Forwarded from آکادمی همراه
📊 میخوای تحلیلگر داده بشی؟ مسیرش از همینجا شروع میشه!
وقتی تصمیم میگیری وارد دنیای تحلیل داده بشی، احتمالاً با کلی دوره، ابزار و مهارت مختلف روبهرو میشی و اولین سؤال اینه:
🤔 از کجا شروع کنم و دقیقاً چه چیزهایی باید یاد بگیرم؟
🧭 مسیر یادگیری تحلیلگر داده آکادمی همراه اول برای همین ساخته شده؛ تا آموزشهای موردنیازت رو در یک مسیر مشخص داشته باشی و بدون سردرگمی، قدمبهقدم مهارتهای لازم برای تحلیلگر داده شدن رو یاد بگیری.
📚 در این مسیر به بیش از ۹۰ ساعت آموزش تخصصی و شغلمحور دسترسی داری و با کمک منتورینگ تخصصی میتونی یادگیریت رو هدفمندتر جلو ببری.
📚 بیش از ۹۰ ساعت آموزش تخصصی
💼 آموزشهای شغلمحور
🧭 مسیر یادگیری مشخص و منسجم
👥 منتورینگ تخصصی
💳 امکان پرداخت اقساطی
🔥 خبر خوب اینکه الان میتونی این مسیر رو با ۳۰٪ تخفیف شروع کنی.
📈 اگر تحلیل داده یکی از مهارتهاییه که همیشه میخواستی یاد بگیری، وقتشه علاقهات رو به یک مهارت واقعی تبدیل کنی و اولین قدم رو برداری.
🎯 دریافت تخفیف و شروع مسیر:
https://l.hamrah.academy/1es
⭐️ @Hamrah_Academy | آکادمی همراه اول
وقتی تصمیم میگیری وارد دنیای تحلیل داده بشی، احتمالاً با کلی دوره، ابزار و مهارت مختلف روبهرو میشی و اولین سؤال اینه:
🤔 از کجا شروع کنم و دقیقاً چه چیزهایی باید یاد بگیرم؟
🧭 مسیر یادگیری تحلیلگر داده آکادمی همراه اول برای همین ساخته شده؛ تا آموزشهای موردنیازت رو در یک مسیر مشخص داشته باشی و بدون سردرگمی، قدمبهقدم مهارتهای لازم برای تحلیلگر داده شدن رو یاد بگیری.
📚 در این مسیر به بیش از ۹۰ ساعت آموزش تخصصی و شغلمحور دسترسی داری و با کمک منتورینگ تخصصی میتونی یادگیریت رو هدفمندتر جلو ببری.
📚 بیش از ۹۰ ساعت آموزش تخصصی
💼 آموزشهای شغلمحور
🧭 مسیر یادگیری مشخص و منسجم
👥 منتورینگ تخصصی
💳 امکان پرداخت اقساطی
🔥 خبر خوب اینکه الان میتونی این مسیر رو با ۳۰٪ تخفیف شروع کنی.
📈 اگر تحلیل داده یکی از مهارتهاییه که همیشه میخواستی یاد بگیری، وقتشه علاقهات رو به یک مهارت واقعی تبدیل کنی و اولین قدم رو برداری.
🎯 دریافت تخفیف و شروع مسیر:
https://l.hamrah.academy/1es
⭐️ @Hamrah_Academy | آکادمی همراه اول
📊 توکن ارزان همیشه به معنای مدل اقتصادی نیست
این تصور که قیمت پایین هر توکن بهمعنای بهصرفهتر بودن مدل است، لزوماً درست نیست. در واقع، فرمول اصلی هزینه تابعی از «قیمت توکن» ضربدر «تعداد کل توکنهای مصرفی تا پایان کار» است.
مدلهایی با توکن ارزان، اگر برای رسیدن به پاسخ نهایی به جستجوی طولانیتر یا پردازش کانتکست (Context) بزرگتر نیاز داشته باشند، در نهایت هزینه بیشتری به شما تحمیل میکنند. در سیستمهای مبتنی بر Agent، این موضوع حیاتیتر است؛ چرا که یک خطای کوچک در مراحل اولیه Retrieval میتواند هزینهی تمام مراحل بعدی را به شدت افزایش دهد.
بر اساس تحلیل AlphaSense، بهینهسازی پایپلاین Retrieval حتی بدون تغییر مدل، میتواند هزینهها را تا ۳ برابر کاهش دهد. در دنیای هوش مصنوعی، اقتصاد پروژه بیش از آنکه به تعرفه API وابسته باشد، به مهندسی دقیق Retrieval، Routing و Evaluation بستگی دارد.
مهمترین مدلها از نظر نسبت کیفیت به هزینه:
* GPT-5.6 Sol: بالاترین کیفیت پاسخ.
* Opus 4.8: کیفیت بالا با هزینه متوسط.
* Sonnet 5: عملکرد بهینه با هزینه بسیار کم.
* Gemma-4-31B: اقتصادیترین گزینه متنباز.
این تصور که قیمت پایین هر توکن بهمعنای بهصرفهتر بودن مدل است، لزوماً درست نیست. در واقع، فرمول اصلی هزینه تابعی از «قیمت توکن» ضربدر «تعداد کل توکنهای مصرفی تا پایان کار» است.
مدلهایی با توکن ارزان، اگر برای رسیدن به پاسخ نهایی به جستجوی طولانیتر یا پردازش کانتکست (Context) بزرگتر نیاز داشته باشند، در نهایت هزینه بیشتری به شما تحمیل میکنند. در سیستمهای مبتنی بر Agent، این موضوع حیاتیتر است؛ چرا که یک خطای کوچک در مراحل اولیه Retrieval میتواند هزینهی تمام مراحل بعدی را به شدت افزایش دهد.
بر اساس تحلیل AlphaSense، بهینهسازی پایپلاین Retrieval حتی بدون تغییر مدل، میتواند هزینهها را تا ۳ برابر کاهش دهد. در دنیای هوش مصنوعی، اقتصاد پروژه بیش از آنکه به تعرفه API وابسته باشد، به مهندسی دقیق Retrieval، Routing و Evaluation بستگی دارد.
مهمترین مدلها از نظر نسبت کیفیت به هزینه:
* GPT-5.6 Sol: بالاترین کیفیت پاسخ.
* Opus 4.8: کیفیت بالا با هزینه متوسط.
* Sonnet 5: عملکرد بهینه با هزینه بسیار کم.
* Gemma-4-31B: اقتصادیترین گزینه متنباز.
📉 چالش واقعی مدلهای هوش مصنوعی در تحلیل اسناد طولانی
بیشتر بنچمارکهای فعلی استخراج داده، مدلها را روی اسناد کوتاه ارزیابی میکنند و نمرات درخشانی میگیرند. اما در دنیای واقعی و اسناد طولانی، ورق برمیگردد.
بنچمارک جدید ExtractBench از LlamaIndex با بررسی نزدیک به ۵۰۰۰ صفحه سند سازمانی، نتایج قابلتاملی را منتشر کرده است:
• در اسناد بالای ۵۰ صفحه، میزان Recall مدلهای VLM تجاری به زیر ۳۵ درصد میرسد؛ یعنی مدل صرفاً صفحات ابتدایی را پردازش کرده و بقیه سند را نادیده میگیرد.
• قیمت بالاتر لزوماً به معنای دقت بیشتر نیست. در تستها، سیستمهای اقتصادیتر عملکردی بهمراتب دقیقتر از مدلهای گرانقیمت ارائه دادند.
• ایجنتهای کدنویسی فعلی هنوز در درک اسناد اسکنشده یا دستنویس با چالشهای جدی مواجه هستند.
اگر در پروژههای RAG یا سیستمهای تحلیل اسناد فعالیت میکنید، بررسی این بنچمارک برای درک محدودیتهای فعلی مدلهای بزرگ ضروری است. پیشنهاد میکنیم دیتاسِت و نتایج دقیق این تحقیق را در گیتهاب بررسی کنید.
بیشتر بنچمارکهای فعلی استخراج داده، مدلها را روی اسناد کوتاه ارزیابی میکنند و نمرات درخشانی میگیرند. اما در دنیای واقعی و اسناد طولانی، ورق برمیگردد.
بنچمارک جدید ExtractBench از LlamaIndex با بررسی نزدیک به ۵۰۰۰ صفحه سند سازمانی، نتایج قابلتاملی را منتشر کرده است:
• در اسناد بالای ۵۰ صفحه، میزان Recall مدلهای VLM تجاری به زیر ۳۵ درصد میرسد؛ یعنی مدل صرفاً صفحات ابتدایی را پردازش کرده و بقیه سند را نادیده میگیرد.
• قیمت بالاتر لزوماً به معنای دقت بیشتر نیست. در تستها، سیستمهای اقتصادیتر عملکردی بهمراتب دقیقتر از مدلهای گرانقیمت ارائه دادند.
• ایجنتهای کدنویسی فعلی هنوز در درک اسناد اسکنشده یا دستنویس با چالشهای جدی مواجه هستند.
اگر در پروژههای RAG یا سیستمهای تحلیل اسناد فعالیت میکنید، بررسی این بنچمارک برای درک محدودیتهای فعلی مدلهای بزرگ ضروری است. پیشنهاد میکنیم دیتاسِت و نتایج دقیق این تحقیق را در گیتهاب بررسی کنید.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی#ExtractBench #LlamaIndex
📩 ارتباط با ما
❤1
🚀 جهش بزرگ Mistral در مدل OCR نسخه 4.1
کمپانی Mistral بهتازگی مدل پردازش اسناد خود را به نسخه 4.1 ارتقا داده است. تمرکز اصلی این بهروزرسانی بر بهبود تحلیل صفحات شلوغ و پیچیده، شامل جداول فنی، نمودارها و اسناد چندستونه است.
این مدل اکنون مرزهای عناصر صفحه را با دقت بسیار بیشتری تشخیص میدهد و برخلاف نسخههای قبلی، متنها و تصاویر را در هم نمیآمیزد. از قابلیتهای کلیدی این نسخه میتوان به موارد زیر اشاره کرد:
• تفکیک دقیق بلوکهای متنی و تصاویر در صفحات متراکم
• حفظ ساختار اصلی اسناد در زمان استخراج دادههای چندستونه
• شناسایی هوشمندانه یادداشتها و جداول فنی پیچیده
• عملکرد بهینه در تحلیل اسناد تاریخی و گزارشهای مهندسی
اگر از API مدلهای Mistral استفاده میکنید، سیستم بهطور خودکار از طریق نام مستعار
کمپانی Mistral بهتازگی مدل پردازش اسناد خود را به نسخه 4.1 ارتقا داده است. تمرکز اصلی این بهروزرسانی بر بهبود تحلیل صفحات شلوغ و پیچیده، شامل جداول فنی، نمودارها و اسناد چندستونه است.
این مدل اکنون مرزهای عناصر صفحه را با دقت بسیار بیشتری تشخیص میدهد و برخلاف نسخههای قبلی، متنها و تصاویر را در هم نمیآمیزد. از قابلیتهای کلیدی این نسخه میتوان به موارد زیر اشاره کرد:
• تفکیک دقیق بلوکهای متنی و تصاویر در صفحات متراکم
• حفظ ساختار اصلی اسناد در زمان استخراج دادههای چندستونه
• شناسایی هوشمندانه یادداشتها و جداول فنی پیچیده
• عملکرد بهینه در تحلیل اسناد تاریخی و گزارشهای مهندسی
اگر از API مدلهای Mistral استفاده میکنید، سیستم بهطور خودکار از طریق نام مستعار
mistral-ocr-latest به این نسخه جدید مهاجرت کرده است. برای تست و تجربه مستقیم خروجی این مدل میتوانید به Mistral OCR Playground مراجعه کنید.🌐 مشاهده مطلب در سایت📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی#Mistral_OCR #Document_Parsing
📩 ارتباط با ما
نقشه مهارتهای ضروری در مهندسی هوش مصنوعی
اندرو انجی (Andrew Ng) در گزارش جدید خود، با تحلیل بیش از ده هزار موقعیت شغلی و مصاحبه با متخصصان، نقشه راه مهارتهای کلیدی برای مهندسان هوش مصنوعی را منتشر کرد. او معتقد است با تغییر پارادایم توسعه نرمافزار، یادگیری این موارد برای تمام توسعهدهندگان ضروری است:
توسعه و استقرار برنامههای هوش مصنوعی: یادگیری بلوکهای سازنده مانند LLMها، تکنیکهای RAG، گردشکارهای عاملی (Agentic) و استفاده از روشهای آماری برای کنترل و ارزیابی خروجیهای غیرقابلپیشبینی مدلها.
اصول مهندسی نرمافزار: درک عمیق از مبانی مهندسی برای مدیریت توازن میان هزینه، مقیاسپذیری و امنیت که به شما کمک میکند کدهای تولیدشده توسط هوش مصنوعی را بهتر هدایت کنید.
کار با کُدینگ ایجنتها (Coding Agents): مهارت مدیریت Context، ارکستراسیون ایجنتهای چندگانه و تشخیص زمان مداخله برای ساخت نرمافزارهای پایدار بدون اتلاف منابع.
شکلدهی به محصول (Shaping the build): حرکت از نقش یک مجری ساده به سمت درک اهداف کسبوکار و نیاز مشتری برای تصمیمگیری درباره مشخصات فنی پروژه.🌐 مشاهده مطلب در سایت📊 Data➕Science
اندرو انجی (Andrew Ng) در گزارش جدید خود، با تحلیل بیش از ده هزار موقعیت شغلی و مصاحبه با متخصصان، نقشه راه مهارتهای کلیدی برای مهندسان هوش مصنوعی را منتشر کرد. او معتقد است با تغییر پارادایم توسعه نرمافزار، یادگیری این موارد برای تمام توسعهدهندگان ضروری است:
توسعه و استقرار برنامههای هوش مصنوعی: یادگیری بلوکهای سازنده مانند LLMها، تکنیکهای RAG، گردشکارهای عاملی (Agentic) و استفاده از روشهای آماری برای کنترل و ارزیابی خروجیهای غیرقابلپیشبینی مدلها.
اصول مهندسی نرمافزار: درک عمیق از مبانی مهندسی برای مدیریت توازن میان هزینه، مقیاسپذیری و امنیت که به شما کمک میکند کدهای تولیدشده توسط هوش مصنوعی را بهتر هدایت کنید.
کار با کُدینگ ایجنتها (Coding Agents): مهارت مدیریت Context، ارکستراسیون ایجنتهای چندگانه و تشخیص زمان مداخله برای ساخت نرمافزارهای پایدار بدون اتلاف منابع.
شکلدهی به محصول (Shaping the build): حرکت از نقش یک مجری ساده به سمت درک اهداف کسبوکار و نیاز مشتری برای تصمیمگیری درباره مشخصات فنی پروژه.🌐 مشاهده مطلب در سایت📊 Data➕Science
⚠️ ورود هوش مصنوعی به دنیای حملات سایبری
دنیای امنیت سایبری وارد مرحله جدید و نگرانکنندهای شده است. بهتازگی وزارت امور دیجیتال تایوان تأیید کرد که سازمانهای دولتی این کشور هدف حملهای قرار گرفتهاند که در آن از ایجنتهای خودمختار هوش مصنوعی استفاده شده بود.
در این عملیات، مهاجمان انسانی در کنار ایجنتهای خودمختار کار میکردند تا با شناسایی همزمان نقاط ضعف و مسیرهای نفوذ، زیرساختهای حیاتی را هدف قرار دهند.
مهمترین نکات این حمله:
- استفاده از حداقل ۸ ایجنت خودمختار برای تحلیل سیستمها
- شناسایی ۲۱ سامانه دولتی و سرقت بیش از ۲۵۰۰ رکورد اطلاعاتی
- گسترش حملات به سازمان ایمنی هستهای و شرکتهای انرژی
- بهرهگیری از فریمورکهای متنباز مانند Hermes و OpenClaw
این حادثه نشان میدهد که هوش مصنوعی دیگر تنها یک دستیار نیست و میتواند به عنوان یک سلاح در حملات سایبریِ بسیار دقیق و مقیاسپذیر عمل کند. اکنون زیرساختهای حیاتی جهان با تهدیدی روبهرو هستند که بهطور مداوم در حال یادگیری و بهینهسازی روشهای نفوذ خود است.🌐 مشاهده مطلب در سایت📊 Data➕Science
دنیای امنیت سایبری وارد مرحله جدید و نگرانکنندهای شده است. بهتازگی وزارت امور دیجیتال تایوان تأیید کرد که سازمانهای دولتی این کشور هدف حملهای قرار گرفتهاند که در آن از ایجنتهای خودمختار هوش مصنوعی استفاده شده بود.
در این عملیات، مهاجمان انسانی در کنار ایجنتهای خودمختار کار میکردند تا با شناسایی همزمان نقاط ضعف و مسیرهای نفوذ، زیرساختهای حیاتی را هدف قرار دهند.
مهمترین نکات این حمله:
- استفاده از حداقل ۸ ایجنت خودمختار برای تحلیل سیستمها
- شناسایی ۲۱ سامانه دولتی و سرقت بیش از ۲۵۰۰ رکورد اطلاعاتی
- گسترش حملات به سازمان ایمنی هستهای و شرکتهای انرژی
- بهرهگیری از فریمورکهای متنباز مانند Hermes و OpenClaw
این حادثه نشان میدهد که هوش مصنوعی دیگر تنها یک دستیار نیست و میتواند به عنوان یک سلاح در حملات سایبریِ بسیار دقیق و مقیاسپذیر عمل کند. اکنون زیرساختهای حیاتی جهان با تهدیدی روبهرو هستند که بهطور مداوم در حال یادگیری و بهینهسازی روشهای نفوذ خود است.🌐 مشاهده مطلب در سایت📊 Data➕Science
This media is not supported in your browser
VIEW IN TELEGRAM
⚠️ هشدار جدی درباره امنیت هوش مصنوعی
دنیل کوکوتایلو، پژوهشگر سابق OpenAI، در اظهاراتی هشدارآمیز اعلام کرد که مدلهای هوش مصنوعی در حال حاضر پتانسیل کافی برای نفوذ به کیف پولهای ارز دیجیتال و حسابهای بانکی را دارند.
او در پاسخ به این پرسش که آیا شاهد هک شدن گسترده حسابها توسط هوش مصنوعی خواهیم بود، تأکید کرد که این مدلها قابلیت فنی لازم برای چنین اقداماتی را دارا هستند و در آیندهای نزدیک ممکن است شاهد حملات سایبری خودکار و گستردهای در این حوزه باشیم.
این دیدگاه بار دیگر اهمیت مقوله
#OpenAI #AI_Alignment
دنیل کوکوتایلو، پژوهشگر سابق OpenAI، در اظهاراتی هشدارآمیز اعلام کرد که مدلهای هوش مصنوعی در حال حاضر پتانسیل کافی برای نفوذ به کیف پولهای ارز دیجیتال و حسابهای بانکی را دارند.
او در پاسخ به این پرسش که آیا شاهد هک شدن گسترده حسابها توسط هوش مصنوعی خواهیم بود، تأکید کرد که این مدلها قابلیت فنی لازم برای چنین اقداماتی را دارا هستند و در آیندهای نزدیک ممکن است شاهد حملات سایبری خودکار و گستردهای در این حوزه باشیم.
این دیدگاه بار دیگر اهمیت مقوله
AI Alignment و لزوم نظارت دقیقتر بر توسعه مدلهای هوشمند را برجسته میکند تا از سوءاستفادههای مخرب در شبکه جلوگیری شود.📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#OpenAI #AI_Alignment
❤1
🐕 ورود رباتهای سگنما به صنعت امنیت آمریکا
استفاده از رباتهای سگنما برای حفاظت از دیتاسنترها، اماکن ورزشی و زمینهای کشاورزی در ایالات متحده به سرعت در حال افزایش است. این تغییر رویکرد بیش از هر چیز ناشی از صرفه اقتصادی و چالشهای نیروی انسانی در این صنعت است.
بر اساس تحلیلهای Business Insider، جایگزینی سیستمهای خودکار به جای نیروی انسانی در یک شیفت ۲۴ ساعته، سالانه بین ۸۰ تا ۱۳۰ هزار دلار صرفهجویی هزینه به همراه دارد. با توجه به نرخ پایین دستمزدها و چرخش بالای نیرو در مشاغل حفاظتی، شرکتهای فناوری مانند Asylon اکنون وظایف پایش محیطی را بر عهده گرفتهاند.
مهمترین نکات درباره این تحول:
• کاهش هزینههای عملیاتی در مقایسه با استخدام و آموزش مداوم نگهبانان.
• استقرار موفقیتآمیز دهها واحد رباتیک توسط شرکتهای پیشرو در سراسر آمریکا.
• حرکت به سمت مدلهای ترکیبی که در آن رباتها وظایف گشتزنی را بر عهده دارند و انسانها مسئولیت مدیریت شرایط پیچیده و واکنش به حوادث خاص را بر عهده میگیرند.
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
📊 Data➕Science
استفاده از رباتهای سگنما برای حفاظت از دیتاسنترها، اماکن ورزشی و زمینهای کشاورزی در ایالات متحده به سرعت در حال افزایش است. این تغییر رویکرد بیش از هر چیز ناشی از صرفه اقتصادی و چالشهای نیروی انسانی در این صنعت است.
بر اساس تحلیلهای Business Insider، جایگزینی سیستمهای خودکار به جای نیروی انسانی در یک شیفت ۲۴ ساعته، سالانه بین ۸۰ تا ۱۳۰ هزار دلار صرفهجویی هزینه به همراه دارد. با توجه به نرخ پایین دستمزدها و چرخش بالای نیرو در مشاغل حفاظتی، شرکتهای فناوری مانند Asylon اکنون وظایف پایش محیطی را بر عهده گرفتهاند.
مهمترین نکات درباره این تحول:
• کاهش هزینههای عملیاتی در مقایسه با استخدام و آموزش مداوم نگهبانان.
• استقرار موفقیتآمیز دهها واحد رباتیک توسط شرکتهای پیشرو در سراسر آمریکا.
• حرکت به سمت مدلهای ترکیبی که در آن رباتها وظایف گشتزنی را بر عهده دارند و انسانها مسئولیت مدیریت شرایط پیچیده و واکنش به حوادث خاص را بر عهده میگیرند.
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
📊 Data➕Science
🧠 زوال تفکر مستقل در دانشآموزان با هوش مصنوعی
روانشناسان هشدار میدهند که حدود یکسوم دانشآموزان به جای استفاده آموزشی و کمکی از هوش مصنوعی، از آن به عنوان جایگزینی برای تفکر مستقل خود استفاده میکنند. این پدیده که بیشتر در میان دانشآموزان مقاطع متوسطه دیده میشود، باعث شده آنها صرفاً پاسخهای آماده را بدون تحلیل و درک واقعی کپی کنند.
این روند آسیبهای جدی به مهارتهای شناختی نسل جدید وارد میکند که مهمترین آنها عبارتند از:
• تضعیف حافظه و کاهش پویایی ذهن
• از دست رفتن استقلال در تصمیمگیری و حل مسئله
• ناتوانی در فرمولهکردن ایدهها و بیان مفاهیم با زبان خود
استفاده نادرست و افراطی از فناوریهای نوین میتواند کلاسهای درس را به محیطی بیروح تبدیل کند که در آن رباتها اطلاعات را بدون هیچگونه پردازش ذهنی به حافظه غیرفعال دانشآموزان تزریق میکنند و خلاقیت را از بین میبرند.
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
روانشناسان هشدار میدهند که حدود یکسوم دانشآموزان به جای استفاده آموزشی و کمکی از هوش مصنوعی، از آن به عنوان جایگزینی برای تفکر مستقل خود استفاده میکنند. این پدیده که بیشتر در میان دانشآموزان مقاطع متوسطه دیده میشود، باعث شده آنها صرفاً پاسخهای آماده را بدون تحلیل و درک واقعی کپی کنند.
این روند آسیبهای جدی به مهارتهای شناختی نسل جدید وارد میکند که مهمترین آنها عبارتند از:
• تضعیف حافظه و کاهش پویایی ذهن
• از دست رفتن استقلال در تصمیمگیری و حل مسئله
• ناتوانی در فرمولهکردن ایدهها و بیان مفاهیم با زبان خود
استفاده نادرست و افراطی از فناوریهای نوین میتواند کلاسهای درس را به محیطی بیروح تبدیل کند که در آن رباتها اطلاعات را بدون هیچگونه پردازش ذهنی به حافظه غیرفعال دانشآموزان تزریق میکنند و خلاقیت را از بین میبرند.
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
🎙️ ابزار رایگان و قدرتمند Voice-Pro برای پردازش صوت و ویدیو
پروژه Voice-Pro یک مجموعه ابزار جامع و متنباز است که بسیاری از نیازهای پردازش صوت و ویدیو را با استفاده از مدلهای هوش مصنوعی پوشش میدهد. این ابزار به دلیل یکپارچگی بالا، گزینهای عالی برای کسانی است که به دنبال راهکاری سریع برای تولید و ویرایش محتوای چندرسانهای هستند.
مهمترین قابلیتهای این پروژه شامل موارد زیر است:
• تبدیل دقیق صوت و ویدیو به متن با استفاده از مدل Whisper
• تولید صدای مصنوعی (TTS) از متن ورودی
• کلون کردن دقیق صدا تنها با یک نمونه کوتاه
• ترجمه و دوبله هوشمند محتوا به بیش از ۱۰۰ زبان زنده دنیا
• جدا کردن هوشمند صدای خواننده از فایل موسیقی
• پردازش مستقیم محتوای موجود در YouTube
این ابزار با تمرکز بر سادگی در استفاده، تمامی این عملیات پیچیده را در یک محیط واحد برای کاربر فراهم کرده است. اگر به دنبال جایگزینی رایگان برای ابزارهای گرانقیمت تدوین و پردازش صوتی هستید، این پروژه در گیتهاب قابل دسترسی است.
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
📊 Data➕Science
پروژه Voice-Pro یک مجموعه ابزار جامع و متنباز است که بسیاری از نیازهای پردازش صوت و ویدیو را با استفاده از مدلهای هوش مصنوعی پوشش میدهد. این ابزار به دلیل یکپارچگی بالا، گزینهای عالی برای کسانی است که به دنبال راهکاری سریع برای تولید و ویرایش محتوای چندرسانهای هستند.
مهمترین قابلیتهای این پروژه شامل موارد زیر است:
• تبدیل دقیق صوت و ویدیو به متن با استفاده از مدل Whisper
• تولید صدای مصنوعی (TTS) از متن ورودی
• کلون کردن دقیق صدا تنها با یک نمونه کوتاه
• ترجمه و دوبله هوشمند محتوا به بیش از ۱۰۰ زبان زنده دنیا
• جدا کردن هوشمند صدای خواننده از فایل موسیقی
• پردازش مستقیم محتوای موجود در YouTube
این ابزار با تمرکز بر سادگی در استفاده، تمامی این عملیات پیچیده را در یک محیط واحد برای کاربر فراهم کرده است. اگر به دنبال جایگزینی رایگان برای ابزارهای گرانقیمت تدوین و پردازش صوتی هستید، این پروژه در گیتهاب قابل دسترسی است.
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
📊 Data➕Science
Media is too big
VIEW IN TELEGRAM
🚀 نبرد مدلهای هوش مصنوعی: Qwen 3.8 Max در برابر Opus 5
این روزها شاهد رقابت جذابی هستیم؛ مدلهای متنباز چینی بهخوبی توانستهاند با قدرتمندترین مدلهای بستهی جهان وارد رقابت مستقیم شوند.
در یک تست عملی، از مدلها خواسته شد تا یک نمونه اولیه از موتور بخار سهبعدی با استفاده از Three.js طراحی کنند. نتیجه این مقایسه نشان میدهد که مدلهای رایگان و قابل اجرا روی سیستم شخصی، فاصلهی بسیار کمی با مدلهای تجاری و گرانقیمت دارند.
مهمترین نکات این رقابت:
- تقابل یک مدل متنباز با مدلهای سطح بالای closed-source
- قابلیت اجرای محلی مدل Qwen برای کاهش هزینهها
- دقت بالا در تولید کدهای گرافیکی پیچیده
بهنظر شما، کدام مدل در پیادهسازی پروژههای فنی بهتر عمل میکند؟
#Qwen3_8Max #Threejs
این روزها شاهد رقابت جذابی هستیم؛ مدلهای متنباز چینی بهخوبی توانستهاند با قدرتمندترین مدلهای بستهی جهان وارد رقابت مستقیم شوند.
در یک تست عملی، از مدلها خواسته شد تا یک نمونه اولیه از موتور بخار سهبعدی با استفاده از Three.js طراحی کنند. نتیجه این مقایسه نشان میدهد که مدلهای رایگان و قابل اجرا روی سیستم شخصی، فاصلهی بسیار کمی با مدلهای تجاری و گرانقیمت دارند.
مهمترین نکات این رقابت:
- تقابل یک مدل متنباز با مدلهای سطح بالای closed-source
- قابلیت اجرای محلی مدل Qwen برای کاهش هزینهها
- دقت بالا در تولید کدهای گرافیکی پیچیده
بهنظر شما، کدام مدل در پیادهسازی پروژههای فنی بهتر عمل میکند؟
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Qwen3_8Max #Threejs
This media is not supported in your browser
VIEW IN TELEGRAM
هوش مصنوعی جدید گوگل برای ترجمه زبان اشاره
گوگل دیپمایند (Google DeepMind) به تازگی از مدل جدیدی به نام SL2T رونمایی کرده است که میتواند زبان اشاره را مستقیماً به متن تبدیل کند.
بسیاری از ابزارهای تبدیل گفتار به متن بر پایه صوت کار میکنند، اما زبانهای اشاره دارای ساختار دستوری مستقل و حرکات پیچیده سهبعدی هستند. این مدل جدید بهجای استفاده از تصاویر خام دوربین یا دستکشهای حسگر، از MediaPipe Holistic برای ردیابی مختصات نقاط کلیدی بدن استفاده میکند و سپس این دادههای فضایی را به متن تبدیل مینماید.
مهمترین ویژگیهای این فناوری:
* تبدیل مستقیم حرکات زبان اشاره به متن بدون نیاز به تایپ کردن.
* قابلیت استفاده برای جستجو، نوشتن پیام و شرکت در گفتگوهای زنده.
* عدم نیاز به سختافزارهای جانبی و پردازش محلی دادههای حرکتی.
این پیشرفت میتواند به بهبود دسترسیپذیری و ارتباطات دیجیتال برای جامعه ناشنوایان کمک شایانی کند.
#SL2T #MediaPipe_Holistic
گوگل دیپمایند (Google DeepMind) به تازگی از مدل جدیدی به نام SL2T رونمایی کرده است که میتواند زبان اشاره را مستقیماً به متن تبدیل کند.
بسیاری از ابزارهای تبدیل گفتار به متن بر پایه صوت کار میکنند، اما زبانهای اشاره دارای ساختار دستوری مستقل و حرکات پیچیده سهبعدی هستند. این مدل جدید بهجای استفاده از تصاویر خام دوربین یا دستکشهای حسگر، از MediaPipe Holistic برای ردیابی مختصات نقاط کلیدی بدن استفاده میکند و سپس این دادههای فضایی را به متن تبدیل مینماید.
مهمترین ویژگیهای این فناوری:
* تبدیل مستقیم حرکات زبان اشاره به متن بدون نیاز به تایپ کردن.
* قابلیت استفاده برای جستجو، نوشتن پیام و شرکت در گفتگوهای زنده.
* عدم نیاز به سختافزارهای جانبی و پردازش محلی دادههای حرکتی.
این پیشرفت میتواند به بهبود دسترسیپذیری و ارتباطات دیجیتال برای جامعه ناشنوایان کمک شایانی کند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#SL2T #MediaPipe_Holistic
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #87 | 📌 7 آیتم گزارش | 🧾 از 12 پست بررسیشده
🕐 شنبه 1405/05/24 ساعت 14:00 تا یکشنبه 1405/05/25 ساعت 14:00
🛡️ هوش مصنوعی و امنیت سایبری
📊 تکنولوژی و بنچمارکهای مدلها
🎓 آموزش و توسعه مهارتها
🗂 گزارش #87 | 📌 7 آیتم گزارش | 🧾 از 12 پست بررسیشده
🕐 شنبه 1405/05/24 ساعت 14:00 تا یکشنبه 1405/05/25 ساعت 14:00
🛡️ هوش مصنوعی و امنیت سایبری
سازمانهای دولتی تایوان هدف حمله سایبری ایجنتهای خودمختار هوش مصنوعی قرار گرفتند که در آن مهاجمان انسانی در کنار هوش مصنوعی برای شناسایی نقاط ضعف نفوذ میکردند.
🔗 مشاهده پست
پژوهشگر سابق OpenAI هشدار داد که مدلهای فعلی هوش مصنوعی قابلیت فنی لازم برای نفوذ به کیفپولهای دیجیتال و حسابهای بانکی را دارند و تهدیدی جدی محسوب میشوند.
🔗 مشاهده پست
📊 تکنولوژی و بنچمارکهای مدلها
نتایج بنچمارک ExtractBench نشان میدهد مدلهای VLM در تحلیل اسناد طولانی بالای ۵۰ صفحه، دقت بسیار پایینی دارند و اغلب صفحات میانی و انتهایی سند را نادیده میگیرند.
🔗 مشاهده پست
کمپانی Mistral مدل OCR خود را به نسخه 4.1 ارتقا داد. این نسخه در پردازش جداول فنی، نمودارها و اسناد چندستونه پیچیده دقت بسیار بالاتری نسبت به نسخههای قبلی دارد.
🔗 مشاهده پست
در مقایسه عملکرد Qwen 3.8 Max و Opus 5 برای کدنویسی سهبعدی، مدلهای متنباز چینی ثابت کردند که فاصلهی بسیار کمی با مدلهای تجاری و گرانقیمت دارند.
🔗 مشاهده پست
🎓 آموزش و توسعه مهارتها
آکادمی همراه اول مسیر یادگیری مشخصی را برای علاقهمندان به تحلیل داده طراحی کرده است تا افراد بدون سردرگمی، مهارتهای لازم برای ورود به این حوزه را بیاموزند.
🔗 مشاهده پست
اندرو انجی در نقشه راه جدید خود بر یادگیری بلوکهای سازنده LLM، تکنیکهای RAG و گردشکارهای عاملی (Agentic) به عنوان مهارتهای ضروری مهندسان هوش مصنوعی تأکید کرد.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🔐 واترمارکگذاری در مدلهای زبانی مانند Claude
آیا تا به حال فکر کردهاید که چگونه میتوان متون تولید شده توسط هوش مصنوعی را شناسایی کرد؟ یکی از راهکارهای کلیدی، استفاده از سیستم Watermarking در لحظه استنتاج (Inference) است.
در مدلهای زبانی، برای تولید کلمه بعدی معمولاً چندین گزینه با احتمالات نزدیک وجود دارد. فرآیند واترمارکگذاری به این صورت عمل میکند:
- تغییر در نمونهبرداری: مدل از یک کلید مخفی (Secret Key) استفاده میکند تا از میان نامزدهای قابلقبول، کلمات خاصی را با الگوی آماری مشخص انتخاب کند.
- پنهانسازی: متن نهایی برای انسان کاملاً عادی و طبیعی به نظر میرسد.
- تشخیص آماری: با تکرار این انتخابها در طول متن، یک الگوی آماری منحصربهفرد شکل میگیرد که احتمال تصادفی بودن آن تقریباً صفر است.
این فناوری میتواند به صورت یکپارچه در کل زیرساخت مدل اعمال شود تا اصالت محتوا قابل رهگیری باشد. استفاده از این روش نشاندهنده تلاش شرکتها برای استانداردسازی خروجیهای هوش مصنوعی است.
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
آیا تا به حال فکر کردهاید که چگونه میتوان متون تولید شده توسط هوش مصنوعی را شناسایی کرد؟ یکی از راهکارهای کلیدی، استفاده از سیستم Watermarking در لحظه استنتاج (Inference) است.
در مدلهای زبانی، برای تولید کلمه بعدی معمولاً چندین گزینه با احتمالات نزدیک وجود دارد. فرآیند واترمارکگذاری به این صورت عمل میکند:
- تغییر در نمونهبرداری: مدل از یک کلید مخفی (Secret Key) استفاده میکند تا از میان نامزدهای قابلقبول، کلمات خاصی را با الگوی آماری مشخص انتخاب کند.
- پنهانسازی: متن نهایی برای انسان کاملاً عادی و طبیعی به نظر میرسد.
- تشخیص آماری: با تکرار این انتخابها در طول متن، یک الگوی آماری منحصربهفرد شکل میگیرد که احتمال تصادفی بودن آن تقریباً صفر است.
این فناوری میتواند به صورت یکپارچه در کل زیرساخت مدل اعمال شود تا اصالت محتوا قابل رهگیری باشد. استفاده از این روش نشاندهنده تلاش شرکتها برای استانداردسازی خروجیهای هوش مصنوعی است.
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
@DataPlusScience_linkedin_7494458171483197440_01.pdf
16.8 MB
🛠 آموزش عملی فاینتیون Qwen 2.5 با LoRA
یک راهنمای عملی و گامبهگام برای فاینتیون مدل زبانی Qwen 2.5 با استفاده از روش کارآمد LoRA منتشر شده است. این آموزش به شما کمک میکند تا مدلهای بزرگ زبانی را با منابع سختافزاری محدود و به صورت بهینه شخصیسازی کنید.
ابزارهای کلیدی پروژه:
• کتابخانههای
• ابزار پیادهسازی
• فریمورکهای
مراحل اصلی نقشه راه:
• بررسی وضعیت سختافزار، GPU و CUDA
• بارگذاری مدل پایه و آمادهسازی دیتاست Alpaca
• بهینهسازی پارامترها با جادوی LoRA
• اجرای فرآیند آموزش (Training) و تست نهایی مدل
🔗 منبع
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
#Qwen2_5 #PEFT
یک راهنمای عملی و گامبهگام برای فاینتیون مدل زبانی Qwen 2.5 با استفاده از روش کارآمد LoRA منتشر شده است. این آموزش به شما کمک میکند تا مدلهای بزرگ زبانی را با منابع سختافزاری محدود و به صورت بهینه شخصیسازی کنید.
ابزارهای کلیدی پروژه:
• کتابخانههای
Transformers و Datasets• ابزار پیادهسازی
PEFT برای اعمال تکنیک LoRA• فریمورکهای
PyTorch و Accelerateمراحل اصلی نقشه راه:
• بررسی وضعیت سختافزار، GPU و CUDA
• بارگذاری مدل پایه و آمادهسازی دیتاست Alpaca
• بهینهسازی پارامترها با جادوی LoRA
• اجرای فرآیند آموزش (Training) و تست نهایی مدل
🔗 منبع
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Qwen2_5 #PEFT
🚀 فرصت شغلی: جذب Business Analyst در تپسل
اگر به دنیای دادهها علاقه دارید و از حل مسائل پیچیده لذت میبرید، تپسل برای تکمیل تیم خود در جستجوی یک Business Analyst توانمند است. در این نقش، شما به تیم ناشران کمک میکنید تا با تحلیل دقیق دادههای عملکردی، تصمیمهای هوشمندانهتری بگیرند.
مهمترین مسئولیتهای این موقعیت شغلی:
▪️ تحلیل عملکرد ناشران و جایگاههای تبلیغاتی
▪️ شناسایی دلایل نوسانات درآمدی و عملکردی
▪️ همکاری با تیمها برای حل مسائل کسبوکار
▪️ بررسی و تطبیق گزارشهای مالی و عملیاتی
▪️ تبدیل دادههای خام به گزارشها و پیشنهادهای اجرایی
در این نقش، بیش از هر چیز توانایی حل مسئله، دقت در کار با اعداد و یادگیری سریع اهمیت دارد. اگر فکر میکنید این فرصت مناسب شما یا دوستانتان است، میتوانید جزئیات بیشتر را در لینک زیر مشاهده و رزومه خود را ارسال کنید:
مشاهده جزئیات و ارسال رزومه در جابویژن
#تپسل #BusinessAnalyst
اگر به دنیای دادهها علاقه دارید و از حل مسائل پیچیده لذت میبرید، تپسل برای تکمیل تیم خود در جستجوی یک Business Analyst توانمند است. در این نقش، شما به تیم ناشران کمک میکنید تا با تحلیل دقیق دادههای عملکردی، تصمیمهای هوشمندانهتری بگیرند.
مهمترین مسئولیتهای این موقعیت شغلی:
▪️ تحلیل عملکرد ناشران و جایگاههای تبلیغاتی
▪️ شناسایی دلایل نوسانات درآمدی و عملکردی
▪️ همکاری با تیمها برای حل مسائل کسبوکار
▪️ بررسی و تطبیق گزارشهای مالی و عملیاتی
▪️ تبدیل دادههای خام به گزارشها و پیشنهادهای اجرایی
در این نقش، بیش از هر چیز توانایی حل مسئله، دقت در کار با اعداد و یادگیری سریع اهمیت دارد. اگر فکر میکنید این فرصت مناسب شما یا دوستانتان است، میتوانید جزئیات بیشتر را در لینک زیر مشاهده و رزومه خود را ارسال کنید:
مشاهده جزئیات و ارسال رزومه در جابویژن
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#تپسل #BusinessAnalyst
🚀 عصر مدلهای رایگان و تحول هزینهها در هوش مصنوعی
دنیای هوش مصنوعی با سرعتی غیرمنتظره به سمت کالایی شدن پیش میرود. در حالی که هنوز بسیاری از کسبوکارها هزینههای گزافی را برای مدلهای پیشرو در محیط عملیاتی میپردازند، ظهور مدلهای فوقبهینه نشان میدهد که تکیه بر مدلهای گرانقیمت برای ۹۰ درصد جریانهای کاری برنامهنویسی، عملاً نوعی سهلانگاری مالی محسوب میشود.
وقتی تفاوت هزینه بین یک ابزار رایگان و یک مدل پرچمدار به بیش از ۱۰,۰۰۰ درصد میرسد، شکافهای جزئی در کیفیت بنچمارکها دیگر اولویت اول نیست. بررسی قیمت توکنها نشان میدهد که رقابت شدیدی بر سر بهینهسازی رخ داده است:
- Gemini 3.7 Flash: با ساختار هزینهای رقابتی که در سطوح خاص به نزدیک صفر رسیده است.
- DeepSeek V4 Flash: با نرخهای خیرهکننده، بهویژه با استفاده از مکانیزم Cache Hit که هزینه ورودی را به حداقل میرساند.
اگر تا امروز در پروژههای تولیدی خود بدون بهینهسازی از مدلهای حجیم استفاده میکردید، شاید زمان آن رسیده که در «استک» اصلی خود بازنگری کنید.
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
دنیای هوش مصنوعی با سرعتی غیرمنتظره به سمت کالایی شدن پیش میرود. در حالی که هنوز بسیاری از کسبوکارها هزینههای گزافی را برای مدلهای پیشرو در محیط عملیاتی میپردازند، ظهور مدلهای فوقبهینه نشان میدهد که تکیه بر مدلهای گرانقیمت برای ۹۰ درصد جریانهای کاری برنامهنویسی، عملاً نوعی سهلانگاری مالی محسوب میشود.
وقتی تفاوت هزینه بین یک ابزار رایگان و یک مدل پرچمدار به بیش از ۱۰,۰۰۰ درصد میرسد، شکافهای جزئی در کیفیت بنچمارکها دیگر اولویت اول نیست. بررسی قیمت توکنها نشان میدهد که رقابت شدیدی بر سر بهینهسازی رخ داده است:
- Gemini 3.7 Flash: با ساختار هزینهای رقابتی که در سطوح خاص به نزدیک صفر رسیده است.
- DeepSeek V4 Flash: با نرخهای خیرهکننده، بهویژه با استفاده از مکانیزم Cache Hit که هزینه ورودی را به حداقل میرساند.
اگر تا امروز در پروژههای تولیدی خود بدون بهینهسازی از مدلهای حجیم استفاده میکردید، شاید زمان آن رسیده که در «استک» اصلی خود بازنگری کنید.
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
🚀 تحول بزرگ در دنیای Coding Agents با DeepSeek
شرکت DeepSeek با انتشار ابزار متنباز deepseek-harness، استانداردهای جدیدی را برای عوامل هوشمند کدنویسی تعریف کرده است. این ابزار که جایگزینی جدی برای سرویسهای اشتراکی نظیر Claude Code محسوب میشود، امکانات قدرتمندی را بهصورت رایگان در اختیار توسعهدهندگان قرار میدهد.
مهمترین ویژگیهای این فریمورک عبارتند از:
• معماری کاملاً ماژولار: تمامی اجزا از مدلها گرفته تا ابزارها و حلقههای اجرا، از طریق فایل تنظیمات قابل جایگزینی هستند.
• زیرساخت Cordis: بهرهگیری از موتور اختصاصی DeepSeek برای اجرای افزونهها.
• خودآموز بودن: شامل مستندات معماری و فایلهای تخصصی برای درک بهتر ساختار کد توسط خودِ Agent.
• اجرای ساده: راهاندازی رابط کاربری محلی تنها با یک دستور در محیط ترمینال.
این پروژه با مجوز MIT منتشر شده و اگرچه هنوز در مرحله پیشنمایش قرار دارد، اما مسیر دسترسی به ابزارهای پیشرفته توسعه نرمافزار با هوش مصنوعی را برای همه باز کرده است.
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
شرکت DeepSeek با انتشار ابزار متنباز deepseek-harness، استانداردهای جدیدی را برای عوامل هوشمند کدنویسی تعریف کرده است. این ابزار که جایگزینی جدی برای سرویسهای اشتراکی نظیر Claude Code محسوب میشود، امکانات قدرتمندی را بهصورت رایگان در اختیار توسعهدهندگان قرار میدهد.
مهمترین ویژگیهای این فریمورک عبارتند از:
• معماری کاملاً ماژولار: تمامی اجزا از مدلها گرفته تا ابزارها و حلقههای اجرا، از طریق فایل تنظیمات قابل جایگزینی هستند.
• زیرساخت Cordis: بهرهگیری از موتور اختصاصی DeepSeek برای اجرای افزونهها.
• خودآموز بودن: شامل مستندات معماری و فایلهای تخصصی برای درک بهتر ساختار کد توسط خودِ Agent.
• اجرای ساده: راهاندازی رابط کاربری محلی تنها با یک دستور در محیط ترمینال.
این پروژه با مجوز MIT منتشر شده و اگرچه هنوز در مرحله پیشنمایش قرار دارد، اما مسیر دسترسی به ابزارهای پیشرفته توسعه نرمافزار با هوش مصنوعی را برای همه باز کرده است.
📖 مطالعه کامل مطلب در وبسایت Data Plus Science
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما