Algorithm design & data structureچ

🔬 MedRAX نسل جدید هوش مصنوعی پزشکی! در واقعMedRAX یک AI agent چندمنظوره است که ابزارهای پیشرفته‌ی تحلیل X-ray قفسه سینه را با مدل‌های زبانی چندوجهی ترکیب می‌کند. بدون نیاز به آموزش اضافی، می‌تواند پرسش‌های پیچیده پزشکی را تحلیل کند و عملکردی بالاتر از مدل‌های تخصصی ارائه دهد! 🚀 ▪️ Paper : https://arxiv.org/abs/2502.02673 ▪️ Github : https://github.com/bowang-lab/MedRAX #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🎯 دیگر نیازی به برچسب‌گذاری داده‌ها نیست! با Agentic Object Detection، مدل‌ها می‌توانند بدون نیاز به داده‌های برچسب‌خورده، اشیا را شناسایی کنند! 🚀 Link #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

⚡️ ۴۰۰,۰۰۰ مدل هوش مصنوعی در یک جا! خبر هیجان‌انگیز! 🎉 Hugging Face کاتالوگ Spaces را راه‌اندازی کرده است، جایی که تقریبا تمام مدل‌های هوش مصنوعی دنیا را یک‌جا پیدا می‌کنید! 🚀 🔹 فیلترهای آسان بر اساس دسته‌بندی 🔹 جستجوی سریع 🔹 امکان تست هر مدل مستقیماً روی سایت – بدون نیاز به ثبت‌نام و کاملاً رایگان! 🔗 مشاهده کنید: [huggingface.co/spaces] #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🌟 دوستان عزیز، یه عذرخواهی به همتون بدهکاریم! 🌟 مدتی بود که فعالیت کمتری داشتیم، ولی دوباره با کلی محتوای جذاب و کاربردی برمی‌گردیم! 🙌🔥 ممنون که در این مدت همراه ما بودید. از این به بعد، منتظر پست‌های منظم‌تر و مطالب عمیق‌تر درباره الگوریتم‌ها، هوش مصنوعی و داده‌ساختارها باشید! 💡🚀 مرسی از صبر و همراهی شما! ❤️

CycleGuardian: A Framework for Automatic RespiratorySound classification Based on Improved Deep clustering and Contrastive Learning Github: https://github.com/chumingqian/CycleGuardian Paper: https://arxiv.org/abs/2502.00734v1 Dataset: https://paperswithcode.com/dataset/icbhi-respiratory-sound-database #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🌟 به دنیای Transformers و Self-Attention وارد شوید با یکی از بهترین گنجینه‌های پنهان یوتیوب! 🧠✨ هیچ‌کس مثل پروفسور Bryce مفاهیم پیچیده‌ی هوش مصنوعی را توضیح نمی‌دهد – اشتیاق او به تدریس و تعهدش به وضوح مطالب، هر درس را فراموش‌نشدنی می‌کند. 💡📚 فرقی ندارد که یک علاقه‌مند به AI باشید، دانشجوی Machine Learning، یا صرفاً کنجکاو درباره فناوری‌های پیشرفته، این ویدئو یک must-watch واقعی است! 🎥 آماده شوید تا درک خود را از Transformers به جذاب‌ترین شکل ممکن ارتقا دهید! 🚀 🔗 https://youtu.be/e9-0BxyKG10?si=EGCMhIn0xaBdrjtf #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

Demystifying Long Chain-of-Thought Reasoning in LLMs paper:https://arxiv.org/abs/2502.03373 code :https://github.com/eddycmu/demystify-long-cot #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 آموزش عالی آزاد توسعه ✅ با گواهینامه مورد تایید وزارت علوم، تحقیقات و فناوری 🔔 مشاوره رایگان و مشاهده جزئیات دوره از لینک زیر👇 ➕ httb.ir/HPPWz ➕ httb.ir/HPPWz ➕ httb.ir/HPPWz ➖➖➖➖

آموزش ویدیویی "Dive into LLMs like ChatGPT" از آندری کارپاتی شامل موضوعات زیر است: - pretraining data (internet) - tokenization - neural network I/O - neural network internals - inference - training and inference ... https://www.youtube.com/watch?v=7xTGNNLPyMI #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

مدل زبانی «هرمز با ۸ میلیارد پارامتر» آمد. این مدل، یک مدل زبانی کوچک (زیر ۱۳ بیلیون پارامتر) محسوب میشه که بر اساس Command R و روی دیتاست‌هایی که «مانی میرزایی» عزیز در «پلتفرم ماکس» زحمت ساختش رو کشیده بود ترین شده. کل پروسه ترین حدود ۴۰۰۰ دلار و ۵۰ ساعت طول کشیده. اطلاعات بیشتر شامل روش اجرا و بنچمارک‌ها: https://github.com/mann-e/hormoz و دسترسی به مدل: https://huggingface.co/mann-e/Hormoz-8B #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

☯️ دوره آموزشی «علم داده مالی و معاملات الگوریتمی با Python» 🌟 کسب سود در بازارهای مالی ایران و بین الملل با استفاده از علم داده و تحلیل داده ⏰ ۶۵ ساعت آموزش 🔬 آموزش آنلاین و با مطالعات موردی واقعی و پروژه عملی 🟢 برخی از مخاطبان این دوره: ⏺️ فعالین، معامله‌گران و علاقمندان #بورس ایران ⏺️ فعالین، معامله‌گران و علاقمندان بورس‌های بین الملل و فارکس ⏺️ علاقمندانِ کسب تخصص در معامله‌گری و بازارهای #مالی و #دیتا_ساینس 🏛 موسسه آموزش عالی آزاد توسعه ✅ با گواهینامه مورد تایید وزارت علوم و قابل ترجمه رسمی 💢 مشاوره رایگان و مشاهده جزئیات دوره از لینک زیر: 🔴 httb.ir/W1T6L 🔴 httb.ir/W1T6L 🔴 httb.ir/W1T6L

Parameter-Inverted Image Pyramid Networks for Visual Perception and Multimodal Understanding Github: https://github.com/opengvlab/piip Paper: https://arxiv.org/abs/2501.07783v1 Dataset: https://paperswithcode.com/dataset/gqa #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

⚠️ انتشارات O'Reilly Media، یکی از معتبرترین ناشران در حوزه‌های برنامه‌نویسی، داده‌کاوی و هوش مصنوعی، ۱۰ کتاب ارزشمند در زمینه علم داده را به صورت رایگان در اختیار علاقه‌مندان قرار داده است. ✔️ برای دسترسی به نسخه‌های آنلاین و PDF این کتاب‌ها، می‌توانید از لینک‌های زیر استفاده کنید: 👇 Python Data Science Handbook ┌ Online └ PDF Python for Data Analysis book ┌ Online └ PDF Fundamentals of Data Visualization book ┌ Online └ PDF R for Data Science book ┌ Online └ PDF Deep Learning for Coders book ┌ Online └ PDF DS at the Command Line book ┌ Online └ PDF Hands-On Data Visualization Book ┌ Online └ PDF Think Stats book ┌ Online └ PDF Think Bayes book ┌ Online └ PDF Kafka, The Definitive Guide ┌ Online └ PDF #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

💡 یک پکیج فوق‌العاده برای یادگیری علوم داده و یادگیری ماشین! 👩🏻‍💻 اگر به دنبال منابع جامع و کاربردی در زمینه علوم داده و یادگیری ماشین هستید، این مخزن GitHub هر چیزی که نیاز دارید را یکجا جمع کرده است! 📌 چه چیزهایی در این مجموعه پیدا می‌کنید؟ ✅ برگه‌های تقلب کاربردی – نکات کلیدی و مهم، همه در یکجا برای دسترسی سریع. 📚 کتاب‌های ارزشمند – منابعی که وقت گذاشتن روی آن‌ها واقعا مفید است. ❓ سوالات متداول – مباحثی که معمولا مطرح می‌شوند و دانستن آن‌ها می‌تواند درک عمیق‌تری به شما بدهد. 🚀 پروژه‌های عملی – ایده‌هایی که می‌توانید به عنوان پروژه‌های شخصی استفاده کنید و مهارت‌های خود را تقویت کنید. 🎯 در یک کلام: یک مجموعه کامل و منظم برای یادگیری و تقویت مهارت‌هایتان در علوم داده، بدون سردرگمی! 🔗 لینک مخزن را اینجا ببینید: 👇 https://github.com/khanhnamle1994/cracking-the-data-science-interview?tab=readme-ov-file #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🤖 عامل هوش مصنوعی (AI Agent) چیست؟ یک عامل هوش مصنوعی (AI Agent) نرم‌افزاری است که می‌تواند با محیط خود تعامل داشته باشد، داده‌ها را جمع‌آوری کند و از آن‌ها برای دستیابی به اهداف از پیش تعیین‌شده استفاده کند. این عامل قادر است بهترین اقدامات ممکن را برای رسیدن به این اهداف انتخاب کند. ویژگی‌های کلیدی عوامل هوش مصنوعی: ✅ عملکرد خودکار: یک عامل می‌تواند بدون نیاز به دخالت مداوم انسان اقدامات خود را انجام دهد. البته، در برخی موارد می‌تواند دارای یک حلقه انسانی (Human in the Loop) باشد تا کنترل حفظ شود. ✅ حافظه و دانش: عامل می‌تواند ترجیحات فردی را ذخیره کرده و شخصی‌سازی انجام دهد. همچنین، می‌تواند دانش را ذخیره کرده و پردازش اطلاعات و تصمیم‌گیری را بر عهده بگیرد. مدل‌های زبانی بزرگ (LLM) نیز می‌توانند این وظایف را انجام دهند. ✅ درک و پردازش اطلاعات محیطی: عامل باید بتواند اطلاعات موجود در محیط خود را دریافت و پردازش کند. #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🎞 Machine Learning with Graphs: design space of graph neural networks 💥Free recorded course by Prof. Jure Leskovec 📢 بررسی جامع طراحی معماری GNN با GraphGym 🧠📊 در این مقاله، یک بررسی سیستماتیک از طراحی معماری GNN ارائه شده است که شامل سه جنبه کلیدی می‌شود: ✅ فضای طراحی GNN: شامل طراحی درون‌لایه‌ای، بین‌لایه‌ای و تنظیمات یادگیری. ✅ فضای وظایف GNN: همراه با معیارهای شباهت برای انتقال بهترین مدل‌ها بین وظایف مختلف. ✅ روش ارزیابی مؤثر GNN: برای پاسخ به سؤالات مهم طراحی، مانند تأثیر BatchNorm در GNNها. 💡 همچنین، GraphGym به‌عنوان یک پلتفرم کدنویسی معرفی شده است که طراحی معماری GNN را ساده‌تر می‌کند. Design Space for Graph Neural Networks 📽 Watch #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

❓توضیح پیچیده‌ترین مفاهیم هوش مصنوعی به ساده‌ترین شکل ممکن به همراه تحلیل تحولات بازار AI؛ این ماموریت اصلی جدیدترین فصلنامه دیده‌بانه! 💥دیده‌بان فصلنامه‌‎ایه که توسط تیم تحقیقاتی بزرگترین شرکت هوش مصنوعی ایران تهیه شده و تازه‌ترین و به‌روزترین اطلاعات دنیای هوش مصنوعی رو به زبان ساده و در عین حال علمی وکاربردی به تمام علاقه‌مندان تکنولوژی و فناوری توضیح میده. جدیدترین شماره این فصلنامه با موضوع "هوش‌وارگی ماشین" تمرکزش رو گذاشته روی مدل‌های بنیادی هوش مصنوعی و این موضوع رو از پایه توضیح داده و برجسته‌ترین مدل‌های ایرانی و خارجی رو هم معرفی کرده. 📓وقت‌هایی که خوندن مطالب و خبرهای هوش مصنوعی درست شبیه خوندن یه زبان بیگانه میشه، دیده‌بان می‌تونه به شما کمک کنه متفاوت‌تر و عمیق‌تر از بقیه با هوش مصنوعی آشنا بشید و از پیشرفت‌های این حوزه جا نمونید! 👈 برای تهیه جدیدترین شماره فصلنامه دیده‌بان روی لینک زیر کلیک کنید: 🔗 https://B2n.ir/m88222 🆔 @partdpai

مقاله‌ی DeepSeek-R1: ارتقای توانایی استدلال در مدل‌های زبانی بزرگ با یادگیری تقویتی که توسط تیم #DeepSeek ارائه شده، بازتاب گسترده‌ای در جامعه‌ی هوش مصنوعی داشته است. 🔥🤖 این پژوهش بر بهبود قابلیت استدلال مدل‌های زبانی بزرگ (LLMs) از طریق یادگیری تقویتی تمرکز دارد. نویسندگان در این کار، چارچوبی نوآورانه به نام DeepSeek-R1 معرفی کرده‌اند که با ایجاد مشوق‌هایی برای فرآیندهای منطقی در حین آموزش، به افزایش توانایی‌های استدلالی LLMها کمک می‌کند. این روش، مدل‌های زبانی را از صرفاً پردازش متن فراتر برده و آن‌ها را قادر می‌سازد تا روش‌های استدلالی پیچیده‌تری را توسعه دهند، که این امر می‌تواند عملکردشان را در طیف وسیعی از کاربردهای پیشرفته بهبود ببخشد. 🚀📚 این رویکرد، بحث‌های فراوانی را در میان پژوهشگران و متخصصان برانگیخته، اما بی‌شک دریچه‌ای تازه به سوی پیشرفت‌های آینده در این حوزه گشوده است. 🌟🔍 Paper:https://arxiv.org/abs/2501.12948 #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer