Algorithm design & data structure
6.44K subscribers
820 photos
139 videos
174 files
417 links
این کانال برای تمامی علاقه‌مندان به کامپیوتر، مخصوصاً حوزه ساختمان داده‌ها و الگوریتم‌ها، مفید می باشد. آشنایی با ریاضیات مقدماتی، برنامه‌نویسی مقدماتی و پیشرفته و همچنین شی‌گرایی می‌تواند در درک بهتر مفاهیم این درس کمک‌ کند.

👨‍💻Admin👉 @Se_mohamad
Download Telegram
🧠🚀 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
This media is not supported in your browser
VIEW IN TELEGRAM
🚨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
🔺 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
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
🔔 به‌زودی ممکن است OpenAI یک ابزار جدید برای تولید تصویر در ChatGPT معرفی کند!

🖼 ویژگی‌های احتمالی این ابزار:

1️⃣شامل یک مرحله‌ی "تفکر" قبل از تولید تصویر است
2️⃣امکان تولید تصویر در چندین مرحله را دارد
3️⃣احتمالاً دو حالت خواهد داشت: حالت استاندارد و حالت XL برای خروجی‌های دقیق‌تر
4️⃣ممکن است حدود ۳۰ ثانیه یا بیشتر طول بکشد تا تصویر نهایی ایجاد شود.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
🔥 حالا می‌تونی عامل‌های هوش مصنوعی رو مستقیماً روی ترمینال خودت اجرا کنی!

gptme:
اجرای کد، ویرایش فایل‌ها، جستجوی وب و افزودن اطلاعات با RAG – همه از داخل ترمینال!

ویژگی‌های کلیدی:
💻 اجرای کد به‌صورت محلی با ابزارهای Shell و Python
🧩 خواندن، نوشتن و ویرایش فایل‌ها به‌صورت افزایشی
🌐 جستجو و مرور وب با Playwright
👀 درک تصاویر، اسکرین‌شات‌های دسکتاپ و صفحات وب
🔄 خوداصلاحی: بهبود پاسخ‌ها با تحلیل خروجی خودش
🤖 پشتیبانی از OpenAI، Anthropic، OpenRouter و Llama.cpp
💻 کنترل کامل رایانه: تعامل با اپلیکیشن‌های GUI
🤖 عامل‌های پایدار: ایجاد عامل‌های بلندمدت با معماری‌های سفارشی


💯 کاملاً متن‌باز است! 🚀

https://github.com/ErikBjare/gptme

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
تکنیک پومودورو:

این تکنیک مدیریت زمان شامل ۲۵ دقیقه کار متمرکز، سپس ۵ دقیقه استراحت است.

🔄 بعد از چهار چرخه، یک استراحت طولانی‌تر (۱۵ تا ۳۰ دقیقه‌ای) داشته باشید.

این روش به شما کمک می‌کند تا تمرکز بیشتری داشته باشید و از فرسودگی ذهنی جلوگیری کنید. 🚀


📣👨‍💻 @AlgorithmDesign_DataStructuer
🎓 ۱۰ کانال یوتیوب درباره هوش مصنوعی که در ۲۰۲۵ بیشتر از یک مدرک دانشگاهی ۴ ساله به شما آموزش می‌دهند! 🚀

1️⃣ Andrej Karpathy
2️⃣3Blue1Brown
3️⃣Lex Fridman
4️⃣ Machine Learning Street Talk
5️⃣StatQuest with
6️⃣Serrano Academy with
7️⃣Jeremy Howard
8️⃣Hamel Husain
9️⃣Jason Liu
🔟Dave Ebbelaar

🎥 این کانال‌ها را دنبال کنید و در ۲۰۲۵، از هر برنامه درسی دانشگاهی جلوتر باشید! 🚀🔥

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
🎥 ویدئوهای درس یادگیری ماشین – دانشگاه صنعتی شریف


🔗 دسترسی به ویدئوها: https://www.sharifml.ir/videos/

📚 این دوره یکی از منابع ارزشمند برای علاقه‌مندان به یادگیری ماشین است! 🚀🎯

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
مقدمه‌ای بر Flow Matching و مدل‌های Diffusion

به نظر می‌رسد که اکنون زمان مناسبی برای یادگیری درباره‌ی مدل‌های Diffusion باشد.

این مجموعه از سخنرانی‌ها در این زمینه عالی به نظر می‌رسد.

https://diffusion.csail.mit.edu/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
طراحی الگوریتم.pdf
4.8 MB
📌 جزوه کامل طراحی الگوریتم از صفر تا صد – استاد قدسی، دانشگاه صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
👨‍💻 به یه Code Generator حرفه‌ای نیاز داری؟!

🔹سرویس OpenHands**یه ابزار هوشمند برای تولید کده که فقط با یه درخواست، ایده‌های تو رو به یه برنامه‌ی کامل و کاربردی تبدیل می‌کنه!

🚀 کاملاً رایگان!
فرصت رو از دست نده و امتحانش کن! 💡💻

https://github.com/All-Hands-AI/OpenHands?tab=readme-ov-file

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
Strang_Introduction_to_Linear_Algebra_%th_ed_250125_134410.pdf
64.2 MB
🔹 جبر خطی؛ یک درس کلیدی در هوش مصنوعی! 🔹

جبر خطی یکی از مفاهیم اساسی در هوش مصنوعی و یادگیری ماشین محسوب می‌شود. درک عمیق این درس می‌تواند در پیاده‌سازی الگوریتم‌های پیشرفته و بهینه‌سازی مدل‌ها نقش مهمی داشته باشد. 📚

اگر به دنبال یک منبع عالی برای یادگیری جبر خطی هستید، این کتاب فوق‌العاده را از دست ندهید! 🔥📖

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
💡 گنجینه‌ای از منابع کلیدی هوش مصنوعی!

اگه دنبال یه سایت عالی می‌گردید که لینک بهترین مقالات بینایی کامپیوتر، پردازش متن و صوت، سیستم‌های توصیه‌گر، یادگیری مولتی‌مودال و... رو به ترتیب سال براتون جمع‌آوری کرده، حتماً به این سایت سر بزنید! 🚀

اما این فقط شروع ماجراست! کلی لکچرنوت ارزشمند از کورس‌های معروف، منابع عالی درباره‌ی کتابخانه‌های هوش مصنوعی، لیستی از بلاگ‌ها، دوره‌ها و ویدیوهای یوتیوبی و کلی چیزای دیگه هم تو سایت پیدا می‌شه!

📌 پیشنهاد می‌کنم خودتون بررسی کنید، واقعاً محشره! 👇
🌐 https://aman.ai/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer