Machine learning application (Kartal)
2.84K subscribers
546 photos
196 videos
109 files
1.17K links
1- Participate in cutting edge research in machine learning applications.
2- Apply your expertise in biometrics, Natural Language Processing, computer vision and real-time data mining solutions.

Admin: @Kartal_ai (https://t.me/Kartal_ai )
Download Telegram
📰 Small Language Models:

فارسی:
🔍 در شرایطی که کاربران به دنبال مدل‌هایی هستند که هم قدرتمند و هم قابل استقرار روی دستگاه‌های سبک باشند، مدل‌های زبانی کوچک (Small Language Models) بیش از پیش مورد توجه قرار گرفته‌اند.
جامعه‌ی متن‌باز در ماه‌های اخیر مدل‌هایی چشمگیر توسعه داده‌ است که نشان می‌دهد حتی در ابعاد کوچک هم می‌توان به عملکرد قابل‌توجهی دست یافت.
📌 گزارش جدید Hugging Face به معرفی طیف متنوعی از این مدل‌ها می‌پردازد که در زمینه‌هایی مثل مکالمه، کدنویسی و استدلال عملکرد خیره‌کننده‌ای داشته‌اند.
🔧 این مدل‌ها با تمرکز بر کارایی و سبک بودن، برای اجرا روی لپ‌تاپ، موبایل یا حتی مرورگر طراحی شده‌اند!

🔗 منبع: https://huggingface.co/blog/smollm3
#مدل_زبان #هوش_مصنوعی #SmallLLM #HuggingFace
📡 گردآوری‌شده توسط @Machinelearning_Kartal
💬 آیا شما هم با مدل‌های سبک کار کرده‌اید؟ تجربه‌تان را بنویسید.

تۆرکجه:
📰 کیچیک دیل مودل‌لری: ایستیفاده‌چیلر هم گۆجلو، هم ده یۆنگول جیهازلاردا یئرلشدیریله بیلن موْدئللر آختاردیقجا، کیچیک دیل موْدئللری آرتان دیقتی جلب ائدیر.
آچیق قایناق توپلومو سوْن آیلاردا حتی کیچیک میقیاسدا دا اهمیتلی چیخداژی الده اوْلونا بیله‌جه‌یینی گؤسترن تأثیر ائدیجی موْدئللر حاضیرلادی.
📌 یئنی Hugging Face ریپورتی، کوْدلاشدیرما و مۆلاحیظه کیمی ساحه‌لرده حئیرتلی چیخداژ گؤسترمیش بو موْدئلرین مۆختلیف چئشیدینی تقدیم ائدیر.

🔧 بو مودل‌لر موبایل، لپ‌تاپ یا تارایچی کیمی ساده قورغولاردا دا ایشله‌مه‌یه اویغونلاشدیریلیب.

🔗 قایناق:
https://huggingface.co/blog/smollm3

#دیل_مودل‌لری #هوش_مصنوعی #SmallLLM #HuggingFace

📡 @Machinelearning_Kartal طرفیندن یایین‌لاندی

💬 سیز هیچ بیرده بو کیمی یونگول مودل ایشلدینیز؟ تجربه‌وی یازین!
1👍1👏1
🚁🤿 پهپاد ترکیبی: پرواز در آسمان و شیرجه به زیر آب!
Students build new 'hybrid drone' — watch it fly in the air and then seamlessly dive underwater

فارسی:
🔬 گروهی از دانشجویان مهندسی، یک پهپاد ترکیبی هوایی-آبی طراحی کرده‌اند که می‌تواند هم در هوا پرواز کند و هم بدون وقفه به زیر آب شیرجه بزند.
این پروژه شگفت‌انگیز از دانشگاه Beihang چین، با الهام از پرندگان غواص ساخته شده است.
🎥 ویدیو منتشرشده نشان می‌دهد که پهپاد ابتدا در آسمان اوج می‌گیرد و سپس به‌نرمی وارد آب می‌شود—بدون اینکه نیاز به بازتنظیم یا تغییرات مکانیکی داشته باشد!
لینک ویدیو:
https://cdn.jwplayer.com/previews/WtcJX6rU

🌊 چنین فناوری‌هایی می‌توانند در عملیات نجات، اکتشاف زیست‌محیطی، و کاربردهای نظامی تحول ایجاد کنند.

🔗 منبع: خبرلینکی
#پهپاد #فناوری #روباتیک #مهندسی #پهپاد_آبی_هوایی

📡 گردآوری‌شده توسط @Machinelearning_Kartal
💬 آیا تا حالا نمونه مشابهی دیده‌اید؟ نظرتان چیست؟

تۆرکجه:
🚁🤿 هوا-سو قاریشیق درون: اوچور، سونرا سو آلتی‌نه شیرجه ووریر!
🔬 چین‌ین Beihang بیلیم یوردونون اؤیرنجیلری، بیر قاریشیق درون یارادیبلار کی، ایله‌نجه گؤیده اوچور، سونرا هئچ بیر دییشیک‌لیک اولمادان سو آلتی‌نا شیرجه ووریر!
بو درون، طبیعت‌دکی قوش‌لاردان ایلهام آلینیب.
🎥 یایینلانان ویدئودا، درون بیرینجی یوخاری قالخیر، سونرا چوخ یوشاق شکلده سو آلتی‌نا گیریر—بیله بی‌یر دؤنوشوم یا تنظیمه احتیاج یوقدور!
🌊 بو تزه تکنولوژیلر نجات مأموریت‌لری، ایکتیشاف، و حتی نظامی ساحهلرده بؤیوک تاثیر یارادا بیلر.

ویدیو لینکی

🔗 قایناق: خبر لینکی
#درون #تکنولوژی #روباتیک #یارادیجیلیق

📡 @Machinelearning_Kartal طرفیندن یوللانمیش‌دیر

💬 بو درون‌دان نئجه ایشله‌نمه‌سی حاقیندا فیکیرینیز وار؟
👍2👏2
فارسی: دوستان تیم حرفه ای برنامه نویسان اپ های تاکسی آیا تابحال Uber ، Bolt، Taxify, free now را ندیده اید؟ این چه میکروب هاییه روی آپ تاکسی می زنید آخه. نظرشما چیست؟

📡 گردآوری‌شده توسط @Machinelearning_Kartal

تۆرکجه: باشاریجی الینن ایش گلن تاکسی آپ لاریندا ایشلین پروقرامچیلار ، سیز ایندیجک Uber ، Bolt، Taxify, free now گورموب سوز؟ بونلار ندیر یازیب آپین ایچینه قویوسوز؟ . باخیشلارینیزی یازین؟

📸 لینکدین

📡 @Machinelearning_Kartal طرفیندن یوللانمیش‌دیر
👍4🤯1💩1
🤖🧠 MIT vision system teaches robots to understand their bodies
By Rachel Gordon | MIT News | July 26, 2025

فارسی:
پژوهشگران MIT سیستم بینایی جدیدی توسعه داده‌اند که به ربات‌ها این امکان را می‌دهد تا موقعیت و ساختار فیزیکی بدن خود را تنها از طریق دوربین درک کنند، بدون نیاز به هیچ سنسور خارجی. این سیستم با استفاده از یادگیری عمیق، تصویر ذهنی ربات از بدن خودش را بازسازی می‌کند.

این دستاورد می‌تواند گامی مهم در جهت ساخت ربات‌های خودآگاه و سازگار با محیط باشد.
#رباتیک #هوش_مصنوعی #MIT #بینایی_ماشین

📡 @Machinelearning_Kartal

تۆرکجه:
دئملی MIT بیلیم یوردونون اؤیرنجی‌لری روباتلارا اوز بدنینی تانیتماق اوچون یئنی گؤرونتو سیستم‌ئی دوزلدیبلر. بو سیستم روباتین یانلیز کامئراو دیپ‌لرنینگ ایله اوزونون یئرلشمه‌سینی و فیزیکی یاپیسینی آنلادیر، هیچ بیر سنسور احتیاج یوخ‌دور.

بو نووع قابلیت گله‌جک‌ده محیطه اویغونلاشان و اوزونوتانیان روباتلارین یارادیلماسینا یئر آچیر.

🔗 قایناق
#روبوتیکا #AI #MIT #گؤرونتو

📡 @Machinelearning_Kartal
🔥2
خلاقیت
هنر
سن منی جیز

📸 لینکدین
👎8😁1🤔1
فارسی: شرکتی که مدیرانیش چنین تفکر دارند اگر دیکتاتور نیستن چی ان؟
تۆرکجه: بونلارا دیکتاتور دان سونرا آیری سوز دئمک اولارمی؟

📸 لینکدین
👍41👎1
Machine learning application (Kartal)
[نسخه تورکی در پست بعدی] Face Capture Camera in liveness detection: فارسی: دوربین تشخیص چهره یک جزء حیاتی است که مسئول دریافت تصاویر یا جریان‌های ویدیویی با کیفیت بالا از چهره کاربر است. این دوربین نقش محوری در تضمین توانایی سیستم در تمایز بین یک فرد واقعی…
Liveness classifier (detector)
[نسخه تورکی در پست بعدی]

🧬🧠 کلاس بندی چهره (Liveness Classifier) در سیستم‌های تشخیص زنده بودن چهره

فارسی:
در سیستم‌های تشخیص زنده بودن چهره، بعد از مرحله‌ی ثبت و استخراج چهره، گام بعدی و بسیار حیاتی، بررسی زنده بودن یا Liveness Detection است. این مرحله به‌منظور جلوگیری از حملات جعل (spoofing attacks) طراحی شده است. حملاتی که ممکن است با استفاده از عکس، ویدیو یا ماسک از یک چهره‌ واقعی، سیستم را فریب دهند.

در این مرحله، ما از یک Liveness Classifier استفاده می‌کنیم. این یک مدل یادگیری ماشین است که با استفاده از نمونه‌های فراوان، سعی می‌کند الگوهایی را یاد بگیرد که نشان‌دهنده زنده بودن واقعی چهره هستند. برخلاف سیستم‌های مبتنی بر قوانین دستی یا آستانه‌گذاری، این مدل‌ها با داده‌های واقعی آموزش دیده‌اند و خودشان تصمیم می‌گیرند که چه ویژگی‌هایی را برای تشخیص زنده بودن مهم بدانند.

با این‌که دقیقاً نمی‌دانیم مدل چه ویژگی‌هایی را یاد می‌گیرد (مثلاً ممکن است حرکات جزئی چشم، واکنش به نور، تفاوت در تنفس، یا تغییرات بافت پوست باشد)، اما آنچه مهم است، عملکرد نهایی آن است: تشخیص چهره زنده از غیرزنده.

این طبقه‌بند معمولاً با گرفتن چند فریم از تصویر یا ویدیو، خروجی‌ای مانند «زنده» یا «غیرزنده» یا یک نمره اعتماد تولید می‌کند. در موارد حرفه‌ای‌تر، از طبقه‌بندهای دودویی به‌همراه مدل‌های توزیعی برای تحلیل دقیق‌تر استفاده می‌شود.
این گام یکی از کلیدی‌ترین مراحل برای تضمین امنیت سیستم‌های بیومتریک است، به‌خصوص در برنامه‌هایی مثل احراز هویت دیجیتال، ورود به سیستم‌های مالی، یا کنترل دسترسی فیزیکی.

تهیه شده توسط:
🔗 @Machinelearning_Kartal

#تشخیص_چهره #LivenessClassifier #بیومتریک #یادگیری_ماشین #هوش_مصنوعی
2
Machine learning application (Kartal)
Liveness classifier (detector) [نسخه تورکی در پست بعدی] 🧬🧠 کلاس بندی چهره (Liveness Classifier) در سیستم‌های تشخیص زنده بودن چهره فارسی: در سیستم‌های تشخیص زنده بودن چهره، بعد از مرحله‌ی ثبت و استخراج چهره، گام بعدی و بسیار حیاتی، بررسی زنده بودن یا Liveness…
[نسخه فارسی در پست قبلی]
Liveness classifier (detector)

تۆرکجه:
اۆز تانیما سیستم‌لرینده، اۆزون یاکالانماسی و اوْزللیک‌لرین آیریلماسیندان سونرا، نؤوبتی و چوخ مهم مرحله جانیلیق یوخلاماسی‌دیر (Liveness Detection). بو مرحله، جعل حمله‌لریندن (spoofing attacks) قورونماق اوچون دوزولموش‌دور — مثلاً بیری بیرینین شکلی‌نین چاپینی، ویدئوسونو یا ماسکینی گؤسترمه‌یه چالیشا بیلر.

بو مرحله‌ده Liveness Classifier دییه‌لن، ماشین اوْیرنمه اساسلی بیر مودل ایشلنیلیر. بو مودل گؤروْنتولردن و یا ویدئولاردن جانلی سیگنال‌لاری اوْیرنمه‌یله فرقین آیریر. اوْزللیک‌لری مودلین اوزو چئکیر و بیری‌باشا قایده یا آستانه‌لر ایله دوزولموش سیستم‌لرده‌ن چوخ فرق‌لیدیر.

هر نه قدر کی بیری‌باشا بیلمه‌ریک کی بو مودل نئه اوْیرنیر، آمّا مدل عادتن حرکت‌لری (مثلاً گؤز قیرپما، باش دؤندرمه)، نور اوزگرمه‌لری، دری بافتینداکی طبیعی دییشیکلری، یا نفس آلیب-ورمه سیگنال‌لارینی آنلاییر. نئتیجه‌ده، مودل اۆزون دیری یا اؤلو اولدوغونا بیر نیشانه یا اعتماد نمره‌سی تولید ائدیر.

بعضی حالت‌لرده بو طبقه‌بند ایکیلیگلی اولور، بعضی پرو سیستم‌لرده داها چوخ توسعه تاپاراق احتمال توزیع‌لری ایشلندیر و دقیق آنالیزلارا گئدیلیر.

بو مرحله بیومتریک اولانیش سیستم‌لرینده اساس قاپیلاردان بیری‌دیر — دیجیتال گؤستریجیله اؤزلیکله احراز هویت، بانک سیستم‌لری، یا فیزیکی گئچید کنترل‌لری کیمی ساحهلرده ایشلنیر.

🔗 [@Machinelearning_Kartal]
#چهره_تانیمه #Liveness #بیومتریکا #AI #اویرنمه_مودل
👏2👍1
#دوست #یولداش #دونیا

فارسی: روز جهانی دوست و آشنایی از نزدیک با یک عزیزی از ایران. مهندس صحرایی عزیز از بچه های وروسلاو و دیدار صمیمی و خوب در کراکوف لهستان.🤝

تۆرکجه: دونیا دوْستلوق گۆنو و ایراندان بیر عزیز ایله تانیشلیق. حؤرمتلی وروسلاو اۇشاقلاریندان مۆهندیس صحرایی جنابلاری و پوْلشانین کراکوو شهرینده صمیمی و خوْش بیر گوروشوگ.🤝

🌹کانالیمیزی دا جانلی یایین | ما را به دوستان خود معرفی کنید🌹:
https://t.me/Machinelearning_Kartal
1👍51
فارسی: اوپن ائی آی هم بالاخره چیزی از خود به دنیای اوپن سورس داد...
تۆرکجه: اوپن ائی آی دا اوزونن آچیق قایناق دونیاسینا بیر شئی باغیشلادی...
لینک خبر

@Machinelearning_Kartal
3👍1
فارسی: شرکت های جهانی فعال در حوزه آداس، آپتیو هم جز تاپ هاست که برای خیلی از اوئم ها محصول می دهد.

تۆرکجه: دونیا اوزرینده آداس ساحه‌سینده چالیشان شیرکتلر. بونلارین آراسیندا آپتیو بیر چوخ اوْئم اۆچون محصوللار تقدیم ائدن ان یاخشی شیرکتلردن بیریدیر.

@Machinelearning_Kartal
👏3
💰🚀 Meta Offers Over $100M Compensation Packages to Top AI Model Builders

فارسی:
اخیراً شرکت Meta با ارائه بسته‌های جبران خدمت عظیم، توجه دنیای فناوری را به خود جلب کرده است. گزارش‌ها نشان می‌دهد که برخی از برترین سازندگان مدل‌های هوش مصنوعی در این شرکت، بسته‌های جبران خدمت با ارزشی بیش از ۱۰۰ میلیون دلار دریافت کرده‌اند.

این حرکت نشان می‌دهد رقابت بر سر جذب و نگه‌داشتن استعدادهای برتر در حوزه هوش مصنوعی به مرحله‌ای بی‌سابقه رسیده است. با رشد سریع مدل‌های زبانی بزرگ و کاربردهای گسترده آن‌ها، متخصصان برجسته در این حوزه به یکی از باارزش‌ترین دارایی‌های شرکت‌های فناوری تبدیل شده‌اند.

🔗 منبع
#هوش_مصنوعی #Meta #مدل_زبان #فناوری #اشتغال
📡 @Machinelearning_Kartal

تۆرکجه:
تزلیکده Meta شرکتی سون گونلرده یاپای ذکاء مودل یارادیجی‌لاری اوچون سابقه سیز بؤیوک جبران پکت‌لری ایله خبرلره چیخیب. خبرلره گؤره، بعضی باش اوستادلارا ۱۰۰ میلیون دلاردان چوخ دئیه‌رلندیرمه پکت‌لری وئریلیب.

بو آدیملار گؤسترر کی، هوش مصنوعی ساحه‌سینده یئتکین قابلی‌یته صاحیب اؤیرنجی‌لر اوچون رقابت هیچ وقط بو قدر شیددتلی اولماییب. بؤیوک دیل مودل‌لرینیین سورعتلی اینکیشافی و گئنیش ایستیفاده ساحهلری، بو ساحه‌ده‌کی اوستالاری شرکت‌لرین این قیمتی ایستعدادلاری ائدیر.

🔗 قایناق
#یاپای_ذکاء #Meta #دیل_مودللری #تکنولوژی #ایش
📡 @Machinelearning_Kartal
🔥21
فارسی: سلام بر آینده درخشان ایران. اگر قصد ساخت وبلاگ و صحفه شخصی بدون وجود تبلیغات وْ اینا برای نمایش رزمه خود دارید به نظرم گیت ها گزینه خوبیه. می توانید از مال من استفاده کنید و از روش با تغییر جزئی بسازید. لینکشو پایین گذاشتم.
@Machinelearning_Kartal

https://github.com/Jalilnkh/jalilnkh.github.io

تۆرکجه: سلام ایرانین پارلاق گله‌جه‌یینه. اگر ایشینیزی گورسدمک اۆچون رئکلامسیز بیر بلوگ و شخصی صحیفه یاراتماغی پلانلاشدیریرسینیزسا، منجه گیت هاب یاخشی سئچیمدیر. سیز منیمکیندن ایستیفاده ائدیب جزئی دییشدیرمه ایله یارادا بیلرسینیز. آشاغیداکی لینکی قوْیموشام.
https://github.com/Jalilnkh/jalilnkh.github.io


@Machinelearning_Kartal
7👍2
Machine learning application (Kartal)
Liveness classifier (detector) [نسخه تورکی در پست بعدی] 🧬🧠 کلاس بندی چهره (Liveness Classifier) در سیستم‌های تشخیص زنده بودن چهره فارسی: در سیستم‌های تشخیص زنده بودن چهره، بعد از مرحله‌ی ثبت و استخراج چهره، گام بعدی و بسیار حیاتی، بررسی زنده بودن یا Liveness…
Facial extracted features

فارسی:
در مرحله‌ی قبل توضیح دادیم که مدل‌های Liveness Detector چگونه با یادگیری ماشین تصمیم می‌گیرند که یک چهره واقعی است یا جعلی. اکنون می‌رسیم به بخش مهم بعدی: ویژگی‌های استخراج‌شده (Extracted Features) از این مدل‌ها.

هنگام پردازش تصویر یا ویدیو، مدل‌ها به‌طور خودکار ویژگی‌هایی را استخراج می‌کنند که نشانه‌ای از زنده بودن هستند. این ویژگی‌ها ممکن است شامل موارد زیر باشند:

👁️ حرکات ریز چشم و پلک زدن

🙂 تغییرات ظریف در حالت چهره (مثل لبخند یا حرکت دهان)

💡 تغییر شدت نور روی پوست در طول زمان

🎥 اختلاف بین فریم‌های متوالی و تغییرات طبیعی پیکسل‌ها

گرچه ما دقیقاً نمی‌دانیم مدل چه الگوهایی را یاد می‌گیرد، اما می‌دانیم که این ویژگی‌ها به‌طور آماری تفاوت زیادی بین یک چهره زنده و چهره جعلی ایجاد می‌کنند. در نهایت، این ویژگی‌ها به‌عنوان ورودی به لایه‌های بعدی طبقه‌بند داده می‌شوند تا تصمیم نهایی گرفته شود. در واقع به صورت یک وکتور با سایز معمولا 128 در خروجی داریم.

این مرحله ستون فقرات سیستم تشخیص زنده بودن است؛ جایی که داده خام به سیگنال‌های معنادار برای امنیت تبدیل می‌شود.

#تشخیص_چهره #Liveness #ویژگی #یادگیری_ماشین #امنیت
📡 @Machinelearning_Kartal


تۆرکجه:
قاباقکی پوْستدا Liveness Detector مودل‌لرین نئجه اۆزون جانلی یا قوندارما اولدوغونو قرار وئردیینی آنلادیق. ایندی گله‌جک مهم مرحله‌یه: اوزللیک‌لرین آیریلماسی (Extracted Features).

مودل، تصویر یا ویدئونی ایشلرکن، زنده‌لیغی گؤسترن اوزللیک‌لری آوتوماتیک آیریر:

👁️ گؤز قیرپما و اؤز اؤزونه حرکت‌لر

🙂 اۆزده بالاجا دَییشیکلر (مثلاً گولومسه یا دؤشونمه)

💡 دری اوستونده ایشیقین طبیعتن اوزگرمه‌لری

🎥 سیرالی فریم‌لرده دوغال پیکسل فَرق‌لری

بیری‌باشا بیلمه‌ریک کی، مودل نه اوْیرنیر، آمما بو اوزللیک‌لر جانلی و قوندارما اۆز آراسیندا چوخ بؤیوک آماریق فَرق یارادیب. نئتیجه‌ده، بو اوزللیک‌لر طبقه‌بندین سون لایه‌لرینه واردیر و قرار وئرمک اوچون ایشلنیلیر.

بو مرحله جانیلیق سیستمین ان اساسی قورغوسودور؛ خام وئریلرین امنیت اوچون آنلاملی سیگنال‌لارا چئویرلده‌گی یئر.

#اۆز_تانیما #جانیلیق #اوزللیک #ML #امنلیک
📡 @Machinelearning_Kartal
3🔥2
بسم الله

فارسی:
اهل علم و فن سلام
داشتم اموزش احتمالات را می دیدم گفتم یک پروژه در این زمینه سرهم کنم و از احتمالات استفاده کنم و با شما هم به اشتراک بگذاریم خواستید ران کنید و نحوه کار احتمالات را ببنید توضیح هر کدوم را هم نوشتم یه استار 🌟هم بهم بدین. و نظرتون رو هم بنویسید.

تۆرکجه:
بیلگی دالیجان اولان یولداشالارا سلام اولسون
احتمالات درسینه باخیردیم اؤیرنیردیم دئدیم ائله الیمده بیر پروژه وروم هم پایتون کدی آلشتیرماسی اولسون همده سیزنن پایلاشیم. باخین، ران آلین، سئوسوز اولدوز وئرین 🌟 باخیشینیزدا یازین.


https://github.com/Jalilnkh/My-Daily-Python-Learning/blob/main/Customer%20Purchase%20Behavior%20Analysis/Customer_Purchase_Behavior_Analysis.ipynb




🌹کانالیمیزی دا جانلی یایین | ما را به دوستان خود معرفی کنید🌹:
https://t.me/Machinelearning_Kartal
1👍3👏2🥰1🫡1
#المپیاد_نجوم
بسم الله

فارسی: دوستان قولاغ تولکلو(گوش مویی) انشالله که این عزیزان پرفسورین آینده بوستون، و ام آی تی و کالیفرنیا نباشند و نگویید هرکی می خواهد بره بره و فقط فرزندان ما با یک خانوداه شهید پرور آمریکایی ازدواج کند کافیه، مواظب وطن باشیم 😁

تۆرکجه: عزیز قولاغی تولکیلر بئینی اوشاقلاریمیزی قوریاق ها بونلاری قویمیاق گلجکده بوستون، ام آی تی، کالیفرنیا پرفسورلاری اولا. سونرا دئمین گئدن گئدسین منه بیت المال قالسا اوشاقیم آمریکایی شهید عائله سینن ائولسن گورر ... وطنی قوریاق 🤝


🌹کانالیمیزی دا جانلی یایین | ما را به دوستان خود معرفی کنید🌹:
https://t.me/Machinelearning_Kartal
🤝4😁1
دوستان سلام
دوتا پروژه در حد سازمان هوش مصنوعی کشور داریم. کجا باید سابمیت کنیم؟ کسی تابحال اینکارو کرده باشه لطفا با بنده تماس بگیره همکاری کنیم.

تۆرکجه: سلام دوْستلار
اؤلکه‌نین یاپای ذکاء تشکیلاتی سوییه‌سینده ایکی پروژه میز وار. هارا تقدیم ائتمه‌لی‌ییک؟ اگر قاباغجان بۇنو ائدن وارسا، منیمله علاقه ساخلایین کی، بیرلیکده ایشله‌یک.
آی دی:

@jalil_kartal
کانالیمیزی دا جانلی یایین:
https://t.me/Machinelearning_Kartal
👏1
Machine learning application (Kartal) pinned «دوستان سلام دوتا پروژه در حد سازمان هوش مصنوعی کشور داریم. کجا باید سابمیت کنیم؟ کسی تابحال اینکارو کرده باشه لطفا با بنده تماس بگیره همکاری کنیم. تۆرکجه: سلام دوْستلار اؤلکه‌نین یاپای ذکاء تشکیلاتی سوییه‌سینده ایکی پروژه میز وار. هارا تقدیم ائتمه‌لی‌ییک؟…»