هوش مصنوعی و علم داده به فارسی
6.06K subscribers
1.66K photos
436 videos
347 files
1.82K links
🗨 ارتباط با ما (تبلیغات، سوال، پیشنهاد و انتقاد):
📩 @Contact2Mebot

💯 کانال دوم ما:
@Datascientists_Files

💎 در پیام‌رسان بله(آپدیت اتومات):
https://ble.ir/dataplusscience

💡 در پیام‌رسان ایتا(آپدیت اتومات):
https://eitaa.com/DataPlusScience
Download Telegram
هوش مصنوعی و علم داده به فارسی
🚀 تحول در تحقیقات مالی با هوش مصنوعی ‏تصور کنید یک تیم تحقیقاتی کامل برای تحلیل بازارهای مالی در اختیار دارید که هزینه‌اش از ۳۰۰ هزار دلار در سال به تنها ۲۴۰۰ دلار کاهش یافته است. این اتفاق با استفاده از Agentهای هوش مصنوعی و مدل گروک به واقعیت تبدیل شده…
هوش مصنوعی از ابزار به کارمند تبدیل می‌شود

‏در سه سال گذشته، استفاده از هوش مصنوعی عمدتاً به معنای نشستن پشت یک چت‌باکس و تایپ کردن دستورات بود. اما با معرفی Grok Bot توسط xAI، این پارادایم در حال تغییر است. گروک اکنون به کامپیوتر اختصاصی، حافظه و دسترسی به ابزارهای کاری مجهز شده تا وظایف را به‌صورت خودکار و در پس‌زمینه انجام دهد.

‏تفاوت بزرگ اینجاست: ما دیگر فقط با مدل‌های هوشمند سر و کار نداریم، بلکه با «عامل‌های خودمختار» مواجهیم که می‌توانند جایگزین کارهای تکراری شوند.

‏مهم‌ترین ویژگی‌های این تحول:
‏• اجرای مستمر: کارها ۲۴ ساعته و بدون نیاز به نظارت مستقیم پیش می‌روند.
‏• اتصال به ابزارها: دسترسی به ایمیل، فایل‌ها و نرم‌افزارهای سازمانی برای تکمیل فرآیندها.
‏• تغییر نقش انسان: انسان از اپراتورِ فعال به تأییدکننده نهایی تبدیل می‌شود.
‏• تمرکز بر نتیجه: خروجی دیگر «متن» نیست، بلکه «کارِ تمام‌شده» است.

‏این فناوری قرار نیست یک‌شبه جایگزین مشاغل شود، بلکه با بر عهده گرفتن وظایف خرد و زمان‌بر، ساعات کاری زیادی را به انسان باز می‌گرداند. عصر جدید هوش مصنوعی، عصر «واگذاری کار» است.

📚 مطالعه با جزئیات بیشتر
This media is not supported in your browser
VIEW IN TELEGRAM
🏃‍♂️ رکوردشکنی بی‌سابقه ربات انسان‌نما در دو ۱۰۰ متر

‏دومین دوره بازی‌های جهانی ربات‌های انسان‌نما در پکن آغاز شده است. این رویداد شامل رقابت در رشته‌های متنوعی از جمله دوومیدانی، فوتبال، تنیس، هنرهای رزمی و حتی کارهای روزمره مانند مرتب‌سازی اشیاء و باز کردن بطری‌هاست.

‏در نخستین روز مسابقات، ربات انسان‌نمای Tiangong Ultra (توسعه‌یافته توسط مرکز نوآوری پکن) موفق شد با ثبت زمان شگفت‌انگیز ۹.۳۹ ثانیه در دو ۱۰۰ متر، رکورد جدیدی ثبت کند. جالب است بدانید این زمان حتی از رکورد افسانه‌ای و جهانی یوسین بولت انسان (۹.۵۸ ثانیه) نیز سریع‌تر است.

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Tiangong_Ultra #ربات_انسان_نما
1
سرمایه‌گذاری ۷ میلیارد دلاری انویدیا برای رقابت با مدل‌های هوش مصنوعی

‏شرکت انویدیا در یک چرخش استراتژیک، قصد دارد با سرمایه‌گذاری ۷ میلیارد دلاری روی استارتاپ Poolside، وارد رقابت جدی در حوزه مدل‌های با وزنِ‌باز (open-weight) شود. این اقدام شامل قرارداد ۶ میلیارد دلاری برای لایسنس فناوری و جذب بیش از ۱۰۰ متخصص، به همراه ۱ میلیارد دلار سرمایه‌گذاری مستقیم است.

‏هدف اصلی جنسن هوانگ، تقویت خانواده مدل‌های Nemotron برای رقابت با غول‌های چینی مانند DeepSeek و Kimi و همچنین چالش کشیدن شرکت‌های آمریکایی نظیر OpenAI و Anthropic است. مدل‌های open-weight به دلیل هزینه اجرایی کمتر و انعطاف‌پذیری بالا در شخصی‌سازی، اکنون به میدان اصلی نبرد در دنیای هوش مصنوعی تبدیل شده‌اند. انویدیا با این حرکت می‌خواهد جایگاه خود را در بازارهای متنوع هوش مصنوعی تثبیت کند.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Poolside #Nemotron
Media is too big
VIEW IN TELEGRAM
🎬 دستیار هوشمند MiniMax Design برای ساخت ویدیو

‏شرکت MiniMax از ابزار جدید خود به نام MiniMax Design رونمایی کرد. این برنامه که برای ویندوز و مک منتشر شده، یک عامل (Agent) چندوجهی است که تمام مراحل تولید ویدیو را به طور خودکار انجام می‌دهد؛ از سناریونویسی و طراحی استوری‌برد گرفته تا تولید تصویر، تدوین و صداگذاری.

‏این ابزار از مدل جدید H3 قدرت می‌گیرد و یک ابزار سه‌بعدی کارگردانی برای تنظیم زاویه دوربین و حرکت کاراکترها دارد. همچنین کاربران حرفه‌ای می‌توانند ورک‌فلوهای ComfyUI خود را به آن متصل کنند.

‏اشتراک ماهانه این سرویس نیز در سه سطح Starter (۱۰.۵ دلار)، Plus (۷۶ دلار) و Pro (۲۱۵ دلار) ارائه می‌شود.

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#MiniMax_Design #H3_model
🚀 ظهور عصر ایجنت‌های هوش مصنوعی در سال ۲۰۲۶

‏تحولات دنیای فناوری با سرعتی باورنکردنی در حال تغییر است. اگر سال ۲۰۲۵ را سال تمرکز بر تقویت قدرت استدلال در مدل‌های هوش مصنوعی بدانیم، سال ۲۰۲۶ به‌طور قطع متعلق به مدل‌های مبتنی بر ایجنت (Agent-based models) است.

داده‌های اخیر نشان می‌دهد که اکنون انسان‌ها دیگر کاربران اصلی پلتفرم‌های هوش مصنوعی نیستند. ایجنت‌های هوشمند با سرعتی خیره‌کننده در حال پیشی گرفتن از کاربران انسانی در مصرف توکن‌های پردازشی هستند.

‏بر اساس آمار منتشر شده، مهم‌ترین نکات این تغییر پارادایم عبارتند از:

‏- افزایش ۵ برابری مصرف توکن توسط ایجنت‌ها نسبت به کاربران انفرادی.
‏- رشد ۱۴ برابری فعالیت ایجنت‌ها در پلتفرم‌ها از فوریه تا امروز.

‏این تغییر نشان‌دهنده گذار از هوش مصنوعی «چت‌محور» به سمت هوش مصنوعی «عمل‌گرا» است که در آن سیستم‌ها قادرند به‌طور مستقل وظایف پیچیده را پیش ببرند. باید دید این روند در ماه‌های آینده چه تغییری در معماری سیستم‌های توزیع‌شده ایجاد خواهد کرد.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
1
📉 چالش بزرگ Anthropic در بازار هوش مصنوعی

‏گزارش‌های تازه از Ramp AI Index نشان می‌دهد مدل قدرتمند Fable 5 شرکت Anthropic با استقبال سردی از سوی مشتریان سازمانی مواجه شده است. طبق آمارهای اخیر، این مدل تنها سهم اندکی از هزینه‌کردهای هوش مصنوعی شرکت‌ها را به خود اختصاص داده است.

‏دلیل اصلی این روند، قیمت بالای Fable 5 در مقایسه با مدل‌های متن‌باز و مدل‌های ارزان‌تر موجود در بازار است. بسیاری از کسب‌وکارها به این نتیجه رسیده‌اند که مدل‌های اقتصادی‌تر برای انجام اکثر وظایف روزمره کاملاً کافی هستند و نیازی به پرداخت هزینه‌های سنگین برای پیشرفته‌ترین مدل‌ها ندارند.

‏مهم‌ترین نکات این گزارش:
‏• تسلط مدل‌های اقتصادی بر بازار و کاهش تقاضا برای مدل‌های پرچمدار و گران‌قیمت.
‏• رشد چشمگیر استفاده از مدل‌های متن‌باز به دلیل تعادل میان کارایی و قیمت.
‏• اولویت‌بندی بهینه هزینه‌ها توسط شرکت‌ها در مواجهه با ابزارهای هوش مصنوعی متنوع.

📚 مطالعه با جزئیات بیشتر
هوش مصنوعی و علم داده به فارسی
‏هوش مصنوعی از ابزار به کارمند تبدیل می‌شود ‏در سه سال گذشته، استفاده از هوش مصنوعی عمدتاً به معنای نشستن پشت یک چت‌باکس و تایپ کردن دستورات بود. اما با معرفی Grok Bot توسط xAI، این پارادایم در حال تغییر است. گروک اکنون به کامپیوتر اختصاصی، حافظه و دسترسی…
Media is too big
VIEW IN TELEGRAM
🚀 ظهور تریدرهای خودکار با شش ایجنت هوشمند

‏ایده استفاده از چندین عامل هوش مصنوعی برای مدیریت یک محیط معاملاتی، دیگر یک فرضیه نیست. در یک مدل عملیاتی نوین، شش ایجنت مستقل با وظایف تخصصی، جایگزین تیم‌های انسانی پرهزینه شده‌اند. این سیستم نه تنها هزینه‌های عملیاتی را به شدت کاهش داده، بلکه دقت در اجرای استراتژی‌های معاملاتی را بهینه کرده است.

‏مهم‌ترین بخش‌های این ساختار عبارتند از:

‏- TAPE: رصد لحظه‌ای معاملات و شناسایی نوسانات قیمتی.
‏- QUANT: بازبینی و اصلاح خودکار مدل‌های ریاضی در صورت بروز انحراف (Drift).
‏- MACRO: تحلیل داده‌های کلان و بازارهای جهانی پیش از آغاز ساعات کاری.
‏- RISK: مدیریت ریسک و حفظ شاخص VAR در محدوده تعیین‌شده.
‏- Chief of Staff: هسته مرکزی سیستم که وظیفه مدیریت گردش کار، نظارت بر خروجی سایر ایجنت‌ها و ارجاع موارد حیاتی به کاربر انسانی را بر عهده دارد.

‏هر یک از این ایجنت‌ها به صورت مجزا در محیط ابری اجرا شده و به ترمینال‌های اختصاصی دسترسی دارند. نکته کلیدی این معماری، عدم نیاز به برنامه‌نویسی پیچیده یا زیرساخت‌های سنگین است.

📚 مطالعه با جزئیات بیشتر

📊 DataScience
1
هوش مصنوعی و علم داده به فارسی
‏هوش مصنوعی از ابزار به کارمند تبدیل می‌شود ‏در سه سال گذشته، استفاده از هوش مصنوعی عمدتاً به معنای نشستن پشت یک چت‌باکس و تایپ کردن دستورات بود. اما با معرفی Grok Bot توسط xAI، این پارادایم در حال تغییر است. گروک اکنون به کامپیوتر اختصاصی، حافظه و دسترسی…
هوش مصنوعی عامل‌محور: شروع کار با Grok Bot

‏تا به امروز اکثر ابزارهای هوش مصنوعی «چت‌بات» بوده‌اند؛ ابزاری که منتظر می‌ماند تا شما سوالی بپرسید و پاسخ را برایتان بنویسد. اما Grok Bot پارادایم را تغییر داده است. این ابزار در واقع یک هوش مصنوعی عامل‌محور (AI Agent) است که کامپیوتر ابری اختصاصی خود را دارد، می‌تواند وارد نرم‌افزارها شود، کلیک کند و کارهای تکراری شما را حتی زمانی که لپ‌تاپ‌تان خاموش است، به سرانجام برساند.

‏تفاوت اصلی در این است که شما دیگر فقط یک «پرامپت» نمی‌نویسید، بلکه دارید یک «کارمند» استخدام می‌کنید. برای موفقیت در کار با این ابزار، این نکات کلیدی را در نظر بگیرید:

‏• تغییر ذهنیت از چت به مدیریت: به جای پرسش‌وپاسخ، به بات نقش بدهید و شرح وظایفش (Charter) را مشخص کنید.
‏• تعریف مرزهای اختیارات: مهم‌ترین بخش کار، تعیین دقیق «حدود اختیارات» است تا بدانید بات در چه شرایطی باید متوقف شود و از شما اجازه بگیرد.
‏• آموزش با مشاهده (Teach by Watching): می‌توانید کارها را یک‌بار خودتان انجام دهید تا بات آن را ضبط کرده و به عنوان یک روتین تکرارپذیر یاد بگیرد.

📚 مطالعه با جزئیات بیشتر
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 تبدیل هوشمند فایل‌ها به Markdown با Marker v2

‏پردازش و استخراج متن از فایل‌های مختلف همیشه یکی از چالش‌های اصلی در پایپ‌لاین‌های داده بوده است. ابزار Marker v2 که به‌تازگی منتشر شده، راهکاری قدرتمند برای تبدیل فایل‌های PDF، تصاویر، DOCX و PPTX به فرمت Markdown تمیز است.

‏این ابزار با تمرکز بر مقیاس‌پذیری طراحی شده و در مقایسه با ابزارهای سنتی، عملکرد خیره‌کننده‌ای دارد:

‏• سرعت پردازش تا ۲۳.۷ صفحه در ثانیه روی یک GPU مدل B200
‏• پشتیبانی از بیش از ۹۰ زبان مختلف
‏• متن‌باز بودن کامل پروژه برای استفاده و توسعه شخصی‌سازی‌شده

‏اگر روی پروژه‌های RAG یا تحلیل اسناد در مقیاس بزرگ کار می‌کنید، استفاده از این پایپ‌لاین می‌تواند سرعت عملیات پردازش داده‌های غیرساختاریافته شما را چندین برابر کند.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Marker_v2 #B200