🎓 Graph Representation Learning
https://etd.ohiolink.edu/acprod/odb_etd/ws/send_file/send?accession=bgsu1750685783989036&disposition=inline
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue
https://etd.ohiolink.edu/acprod/odb_etd/ws/send_file/send?accession=bgsu1750685783989036&disposition=inline
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue
👍1
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
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
🙏3
🔹 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
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
👍3
⚡️ 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
📘 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
👍3
This media is not supported in your browser
VIEW IN TELEGRAM
🔥 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
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
🔥6
🎓 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
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
🎉6
🚀 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
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
👌5
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
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
🔥1
🌟 کتاب رایگان Dive into Deep Learning
این کتاب ۱۱۰۸ صفحهای یکی از جامعترین منابع در حوزهی یادگیری ماشین و Deep Learning است که پیادهسازی الگوریتمها را با استفاده از PyTorch, NumPy/MXNet, JAX و TensorFlow بهصورت عملی آموزش میدهد.
Dive into Deep Learning
PDF
GitHub with code for the book
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue
این کتاب ۱۱۰۸ صفحهای یکی از جامعترین منابع در حوزهی یادگیری ماشین و Deep Learning است که پیادهسازی الگوریتمها را با استفاده از PyTorch, NumPy/MXNet, JAX و TensorFlow بهصورت عملی آموزش میدهد.
Dive into Deep Learning
GitHub with code for the book
#هوش_مصنوعی
📣👨💻 @AlgorithmDesign_DataStructue
🙏2🔥1👌1
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
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
🙏2👌2💯1