‌های زبانی-تصویری (VLM) با تدریس علیرضا اخوان‌پور منتشر شد🎉 مردادماه دوره‌ی مدل‌های زبانی بزرگ (LLM) در مکتب‌خونه منتشر شد؛ دوره‌ای که توش یاد می‌گرفتید مدل‌هایی مثل ChatGPT یا Gemini چطور آموزش می‌بینن، چطور کار می‌کنن و چطور می‌تونن به زبان‌های مختلف – حتی فارسی – پاسخ بدن و ... ♨️حالا نوبت یکی از داغ‌ترین موضوعات دنیای AI رسیده: 🔹 مدل‌های زبانی-تصویری (VLM) مدل‌های زبانی-تصویری (VLM) نسل جدیدی از مدل‌های مولد هستن که علاوه بر متن، تصویر رو هم می‌فهمن. یعنی می‌تونن عکس رو توصیف کنن، به سوال درباره‌ی محتواش جواب بدن و حتی بین متن و تصویر ارتباط برقرار کنن. 📚 در این دوره یاد می‌گیرید: - ساختار و معماری مدل‌های VLM - کاربردهای جذاب مثل پرسش‌وپاسخ تصویری و مولتی‌مودال - نحوه‌ی آموزش و به‌کارگیری این مدل‌ها در پروژه‌های واقعی 👨‍🏫 تدریس هر دو دوره توسط مهندس علیرضا اخوان‌پور انجام شده 🔗 مشاهده دوره: https://mktb.me/e3gx/ ~~~ کانال تلگرامی دوره @llm_huggingface

70 درصد تخفیف ویژه به مدت محدود برای دوره LLM به عنوان پیش نیاز دوره جدید:

COUPON-c2e42

https://mktb.me/04dr/

امروز نسخه سبکتر Qwen3-VL رو منتشر شد! امروز، ۴ اکتبر ۲۰۲۵، تیم Qwen دو مدل جدید از خانواده Qwen3-VL رو منتشر کرد: مدل Qwen3-VL-30B-A3B-Instruct و Qwen3-VL-30B-A3B-Thinking به‌همراه نسخه‌ی FP8 برای هر دو مدل که حجم و مصرف حافظه رو به‌طور قابل‌توجهی پایین میاره. تا قبل از این، Qwen3-VL فقط مدل‌های خیلی سنگین داشت و عملاً نسخه‌ای سبک یا بهینه برای استفاده عمومی نداشت. حالا با این نسخه FP8 و تنظیمات جدید، بالاخره میشه مدل‌های Qwen3-VL رو راحت‌تر روی GPUهای معمولی هم بالا آورد. 🔹 نسخه Instruct بیشتر برای کارهای گفت‌وگومحور و دستورمحور طراحی شده. 🔹 نسخه Thinking روی استدلال پیچیده و فهم عمیق‌تر تصویر و ویدیو تمرکز داره. هر دو مدل از فهم متن و تصویر پشتیبانی می‌کنن، OCR قوی دارن (تا ۳۲ زبان)، و حتی می‌تونن از روی تصویر کد HTML یا JS بسازن! پشتیبانی از context طولانی (تا ۱ میلیون توکن) هم داره — چیزی که برای پروژه‌های چندرسانه‌ای واقعاً غنیمته. 📦 https://github.com/QwenLM/Qwen3-VL

آینده هوش مصنوعی چندوجهی اینجاست! مدل‌های چندوجهی (Multimodal AI) در سال ۲۰۲۵ دنیا رو متحول کردن. حالا دیگه هوش مصنوعی می‌تونه تصویر، متن و حتی صدا رو با هم ترکیب کنه و دقیق‌تر از همیشه جهان رو درک کنه. ✨ مدل‌های متن-تصویر متن‌باز مثل Qwen2.5-VL، Gemini و Llama-4 امروز همه‌جا هستن: از دستیارهای هوشمند گرفته تا پزشکی، تحلیل اسناد و هزاران کاربرد واقعی. اما سؤال اینه: 🔹 چطور می‌شه این مدل‌ها رو یاد گرفت و توی پروژه‌های واقعی استفاده کرد؟ اینجاست که کورس تخصصی ما وارد می‌شه! 🎓 در این دوره‌ی Vision-Language Models (VLMs) یاد می‌گیری: چطور مدل‌های پیشرفته رو با Hugging Face بارگذاری و تست کنی قابلیت‌ها و محدودیت‌های VLMها رو بشناسی روی پروژه‌های واقعی ازشون استفاده کنی این فرصت فوق‌العاده‌ایه برای کسایی که می‌خوان یک قدم جلوتر از بقیه باشن و آینده‌ی هوش مصنوعی رو بسازن! 🌍 📌 جزئیات دوره و ثبت‌نام

فرق پرامپت‌نویسی با مهندسی کانتکست؟ پرامپت = چی می‌گی کانتکست = مدل چی می‌بینه و چیزی که مدل می‌بینه مهم‌تره! ایجنت‌های قوی همه‌چی رو تو کانتکست نمی‌ریزن. اون‌ها: ✅ فقط چیزای مفید رو نگه می‌دارن ✅ قدیمی‌ها رو خلاصه می‌کنن ✅ هر وقت لازمه اطلاعات میارن ✅ یادداشت می‌نویسن ✅ بعضی کارها رو می‌سپارن به ساب‌اجنت‌ها 🔑 مهارت آینده برای ساخت ایجنت‌های هوش مصنوعی = Context Engineering منبع: https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents?trk=public_post_comment-text

کد تخفیف 70 درصدی تست شده فقط موقع استفاده حتما تیک دسترسی کامل را بردارید، اگر قبلا در سبد خرید بوده حذف کرده و مجدد با برداشتن این تیک به سبد خرد خود اضافه کنید.

COUPON-c4cd3

🌟 آموزش مدل‌های زبانی-تصویری (VLM) با تدریس علیرضا اخوان‌پور منتشر شد🎉 مردادماه دوره‌ی مدل‌های زبانی بزرگ (LLM) در مکتب‌خونه منتشر شد؛ دوره‌ای که توش یاد می‌گرفتید مدل‌هایی مثل ChatGPT یا Gemini چطور آموزش می‌بینن، چطور کار می‌کنن و چطور می‌تونن به زبان‌های مختلف – حتی فارسی – پاسخ بدن و ... ♨️حالا نوبت یکی از داغ‌ترین موضوعات دنیای AI رسیده: 🔹 مدل‌های زبانی-تصویری (VLM) مدل‌های زبانی-تصویری (VLM) نسل جدیدی از مدل‌های مولد هستن که علاوه بر متن، تصویر رو هم می‌فهمن. یعنی می‌تونن عکس رو توصیف کنن، به سوال درباره‌ی محتواش جواب بدن و حتی بین متن و تصویر ارتباط برقرار کنن. 📚 در این دوره یاد می‌گیرید: - ساختار و معماری مدل‌های VLM - کاربردهای جذاب مثل پرسش‌وپاسخ تصویری و مولتی‌مودال - نحوه‌ی آموزش و به‌کارگیری این مدل‌ها در پروژه‌های واقعی 👨‍🏫 تدریس هر دو دوره توسط مهندس علیرضا اخوان‌پور انجام شده 🔗 مشاهده دوره: https://mktb.me/vk16/

برای استفاده از کد تخفیف حتما تیک دسترسی کامل را بردارید

🎉 دوره جدید منتشر شد: آموزش مدل‌های زبانی-تصویری (VLM): از درک تصویر و ویدیو تا فاین‌تیون پیشرفته از درک تصویر و ویدیو تا فاین‌تیون پیشرفته 🚀 📚 در 4 فصل: 1️⃣ آشنایی با مدل‌های مولتی‌مدال (CLIP تا SigLIP) 2️⃣ کاربرد VLM در درک تصویر و ویدیو 3️⃣ فاین‌تیون و پروژه‌های تخصصی 4️⃣ آموزش پیشرفته با DPO، GRPO و MPO 🔑 ویژگی‌های کلیدی: ✔️ معرفی روش‌ها و مدل‌های جدید مثل MPO و FASTVLM اپل ✔️ استفاده از HuggingFace و Unsloth ✔️ بیش از 15 کد عملی همراه توضیح کامل 🎁 تخفیف ویژه 70٪ با کد زیر:

COUPON-c4cd3

🔗 تهیه دوره: https://mktb.me/e3gx/