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
🎓 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
Scikit-Learn MOOC - Inria Learning Lab

سادگی ساختار این دوره باعث می‌شود بتوانید در کوتاه‌ترین زمان ممکن حجم زیادی از مطالب را درک کنید.

🔹 کد
🔹 ویدیوهای یوتیوب
🔹 تمرین‌ها و راه‌حل‌های هر موضوع

https://inria.github.io/scikit-learn-mooc/toc.html

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
🔹 معرفی LM Studio

یک پلتفرم قدرتمند برای اجرای مدل‌های زبانی (LLM) به‌صورت محلی روی کامپیوتر است. این ابزار به کاربران اجازه می‌دهد بدون نیاز به اتصال به سرورهای ابری، مدل‌های زبانی مانند Llama، Mistral و Falcon را اجرا کنند.

ویژگی‌های LM Studio
اجرای مدل‌های LLM به‌صورت آفلاین
رابط کاربری ساده و کاربرپسند
پشتیبانی از مدل‌های مختلف (GGUF و سایر فرمت‌ها)
امکان انجام پرس‌وجوهای زبانی و پردازش متن بدون نیاز به اینترنت
قابل اجرا روی ویندوز، مک و لینوکس

https://lmstudio.ai/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
🚀 دیگه لازم نیست برای هر درخواست، کل وب رو بگردی!

با llm.txt generator می‌تونی کل محتوای یک وب‌سایت رو فقط در یک فایل متنی ذخیره کنی و به راحتی با مدل‌های زبانی (LLM) استفاده کنی. دیگه خبری از کپی‌پیست‌های خسته‌کننده و جمع‌آوری دستی اطلاعات نیست! 😎

چطور؟

1️⃣ وارد ابزار شوید: به لینکhttps://llmstxt.firecrawl.dev/
2️⃣ آدرس وب‌سایت خود را وارد کنید: URL وب‌سایت موردنظر را وارد کنید.
3️⃣ فایل را ایجاد کنید: روی دکمه "Generate" کلیک کنید و چند دقیقه منتظر بمانید تا ابزار سایت شما را پردازش کند.
4️⃣ فایل‌ها را دانلود کنید: پس از آماده شدن، فایل‌های llms.txt و llms-full.txt را دانلود کنید.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
RNN-LSTM - 2024.pdf
12 MB
📌 اسلایدهای تدریس‌شده درباره شبکه‌های عصبی بازگشتی (RNN) در دانشگاه شریف 🎓

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
This media is not supported in your browser
VIEW IN TELEGRAM
هوش مصنوعی چینی Manus به‌صورت ۲۴/۷ مدیریت ۵۰ حساب کاربری در شبکه‌های اجتماعی را بر عهده دارد! 🤯

طبق گفته های خودشون Manus ادعا می‌کند می‌تواند در عملکرد از قابلیت Deep Research شرکت OpenAI پیشی بگیرد. این مقایسه براساس بنچمارک GAIA انجام شده است که یک استاندارد معتبر در ارزیابی توانمندی‌های دستیاران هوش مصنوعی عمومی است.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
💡 اگر به یادگیری تقویتی، روش‌های بیزی و برنامه‌نویسی احتمالاتی علاقه‌مند هستید، این صفحه برای شماست!

در این وب‌سایت، مجموعه‌ای از کتاب‌ها، دوره‌ها و مقالات را گردآوری کرده‌ که اسمشون امیر عباس اسدی می باشد در این حوزه‌ها از آن‌ها استفاده کرده‌. این منابع برای کسانی که به یادگیری ماشین احتمالاتی، کنترل بهینه و استنتاج فعال علاقه دارند، مفید خواهد بود.

🔗 برای دسترسی به منابع، به لینک زیر مراجعه کنید:
https://bayesianrl.github.io/resources/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
💡 ۱۲ ساختار داده‌ای مهم که باید بشناسید!

1️⃣ آرایه (Array) – ذخیره داده‌ها در یک لیست پیوسته 🔢
2️⃣ لیست پیوندی (Linked List) – ساختاری متصل با اشاره‌گرها 🔗
3️⃣ پشته (Stack) – ساختار LIFO برای پردازش داده‌ها 📦
4️⃣ صف (Queue) – پردازش داده‌ها به ترتیب FIFO 🚶‍♂️➡️
5️⃣ ماتریس (Matrix) – آرایه دو بعدی برای ذخیره داده‌های جدولی 🔲
6️⃣ درخت (Tree) – ساختاری سلسله‌مراتبی برای نمایش داده‌ها 🌳
7️⃣ درخت جستجوی دودویی (BST) – درختی با ترتیب خاص برای جستجو 🔍
8️⃣ هیپ (Heap) – یک درخت دودویی کامل برای مدیریت اولویت‌ها 📊
9️⃣ هش مپ (HashMap) – ذخیره و بازیابی سریع داده‌ها با هشینگ ⚡️
🔟 درخت پیشوندی (Trie) – برای جستجوی کارآمد رشته‌ها 📖

1️⃣1️⃣ گراف (Graph) – نمایش روابط بین گره‌ها و ارتباطات 📡

2️⃣1️⃣ساختار Union-Find – ساختاری برای مدیریت مجموعه‌های جدا از هم ⚙️

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
🔹 مخزن Kaggle Solutions؛ گنجینه‌ای ارزشمند برای متخصصان داده و یادگیری ماشین 🔹

دکتر فرید رشیدی**، دارنده دکترای علوم کامپیوتر، یک مخزن فوق‌العاده به نام **Kaggle Solutions ایجاد کرده که می‌توان آن را گنجینه‌ای ارزشمند برای متخصصان علوم داده، مهندسان یادگیری ماشین و پژوهشگران این حوزه دانست.

📌 این مخزن شامل راه‌حل‌های برتر و کدهای باکیفیت از چالش‌های مختلف Kaggle است و می‌تواند به‌عنوان یک منبع عالی برای یادگیری تکنیک‌های پیشرفته، بهینه‌سازی مدل‌ها و بهبود عملکرد الگوریتم‌ها مورد استفاده قرار گیرد.

🔥 اگر در مسیر یادگیری ماشین و علوم داده فعالیت می‌کنید، این مخزن را از دست ندهید!
https://farid.one/kaggle-solutions/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
🔹 سال ۲۰۲۵؛ دوران مدل‌های مفهومی بزرگ (LCM) به جای مدل‌های زبانی بزرگ (LLM) 🔹

متا از معماری جدیدی برای آینده‌ی مدل‌های زبانی بزرگ (LLM) پرده برداشته است:
🔷 مدل‌های مفهومی بزرگ (Large Concept Models - LCMs) 🔷

مدل‌های LCM با تکیه بر پایه‌های مستحکم LLMها، گامی بلند در درک و تولید متون انسان‌مانند برداشته‌اند.

🔍 چگونه کار می‌کنند؟

1️⃣ پردازش مفهومی
در واقع LCMها جملات را به‌عنوان مفاهیم یکتا رمزگذاری می‌کنند و این امکان را فراهم می‌آورند که درک عمیق‌تر و استدلال سطح بالا در پردازش متن صورت گیرد.

2️⃣ توکارهای SONAR
این روش‌های تعبیه‌سازی، ماهیت معنایی جملات را فراتر از سطح کلمات ثبت کرده و پردازش را از سطح لغات به سطح مفاهیم ارتقا می‌دهند.

3️⃣ فناوری‌های انتشار (Diffusion)
در واقع LCMها از تکنیک‌های انتشار برای پایدارسازی خروجی‌ها استفاده می‌کنند و در نتیجه، پاسخ‌هایی یکدست و قابل‌اعتمادتر ارائه می‌دهند.

4️⃣ روش‌های کمّی‌سازی (Quantization)
به‌کارگیری تکنیک‌های کمّی‌سازی در LCMها، موجب افزایش مقاومت مدل در برابر نوسانات جزئی و کاهش خطاهای پردازشی می‌شود.

5️⃣ ادغام چندرسانه‌ای (Multimodal Integration)
در واقع LCMها به‌صورت چندحالتی کار می‌کنند و علاوه بر متن، از ورودی‌هایی همچون صوت نیز پشتیبانی می‌کنند. این ویژگی، قابلیت درک چندزبانه و چندرسانه‌ای را برای این مدل‌ها فراهم می‌کند.

🔹 چه تفاوتی میان LCMها و LLMها وجود دارد؟

🔸 مدل‌های زبانی بزرگ (LLM)
پردازش در سطح توکن، یعنی پیش‌بینی کلمه یا زیرکلمه‌ی بعدی در دنباله‌ی متنی.
استفاده از معماری‌های مبتنی بر ترانسفورمر
برای پیش‌بینی توکن‌ها به‌صورت ترتیبی.
احتمال از دست دادن انسجام در متون طولانی به دلیل اتکای بیشتر به احتمالات آماری.

🔹 مدل‌های مفهومی بزرگ (LCM)
پردازش ورودی‌ها در سطح جمله یا مفهوم، با تمرکز بر درک معنایی گسترده‌تر.
بهره‌گیری از توکارهای SONAR برای نقشه‌برداری جملات در یک فضای معنایی غیرزبانی.
توانایی بالاتر در استدلال سلسله‌مراتبی و انتزاعی، که منجر به درک عمیق‌تر و دقیق‌تر از متن می‌شود.

📌 چرا LCMها پیشرفته‌تر و کارآمدترند؟
پردازش جملات به‌عنوان مفاهیم یکپارچه، نه فقط مجموعه‌ای از کلمات.
توانایی درک زمینه و مفهوم کلی متن، فراتر از درک کلمه‌به‌کلمه.
تولید خروجی‌های منسجم‌تر، طبیعی‌تر و مرتبط‌تر با زمینه‌ی گفتگو
.

🚀 در واقع LCMها انقلابی در پردازش زبان طبیعی هستند؛ آن‌ها نه‌تنها هوشمندترند، بلکه عمیق‌تر درک می‌کنند!

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
📣 سلام دوباره به همه‌ی همراهان عزیز کانال Algorithm Design & Data Structure!

🛠 بعد از مدتی دوری، برگشتم با انگیزه‌ای بیشتر برای ادامه‌ی مسیر یادگیری و به اشتراک‌گذاری مطالب مفید در زمینه‌ی هوش مصنوعی، طراحی الگوریتم و ساختار داده‌ها.
تو این مدت مشغول تحقیق، یادگیری و آماده‌سازی محتوای باکیفیت‌تری بودم تا دوباره با قدرت فعالیت کانال رو ادامه بدم.

از این به بعد قراره مطالبی مثل:

آموزش مفاهیم پیشرفته الگوریتم و دیتا استراکچر

پروژه‌های هوش مصنوعی و کدهای کاربردی

معرفی مقالات به‌روز و کاربردی


👨🏻‍💻 اگر دنبال یادگیری عمیق، مفید و منظم هستی، اینجا جای درستیه!
ممنون که هنوز با منی 🙌
📚 اگه دنبال یک منبع عالی و رایگان برای یادگیری عمیق (Deep Learning) هستی...


این سایت با عنوان "Dive into Deep Learning" یا همون "شیرجه‌ای در یادگیری عمیق" شناخته می‌شه و یکی از بهترین منابع آزاد دنیاست که یادگیری مفاهیم پیچیده‌ی دیپ‌لرنینگ رو به زبان ساده، مرحله به مرحله و همراه با کدنویسی واقعی آموزش می‌ ده.

https://d2l.ai/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
AGENTIC_RETRIEVAL_AUGMENTED_GENERATION:_A_SURVEY_ON_AGENTIC_RAG.pdf
13.6 MB
Agentic RAG:

این مقاله با عنوان "Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG" به بررسی تحول مهمی در معماری RAG می‌پردازه؛ جایی که مدل زبانی فقط پاسخ‌دهنده نیست، بلکه مثل یک عامل فعال (agent) فکر و جست‌وجو می‌کنه.

🔍 نویسندگان مقاله به‌صورت گام‌به‌گام از ساده‌ترین مدل‌های RAG شروع می‌کنن و تا پیشرفته‌ترین و هوشمندترین ساختارهای Agentic RAG رو معرفی و مقایسه می‌کنن.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
با یه حرکت ساده می‌تونی صاحب اکانت Gemini Pro بشی، اونم با:

اعتبار ۱۰۰ دلاری
۱۵ ماه دسترسی رایگان
و ۲ ترابایت فضای ابری Google Drive

🖥 کافیه با IP آمریکا بری سراغ لینک زیر:
🔗 https://one.google.com/join/ai-student

روی گزینه Get student offer بزن، مراحل رو درست برو، و بعدش توی اپ یا سایت Gemini حالت Pro رو فعال می‌بینی! 😎

اگه از مرورگر استفاده می‌کنی، می‌تونی از یه Free vpn استفاده کنی.

اگه با گوشی اندروید هستی، اپلیکیشن independent dvpn گزینه خوبیه.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
🔥 دنبال پرامپت‌های آماده برای کار با هوش مصنوعی هستی؟
📌 سایت prompts.chat کلی پرامپت کاربردی و دسته‌بندی‌شده داره که کمکت می‌کنه بهتر از ChatGPT استفاده کنی.
حتماً یه سر بزن! 😉


#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer