کمپانی Hugging Face اخیراً یک بلاگ جامع منتشر کرده و در اون، تمام مراحل آموزش مدل‌های زبانی (LLM) و VLM خودشون رو از Training تا Post-Training و Fine-Tuning به‌صورت کامل توضیح دادن.

https://huggingface.co/spaces/HuggingFaceTB/smol-training-playbook

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🔥 یادگیری سریع PyTorch با دو منبع رایگان! 🧠⚡️

1️⃣ PyTorch Cheatsheet
یه راهنمای خلاصه و کاربردی که همه‌ی دستورات و الگوهای مهم PyTorch رو توش جمع کرده.
📄 برای زمان‌هایی عالیه که وسط توسعه‌ هستی و می‌خوای سریع یه دستور رو پیدا کنی.
🔗 دانلود:
https://www.dropbox.com/scl/fi/e4xngykrfoubiw3xnd6fz/PyTorch-Cheatsheet.pdf?rlkey=vgx38ckps7aie120imgozgq4g&e=2&st=hgs06d4t&dl=0

2️⃣ Learn PyTorch Deep Learning with Hands-On Code
یه PDF مبتدی‌پسند با مثال‌های عملی برای ساخت و آموزش مدل‌های یادگیری عمیق از صفر با PyTorch
🔗 دانلود:
https://www.dropbox.com/scl/fi/lfo7r6fnd8wjm3gp0jteh/Learn-PyTorch-Deep-Learning-with-Hands-On-Code.pdf?rlkey=mg9cxg41yerouzp0rklm8hqa2&e=2&st=c7k7rgay&dl=0

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🔹 ۳۵ دوره‌ی برتر و کاملاً رایگان Coursera برای Data Science و Machine Learning!

https://www.mltut.com/best-coursera-courses-for-data-science/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🎓 هاروارد دوره عملی یادگیری ماشین منتشر کرد!

📢 دانشگاه هاروارد نسخه جدید و به‌روز‌شده‌ی مسیر معروف خودش، یعنی CS 249 رو منتشر کرده!
یه دوره‌ی کاملاً تعاملی و پروژه‌محور که یاد می‌گیرید چطور واقعاً سیستم‌های هوش مصنوعی بسازید، نه فقط درباره‌شون بخونید.

💡 چی یاد می‌گیری:
• مبانی کامل یادگیری ماشین، بدون ریاضیات سنگین — فقط با پایتون
• طراحی و معماری سیستم‌های هوش مصنوعی
• مهندسی داده و ساخت Pipelineهای پردازش داده
• آشنایی با MLOps و پایش مدل در محیط واقعی
• استقرار هوش مصنوعی در دنیای واقعی از جمله در IoT

🔥 چرا مهمه؟
چون این دوره فقط درباره‌ی الگوریتم‌ها نیست ، بلکه یاد می‌گیرید چطور مدل‌هاتون رو به محصولات واقعی و قابل‌استفاده در مقیاس بزرگ تبدیل کنید.

📘 مناسب برای یادگیری آخر هفته 👇
https://github.com/harvard-edge/cs249r_book/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

Agent Lightning

این یک فریم‌ورک متن‌باز است که توسط Microsoft معرفی شده است که می‌تواند هر عامل هوش مصنوعی را با استفاده از یادگیری تقویتی (Reinforcement Learning) هوشمندتر کند.
با LangChain، AutoGen، CrewAI، OpenAI SDK یا حتی پایتون ساده کار می‌کند!

برای نحوه عملکرد و اطلاع بیشتر به لینک زیر مراحعه کنید:
https://github.com/microsoft/agent-lightning?tab=readme-ov-file

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📢 دوره تحلیل داده‌های بیزی (Bayesian Data Analysis)

دوره‌ای تازه در دانشگاه آلتو توسط پروفسور آکی وِهتاری (Aki Vehtari)، یکی از نویسندگان کتاب Bayesian Data Analysis. 🧠

🔹 دسترسی به دوره:
https://avehtari.github.io/BDA_course_Aalto/Aalto2025.html

🔹 دسترسی به کتاب مرجع:
https://users.aalto.fi/~ave/BDA3.pdf

💡 تحلیل داده‌های بیزی چیست؟
یک رویکرد آمار و یادگیری ماشین که بر اساس قضیه بیز (Bayes’ theorem) ساخته شده است..

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📘Hands-on Machine Learning

نسخهٔ PyTorch کتاب «Hands-On Machine Learning» به‌تازگی منتشر شده است. اگر در حال خواندن نسخهٔ TensorFlow و Keras هستید، حتماً نگاهی به این نسخه هم بیندازید

https://drive.google.com/file/d/18zdQO3gfvGUbTYc2T7GvooBzT1W-A6JU/view?usp=sharing

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

گوگل برای نخستین بار یک آگهی تلویزیونی را به طور کامل با استفاده از ابزارهای هوش مصنوعی خود تولید کرده است. این تبلیغ به عنوان اولین نمونه‌ی ساخته‌شده به‌صورت کامل توسط هوش مصنوعی، نشان‌دهنده‌ی گام تازه‌ای در استفاده خلاقانه از فناوری‌های هوشمند در صنعت تبلیغات است.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

مدل Chandra یکی از دقیق‌ترین مدل‌های OCR است که تصاویر و فایل‌های PDF را به قالب‌های HTML، Markdown یا JSON تبدیل می‌کند و در این فرایند چیدمان اصلی سند را نیز به‌طور کامل حفظ می‌کند.

ویژگی‌ها:
🔹 تبدیل اسناد به Markdown، HTML یا JSON همراه با جزئیات چیدمان
🔹 پشتیبانی قوی از دست‌خط‌ها
🔹 بازسازی دقیق فرم‌ها شامل چک‌باکس‌ها
🔹 پشتیبانی عالی از جدول‌ها، فرمول‌های ریاضی و ساختارهای پیچیده
🔹 استخراج تصاویر و نمودارها همراه با کپشن و داده‌های ساختاریافته
🔹 پشتیبانی از بیش از ۴۰ زبان
🔹 دارای دو حالت اجرا: محلی (HuggingFace) و ابری (vLLM Server)


https://github.com/datalab-to/chandra

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

Stanford CS231N Deep Learning for Computer Vision I 2025

این دوره، نگاهی عمیق به روش‌های یادگیری عمیق دارد و تمرکز آن بر مدل‌های end-to-end برای وظایف اصلی بینایی کامپیوتر است. همچنین، رویکردهای مدرن‌تری مانند مدل‌های ترنسفورمر Transformers , مدل‌های اDiffusion Models و مدل‌های Visual-Language Models که اساس سامانه‌های هوش مصنوعی امروزی هستند نیز در این دوره بررسی می‌شوند.

https://www.youtube.com/playlist?list=PLoROMvodv4rOmsNzYBMe0gJY2XS8AQg16

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🧭 The Illustrated NeurIPS 2025


📢 تازه‌ترین مقالات کنفرانس NeurIPS 2025 منتشر شدن و حجمشون واقعاً زیاده! در این سایت یه نقشه تعاملی و بصری معرفی شده که به شما کمک می‌کنه کل چشم‌انداز پژوهش‌های امسال رو به‌صورت گرافیکی و خوشه‌ای بررسی کنید.

🧠 این ابزار با استفاده از توضیحات تولیدشده توسط مدل‌های زبانی Cohere LLM، درک حوزه‌های مختلف پژوهشی رو خیلی ساده‌تر و جذاب‌تر می‌کنه.

دسترسی به سایت :
https://jalammar.github.io/assets/neurips_2025.html

نحوه ساخت این نقشه:
https://newsletter.languagemodels.co/p/the-illustrated-neurips-2025-a-visual

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🤖 ۱۲ دوره رایگان برای ساخت Agentهای هوش مصنوعی

1. Multi AI Agent Systems with CrewAI
🔗 https://lnkd.in/evNNuQDi

2. Practical Multi AI Agents and Advanced Use Cases with CrewAI
🔗 https://lnkd.in/ega39kJw

3. AI Agents in LangGraph
🔗 https://lnkd.in/erTxSF_g

4. Long-Term Agentic Memory with LangGraph
🔗 https://lnkd.in/eZrxStm8

5. AI Agentic Design Patterns with AutoGen
🔗 https://lnkd.in/eEmbdM9C

6. Evaluating AI Agents
🔗 https://lnkd.in/eaz3-PzQ

7. Event-Driven Agentic Document Workflows with LlamaIndex
🔗 https://lnkd.in/egmF-DGR

8. Build Apps with Windsurf's AI Coding Agents
🔗 https://lnkd.in/e_nei494

9. Building Code Agents with Hugging Face
🔗 https://lnkd.in/eqt7pmSB

10. Building AI Browser Agents
🔗 https://lnkd.in/eGtPgQRd

11. DsPy: Build and Optimize Agentic Apps
🔗 https://lnkd.in/exRzn_xh

12. MCP: Build Rich-Context AI Apps with Anthropic
🔗 https://lnkd.in/e5eGbATC

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

کتابخانه‌های زیادی برای visualization داده وجود دارند، اما یکی از خاص‌ترین‌شان که رابط کاربری گرافیکی هم دارد و کار را برای افرادی که خیلی فنی نیستند راحت می‌کند، SandDance از مایکروسافت است.
ویژگی کلیدی SandDance این است که از unit visualizations استفاده می‌کند — هر ردیف از داده مستقیماً به یک نشانه روی صفحه نگاشت می‌شود، که باعث می‌شود ساختار و توزیع داده‌ها شفاف‌تر دیده شوند. علاوه بر این، انتقال‌های انیمیشنی نرم بین نماها حفظ زمینه و پیوستگی ذهنی را راحت‌تر می‌کند؛ همین انیمیشن‌های زیبا و تعاملی هستند که اگر بخواهید از صفر بسازید، زمان و مهارت زیادی لازم دارند، اما SandDance این کار را با یک UI آسان برای شما انجام می‌دهد.

https://github.com/microsoft/SandDance

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

💥 دوره جدید: Jupyter AI – کدنویسی با هوش مصنوعی در Notebooks
تدریس توسط Andrew Ng و Brian Granger

دستیارهای هوشمند در حال تغییر شیوه‌ی ساخت نرم‌افزار هستند. اما بیشترشون در محیط notebooks عملکرد خوبی ندارن. اینجاست که Jupyter AI وارد می‌شه! 🤖

در این دوره یاد می‌گیرید:

1️⃣ چطور با رابط چت Jupyter AI chat interface مستقیماً در notebookها کد بنویسید، debug کنید و explain code بگیرید 💬💻
2️⃣یک Book Research Assistant بسازید با استفاده از Open Library API 📚
3️⃣یک جریان کاری Stock Market Analysis Workflow طراحی کنید که داده‌های واقعی رو visualize و interpret کنه


https://www.deeplearning.ai/short-courses/jupyter-ai-coding-in-notebooks/?utm_campaign=jupyter-ai-launch&utm_medium=social-media&utm_source=dlai-sm

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🎓 هفته رایگان DataCamp

📚 بیش از ۶۰۰ دوره آموزشی رایگان – بدون نیاز به کارت بانکی

از ۱۲ تا ۱۸ آبان فرصت دارید تا به تمام دوره‌های DataCamp به‌صورت کامل و رایگان دسترسی داشته باشید.
یاد بگیرید، تمرین کنید، و حتی مدرک رسمی بگیرید! ✅

🔹 یادگیری مهارت‌های پرتقاضا مثل Python، AI، SQL، Power BI، OpenAI و ده‌ها مورد دیگه
🔹 آموزش با تمرین‌های واقعی و پروژه‌های کاربردی
🔹 مسیرهای شغلی تخصصی و گواهی معتبر بین‌المللی


لینک دسترسی:
https://www.datacamp.com/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🪷از دلِ گذشته‌های دور تا امروز،
پاسارگاد همواره نمادی از ماندگاری، اصالت و اعتبار بوده است.
ما وامدار نامی هستیم که با شکوه و عظمت پیوند خورده و کوشیده‌ایم این شکوه را در لحظه‌لحظه‌ی زندگی جاری کنیم.
با پیشتازی در عرصه بیمه‌های زندگی و همراهی بیش از هشت میلیون بیمه‌شده این رشته بیمه‌ای، شکوه اعتماد را معنا کردیم.
با استمرار در بالاترین سطح توانگری مالی و اتکا بر قدرت بزرگ‌ترین شبکه فروش بیمه‌های زندگی، تلاش کردیم یادآور شویم که شکوه پاسارگاد، تنها یک نام نیست؛ بلکه ادامه‌ای است بر آنچه در تمام این سال‌های پر فراز و نشیب الهام‌بخش بوده است .

#به_شکوه_پاسارگاد

💬 سلام به همه دوست‌داران علم و دانش!
خیلی‌هاتون ازم خواسته بودید درباره‌ی کنکور ارشد مهندسی کامپیوتر صحبت کنم و منابع خوبی معرفی کنم.
منم تصمیم گرفتم تجربه‌ی شخصی خودم رو با شما به اشتراک بذارم و اساتیدی رو معرفی کنم که به‌نظرم مفاهیم رو با وضوح و روش تدریس فوق‌العاده‌ای منتقل می‌کنن.
🎯 این معرفی‌ها بر اساس تجربه‌ی شخصی منه و ممکنه برای هرکس متفاوت باشه، چون در نهایت میزان یادگیری به تلاش و پیگیری خودتون بستگی داره.

📘 منابع پیشنهادی برای دروس مهم کنکور ارشد مهندسی کامپیوتر:

🧩 ساختمان داده و طراحی الگوریتم:
ترجیحاً استاد گیلک — بعد از اون استاد انصاری

🔢 ریاضیات گسسته:
استاد گیلک

💭 نظریه زبان‌ها و ماشین‌ها:
استاد شاپوری

🎵 سیگنال‌ها و سیستم‌ها:
استاد ریحانی

🤖 هوش مصنوعی:
ترجیحاً استاد گیلک یا استاد انصاری

⚙️ مدار منطقی:
استاد کتیرایی یا استاد یوسفی

🏛 معماری کامپیوتر:
استاد یوسفی

🖥 سیستم‌عامل:
ترجیحاً استاد حقیقت یا استاد یوسفی

🗄 پایگاه داده:
حتماً استاد خلیلی‌فر — تدریسش واقعاً بی‌نظیره

🌐 شبکه‌های کامپیوتری:
دوره‌ی میکرو استاد کمایی یا استاد خلیلی‌فر

📏 ریاضیات پایه:
استاد گیلک

✨ این لیست فقط بر اساس تجربه‌ی شخصی منه و هدفم اینه که مسیرتون در انتخاب منابع شفاف‌تر بشه.

📚 چند نکته‌ی مهم برای موفقیت در کنکور ارشد مهندسی کامپیوتر:

🔹 تست زیاد بزنید و با انواع سوالات آشنا بشید
فقط با یک بار خوندن درس نمی‌تونید به همه‌ی سوال‌ها جواب بدید — باید مرور و تمرین مداوم داشته باشید تا مفاهیم کاملاً در ذهنتون تثبیت بشن.

🔹 درس‌ها رو ریز به ریز و بدون ابهام یاد بگیرید
اگه فقط درس‌های دانشگاه رو بلد باشید، معمولاً می‌تونید به ۱ تا ۳ سوال از هر درس پاسخ بدید.
اما اگر دنبال درصدهای بالا هستید، باید مطالب رو کامل و بدون ابهام مطالعه کنید. هیچ جزئیاتی رو دست‌کم نگیرید.

🔹 زمان مطالعه مناسب و هدفمند داشته باشید
سعی کنید ۵ تا ۶ ساعت مطالعه مفید در روز داشته باشید و بعد از هر مبحث، حتماً تست بزنید تا یادگیری تثبیت بشه.

🔹 تمرکز روی درس‌های کلیدی و با ضریب بالا
درس‌هایی مثل ساختمان داده و طراحی الگوریتم اهمیت ویژه‌ای دارند و معمولاً سوالات طولانی و چالشی طرح می‌کنن.
اول ببینید هدفتون در ارشد چه رشته‌ای هست و درس‌هایی که ضریب بیشتری دارند رو اولویت‌دار مطالعه کنید.

💪 جمله‌ی انگیزشی:
هیچ وقت از تلاش دست برندارید! خیلی‌ها می‌گن «اینقدر مونده، می‌تونم برسم؟» — این‌ها فقط بهانه است. شما فقط مطالعه کنید و تمام تلاش‌تون رو بکنید، بقیش رو بسپارید به خدا.

ارتباط با من:
@Se_mohamad

اگر شما هم تجربه‌ای از کلاس یا استادی داشتید که مفید بوده، حتماً توی کامنت‌ها بنویسید تا بقیه هم استفاده کنن 💬

#تجربه
📣👨‍💻 @AlgorithmDesign_DataStructuer

مکتب‌خونه به مناسبت ۱۴ سالگی شدنش یه هدیه‌ی ویژه داره!

به همین بهانه، ۵۰۰ تا از دوره‌های پرمخاطب رو رایگان کرده

از دوره‌های پایتون و هوش مصنوعی گرفته تا آموزش‌های فتوشاپ و طراحی ✨

فقط کافیه موقع ثبت‌نام از کد تخفیف زیر استفاده کنی 👇

🎫 کد تخفیف: HBD

(نحوه استفاده از کد تخفیف در سایت گفته شده)

🔗 شروع یادگیری رایگان در مکتب‌خونه

📣👨‍💻 @AlgorithmDesign_DataStructuer

💻 مرجعی برای همه‌ی زبان‌های برنامه‌نویسی!
اگه موقع کدنویسی مدام دنبال سینتکس‌ها و توابع زبان‌های مختلف می‌گردی، یه سایت هست که حسابی کمکت می‌کنه.
همه‌چی از منابع رسمی جمع شده و توی یه ساختار منظم، کنار هم چیده شده — فقط زبان مورد نظرت رو انتخاب کن و هر چی لازمی جلوته! 🚀

https://overapi.com/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

نوت‌بوک‌های Google Colab برای یادگیری هر آنچه لازم است تا در Prompt Engineering با مدل Claude آشنا شوید. از ساختارهای پایه و نقش‌دهی در پرامپت‌ها گرفته تا تکنیک‌های پیشرفته‌ای مانند Few-Shot Learning، جلوگیری از هالوسینیشن‌ها (Hallucinations)، و استفاده از ابزارها Tool Use.

https://github.com/anthropics/courses/tree/master/prompt_engineering_interactive_tutorial/Anthropic%201P

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer