بریم سوال همیشگی رو از یه زاویه ای دیگه بهش نگاه کنیم، آیا با وجود هوش مصنوعی فلان چیز رو یاد بگیریم؟

فرض کنیم تو اون چیزی که براش حاجت کردی و ته دلت هست و خدا هم انشالله قبولش کنه رو بیخیال بشی و نری یادش بگیری، آیا سوال دومی برات پیش نمی‌آد که خب من بالاخره بجاش باید یه چیزی یاد بگیرم دیگه؟ نمی‌شه که هیچ کاری نکنم! یه علم مکتوب یا یه دانش قابل انتقالی بالاخره باید باشه دیگه برم یادش بگیرم... چهارتا ایجنت و چه می‌دونم اسکیل سر هم کردن که دانش نمی‌شه به اینا فعلا می‌گن جنگولک بازی. چندین سال آینده ممکنه یه چارچوب قوی براش ساخته بشه ولی فعلا در حد جنگولک بازیه. مطمعن باشید اگه چیز خفنی بود همه شرکت ها باهم به توافق می‌رسیدن مثلا می‌شد یه چیزی شبیه به زبان "پایتون" اون موقع واقعا یادگیریش واقعا سودمند می‌شد.

@Linuxor

با هوش مصنوعی کارای دستی به مراتب کمتر شدن اینم ابزار جالبیه برای ساخت اسکرین‌شات و ویدئوی معرفی اپ حرفه ای برای App Store، مخصوصاً وقتی از Coding Agentها مثل Cursor، Codex یا Claude Code استفاده می‌کنید

مثلاً داخل پروژه اپت به Agent می‌گی:
create App Store screenshots using goldie
سیستم Agent خودش اپ رو بررسی می‌کنه، flowهایی که باید از اپ کپچر بشن رو تعریف می‌کنه، گانفیگ مربوط به Goldie رو می‌سازه و استودیو رو باز می‌کنه.

github.com/kacperkapusciak/goldie


@Linuxor

قدر شغلی که دارید رو بدونید اومدم کیک پزی واقعا شغل سختیه :)


@Linuxor

من عاشق اینم فقط و فقط یک ماه برم برای سازمان سنجش کار کنم

میخوام با یه تکنولوژی بسیار پیشرفته به اسم DropDown آشناشون کنم؛ چون اصلا لازم نیست هرسال یه pdf پونصد صفحه ای بدن بیرون مثلا فلان رشته کدش اینه فلان وضعیت کد نظام وظیفش اینه کافیه توی سایتشون از این تکنولوژی استفاده کنن کاربر روی DropDown کلیک می‌کنه و بدون رجوع به pdf میتونه آیتم مورد نظرش رو انتخاب کنه.

این فناوری DropDown واقعا چیز پیشرفته ایه سایت های غربی و مدرن همگی دارن ازش استفاده می‌کنن، بخداااا.


@Linuxor

اگه دنبال ساختن یه AI Agent برای کارهای علمی و تحقیقاتی هستید، این پروژه رو حتماً ببینید: یه مجموعه از 163+ مهارت تخصصی که به Agentها کمک می‌کنه کارهای علمی رو فقط با تولید چند خط کد انجام ندن، بلکه بر اساس workflowهای تخصصی جلو برن.

از Bioinformatics، Genomics و Single-cell گرفته تا Drug Discovery، Protein Engineering، Molecular Dynamics، Medical Imaging، Machine Learning، تحلیل داده و Scientific Writing. حتی برای کار با دیتابیس‌های علمی مثل PubChem، UniProt، ChEMBL و ClinicalTrials.go‌v هم Skillهای آماده داره.

نکته جذابش اینه که این‌ها خودشون مدل AI نیستن؛ در واقع یه لایه تخصصی روی Agentهایی مثل Claude Code، Codex، Cursor و ابزارهای مشابه قرار میدن. یعنی Agent می‌تونه بسته به کاری که ازش می‌خواید، Skill مرتبط رو پیدا کنه و از دستورالعمل‌ها و workflowهای تخصصی اون استفاده کنه:

github.com/K-Dense-AI/scientific-agent-skills

@Linuxor

ایده خلاقانه طراحی دستگیره کشیدنی (با صدا ببینید)

نکته: این فقط ایده هستش کدش در دسترس نیست فعلا، کدش موجود شد قرار داده می‌شه.

@Linuxor

برنده هوش مصنوعی می‌دونید چه شرکتیه؟ اون شرکتیه که بتونه برنامه نویسی رو حذف کنه و در نهایت یه چیز جایگزین بده که دقیقا قدرت برنامه نویسی رو داشته باشه (این ورکفلو های محدود و مسخره منظورم نیست) یعنی فقط کار های تکراری و طاقت فرسا توی برنامه نویسی حذف شده باشن مثل میوه پوست کنده.

@Linuxor

🚀 اینجا یاد می‌گیری مدل‌های هوش مصنوعیت رو دیپلوی کنی!

🚩 بوت‌کمپ "MLOps" کوئرا

💼 دوره فشرده مناسب ورود به بازار کار

👨‍🏫 آموزش توسط اساتید مطرح این حوزه
🎯 منتورینگ اختصاصی
🤝 کار تیمی و شبکه‌سازی
✔️ تمرین و پروژه هدفمند
📜 مدرک معتبر

❗️ ظرفیت محدود

🌱 پرداخت با اقساط بلندمدت
🔗 quera.org/r/pkdlj

این LTX Ripple یه روش جدید برای ادیت ویدیو با استفاده از IC LoRA هستش؛ یه ایده ساده ولی جالب داره: فقط فریم اول ویدیو رو ادیت کن و Ripple همون تغییرات رو در کل ویدیو پخش می‌کنه.

یعنی می‌تونی ظاهر کاراکتر، لباس، آب‌وهوا، نور، بک‌گراند یا حتی آبجکت‌های داخل صحنه رو فقط روی فریم اول تغییر بدی و مدل تلاش می‌کنه اون ادیت رو با حرکت سوژه، حرکت دوربین و تغییر زاویه دید در ادامه ویدیو هماهنگ نگه داره.

بر پایه LTX-2.5 ساخته شده و هدفش اینه که بدون نیاز به ادیت فریم‌به‌فریم، تغییرات تمیز و سریع رو روی کل ویدیو اعمال کنه. یه جورایی به جای اینکه کل ویدیو رو دستی ادیت کنی، فقط نتیجه‌ای که می‌خوای رو به مدل نشون میدی و میگی: «حالا همینو برای بقیه ویدیو هم ادامه بده.»

تست آنلاین :
huggingface.co/spaces/WepeNerd/ltx-ripple-demo

@Linuxor

انتظار این بود که چون چین ارزون تولید می‌کنه مدل هاش بی کیفیت باشن اما مدل V4 Flash دیپ سیک که توی 21 آگوست منتشر شد، با مدل Gemini 3.7 Flash گوگل که توی 13 آگوست عرضه شد، رقابت می‌کنه.

مدل دیپ سیک با قیمت 0.22 دلار به ازای هر میلیون توکن ورودی و 0.66 دلار به ازای هر میلیون توکن خروجی، برای درک تصویر، از جمله نمودارها و اسناد طراحی شده.

مدل Gemini 3.7 Flash گوگل هم با 0.75 دلار و 3.75 دلار به ازای هر میلیون توکن صورت‌حساب میشه.

هر دو مدل برای اینکه میزان اثربخشی‌شون توی کاربردهای دنیای واقعی مشخص بشه، روی کارهایی مثل خوندن نمودار، بررسی فاکتور و تشخیص حادثه آزمایش شدن و دیپ سیک با کیفیت یکسان 5 برابر قیمت کمتری داشت.


@Linuxor

این فوق العادس چینیا یه پروژه آموزشی شروع کردن برای ساخت LLM کوچیک 64 میلیون پارامتری از صفر توی توی دو ساعت؛

هدفش اینه که به‌جای اینکه فقط با Transformers و LoRA و مدل‌های آماده کار کنی، خودت ساختار و کل مسیر آموزش یه مدل زبانی رو ببینی و اجرا کنی. این خیلی خوبه برای پروژه های دانشجویی و حتی یادگیری شخصی.


نکته تا الان 50 هزار ستاره گیتهاب گرفته، زبان اصلیش چینیه ولی ترجمه انگلیسی هم داره :

github.com/jingyaogong/minimind


@Linuxor

از ادمین های محترم دیجیاتو درخواست میکنم که فورا انتشار تبلیغ کیف پول های ایرانی رو از رسانه هاش متوقف کنه.

دوستانی که 12 کلمه کیف پولشون رو وارد برنامه کردن فورا با تراست ولت دانلود شده از گوگل پلی یک کیف پول جدید بسازن و تمام دارایی هاشون رو بهش منتقل کنن؛ زیرا ممکنه تمام داراییشون در خطر باشه.

ممکنه سازنده های کیف پول به دارایی شما دسترسی پیدا کنن! همچنین اگه سازنده هاش هم قصد بدی نداشته باشن ممکنه توی فرایند توسعه آلوده به کتابخونه های ناامن باشه، کیف پول هایی مثل تراست ولت زیر تست های سنگین امنیتی هستن و این برنامه هنوز اثبات نشده که امنه و بررسیش اصلا کار ساده ای نیست.


@Linuxor