🔬 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

AI Engineer Roadmap 2025

⭐️ این آموزش ویدیویی شامل موارد زیر است:
- What is AI Engineering
- AI Engineering Applications
- Must-Have Skills for an AI Engineer
- Mathematical Foundations
- Statistics Essentials
- Data Science Skills
- Traditional Machine Learning
- Deep Learning Foundations
- Practical Implementation in Python
- Generative AI Fundamentals
- Large Language Models (LLMs)
- Fine-tuning Large Language Models
- Reinforcement Learning with Human Feedback (RLHF)
- Retrieval-Augmented Generation (RAG)
- Evaluating & Optimizing LLMs
- AI Engineering Ethics & Safety
- Additional Resources & Career Paths

https://www.youtube.com/watch?v=nYXVvK-Wmn0

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🔹 معرفی OpenRouter 🔹

اگر به دنبال یک راه عالی برای مقایسه و رتبه‌بندی مدل‌های زبان بزرگ (LLM) هستید، سایت OpenRouter گزینه‌ی فوق‌العاده‌ای است! 🚀

🔍 این پلتفرم رتبه‌بندی مدل‌های مختلف را براساس عملکرد و کیفیت آن‌ها ارائه می‌دهد و به شما کمک می‌کند تا بهترین مدل را برای نیازهای خود انتخاب کنید.

📊 از مقایسه‌ی مدل‌های قدرتمند گرفته تا بررسی قابلیت‌های API، همه‌چیز در OpenRouter در دسترس شماست!
https://openrouter.ai/rankings

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🔹 Mistral Small 3 🔹

مدل Mistral Small 3 یک LLM سبک و بهینه از Mistral AI است که برای پردازش زبان طبیعی با سرعت و دقت بالا طراحی شده است. 🚀

💡 این مدل برای چت‌بات‌ها، تکمیل متن و کاربردهای AI بسیار مناسب است.

🔗 جزئیات بیشتر:
https://mistral.ai/en/news/mistral-small-3

تست مدل:https://chat.mistral.ai/chat

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

بهشت دیتاست ها

امروز آرشیو داده‌های data.gov رو روی Source Cooperative منتشر کردن.

این مجموعه 16 ترابایتی شامل بیش از 311,000 دیتاست هست که در سال‌های 2024 و 2025 جمع‌آوری شده، و یه آرشیو کامل از داده‌های عمومی فدرال هست که توسط data.gov لینک شدن.

این آرشیو به‌طور روزانه آپدیت میشه و داده‌های جدید به data.gov اضافه می‌شه.
لینک

@silicon_brain | از هوش مصنوعی عقب نمانید

وقتی از الگوریتم Dijkstra استفاده می کنی😂


#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📌 یادداشت‌های درسی یادگیری ماشین – MIT

PDF: https://introml.mit.edu/_static/spring24/LectureNotes/6_390_lecture_notes_spring24.pdf

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📚 مجموعه‌ای ارزشمند از بهترین منابع برای تحلیل شبکه
💡 دسترسی آسان از طریق وب‌سایت GitBook

https://github.com/briatte/awesome-network-analysis

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📄 Graph Data Management and Graph Machine Learning: Synergies and Opportunities

این مقاله‌ی مروری دیدگاهی جامع از هم‌افزایی میان مدیریت داده‌های گرافی و یادگیری ماشین بر پایه گراف ارائه می‌دهد و نشان می‌دهد که چگونه این دو حوزه به‌طور متقابل یکدیگر را تقویت می‌کنند و در کل زنجیره‌ی علم داده‌های گرافی و یادگیری ماشین در هم تنیده‌اند.

📎 Study the paper

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

💸 افزایش سهام علی‌بابا با تقویت همکاری با اپل!

اپل در چین حرکت‌های جدیدی انجام می‌دهد—و علی‌بابا از این فرصت بهره می‌برد. سهام این غول تجارت الکترونیک ۶.۷٪ جهش کرد و به ۱۱۱.۹۰ دلار هنگ‌کنگ (۱۴.۳۶ دلار آمریکا) رسید، که بزرگ‌ترین رشد آن از سپتامبر تاکنون محسوب می‌شود. 📈

🔍 چه چیزی این رشد را تحریک کرده است؟

🎥 اپل ویژگی‌های هوش مصنوعی Apple Intelligence خود را برای تأییدیه‌های نظارتی در چین ثبت کرده است—که با همکاری علی‌بابا توسعه یافته‌اند.
🎥 فرایند تأیید ممکن است ماه‌ها طول بکشد، اما بازار همین حالا واکنش نشان داده است.
🎥 اپل قبلاً با بایدو مذاکراتی داشت، اما پس از مواجهه با موانع، به‌جای آن به علی‌بابا روی آورد.

🤔 چرا این موضوع مهم است؟

در سه‌ماهه گذشته، درآمد اپل در چین ۱۱٪ کاهش داشت، که یکی از دلایل آن در دسترس نبودن Apple Intelligence در این منطقه بود. در همین حال، چت‌بات Qwen و مدل‌های پیشرفته هوش مصنوعی علی‌بابا، اکوسیستم تجارت الکترونیکی این شرکت را تقویت کرده‌اند—و حالا اپل به این فناوری نیاز دارد.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

سلام دوستان، امیدوارم حالتون عالی باشه!

حالا که دوران کارشناسی رو دارم به پایان می‌رسونم، دوست داشتم تجربه‌ای که توی این مسیر داشتم با شما به اشتراک بذارم، شاید بهتون کمک کنه.

خیلی از کسانی که وارد مهندسی کامپیوتر می‌شن، دو دسته دیدگاه دارن: یه عده می‌گن که فقط درس بخون، معدل بالا ببر و سمت کار نرو، چون دانشگاه مهم‌تره. از اون طرف، یه سری دیگه معتقدن که دانشگاه چیز خاصی یادت نمی‌ده و بهتره فقط وارد بازار کار بشی. اما از تجربه‌ی خودم می‌تونم بگم که هر دو این تفکرها اشتباهه.

بهترین مسیر اینه که بتونیم تعادل رو حفظ کنیم؛ یعنی هم مهارت‌های عملی رو از طریق کار توی حوزه‌ی خودمون یاد بگیریم، و هم دروس دانشگاهی رو جدی بگیریم. چون دانشگاه، پایه‌ی علمی و درک عمیق‌تری از مفاهیم بهمون می‌ده، در حالی که تجربه‌ی کاری، مهارت‌های عملی و بازار رو بهمون یاد می‌ده.

در کنار این‌ها، شبکه‌سازی با افراد متخصص، شرکت در پروژه‌های عملی، و یادگیری مداوم از منابع به‌روز، می‌تونه کمک کنه که هم مسیر آکادمیک خوبی داشته باشیم و هم توی بازار کار جایگاه بهتری پیدا کنیم. پس مهم‌ترین چیز، مدیریت زمان و برنامه‌ریزی هوشمندانه‌ست!

🧠🚀 مجموعه‌ای از پروژه‌های راهنمایی‌شده هوش مصنوعی و یادگیری ماشین با پایتون

اگر به دنبال پروژه‌های کاربردی و راهنمایی‌شده در زمینه هوش مصنوعی و یادگیری ماشین هستید، این مجموعه می‌تواند یک منبع عالی برای یادگیری و تمرین مهارت‌های شما باشد. پروژه‌ها شامل موضوعات متنوعی از پردازش تصویر، پردازش زبان طبیعی، پیش‌بینی داده‌ها و بسیاری موارد دیگر هستند.

Link: https://thecleverprogrammer.com/2024/10/11/ai-ml-projects-with-python/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🚨Elon Musk

"طبق گفته های ایلان ماسک Grok-3 به طرز ترسناکی باهوش است و از هر مدل منتشرشده‌ای که می‌شناسیم، عملکرد بهتری دارد."

- در واقع Grok-3 با استفاده از محاسبات گسترده و داده‌های مصنوعی آموزش دیده و دارای قابلیت‌های استدلالی قدرتمندی است.
- این مدل احتمالاً طی یک تا دو هفته آینده منتشر خواهد شد.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🤔 اگر هنوز مکانیزم Attention در مدل‌های زبانی مبتنی بر Transformer را به‌خوبی متوجه نشده‌اید، نگران نباشید!

🎯 می‌توانید با شرکت در دوره رایگان "Attention in Transformers: Concepts and Code in PyTorch" که به‌تازگی منتشر شده است، این مفهوم کلیدی را به‌صورت عمیق و همراه با کدنویسی در PyTorch یاد بگیرید.

Enroll Free: https://www.deeplearning.ai/short-courses/attention-in-transformers-concepts-and-code-in-pytorch/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

FireRedASR: Open-Source Industrial-Grade
Mandarin Speech Recognition Models
from Encoder-Decoder to LLM Integration

این شکل معماری سه سیستم را نشان می‌دهد: FireRedASR-LLM، FireRedASR-AED و آداپتور.

FireRedASR-LLM:
یک مدل بزرگ زبانی (LLM) برای تبدیل گفتار به متن با استفاده از رمزگذار Conformer و رمزگشای ترانسفورمر.
FireRedASR-AED:
یک مدل تبدیل گفتار به متن دیگر با معماری مشابه، اما با آداپتور متفاوت.
آداپتور: ماژولی برای بهبود عملکرد مدل‌هایFireRedASR.


Paper: https://arxiv.org/pdf/2501.14350v1.pdf

Code: https://github.com/fireredteam/fireredasr

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

LLM4Decompile .

Github
Models
Paper
Colab

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🔺 چرا Grok 3 هر روز بهتر می‌شود؟

در واقع Grok 3 مانند مدل‌های قدیمی‌تر AI که به یک پایگاه داده ثابت وابسته‌اند، محدود نیست. معماری آن با به‌روزرسانی‌های مداوم کار می‌کند و داده‌های جدید از وب، پست‌های X و دیگر منابع را برای بهبود درک آن از جهان جذب می‌کند. از نظر فنی، این فرآیند توسط لوله‌های آموزشی زمان واقعی و الگوریتم‌های یادگیری تطبیقی هدایت می‌شود که وزن‌های عصبی آن را هنگام دریافت اطلاعات جدید تنظیم می‌کنند - بدون محدودیت‌های سخت‌گیرانه، فقط تکامل مداوم.

همچنین ابزارهای پیشرفته‌ای دارد: می‌تواند پروفایل‌های کاربران X را تجزیه و تحلیل کند، پست‌ها را بررسی کند و حتی محتوای آپلود شده مانند تصاویر یا فایل‌های PDF را پردازش کند، و از AI چندمدیاله برای استخراج معنا از ورودی‌های مختلف استفاده می‌کند. این سیستم به‌طور پویا وب یا X را جستجو می‌کند و داده‌ها را برای تیزتر کردن پاسخ‌هایش مقایسه می‌کند. این فقط رشد سطحی نیست - این یک سیستم است که برای تنظیم دقیق استدلال‌های خود، کاهش سوگیری‌ها و افزایش دقت در هر تعامل ساخته شده است.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🔥 معرفی GitIngest...

حالا می‌توانید هر مخزن GitHub را به متنی آماده برای پردازش توسط LLM تبدیل کنید!

کافیست در آدرس URL مخزن GitHub، کلمه "hub" را با "ingest" جایگزین کنید و متن آماده برای پردازش LLM را دریافت کنید.

بهترین بخش؟!

این ابزار 100٪ منبع باز است.

چرا این ابزار انقلابی است؟

• زمینه کد آسان: دریافت متن خلاصه شده از URL یا دایرکتوری یک مخزن Git
• فرمت‌بندی هوشمند: خروجی بهینه برای درخواست‌های LLM
• آمارهای مفید: اطلاعاتی در مورد ساختار فایل و دایرکتوری، اندازه خروجی و تعداد توکن‌ها
• ابزار خط فرمان (CLI): قابلیت اجرای آن به عنوان یک دستور شل
• پکیج پایتون: وارد کردن آن به کد خود برای استفاده راحت‌تر

Link:https://github.com/cyclotruc/gitingest

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🚀 پیشرفت LLM سریع‌تر از همیشه!

آنچه زمانی سال‌ها طول می‌کشید، حالا تنها در چند ماه اتفاق می‌افتد—مدل‌های هوش مصنوعی به طور شگفت‌انگیزی از معیارها عبور کرده و رکوردها را جابجا می‌کنند.

🔹 آزمون‌های اطلاعات عمومی و تریویا (مثل TriviaQA، MMLU) اکنون به دقت نزدیک به 100٪ رسیده‌اند؛ چرا که مدل‌ها به سرعت در حال حفظ دانش عمومی هستند.
🔹 ریاضیات و STEM (مثل GSM8K، GPQA، AIME) با سرعتی خیره‌کننده در حال پیشرفت هستند و در حال رسیدن به مسائل چالش‌برانگیز رقابتی‌ای هستند که به راحتی در دسترس AI قرار می‌گیرند.
🔹 منطق کدنویسی و استدلال‌های دنیای واقعی (مثل SWE، آخرین آزمون انسانیت) همچنان بزرگ‌ترین چالش‌ها محسوب می‌شوند، اما پیشرفت در این زمینه‌ها نیز با سرعت چشمگیری در حال شتاب است.


هوش مصنوعی در حال یادگیری سریع‌تر است، اما هنوز نمی‌توانم به آن برای انجام کارهای حساس با دقت بالا اعتماد کنم، چرا که ممکن است به اشتباهات بزرگ دچار شود. با این حال، پتانسیل خودکارسازی این سیستم‌ها غیرقابل انکار است.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

کدوم مدل زبانی برای فارسی بهتره؟

https://youtu.be/TT50SHdoSWg?si=SCy2UmhdYhLcbClE

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

چگونه یک استارتاپ راه‌اندازی کنیم (سم آلتمن، مدیرعامل OpenAI)

سخنرانی جالب از سم آلتمن در مورد چگونگی راه‌اندازی یک استارتاپ

https://www.youtube.com/watch?v=CBYhVcO4WgI&t=1311s

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer