Algorithm design & data structureچ

کتاب رایگان و فوق‌العاده جبر خطی تعاملی نوشته Dan Margalit و Joseph Rabinoff https://personal.math.ubc.ca/~tbjw/ila/ila.pdf #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

MCP یک فرمت فایل باز برای ساخت ایجنت‌های هوش مصنوعی با حافظه است که همه چیز مثل پرامپت‌ها، حافظه، تنظیمات ابزار و مدل را در یک فایل جمع می‌کند. https://github.com/letta-ai/agent-file #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

⭐️  دوره جامع هوش مصنوعی، علم داده و یادگیری ماشین  👤مخاطبان دوره: ✔️ دانشجویان و فارغ التحصیلان کلیه رشته‌های تحصیلی ✔️علاقمندان علم داده و تحلیل‌گری داده ✔️ علاقمندان به حوزه‌های هوش مصنوعی و یادگیری ماشین 👤 مدرس: دکتر فرزاد مینویی 💥فارغ‌التحصیل دکتری مدیریت از دانشگاه کلورادو آمریکا 🚀 موسسه توسعه 💢  مشاوره رایگان و مشاهده جزئیات دوره:👇 ➕ httb.ir/BRsOq ➕ httb.ir/BRsOq ➕ httb.ir/BRsOq 🟣🟣🟣🟣

📊 دوره تخصصی «مدیریت پورتفو داده‌محور (با تمرکز بر بازار آپشن) 🟢 مناسب ورود به بازار کار تحلیل مالی در #ایران 🟢 قابل ارائه در مسیر #مهاجرت شغلی یا تحصیلی به #اروپا، #کانادا و #استرالیا 👨‍💻 آموزش آنلاین، پروژه‌محور با داده‌های واقعی بازار سرمایه ایران ⭐️ مخاطبان: ⏺️ علاقه‌مندان به بازار مالی و معاملات آپشن ⏺️ برنامه‌نویس‌ها و دانشجویان مهندسی، مدیریت، اقتصاد ⏺️ تحلیل‌گران داده، فین‌تکی‌ها و علاقه‌مندان به الگوتریدینگ 🏛 موسسه توسعه 💢 مشاوره رایگان و مشاهده جزئیات دوره👇 ➕ httb.ir/kTj3J ➕ httb.ir/kTj3J ➕ httb.ir/kTj3J ⬆️⬆️⬆️⬆️

تا حالا فکر کردی که مدل زبانی بزرگ (LLM) از درون واقعاً چه شکلیه؟ این تصویرسازی واقعاً محو‌کننده و جذابه. https://bbycroft.net/llm #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

این مخزن گیت‌هاب به‌معنای واقعی شامل بیش از ۷۵ آموزش درباره عوامل هوش مصنوعی (AI Agents)، چارچوب MCP، RAG، عوامل صوتی (Voice Agents) و تیم‌های چندعاملی (Multi-agent teams) است. https://github.com/Shubhamsaboo/awesome-llm-apps/ #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

یکی از دوستان کتابی درباره Retrieval Augmented Generation (RAG) منتشر کردن که واقعاً مفیده. توی این کتاب توضیح داده شده که RAG چطور کار می‌کنه و چه نقشی توی مدل‌های زبانی بزرگ (LLM) داره، به همراه مباحث پیشرفته و کد عملی. https://mallahyari.github.io/rag-ebook/ #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🎯 دوره‌ی فوق‌العاده برای کسی که می‌خواد مدل‌های زبانی رو از صفر بسازه! Language Models from Scratch یه دوره‌ی خیلی خفن که قدم‌به‌قدم نشون می‌ده چطور می‌تونی خودت مدل زبانی رو از پایه طراحی و پیاده‌سازی کنی. 📌 پیشنهاد می‌کنم اگر توسعه‌دهنده‌ی هوش مصنوعی هستی یا دنبال یادگیری عمیق‌تر تو این حوزه‌ای، حتماً این دوره رو بوکمارک کن. سرفصل‌ها: Overview and Tokenization - PyTorch - Architectures and Hyperparameters - Mixture of Experts - GPUs - Kernels and Triton - Parallelism - Scaling Laws - Inference - Evaluation - Data - SFT and RLHF https://www.youtube.com/playlist?list=PLoROMvodv4rOY23Y0BoGoBGgQ1zmU_MT_ #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

مایکروسافت یه دوره رایگان برای مبتدی‌ها آماده کرده که خیلی ساده و پروژه‌محور پیش می‌ره. ✅ توی این دوره یاد می‌گیری: 🔹 ساختار و منطق پشت مدل‌های زبانی بزرگ (LLM) 🔹 کار با API‌های OpenAI و Azure توی پروژه‌های واقعی 🔹 ساخت قابلیت‌های هوش مصنوعی مولد داخل وب‌اپلیکیشن‌ها با Python و TypeScript https://github.com/microsoft/generative-ai-for-beginners/tree/main?WT.mc_id=academic-105485-koreyst #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

یه اسکریپت خیلی ساده که می‌تونی باهاش توی ترمینال مستقیماً به Gemini متصل بشی. https://github.com/AmiraliToori/GeminiSH #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

برای یادگیری ریاضیات، این بهترین کانال است. کاملاً مناسب برای مبتدیان. The Channel: ProfRobBob ❯ Algebra https://youtube.com/playlist?list=PLGbL7EvScmU7ZqJW4HumYdDYv12Wt3yOk ❯ Calculus https://youtube.com/playlist?list=PL67C119EDA6BDE946 ❯ Geometry https://youtube.com/playlist?list=PL668AB35C6885A036 ❯ Trigonometry https://youtube.com/playlist?list=PL085526F86A268B57 ❯ Statistics https://youtube.com/playlist?list=PLC8478000586FA6F9 ❯ Vector Math https://youtube.com/playlist?list=PLGbL7EvScmU65gODlS0IWZLRgnfcqx1lm ❯ Linear Algebra https://youtube.com/playlist?list=PLGbL7EvScmU4yeJjKaSrp2R7DN6czOV2y #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

دوره LLM دوره‌ای برای ورود به دنیای مدل‌های زبانی بزرگ (LLMها) همراه با نقشه‌های راه و نوت‌بوک‌های عملی در Google Colab. 🚀 https://github.com/mlabonne/llm-course #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

حالا می‌تونیم مدل‌های دیفیوژن رو در زمان استنتاج (Inference Time) هدایت کنیم! 🚀 معرفی Diffusion Tree Sampling یا DTS: یک روش مبتنی بر جستجو که از ایده‌ی Monte Carlo Tree Search الهام گرفته و فرآیند استنتاج را به یک بهینه‌سازی هدایت‌شده توسط پاداش (Reward-Guided Optimization) و قابل توقف در هر لحظه (Anytime) تبدیل می‌کند. Paper: https://arxiv.org/abs/2506.20701 Page: https://diffusion-tree-sampling.github.io #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

۲۱ پروژه پایتون ۹ ساعت پروژه‌های عملی پایتون، از سطح مبتدی تا پیشرفته. تمام پروژه‌ها منحصربه‌فرد هستند و به صورت دسته‌بندی‌شده در سه سطح «مبتدی - متوسط - پیشرفته» قرار دارند. https://www.youtube.com/watch?v=NpmFbWO6HPU #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

۷۴ صفحه که همه‌چی رو در مورد MCP پوشش می‌ده: مفاهیم پایه، مشکلاتی که MCP حل می‌کنه، معماری، ابزارها، پرامپت‌ها و ۱۱ پروژه عملی… همه توی یک‌جا جمع شده. https://drive.google.com/file/d/1a0OMR6NKTY-R2ZeLJVnDimkmTauarXPB/view #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

MLOps Pipeline Tutorial - YouTube viewer Sentiment 🔧 در این دوره یک پروژه کامل MLOps را از صفر تا صد پیاده‌سازی می‌کنید که هدف آن تحلیل احساسات کاربران یوتیوب است، آن هم با استفاده از یک افزونه کروم! ابزارها و تکنولوژی‌های مورد استفاده: ✅ MLflow ✅ DVC (نسخه‌بندی داده‌ها) ✅ Docker ✅ AWS (زیرساخت ابری) https://www.youtube.com/watch?v=gwNPV882tkc #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

یک کتاب کاملاً رایگان و مناسب مبتدیان یکی از بهترین کتاب‌ها درباره جبر خطی https://www.cs.ox.ac.uk/files/12921/book.pdf #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

یک مکانیزم جدید و بهبود یافته برای Attention به‌تازگی توسط MIT، انویدیا، پرینستون و سایر پژوهشگران معرفی شده است. ✅ مکانیزم جدید با نام Radial Attention یک روش Sparse (کم‌تراکم) و استاتیک برای Attention است که پیچیدگی محاسباتی آن O(n log n) می‌باشد. این روش تمرکز بیشتری روی توکن‌های نزدیک دارد و به‌مرور زمان پنجره توجه را کوچک‌تر می‌کند. علاوه بر این، Radial Attention می‌تواند با روش‌های LoRA برای فاین‌تیون کردن مدل‌های موجود نیز کار کند. همچنین محققان یک پدیده به نام کاهش انرژی فضازمان (Spatiotemporal Energy Decay) را در مدل‌های انتشار ویدیویی (Video Diffusion Models) شناسایی کرده‌اند. به این صورت که امتیازهای Attention پس از اعمال Softmax، هر چه فاصله مکانی یا زمانی بین توکن‌ها بیشتر شود، کاهش پیدا می‌کند؛ شبیه به افت انرژی یا سیگنال در طبیعت که با افزایش فاصله کاهش می‌یابد. Paper: https://arxiv.org/pdf/2506.19852v1.pdf Code: https://github.com/mit-han-lab/radial-attention #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

این عکس رو ایلان ماسک منتشر کرده! یه عدد اول با ۴۲۰ رقم که بیشترش از ۸ ساخته شده و چند تا ۱ بینش قاطی شده تا این عدد عجیب و جالب درست بشه. جالب‌تر اینکه لوگوی Grako هم گوشه تصویر هست، که خودش معروف به طراحی‌های خاص و ریاضی‌محوره! 🔢✨ ریاضی همیشه سورپرایز داره! 🚀 📣👨‍💻 @AlgorithmDesign_DataStructuer

۳۰ بلاگ برای یادگیری ۳۰ مفهوم طراحی سیستم: 1. APIs: https://blog.algomaster.io/p/whats-an-api 2. API Gateways: https://blog.algomaster.io/p/what-is-an-api-gateway 3. JWTs: https://blog.algomaster.io/p/json-web-tokens 4. Webhooks: https://blog.algomaster.io/p/what-are-webhooks 5. Load Balancing: https://blog.algomaster.io/p/load-balancing-algorithms-explained-with-code 6. Proxy vs Reverse Proxy: https://blog.algomaster.io/p/proxy-vs-reverse-proxy-explained 7. Scalability: https://blog.algomaster.io/p/scalability 8. Availability: https://blog.algomaster.io/p/system-design-what-is-availability 9. SPOF: https://blog.algomaster.io/p/system-design-how-to-avoid-single-point-of-failures 10. CAP Theorem: https://blog.algomaster.io/p/cap-theorem-explained 11. SQL vs NoSQL: https://blog.algomaster.io/p/sql-vs-nosql-7-key-differences 12. ACID Transactions: https://blog.algomaster.io/p/what-are-acid-transactions-in-databases 13. Database Indexes: https://blog.algomaster.io/p/a-detailed-guide-on-database-indexes 14. Database Sharding: https://blog.algomaster.io/p/what-is-database-sharding 15. Consistent Hashing: https://blog.algomaster.io/p/consistent-hashing-explained 16. CDC: https://blog.algomaster.io/p/change-data-capture-cdc 17. Caching: https://blog.algomaster.io/p/4d7d6f8a-6803-4c7b-85ca-864c87c2cbf2 18. Caching Strategies: https://blog.algomaster.io/p/top-5-caching-strategies-explained 19. Cache Eviction Policies: https://blog.algomaster.io/p/7-cache-eviction-strategies 20. CDN: https://blog.algomaster.io/p/content-delivery-networks 21. Rate Limiting Algorithms: https://blog.algomaster.io/p/rate-limiting-algorithms-explained-with-code 22. Message Queues: https://blog.algomaster.io/p/message-queues 23. Bloom Filters: https://blog.algomaster.io/p/bloom-filters 24. Idempotency: https://blog.algomaster.io/p/idempotency-in-distributed-systems 25. Concurrency vs Parallelism: https://blog.algomaster.io/p/concurrency-vs-parallelism 26. Stateful vs. Stateless Architecture: https://blog.algomaster.io/p/stateful-vs-stateless-architecture 27. Long Polling vs WebSockets: https://blog.algomaster.io/p/long-polling-vs-websockets 28. Batch vs Stream Processing: https://blog.algomaster.io/p/batch-processing-vs-stream-processing 29. Strong vs. Eventual Consistency: https://blog.algomaster.io/p/strong-vs-eventual-consistency 30. REST vs GraphQL: https://blog.algomaster.io/p/rest-vs-graphql 📣👨‍💻 @AlgorithmDesign_DataStructuer