introduction to graph theory

اگر علاقه مند به اطلاعات جامع و کاملی در مورد گراف ها هستی بهت این کتاب رو معرفی میکنم تقریبا بیشتر مباحث رو در مورد گراف رو گفته.

https://arxiv.org/pdf/2308.04512

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

مدل جدید DeepSeek-OCR منتشر شد! 🚀

تیم DeepSeek از مدل تازه‌ی خودش برای OCR رونمایی کرد.
این مدل بر پایه‌ی VL2 ساخته شده و با داشتن حدود ۳ میلیارد پارامتر، عملکردی بسیار بهینه و سریع داره.

✨ ویژگی‌های مهم:
• پشتیبانی از ۱۰۰ زبان مختلف دنیا 🌍
• دقت بالا در تبدیل تصویر به متن حتی در اسناد پیچیده
• خروجی به فرمت Markdown برای حفظ ساختار سند
• مناسب برای کارهای چندزبانه از جمله فارسی 🇮🇷

https://huggingface.co/deepseek-ai/DeepSeek-OCR

اگر میتونید تست ازش بگیرید.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

اگر به دنبال یک منبع فارسی و دانشگاهی برای یادگیری مفاهیم یادگیری ماشین (Machine Learning) هستید،
این دوره شامل جلسات تدریس‌شده توسط دکتر پروین رزاقی از دانشگاه تحصیلات تکمیلی علوم پایه زنجان است.

دکتر رزاقی در این مجموعه، مفاهیم پایه و پیشرفته‌ی یادگیری ماشین را با اسلایدهای آموزشی و مثال‌های کاربردی آموزش می‌دهند.

💬
من خودم چند جلسه از این دوره رو دیدم؛
به‌نظرم تدریسشون خیلی خوبه و اگر هیچ زمینه‌ای از قبل نداشته باشید،
این دوره می‌تونه شروع خیلی خوبی برای یادگیری ماشین براتون باشه.

دسترسی به Course :
https://www.youtube.com/playlist?list=PL54UOH4SJnPmCTApj5JGgUcsVPYytf2zw

دسترسی به اسلاید ها :
https://github.com/p-razzaghi/machine-learning-2025

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🚀 مدل جدید گوگل، Gemini 3.0 Pro، در یک تست استدلال ۵۰٪ گرفت.
این پیشرفت بزرگی نسبت به نسخه قبلشه، ولی هنوز کمی پایین‌تر از GPT-5 High با ۵۵٪ هست.

گوگل روی تولید کد و توسعه وب قوی شده.
اما OpenAI همچنان در تفکر خلاق و استدلال انتزاعی جلوتره.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

متا (Meta) به‌تازگی کل پارادایم آموزش عامل‌های هوش مصنوعی را تغییر داد.

هیچ آموزش از روی انسان‌های خبره نیست.
هیچ طراحی جایزه پیچیده‌ای وجود ندارد.
هیچ حلقه بازخورد انسانی پرهزینه‌ای لازم نیست.
فقط یادگیری خالص از تجربه

آن‌ها این روش را Early Experience نامیده‌اند، و این اولین رویکردی است که باعث می‌شود عامل‌ها با جستجو و تجربه کردن خودشان باهوش‌تر شوند.

🔹 سیستم با دو مکانیزم کار می‌کند که ساده اما ترکیب نشده بودند:

1️⃣ Implicit World Modeling:
عامل پیش‌بینی می‌کند که بعد از هر عمل چه اتفاقی می‌افتد.
هر خطای پیش‌بینی یک سیگنال یادگیری است.
عامل بدون هیچ توضیح انسانی، مدل داخلی از نحوه پاسخ جهان می‌سازد.

2️⃣ Self-Reflection:
عامل شکست‌های خودش را نگاه می‌کند، آن‌ها را با نتایج موفق مقایسه می‌کند و توضیحاتی برای فاصله ایجاد می‌کند.
نه از بازخورد انسانی، بلکه از تحلیل علت و معلول خودش.

هر دو تکنیک بدون پاداش هستند و به راحتی مقیاس‌پذیر.

جزئیات بیشتر :
https://arxiv.org/abs/2510.08558

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

این تصویر نشون می‌ده که مدل DeepSeek-OCR چقدر قوی عمل کرده!

مدل دست‌خط دکتر رو به خوبی تشخیص داده.

تمام باکس‌ها و فیلدهای مختلف (مثل Name، Address، Rx، Dosage، Physician’s Sig و شماره‌ها) درست شناسایی شده.

خروجی OCR کاملاً سازمان‌دهی شده و متن‌ها و موقعیت‌ها را با دقت ارائه کرده.

🚨 گوگل روی قابلیت ساخت اسلاید در NotebookLM کار می‌کنه!

جدیدا NotebookLM داره یک ویژگی جدید به نام “Slides” آزمایش می‌کنه که می‌تونه از منابع و داده‌های شما Presentation بسازه.

این قابلیت هنوز در حال توسعه است و امکانات شخصی‌سازی فعال نشده، اما به زودی کاربران می‌تونن اسلایدها رو بر اساس اسناد خودشون تنظیم کنند.
تولید تصاویر برای Presentation با مدل Nano Banana گوگل انجام میشه.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🚀 اگر دنبال ایده‌های خفن برای ساخت عکس با هوش مصنوعی هستید…

با مدل‌های مثل Nano Banana از گوگل می‌تونید عکس‌هاتون رو به کانسپت‌ها و شکل‌های جذاب و خلاقانه تبدیل کنید. 🎨✨

این سایت کلی ایده با پرامپت‌های آماده و حرفه‌ای داره که کارتون رو خیلی راحت و سریع می‌کنه! 💡🖼

https://www.bananaprompts.xyz/explore

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

گوگل دوره «ساخت دستیارهای صوتی زنده» را به‌صورت رایگان ارائه می‌دهد!

این دوره به شما کمک می‌کند تا با استفاده از ADK گوگل دستیارهای صوتی زنده بسازید.

https://www.deeplearning.ai/short-courses/building-live-voice-agents-with-googles-adk/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

معرفی سایت Model Catalog 🌟

اگر به دنبال یک مرجع کامل برای مدل‌های هوش مصنوعی هستید، Model Catalog بهترین گزینه است!

در این سایت می‌توانید:

- مدل‌های متنوع AI را مشاهده و بررسی کنید
- مفاهیم مرتبط با هر مدل را یاد بگیرید
- مدل‌ها را تمرین و آزمایش کنید

به‌عبارت دیگر، یک کتابخانه و مرکز تمرین AI که به توسعه‌دهندگان و علاقه‌مندان کمک می‌کند سریع‌تر با مدل‌ها آشنا شوند و از آن‌ها استفاده کنند.

https://modelcatalog.vercel.app/
#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🌐 معرفی ChatGPT Atlas

با ChatGPT Atlas، مرورگر جدید OpenAI، می‌توانید همزمان با وب‌گردی، از قدرت ChatGPT بهره ببرید. دیگر نیازی به کپی‌کردن متن‌ها یا جابه‌جایی بین تب‌ها نیست؛ ChatGPT دقیقاً همان‌جا کنار شماست و به شما کمک می‌کند، کارها را انجام دهید و اطلاعات را سریع‌تر پیدا کنید.

💡 ویژگی‌های برجسته:

چت در کنار سایت‌ها: پاسخ‌ها و کمک‌ها بدون ترک صفحه ارائه می‌شوند
حافظه مرورگر: ChatGPT می‌تواند فعالیت‌های گذشته شما را به خاطر بسپارد و پیشنهادات هوشمند ارائه دهد
حالت Agent: انجام خودکار کارها مثل رزرو، خرید آنلاین یا تحلیل اسناد
امنیت و کنترل کامل: می‌توانید حافظه مرورگر را پاک کنید یا از حالت ناشناس استفاده کنید، بدون نگرانی از حریم خصوصی

🖥 هم‌اکنون برای macOS در دسترس است و نسخه‌های Windows، iOS و Android هم به‌زودی عرضه می‌شوند.

https://openai.com/index/introducing-chatgpt-atlas/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📘 این مخزن شامل چیت‌شیت‌های دوره‌ی CS229 یادگیری ماشین استنفورد است که مفاهیم مهم مثل یادگیری نظارت‌شده، بدون‌نظارت و یادگیری عمیق را خلاصه کرده.
✨ نکته جالب اینجاست که از زبان فارسی هم پشتیبانی می‌کند و می‌توانی نسخه‌ی فارسی چیت‌شیت‌ها را هم مطالعه کنی.

https://github.com/afshinea/stanford-cs-229-machine-learning?tab=readme-ov-file

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🎬🤖 انقلاب متن‌باز علی‌بابا در تولید ویدیو: Wan 2.1

علی‌بابا با معرفی Wan 2.1 یک مدل پیشرفته و متن‌باز تولید ویدیو معرفی کرده که نسخه‌ی Wan 1.3B تنها با ۸ گیگابایت VRAM قابل اجراست

💡 ویژگی‌ها:

Wan-VAE:
فشرده‌سازی ویدیو با حفظ جزئیات و هماهنگی زمانی
Diffusion Transformer:
تولید ویدیو دقیق مطابق دستورات کاربر
umT5 Text Encoder:
پشتیبانی از چند زبان (انگلیسی و چینی) و متن واقعی در ویدیو

⚡️ کاربردها:
- تبدیل تصویر به ویدیو
- ویرایش ویدیو با دستور متنی
- شخصی‌سازی ویدیوها
- کنترل حرکت دوربین و تولید نزدیک به Real-Time
- همگام‌سازی صدا و تصویر

دسترسی به جزئیات بیشتر , مقاله و huggingface :

https://vanitaai.com/wan-2-1-alibabas-open-source-revolution/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

From RAG to Memory: Non-Parametric Continual Learning for Large Language Models

🧩 از RAG تا حافظه (HippoRAG 2)

در HippoRAG 1 اسناد جمع‌آوری می‌شدن، موجودیت‌های مهم ازشون استخراج و به گراف دانش تبدیل می‌شدن. موقع پرسش، مدل فقط با همین موجودیت‌ها کار می‌کرد.
مشکلش چی بود؟ خیلی وقتا چیزای مهمی توی متن بود که چون فقط به موجودیت‌ها نگاه می‌کرد، نادیده گرفته می‌شدن.

💡 توی HippoRAG 2 این مشکل حل شد. حالا مدل علاوه بر موجودیت‌ها، متن اصلی، مترادف‌ها و موجودیت‌های مرتبط رو هم در گراف نگه می‌داره.
وقتی سؤال می‌دی، یه فیلتر هوشمند تعیین می‌کنه کدوم موجودیت‌ها احتمال شروع بالاتری دارن، بعد جست‌وجو در گراف همراه با متن انجام می‌شه.

برای بررسی بیشتر :

https://arxiv.org/pdf/2502.14802

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

مخزن free-programming-books در گیت‌هاب: بیش از ۴۰۰۰ کتاب و ۲۰۰۰ دوره رایگان برنامه‌نویسی 😍
برای جستجوی راحت هم می‌تونید از این ابزار استفاده کنید:

https://github.com/EbookFoundation/free-programming-books/blob/main/books/free-programming-books-langs.md

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

یکی از بهترین راهنماها در زمینه Sampling در LLM

https://rentry.org/samplers

برای مثال :
برای روش نمونه گیری Top-K امده توضیح داده که در تولید متن در LLM ها هزاران کلمه ممکن برای کلمه بعدی وجود دارد اما مدل میاد از روش Top-K استفاه میکنه مثلا اگر K=30 باشه در واقع مدل فقط از بین ۳۰ کلمه ای که بیشترین احتمال رو دارند یکی رو انتخاب میکنه و همچنین امده گفته توی کدی نویسی چه طوری این کار انجام میشه.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📚 معرفی ریپازیتوری «Awesome-AI-Books»

🧠 برای تسلط بر هوش مصنوعی، باید پایه‌ای قوی در نظریه، ریاضیات، برنامه‌نویسی و تجربه عملی داشته باشید.

این ریپازیتوری می‌تونه به شما کمک کنه تا در بخش‌هایی مثل ریاضیات، داده‌کاوی، یادگیری ماشین، یادگیری عمیق و حتی فلسفه‌ی هوش مصنوعی تسلط بیشتری پیدا کنید.

https://github.com/zslucky/awesome-AI-books

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🎓 دوره یادگیری معماری‌های بینایی ماشین در یادگیری عمیق

این دوره آموزشی رایگان از freeCodeCamp، تکامل مدل‌های بینایی ماشین را از LeNet و AlexNet تا ResNet، EfficientNet و Vision Transformers بررسی می‌کند. در این دوره، اصول طراحی مانند skip connections، بلوک‌های bottleneck و attention توضیح داده می‌شود.

هر فصل شامل تصاویر واضح، زمینه تاریخی و مقایسه‌های کنار هم است تا نشان دهد چرا معماری‌ها به این شکل هستند و چگونه اطلاعات را پردازش می‌کنند.

📺 برای مشاهده دوره، به لینک زیر مراجعه کنید:
https://www.youtube.com/watch?v=tfpGS_doPvY

📘 مطالعه یادداشت‌های دوره :
https://www.programming-ocean.com/knowledge-hub/cnn-architect-mind-ai-atlas.php

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

ویدیوهای کارگاه یادگیری گراف استنفورد ۲۰۲۵ منتشر شدند! 🎥

🌟 تم‌های اصلی امسال:
🧠 Agents
🔗 Relational Foundation Models
⚡️ Fast LLM Inference

این رویداد یک روز کامل از گفت‌وگوهای تخصصی، ارائه‌های نوآورانه، و جلسات تعاملی بین پژوهشگران، صنعتگران و پیشگامان حوزه‌ی هوش مصنوعی بود.
در برنامه امسال، نام‌های برجسته‌ای از دانشگاه استنفورد، NVIDIA، آمازون، SAP، Genentech و Kumo حضور داشتند.

همه‌ی سخنرانی‌ها را از لینک‌های زیر تماشا کنید 👇

https://snap.stanford.edu/graphlearning-workshop-2025/#schedule

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer