اخبار هوش مصنوعی
2.83K subscribers
672 photos
354 videos
1.01K files
1.36K links
Download Telegram
Forwarded from Geek Alerts
گوگل GenCast رو معرفی کرد که یک AI برای پیش‌بینی دقیق آب‌وهوا هست.
با ۴۰ سال داده آرشیو هواشناسی ECMWF آموزش داده شده.
نتیجه؟ ۹۷.۲ درصد از بهترین مدل پیش‌بینی آب‌و‌هوا که الان استفاده میشه عملکرد بهتری داشته.
gsm
@geekalerts
Forwarded from OpenCV | Python
This media is not supported in your browser
VIEW IN TELEGRAM
#هوش_مصنوعی #ai #گوگل
💻 مدل هوش مصنوعی Genie 2 توسط شرکت دیپ‌مایند معرفی شد.
📄 این مدل میتواند محیط‌های سه‌بعدی متنوعی را در قالب یک بازی بر اساس تصویر ورودی تولید کند. کاربران می‌توانند اقداماتی مانند راه رفتن، پریدن و... را انجام دهند و مدل به‌طور لحظه‌ای این اعمال را شبیه‌سازی و تصویرسازی می‌کند. همچنین افکت‌های پیشرفته‌ای مانند نورپردازی، بازتاب و جاذبه در این مدل شبیه‌سازی می‌شوند.
📎 مطالعه بیشتر (DeepMind)
📄 Genie 2 generates diverse 3D environments based on a single image prompt. Users can perform actions like walking, jumping, or moving the mouse, with the model instantly simulating and visualizing them.
🔻share with your friends🔻
🔹@OpenCV_olc🔹
Hands-On Large Language Models!


این مخزن شامل نمونه کدهای کامل از کتاب Hands-On Large Language Models می باشد.

شامل نمونه‌های نوت‌بوک است و همه چیز را از مقدمه تا مدل‌های زبان تا تنظیم دقیق آنها را پوشش می‌دهد.

http://github.com/HandsOnLLM/Hands-On-Large-Language-Models




#یادگیری_ماشین #هوش_مصنوعی #Machine_Learning

🆔 @Ai_Tv
This media is not supported in your browser
VIEW IN TELEGRAM
آموزش برنامه نویسی پایتون ویژه مدیریت و علوم انسانی منتشر شد:

تخفیف ۷۰‌درصدی ویژه انتشار فقط تا دو روز

لینک آموزش

اگر تجربه برنامه‌نویسی ندارید و دنبال یادگیری مهارتی کاربردی هستید، این دوره دقیقاً برای شما طراحی شده است! آموزش پایتون، زبانی ساده اما قدرتمند، برای دانشجویان و متخصصان مدیریت و علوم انسانی. از مبانی اولیه تا تحلیل داده‌ها، خودکارسازی وظایف و تصمیم‌گیری بهتر، همه را با زبانی روان و گام‌به‌گام یاد می‌گیرید. نیازی به پیش‌زمینه خاصی نیست، فقط کافی است بخواهید که مسیر جدیدی را شروع کنید! این دوره فرصتی است برای اینکه مهارت‌هایتان را در دنیای امروز به‌روز کنید.

لینک آموزش

تخفیف ۷۰ درصدی ویژه انتشار فقط تا دو روز
این دوره آموزشی به گونه ای طراحی شده که هیچ‌پیش نیازی لازم‌ندارد و مناسب برای همه کسانی است که میخواهند از صفر برنامه نویسی شروع کنند از جمله:
دانش آموزان دبیرستانی
دانشجویان مدیریت و علوم‌انسانی

دانشجویان علوم‌پایه و مهندسی

https://faradars.org/courses/python-programming-especially-for-management-and-humanities-fvpy356
@MachineLearning_ir - Intro to ML.pdf
19.3 MB
📚 جزوه «مقدمه‌ای بر یادگیری ماشین»
🖥 دانشگاه خوارزمی و در 526 صفحه!

👨🏻‍💻 این روزها دارم جزوه یادگیری ماشین دکتر پدرام، دانشیار گروه برق و کامپیوتر دانشگاه خوارزمی رو می‌خونم. باید بگم انقدر منظم و مرحله‌به‌مرحله اصول یادگیری ماشین رو توضیح داده که واقعاً لذت بردم!

✏️ از مباحث پایه شروع میشه و اصول اولیه یادگیری ماشین رو توضیح میده، و کم‌کم وارد موضوعات پیشرفته‌تر می‌شه. متنش روونه و با کلی مثال‌های کاربردی، یادگیری رو ساده‌تر و کاربردی‌تر کرده.👌🏼



🌐 #یادگیری_ماشین #MachineLearning

💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
🔹 یک نقشه راه ۸ ماهه برای ورود به دنیای یادگیری ماشین (بدون میان‌بُر!)


👨🏻‍💻 حوزه یادگیری ماشین شبیه یه ماراتن طولانیه، نه یه دوی سرعت! با اینکه این مسیر پر از چالش‌های جذابه، داشتن یه برنامه منظم و روشن می‌تونه هر قدمش رو مدیریت و حتی لذت‌بخش کنه.


من یه نقشه راه ۵ مرحله‌ای براتون آماده کردم و هدفم اینه که تا با روزی چند ساعت تمرین، بتونین تو ۶ تا ۸ ماه، به مفاهیم و کاربردهای یادگیری ماشین مسلط بشین.


🔢 مرحله ۱: مفاهیم پایه ریاضی (۲۰-۲۵ ساعت)

✏️ پلی‌لیست پیشنهادی: مفاهیم پایه برای یادگیری ماشین

چرا از اینجا شروع کنیم؟ چون باید ریاضیات‌تون رو قوی کنین! موضوعاتی مثل جبر خطی، احتمال، آمار، حسابان، بهینه‌سازی و مبانی برنامه‌نویسی تو این مرحله خیلی مهمن.

🕓 زمان لازم: ۲-۳ ساعت در هفته، به مدت ۸ هفته.
✂️ ✂️ ✂️ ✂️ ✂️


🔢 مرحله ۲: یادگیری ماشین (۶۰-۶۵ ساعت)

✏️ پلی‌لیست پیشنهادی ۱: آموزش یادگیری ماشین با پروژه

با انجام پروژه‌های واقعی، روند کار الگوریتم‌ها رو بهتر می‌فهمین.

🕓 زمان لازم: ۴ ساعت در هفته، به مدت ۱۰ هفته.

✏️ پلی‌لیست پیشنهادی ۲: آموزش درخت‌های تصمیم

الگوریتم‌های درخت تصمیم پایه بسیاری از مدل‌های ML هستن.

🕓 زمان لازم: ۴ ساعت در هفته، به مدت ۵ هفته.
✂️ ✂️ ✂️ ✂️ ✂️


🔢 مرحله ۳: یادگیری عمیق (۳۵-۴۰ ساعت)

✏️ پلی‌لیست پیشنهادی: ساخت شبکه‌های عصبی از صفر

درک شبکه‌های عصبی از طریق کدنویسی کمک می‌کنه مفاهیم پیچیده رو بهتر یاد بگیرین.

🕓 زمان لازم: ۵ ساعت در هفته، به مدت ۸ هفته.
✂️ ✂️ ✂️ ✂️ ✂️


🔢 مرحله ۴: موضوعات پیشرفته (۴۰-۴۵ ساعت)

✏️ پلی‌لیست پیشنهادی ۱: شبکه‌های عصبی گراف

الگوریتم‌های گراف در حوزه‌هایی مثل شبکه‌های اجتماعی و زیست‌شناسی کاربرد دارن.

🕓 زمان لازم: ۳ ساعت در هفته، به مدت ۸ هفته.


✏️ پلی‌لیست پیشنهادی ۲: AI توضیح‌پذیر

ساخت پروژه‌های با تمرکز بر تفسیرپذیری و شاید اولین مقاله تحقیقی شما!

🕓 زمان لازم: ۳ ساعت در هفته، به مدت ۵ هفته.
✂️ ✂️ ✂️ ✂️ ✂️


🔢 مرحله ۵: هوش مصنوعی مولد، ترنسفورمرها، و مدل‌های زبانی بزرگ (۱۰۰-۱۱۰ ساعت)

✏️ پلی‌لیست‌های پیشنهادی:

📌 هوش مصنوعی مولد برای مبتدیان (۸ ساعت)
📌 ساخت LLM‌ها از صفر (۴۰-۴۵ ساعت)
📌 کار عملی با LLM‌ها (۴۰-۴۵ ساعت)
📌 ترنسفورمرها (۱۵ ساعت)

یادگیری این مباحث شما رو برای آینده آماده می‌کنه.

🕓 زمان لازم: ۵ ساعت در هفته، به مدت ۲۰ هفته.
✂️ ✂️ ✂️ ✂️ ✂️


📚 مطالعات اختیاری [۱۰۰ ساعت]

📌 یادگیری ماشین با Julia
📌 از صفر تا صد علم داده

🕓 مدت زمان کل: ۲۷۵ ساعت + ۱۴۰ ساعت اختیاری
🗓 زمان‌بندی: ۶-۸ ماه

💰 نتیجه: پایه‌تون رو توی ML قوی می‌کنین، مهارت‌های عملی یاد می‌گیرین و با موضوعات پیشرفته همیشه یک قدم از بقیه جلوتر هستین!



🌐 #یادگیری_ماشین #MachineLearning

💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from PyTorch Howsam
امروز سایت deep-ml.com رو بررسی کردم؛ این سایت، شامل یکسری مساله تمرینی در حوزه هوش مصنوعی هست. برای هر مساله توضیحاتی ارائه شده و میشه به‌صورت آنلاین کدنویسی و نتیجه رو برای چک کردن سابمیت کرد.

بیشتر تمریناتش مربوط به جبر خطی، یادگیری ماشین و یادگیری عمیق هست. فقط یک یا دو مساله برای بینایی کامپیوتر و پردازش زبان طبیعی داره. امیدوارم، مساله‌ها بیشتر بشه. خودم علاقه‌مند شدم که در طراحی مساله باهاشون همکاری کنم! :)

به عنوان معلم، همیشه به دوستان پیشنهاد کردم که در آموزش صرفا تماشاگر نباشید و حتما روی مباحث تئوری و کدنویسی تمرین حل کنید.

@pytorch_howsam
@DeepLearning_fa - Intro to DL.pdf
39.8 MB
📄 جزوه جامع «یادگیری عمیق»
🖥 دانشگاه صنعتی شریف / در 1014 صفحه!

👨🏻‍💻 یکی از بهترین جزوه‌های یادگیری عمیقی که دیدم همین جزوه دکتر فاطمی زاده، استادیار دانشکده برق شریفه. یه مرجع جامع و منظم برای آموزش اصولی و گام به گام مفاهیم یادگیری عمیق.

◀️از مفاهیم پایه دیپ لرنینگ شروع می‌‌کنه و به‌ تدریج به موضوعات پیشرفته‌تری مثل شبکه‌های عصبی کانولوشنی (CNN) و شبکه‌های بازگشتی (RNN)، GAN و... می‌پردازه.



🌐 #یادگیری_عمیق #DeepLearning

🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
احتمالا تا چند ساعت دیگه مدل ساخت ویدیو OpenAI یعنی SORA در دسترس قرار بگیره و اینم یه ویدیو که باهاش ساختن.




-Soroush Ahmadi-

@uttweet
🐱 7 ریپوی برتر گیت‌هاب
💰 برای حرفه‌ای شدن در علم داده!


👨🏻‍💻 خیلی ‌ها یادگیری علم داده رو با دوره‌های آنلاین شروع می‌کنن، اما مسیر واقعی برای تبدیل شدن به یک دیتاساینتیست حرفه‌ای از دل پروژه‌های عملی و تجربه‌های واقعی عبور می‌کنه.


✔️ پیشنهاد من؟ گیت‌هاب! امروز می‌خوام 7 ریپوی برتر گیت‌هاب رو بهتون معرفی کنم که شما رو از سطح مبتدی به پیشرفته برسونن.


🔢 ریپوی Data Science Masters

✏️ این مخزن یه برنامه درسی جامع و اُپن سورس برای آمادگی دانشجوها برای نقش‌های مبتدی در علم داده رو ارائه میده، بدون نیاز به پرداخت هزینه.


🔢 ریپوی Awesome Data Science

✏️ یه لیست منتخب از منابع عالی علم داده مثل کتاب‌ها، نرم‌افزارها و ابزارها.


🔢 ریپوی Cookiecutter Data Science

✏️ این مخزن یه ساختار پروژه استاندارد برای پروژه‌های علم داده ارائه میده که باعث میشه کارها سازمان‌یافته و قابل باز تولید باشه.


🔢 ریپوی Python DS Handbook

✏️ این مخزن کتاب "Python Data Science Handbook" رو به‌صورت رایگان تو نوت‌بوک‌های ژوپیتر ارائه میده که می‌تونین حتی تو گوگل کولب هم اجراش کنین.


🔢 ریپوی Data Science Projects

✏️ مجموعه‌ای از پروژه‌های علم داده که مهارت‌هاتون رو در تحلیل داده رو تقویت میکنن.


🔢 ریپوی Applied ML

✏️ این مخزن روی یادگیری ماشین کاربردی تمرکز داره و مقالات و وبلاگ‌های شرکت‌ها رو درباره کارهای واقعی‌شون به اشتراک می‌ذاره.


🔢 ریپوی Awesome DL Papers

✏️ لیستی از بهترین مقالات یادگیری عمیق برای درک مفاهیم پایه و پیشرفته این حوزه.



🌐 #علم_داده #DataScience

📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
Mockey

یک ابزار رایگان و هوشمند است که به شما کمک می‌کند طرح‌های گرافیکی بسیار زیبایی بسازید. این ابزار از هوش مصنوعی استفاده می‌کند تا کار طراحی را خیلی راحت‌تر کند.
چه کارهایی می‌توان با Mockey انجام داد؟
* ساخت طرح‌های آماده: Mockey هزاران طرح آماده برای انواع محصولات مثل لباس، قاب گوشی، پوستر، لیوان و خیلی چیزهای دیگر دارد.
* ویرایش آسان: کافی است طرح خود را به صورت عکس (PNG یا JPG) در Mockey آپلود کنید و با ابزارهای ساده آن طرح را روی طرح‌های آماده بگذارید و تنظیمش کنید.
* طرح‌های با کیفیت بالا: Mockey طرح‌های نهایی را با کیفیت بسیار بالا و شبیه به عکس واقعی تحویل می‌دهد.
برای چه کسانی Mockey مفید است؟
* فروشگاه‌های اینترنتی: برای نمایش محصولات به شکل جذاب‌تر و حرفه‌ای‌تر.
* طراحان و هنرمندان: برای ساختن طرح‌های اولیه و ارائه ایده‌هایشان به مشتریان.
* صاحبان کسب‌وکار: برای طراحی لوگو، کارت ویزیت و دیگر ابزارهای تبلیغاتی.
https://mockey.ai/

#هوش_مصنوعی

🐍 «آموزش برنامه نویسی پایتون – ویژه مدیریت و علوم انسانی» منتشر شد! — لینک آموزش [ + ]

🎁 کد تخفیف ۷۵⁒ ویژه انتشار: NWAJ45

❗️ اعتبار: سه‌شنبه، ۲۷ آذر

#مدیریت #پایتون
@FDPub
.
Please open Telegram to view this post
VIEW IN TELEGRAM
‏شکستن مرزهای زمان و محاسبه: جهش کوانتومی گوگل با تراشه‌ی Willow، لطفا 10 سپتیلیون سال دیگر تشریف بیاورید!

گوگل با ارائه‌ی تراشه‌ی کوانتومی جدید خود با نام «Willow» گامی بزرگ در جهت دستیابی به رایانش کوانتومی مقاوم در برابر خطا و مقیاس‌پذیر برداشته است. در آزمون‌های مرجع، این تراشه توانست یک محاسبه‌ی استاندارد را در کمتر از پنج دقیقه انجام دهد؛ محاسبه‌ای که برای یک ابررایانه‌ی پیشرو، بیش از 10^25 سال طول می‌کشید! مدتی بسیار فراتر از عمر کل جهان. این نشان‌دهنده‌ی توان بالقوه‌ی معماری‌های کوانتومی در گشودن افق‌های نوین برای حل مسائل پیچیده‌ی علمی و صنعتی است.

این تراشه بر پایه‌ی معماری ماژولار و مبتنی بر کیوبیت‌های ابررسانا طراحی شده که امکان افزایش تعداد کیوبیت‌ها را بدون از دست دادن کیفیت کوانتومی فراهم می‌سازد. طراحی Willow بر تصحیح خطای کوانتومی و رمزگذاری اطلاعات در کیوبیت‌های منطقی تکیه دارد و از کدهای سطح بالا برای کاهش نرخ خطاها در فرایند محاسبات بهره می‌گیرد. با این رویکرد، امید آن می‌رود که ظرفیت اجرای الگوریتم‌های کوانتومی پیچیده، روزبه‌روز افزایش یابد.

ویژگی متمایز Willow نه‌تنها در بهبود سخت‌افزار، بلکه در بهره‌گیری از سامانه‌های نرم‌افزاری پیشرفته و ابزارهای شبیه‌سازی مجازی نیز نمود می‌یابد. این ابزارها به پژوهشگران اجازه می‌دهند پیش از تولید فیزیکی، ایده‌ها و طرح‌های خود را در محیطی دیجیتال ارزیابی و بهینه‌سازی کنند. دستاورد این تلاش‌ها دست‌یابی به توان محاسباتی بی‌سابقه‌ای است که همانطور که در ابتدا ذکر شد در مقام مقایسه برای بهترین سوپرکامپیوترهای جهان 10 سپتیلیون! سال طول خواهد کشید

به این ترتیب، شاید بتوان گفت Willow آغازگر مسیری است که می‌تواند رایانش کوانتومی را از آزمایشگاه به عرصه‌ی کاربردهای صنعتی، علمی و فناوری بکشاند.

https://blog.google/technology/research/google-willow-quantum-chip/
وب‌سایت Code.org یک پلتفرم آموزشی غیرانتفاعی است که با هدف آموزش برنامه‌نویسی و علوم کامپیوتر به دانش‌آموزان در سراسر جهان فعالیت می‌کند. این وب‌سایت در سال 2013 تأسیس شد و مأموریت اصلی آن این است که "هر دانش‌آموزی در هر مدرسه‌ای فرصت یادگیری کدنویسی داشته باشد."

ویژگی‌ها و اهداف اصلی Code.org:

1. آموزش علوم کامپیوتر به زبان ساده:

این وب‌سایت دوره‌های آموزشی رایگان برای گروه‌های سنی مختلف از کودکان تا بزرگسالان ارائه می‌دهد.

زبان آموزشی به گونه‌ای طراحی شده که حتی افرادی بدون پیش‌زمینه علمی یا فنی بتوانند برنامه‌نویسی را یاد بگیرند.



2. تمرکز بر یادگیری تعاملی:

Code.org از روش‌های تعاملی، بازی‌ها و پروژه‌های عملی برای آموزش استفاده می‌کند.

دانش‌آموزان می‌توانند با کشیدن و رها کردن بلوک‌های کد (block-based programming) مفاهیم اولیه برنامه‌نویسی را یاد بگیرند.



3. ساعت کدنویسی (Hour of Code):

یکی از معروف‌ترین کمپین‌های این وب‌سایت، "ساعت کدنویسی" است که هدف آن ترویج برنامه‌نویسی در یک ساعت است. این برنامه در مدارس سراسر جهان استفاده می‌شود.



4. دوره‌های متنوع:

Code.org دوره‌های مختلفی مانند اصول ابتدایی برنامه‌نویسی، توسعه بازی و برنامه‌نویسی وب ارائه می‌دهد.

برخی دوره‌ها از زبان‌های برنامه‌نویسی شناخته‌شده مانند Python و JavaScript برای آموزش استفاده می‌کنند.



5. ابزارها برای معلمان و مدارس:

این وب‌سایت منابعی را در اختیار معلمان قرار می‌دهد تا بتوانند علوم کامپیوتر را به صورت حرفه‌ای در مدارس آموزش دهند.



6. رایگان بودن:

تمامی دوره‌ها و منابع آموزشی این وب‌سایت رایگان هستند و هدف آن ایجاد دسترسی برابر به آموزش برنامه‌نویسی است.




ارزش و تأثیر Code.org:

Code.org به میلیون‌ها دانش‌آموز و معلم در بیش از 180 کشور جهان کمک کرده است تا علوم کامپیوتر را بیاموزند.

این پلتفرم به ترویج تنوع و شمول کمک می‌کند و به ویژه دختران و گروه‌های اقلیت را تشویق می‌کند تا وارد حوزه فناوری شوند.


اگر به دنبال یادگیری برنامه‌نویسی به ساده‌ترین شکل ممکن هستید یا معلمی هستید که می‌خواهید علوم کامپیوتر را به دانش‌آموزانتان آموزش دهید، این وب‌سایت یک گزینه عالی است.
This media is not supported in your browser
VIEW IN TELEGRAM
ویدیویی از راه رفتن ربات آپتیموس تسلا که ساعاتی پیش منتشر شد.
Tesla_Optimus
@geekalerts
Forwarded from Geek Alerts
گوگل یه نسخه‌ آزمایشی از Gemini رو منتشر کرده که نتایج عجیبی گرفته، اسمش gemini-exp-1206 هست، احتمالا بعدا تو سایتش داشته باشیم ولی نسخه آزمایشی رو میگم چجوری تست کنید.
بگم که رایگانه و اول باید به Google AI Studio برید.
https://aistudio.google.com/prompts/new_chat
بعد روی Create new Prompt که داخل عکس هم میبینید بزنید.
از بخش Model بذارید روی Gemini Experimental 1206
و باهاش چت کنید.
اگه موقع چت ارور گرفتید لازمه که کشور VPN یا نوع VPN رو عوض کنید.
@geekalerts
Forwarded from Geek Alerts
مدل ۷۰ میلیارد پارامتره متا یعنی Llama 3.3 معرفی شد، این مدل عملکردی مشابه Llama 3.1 405B داره ولی با هزینه‌ی اجرای کمتر که حتی روی سیستم‌های معمولی توسعه‌دهنده‌ها هم میشه اجراش کرد.
یکی از پیشرفت‌هاش هم روی مکالمات چندزبانه هست.
huggingface
github
@geekalerts