Algorithm design & data structure
6.59K subscribers
882 photos
141 videos
174 files
481 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
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
🙏4
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
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
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
🙏5👍1🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
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
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
🙏2
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
🙏3
🎯 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
👍4
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
🙏2
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
👍3👨‍💻1
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
👍5
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
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
🎉 با GraphRAG توی Graphlit می‌تونید از محتوای خودتون گراف دانش بسازید و موجودیت‌ها رو با ویکی‌پدیا کامل کنید.

اینطوری می‌تونید به RAG خودتون اطلاعات زمینه‌ای دقیق‌تر اضافه کنید.

https://www.graphlit.com/blog/graphrag-using-knowledge-in-unstructured-data-to-build-apps-with-llms

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
یه مدل جدید اومده به اسم HRM که قراره استدلال هوش مصنوعی رو شبیه مغز آدم‌ها کنه!

مدل‌های قبلی مثل GPT برای فکر کردن باید کلی مرحله زنجیره‌وار (CoT) انجام بدن، کند و پرخرج. ولی این HRM با یه طراحی ساده و شبیه مغز، همزمان هم برنامه‌ریزی می‌کنه هم اجرا، اونم تو یه حرکت سریع!

جالبه با فقط ۲۷ میلیون پارامتر و هزار تا نمونه، راحت کارای سخت مثل سودوکو و پیدا کردن مسیر رو بهتر از مدل‌های بزرگ انجام می‌ده!

https://arxiv.org/pdf/2506.21734

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
ایده پروژه با PyTorch:

تشخیص بیماری‌های پنبه با یادگیری عمیق (Deep Learning) با استفاده از PyTorch 🌿🩺

https://www.youtube.com/watch?si=62aPqJ2IyCAA1sJ8&v=Yj-lHSfovw4&feature=youtu.be

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
🙏4
"وب‌سایت وزارت راه و شهرسازی در حد یه تصویر ساده خلاصه شده!"

https://mrud.ir/

📣👨‍💻 @AlgorithmDesign_DataStructuer
🤣8🤔1
یکی از دوستان زحمت کشیدن و یه مجموعه‌ی کامل شامل بیش از ۱۵ دوره کاربردی مثل آموزش پایتون، پروژه‌محور کار کردن با پایتون، گیت، ماشین لرنینگ، پردازش داده، آمار و احتمال و… رو تو قالب مجموعه‌ای به اسم پایتوپیا آماده کردن. جالب‌تر این‌که تو اون روزهایی که جنگ شده بود و دسترسی سخت بود، این مجموعه رو کاملاً رایگان در اختیار همه گذاشتن.

https://www.youtube.com/@Pytopia

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
👏5👍2🙏1👌1
راهنمای جامع مهندسی پرامپت (Prompt Engineering)

مهندسی پرامپت یه مهارت مهم برای استفاده مؤثر از مدل‌های زبانی مثل LLMهاست. با این مهارت می‌تونید توانایی مدل‌ها رو بالا ببرید، محدودیت‌هاش رو بشناسید و حتی ابزار یا دانش تخصصی بهش اضافه کنید.

https://www.promptingguide.ai/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
👌3