مخزن GitHub “Free AI Resources” توسط mrsaeeddev، مجموعه‌ای بی‌نظیر از منابع آموزشی کاملاً رایگان است که برای همه، از مبتدی تا حرفه‌ای، مناسب است.

🔑 موضوعات کلیدی این مخزن:

🎓 دوره‌های رایگان AI، ML، Deep Learning و NLP از دانشگاه‌ها و پلتفرم‌های برتر (استنفورد، گوگل، IBM، Udacity، هاروارد)
📐 مبانی ریاضی برای AI و علم داده
🏆 پروژه‌ها و مسابقات رایگان Machine Learning و Data Science (Kaggle، Zindi، CodaLab، AIcrowd)
📊 مخازن داده‌ها (UCI، TensorFlow، Microsoft Open Data، Google Dataset Search)
🔬 تحقیقات AI در شرکت‌های فناوری پیشرو (گوگل، DeepMind، تسلا، مایکروسافت، آمازون)
💻 منابع توسعه‌دهندگان و پژوهشگران برای ساخت ابزارهای AI
📺 کانال‌ها و وبلاگ‌های محبوب AI برای یادگیری مستمر
🌍 تابلوهای شغلی و جامعه‌های AI برای فرصت‌های جهانی
📚 چیت‌شیت‌های جامع AI برای یادگیری سریع و مرور

https://github.com/mrsaeeddev/free-ai-resources

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructue

🎓 Graph Representation Learning

https://etd.ohiolink.edu/acprod/odb_etd/ws/send_file/send?accession=bgsu1750685783989036&disposition=inline

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructue

فهرست گسترده‌ای از منابع برای تمرین Data Science

این مجموعه شامل کتابخانه‌های پایتون، لینک به آموزش‌ها و مثال‌های کد برای حل مسائل Data Science است.

https://github.com/r0f1/datascience

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructue

🔹 آغاز تحول: Vision Transformer (ViT) — سال ۲۰۲۰

تا قبل از سال ۲۰۲۰، بیشتر مدل‌های بینایی بر پایه‌ی CNNها بودند؛ مثل ResNet و EfficientNet.
اما در مقاله‌ای از تیم Google Research (Dosovitskiy et al., 2020) ایده‌ای کاملاً متفاوت مطرح شد:
«اگر تصویر را مثل متن تکه‌تکه کنیم، می‌توانیم از Transformer به جای CNN استفاده کنیم!» 💡

🔸 ایده‌ی اصلی ViT

📦 در ViT، تصویر به بخش‌های کوچک به نام Patch تقسیم می‌شود (مثلاً 16×16 پیکسل).
هر patch مثل یک “کلمه” در جمله در نظر گرفته می‌شود.
سپس با Flatten + Linear Projection تبدیل به یک بردار ویژگی می‌گردد.

🔁 این توکن‌ها (patch embeddings) همراه با Positional Encoding به Encoder ترنسفورمر داده می‌شوند تا ارتباط میان بخش‌های مختلف تصویر را یاد بگیرد.

به زبان ساده:

در واقع Transformer یاد می‌گیرد که کدام بخش‌های تصویر به هم مرتبط‌اند، بدون نیاز به فیلترهای مکانی CNN.

اطلاع بیشتر:
An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructue

⚡️ یادگیری ماشین گراف (Graph Machine Learning)

📘 دوره‌ی پیشرفته‌ی رایگان درباره‌ی یادگیری ماشین روی گراف‌ها.

این دوره به‌صورت منظم با مسائل عملی و اسلایدهای آموزشی به‌روزرسانی می‌شود.
👨‍🏫 نویسنده‌ی دوره، پروفسور Xavier Bresson، استاد دانشگاه ملی سنگاپور (National University of Singapore) است.

▪️ Introduction

▪️ Dive into graphs

Running instructions: https://storage.googleapis.com/xavierbresson/lectures/CS6208/running_notebooks.pdf

💡 Github

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructue

🔥 فهرستی گردآوری‌شده از مدل‌های زبانی بزرگ (LLM)

مجموعه‌ای منظم از مقالات، مدل‌ها، APIها، نمونه‌کدها، دوره‌ها و دیتاست‌ها که به مدل‌های زبانی بزرگ اختصاص دارد.

.• Github

سایر ریپازیتوری‌های تخصصی و ارزشمند که به مدل‌های زبانی بزرگ (LLM) اختصاص دارند:
• Awesome-LLM-hallucination
• Awesome-hallucination-detection
• Awesome ChatGPT Prompts
• Awesome ChatGPT
• Awesome Deliberative Prompting
• Instruction-Tuning-Papers
• LLM Reading List
• Reasoning using Language Models
• Chain-of-Thought Hub
• Awesome GPT
• Awesome GPT-3
• Awesome LLM Human Preference Datasets
• RWKV-howto
• ModelEditingPapers
• Awesome LLM Security
• Awesome-Code-LLM
• Awesome-LLM-Compression
• Awesome-LLM-Systems
• Awesome-LLM-Healthcare
• Awesome-LLM-Inference
• Awesome-LLM-3D
• LLMDatahub
• Language models for Russian language

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructue

🎓 ۹ دوره‌ی رایگان یادگیری ماشین استنفورد

1️⃣ دوره جامع هوش مصنوعی

2️⃣ دوره مقدمه‌ای بر یادگیری ماشین

3️⃣ دوره یادگیری ماشین

4️⃣ دوره تئوری یادگیری ماشین

5️⃣ دوره یادگیری ماشین با گراف‌ها

6️⃣ دوره درک و پردازش زبان طبیعی

7️⃣ دوره NLP با یادگیری عمیق

8️⃣ دوره جامع یادگیری عمیق

9️⃣ دوره جامع یادگیری تقویتی

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructue

🚀 Nanobrowser — مرور هوشمند وب با هوش مصنوعی

یه ابزار متن‌باز و هوشمنده که به‌صورت افزونه در مرورگر نصب می‌شه و می‌تونه کارهای وبی رو فقط با دستور زبانی انجام بده
مثل:
خلاصه‌کردن خبرها
پیدا کردن پروژه‌های برتر GitHub
جست‌وجوی محصولات با ویژگی دلخواه

برخلاف ابزارهای ابری، همه‌چیز به‌صورت محلی و امن روی دستگاه شما اجرا می‌شه

✅ پشتیبانی از چندین مدل LLM (GPT-4, Claude, Gemini, Ollama و …)
✅ رابط کاربری ساده و قابل تنظیم
✅ کاملاً متن‌باز و رایگان

https://github.com/nanobrowser/nanobrowser

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructue

مدل Nano Banana Pro رسماً معرفی شد 🚀✨

این‌بار Google/DeepMind یک مدل تصویری تازه رو کرده که تمرکزش روی ساخت و ویرایش عکس‌هایی با دقت و کنترل بسیار بالاست. Nano Banana Pro نسخه‌ی جدید خانواده‌ی Gemini 3 Pro Image محسوب می‌شود و نسبت به نسل قبلی، هم در فهم محتوای بصری قوی‌تر شده و هم در تولید جزئیات ظریف، جهش چشم‌گیری دارد.

📌 ویژگی شاخص:
توانایی رندر کردن متن داخل تصویر بدون هیچ‌گونه کج‌وکوله شدن یا خراب شدن فونت! یعنی برای طراحی پوستر، ساخت صفحات محصول، تولید چارت‌ها و طرح‌های رسمی، خروجی تمیز و خوانا تحویل می‌دهد.

از طرفی هم کنترل‌های دقیق‌تری روی صحنه بهت می‌دهد: از نورپردازی و زاویه‌ی دوربین گرفته تا نوع چینش عناصر و انتخاب سبک هنری هر چیزی دقیق و قابل تنظیم.

https://deepmind.google/models/gemini-image/pro/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructue

اگر دنبال یک Roadmap کامل برای شروع مهندسی هوش مصنوعی هستی، این ریپوی رایگان دقیقاً همون چیزیه که قدم‌به‌قدم همراهت می‌شه.

شامل: دوره‌ها، ویدیوهای یوتیوب، و بلاگ‌پست‌هایی که برای یادگیری خودآموز موضوعات کلیدی لازم داری:

⚫️ ریاضیات یادگیری ماشین
⚫️ یادگیری ماشین و بینایی کامپیوتری
⚫️ شبکه‌های عصبی عمیق
⚫️ هوش مصنوعی مولد (Gen AI) و RAGI
⚫️یادگیری تقویتی (Reinforcement Learning)

https://github.com/aadi1011/AI-ML-Roadmap-from-scratch

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructue

𝐑𝐞𝐢𝐧𝐟𝐨𝐫𝐜𝐞𝐦𝐞𝐧𝐭 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐟𝐫𝐨𝐦 𝐇𝐮𝐦𝐚𝐧 𝐅𝐞𝐞𝐝𝐛𝐚𝐜𝐤 (𝐬𝐡𝐨𝐫𝐭 𝐛𝐨𝐨𝐤)

🚀 مقدمه‌ای کوتاه و کاربردی درباره RLHF و فرایند Post-Training در مدل‌های زبانی

اگر می‌خواید بدانید مدل‌های زبانی مثل ChatGPT چطور «رفتار»، «شخصیت» و «قواعد پاسخ‌دهی» پیدا می‌کنند، این ساختار یکی از بهترین مسیرهای یادگیریه.

https://rlhfbook.com/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructue

🧰 LM Engineer Toolkit

اگر در حوزه LLM کار می‌کنید، این مخزن یکی از کامل‌ترین و ارزشمندترین منابعیه که می‌تونه سرعت توسعه و کیفیت پروژه‌هاتون رو چند برابر کنه.

شامل یک لیست گردآوری‌شده از بیش از ۱۲۰ کتابخانه کاربردی در حوزه مدل‌های زبانیه؛ کاملاً دسته‌بندی‌شده و قابل استفاده برای انتخاب بهترین ابزارها در هر مرحله از توسعه.

🔥 دسته‌بندی‌های موجود در این Toolkit

LLM Training
LLM Application Development
LLM RAG
LLM Inference
LLM Serving
LLM Data Extraction
LLM Data Generation
LLM Agents
Others

https://github.com/KalyanKS-NLP/llm-engineer-toolkit

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructue