🚀 Sorting Algorithm Visualizer ✨📊

🤔 همیشه درک تفاوت الگوریتم‌های مرتب‌سازی مثل Bubble Sort و Quick Sort یا نحوه کار مرحله‌به‌مرحله Insertion Sort یه مقدار انتزاعی و سخت به نظر می‌رسه.

👨‍💻 با این وب اپلیکیشن تعاملی می‌تونید به‌صورت بصری ببینید هر الگوریتم دقیقاً چطور کار می‌کنه و تفاوت‌هاشون رو بهتر متوجه بشید.

🔗 GitHub Repo: https://github.com/hrnrxb/sorting_algo
🚀 Live Demo: https://ds-fall2025.github.io/sorting_algo/

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer

🚀 فریم‌ورک‌های LLM با سرعت زیادی در حال پیشرفت هستند!
اما واقعا کدومشون رو باید انتخاب کنیم؟ 🤔

اگر با هوش مصنوعی کار کرده باشید، حتما اسم این‌ها به گوشتون خورده:

🔹 LangGraph → مبتنی بر گراف، عالی برای اپ‌های چندعاملی با حالت‌های پیچیده
🔹 LangChain → دوست‌دار برنامه‌نویس، متمرکز روی زنجیره‌ها، ابزارها و حافظه
🔹 AutoGen → سیستم چندعاملی که ایجنت‌ها از طریق دیالوگ همکاری می‌کنن
🔹 CrewAI → هماهنگی نقش‌محور برای رسیدن ایجنت‌ها به اهداف مشترک

هر کدوم نقطه‌قوت خودش رو دارن، و انتخاب شما بستگی به نوع اپلیکیشنی داره که می‌سازید:

✅ نیاز به مدیریت حالت + منطق موازی → سراغ LangGraph برید
✅ دنبال جعبه‌ابزار توسعه‌دهنده با Prompt Chain هستید → LangChain بهترین گزینست
✅ روی گفت‌وگوهای خودکار ایجنت‌ها کار می‌کنید → AutoGen رو تست کنید
✅ در حال ساخت جریان‌کاری تیمی برای ایجنت‌ها هستید → CrewAI رو بررسی کنید

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📘 دوره COS 324 – مقدمه‌ای بر یادگیری ماشین
🏛 دانشگاه پرینستون

این وب‌سایت شامل یادداشت‌های درسی (Course Notes) برای درس Introduction to Machine Learning در دانشگاه پرینستون هست.

https://princeton-introml.github.io/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

مدجما (MedGemma) تازه‌ترین مدل پزشکی گوگل توی می ۲۰۲۵ه که این بار متن‌باز منتشر شده. یعنی پژوهشگرها و توسعه‌دهنده‌ها راحت می‌تونن دانلودش کنن، تست کنن یا حتی با داده‌های خودشون نسخه اختصاصی بسازن.

این مدل دو نسخه داره:
🧩 نسخه ۴ میلیارد پارامتری (4B) چندوجهیه و هم متن می‌فهمه هم تصویر پزشکی مثل رادیولوژی رو تحلیل می‌کنه.
📚 نسخه ۲۷ میلیارد پارامتری (27B) فقط متنیه اما خیلی دقیق‌تر عمل می‌کنه و برای تحلیل‌های تخصصی مناسبه.

مدجما روی داده‌های پزشکی آموزش دیده، توی آزمون‌ها مثل MedQA نتایج درخشانی گرفته و حتی از بعضی مدل‌های غول‌پیکر گذشته بهتر عمل کرده. می‌تونه پرسش و پاسخ کنه، توصیه بده، یا مثل یه گفت‌وگوی اولیه با پزشک سوال‌های تکمیلی بپرسه. نسخه چندوجهی هم توانایی توصیف و گزارش تصاویر پزشکی رو داره.

medgemma-4b-it:
https://huggingface.co/google/medgemma-4b-it

medgemma-27b-text-it:
https://huggingface.co/google/medgemma-27b-text-it


#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

GRAPH-R1: TOWARDS AGENTIC GRAPHRAG FRAMEWORK VIA END-TO-END REINFORCEMENT LEARNING

برای حل این چالش‌هایی که در GraphRAGهای قبلی وجود داشت مانند بازیابی داده ها فقط یک بار انجام میشد امدن یک چارچوب جدیدی به نام Graph-R1 ارائه دادن که یک چارچوب عامل‌محور (agentic) مبتنی بر یادگیری تقویتی انتها به انتها (end-to-end RL) است. این مدل:

ساخت ابرگراف (hypergraph) دانش با روش سبک و کارآمد؛

بازتعریف فرایند بازیابی به‌صورت تعامل چندمرحله‌ای بین عامل و محیط؛

بهینه‌سازی فرایند عامل با استفاده از مکانیسم پاداش انتها به انتها (end-to-end reward mechanism).

همچنین امدن روی مجوعه داده های استاندارد RAG آزمایش هایی انجام دادن که هم در دقت استدلال (reasoning accuracy)، کارایی بازیابی (retrieval efficiency)، و کیفیت تولید پاسخ (generation quality) بهتر از روش‌های سنتی GraphRAG و روش‌های RAG تقویت‌شده با RL عمل می‌کند.

https://arxiv.org/pdf/2507.21892

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

اگر می‌خواهید با مفاهیم یادگیری ماشین به ساده‌ترین و کاربردی‌ترین شکل ممکن آشنا بشید، این کانال یوتیوب یکی از بهترین انتخاب‌هاست. 🌟
ویدیوهاش پر از توضیحات روشن و مثال‌های جذابه که باعث میشه حتی سخت‌ترین موضوعات هم براتون قابل‌فهم بشه. 📚🤖

https://www.youtube.com/@datamlistic/videos

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

اینجا می‌تونید به صورت کاملاً رایگان به بیش از ۵۰۰ مدل هوش مصنوعی دسترسی داشته باشید؛ حتی مدل‌های خیلی خفن و گرون مثل o1-pro و Claude 4.1 Opus 🤩
تنها کاری که لازمه بکنید اینه که بعد از هر جواب، یه بازخورد کوچیک بدید. همین! 🔥

https://yupp.ai/get-started

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🔥 اینجا می‌تونید نوت‌بوک‌های رایگان Google Colab رو پیدا کنید که توش هر مدل یادگیری ماشین از صفر پیاده‌سازی شده.

https://udlbook.github.io/udlbook/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

✨ توی این لینک می‌تونید به یه گنجینه ارزشمند از پروژه‌های هوش مصنوعی دسترسی داشته باشید؛
از مدل‌های زبانی (LLMs) گرفته تا AI Agents، پروژه‌های RAG، دستیارهای هوشمند و کلی اپلیکیشن جذاب دیگه 🤖🚀

https://github.com/Shubhamsaboo/awesome-llm-apps

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

مایکروسافت یه دوره‌ی خفن و رایگان داده بیرون به اسم AI Agents for Beginners 😍
جالبیش اینه که کل دوره به صورت اوپن‌سورس منتشر شده و حتی به بیشتر از ۳۰ زبان مختلف از جمله فارسی ترجمه می‌شه.

این دوره توی ۱۱ درس کوتاه و کاربردی بهت یاد میده چجوری از صفر شروع کنی و Agentهای هوش مصنوعی بسازی.

https://github.com/microsoft/ai-agents-for-beginners/tree/main/translations/fa

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

RACCooN:

حذف، اضافه یا تغییر محتوای ویدئو به‌صورت آسان و تعاملی با استفاده از چارچوب MLLM + Video Diffusion (V2P2V) و تولید توضیحات خودکار!

▶️ ۱. ویدئو به پاراگراف (V2P): RACCooN ابتدا با کمک MLLM و استراتژی multi-granular pooling، توضیحات دقیق و ساختاریافته‌ای از ویدئوها ایجاد می‌کند.

▶️ ۲. پاراگراف به ویدئو (P2V): سپس کاربران می‌توانند با اصلاح روایت خودکار، از قابلیت‌های متنوع ویرایش ویدئو با مدل انتشار ویدئو بهره ببرند.

Check out more details in our paper: https://raccoon-mllm-gen.github.io

Huggingface paper page: https://huggingface.co/papers/2405.18406

Code: https://github.com/jaehong31/RACCooN

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

از ۲۵ تا ۳۱ آگوست می‌تونید تمام دوره‌های سایت DataCamp رو رایگان ببینید! 😍

📌 موضوعات:

یادگیری ماشین 🤖

یادگیری عمیق 🧠

پردازش زبان طبیعی 🗣

تحلیل داده 📊

مدرس‌ها هم از شرکت‌های بزرگی مثل Google و Microsoft هستن.
دوره‌ها کوتاه و در همه‌ی سطوح موجودن.

https://app.datacamp.com/


#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

به کمک ابزار AI اوپن سورس زیر می‌تونید تصاویر چهره تار و بی کیفیت رو بازسازی کنید.

Website: http://restorephotos.io
Github: https://github.com/Nutlope/restorePhotos

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

خبر داغ از گوگل! 🔥
مدل جدید Gemini 2.5 Flash برای ویرایش تصویر منتشر شد و یک جهش بزرگ در کیفیت و دقت به حساب میاد.

✅ ویرایش‌های محلی فقط با متن (مثل حذف یک نفر، تغییر رنگ یک شیء یا تار کردن پس‌زمینه)
✅ ثبات چهره و اجسام در چند تصویر پشت‌سرهم
✅ ترکیب چند تصویر در یک خروجی (مثلاً اضافه‌کردن یک وسیله به عکس اتاق)
✅ درک طرح‌ها و دیاگرام‌ها برای ساختن صحنه واقعی
✅ امکان گفت‌وگوی چندمرحله‌ای برای اصلاحات پشت‌سرهم

طبق اعلام رسمی، این مدل هم‌اکنون به‌صورت رایگان در اپلیکیشن Gemini و Google AI Studio برای کاربران در دسترس است.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📊 طبق گزارش جدید دانشگاه استنفورد، هوش‌مصنوعی بیشترین فشار رو روی نسل جدید وارد کرده!

🔻 آمار نشون میده که میزان استخدام برای دهه هشتادی‌ها (نسل جدید) حدود ۱۶٪ کمتر شده. چرا؟ چون معمولا افراد تازه‌کار وظایف ساده و روتین انجام میدن؛ دقیقا همون کارهایی که هوش‌مصنوعی خیلی راحت می‌تونه جایگزینشون بشه.

✅ در مقابل، افراد باتجربه‌تر (بالای ۳۰ سال) شرایط بهتری دارن و حتی ۶ تا ۹ درصد رشد در بازار کار براشون ثبت شده. دلیلش اینه که نقش‌هاشون پیچیده‌تر و استراتژیک‌تره و هنوز جایگزینی کامل با AI براشون سخت‌تره.

⚠️ نتیجه؟ ورود به بازار کار برای نسل‌های جدید سخت‌تر شده و باید بیشتر با واقعیت‌های عصر هوش‌مصنوعی روبه‌رو بشن:

یادگیری مداوم 📚
مهارت‌های تخصصی 💡
و توانایی کار در کنار AI 🤖

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

ویکی‌پدیای فارسی از نظر تعداد کاربر فعال، رتبه‌ی هفتم رو بین تمام ویکی‌پدیاها داره! 🔥

👥 کاربر فعال یعنی کسی که توی ۳۰ روز گذشته حداقل یک ویرایش انجام داده باشه.
این آمار خیلی جالبه چون یکی از معیارهای مهم برای سنجش قدرت و کیفیت اجتماع زبانی در اینترنت محسوب میشه.

📚 یعنی جامعه‌ی فارسی‌زبان توی تولید و ویرایش دانش آنلاین، جزو پرجنب‌وجوش‌ترین‌هاست!

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

15 دوره‌ برتر شبکه‌های عصبی (Neural Network) – پرفروش و رایگان در سال 2025

https://www.mltut.com/best-neural-network-courses/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

UQ: Assessing Language Models on
Unsolved Questions
پژوهشگران آمدن به جای آزمون‌های مصنوعی و بی‌ارتباط با دنیای واقعی، پژوهشگران رویکرد تازه‌ای پیشنهاد داده‌اند: ارزیابی مدل‌های زبانی روی پرسش‌های واقعی و حل‌نشده.

در این روش، پرسش‌ها از منابعی مثل Stack Exchange جمع‌آوری شده و با ترکیب اعتبارسنجی خودکار و تأیید جمعی جامعه بررسی می‌شوند.

🔎 نتیجه اولیه: از میان ۵۰۰ پرسش دشوار، مدل‌ها تنها توانسته‌اند حدود ۱۰ مسئله را حل کنند. این یعنی پیشرفت واقعی در این مسیر می‌تواند هم‌زمان مرزهای دانش انسانی را هم جابه‌جا کند. 🌍✨

🌐 Platform: https://uq.stanford.edu
📄 Paper: https://arxiv.org/abs/2508.17580
💻 Code: https://github.com/uq-project/UQ
🤗 Data: https://huggingface.co/datasets/uq-project/uq


#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

✨ ریاضیات فقط فرمول و عدد نیست؛ زبانیه برای درک و حل مسائل دنیای واقعی

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📌 خیلی وقتا RAG سنتی خوب جواب میده، مخصوصاً برای پرسش‌های ساده یا وقتی دنبال یه بخش مشخص از سند هستیم. توی این حالت، سیستم فقط شبیه‌ترین متن رو پیدا می‌کنه و جواب رو از همون می‌سازه.

اما مشکل اینجاست 👇
🔸 هر تکه‌ی متن رو جدا از بقیه می‌بینه
🔸 وقتی اطلاعات تو چند سند پخش شده باشه نمی‌تونه «نقاط رو به هم وصل کنه»
🔸 روابط بین موجودیت‌ها (آدم‌ها، مکان‌ها، مفاهیم و …) رو درک نمی‌کنه

🚀 اینجاست که Graph RAG وارد عمل میشه:

اول موجودیت‌ها و ارتباط‌ها رو از متن استخراج می‌کنه
بعد یه گراف دانش می‌سازه که همه چیز به هم وصل باشه
موقع پرسش، هم متن مرتبط رو میاره و هم رابطه‌ها رو در نظر می‌گیره
در نتیجه پاسخ‌ها خیلی دقیق‌تر و جامع‌تر میشن

🔑 خلاصه بگم:

برای سوال‌های سریع و ساده ➡️ RAG معمولی

برای تحلیل عمیق، ترکیب چند سند و پرسش‌های پیچیده ➡️ Graph RAG

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer