@ai_python

مدل جدید تولید و ویرایش تصویر به نام Gemini 2.5 Flash Image (که با نام مستعار nano-banana هم شناخته می‌شود) را دیگه کسی نیست که نشناسه. 🍌

@ai_python

با این وجود هنوز بسیار مهمه که قابلیت های کامل مدل های مختلف را بشناسیم. پس مروری خواهیم داشت بر قابلیت های این مدل :

🍌 حفظ ظاهر شخصیت‌ها: می‌تونی ظاهر یک سوژه رو در چند تصویر مختلف حفظ کنی.

🍌 ویرایش هوشمند: امکان تغییر یا اضافه کردن اشیاء به تصویر (inpainting)، گسترش تصویر (outpainting)، و تغییرات هدفمند.

🍌 ترکیب تصاویر: می‌تونی عناصر چند تصویر رو به‌صورت هوشمند در یک تصویر واقعی ترکیب کنی.

🍌 استدلال چندرسانه‌ای: مثلاً می‌تونه دستورالعمل‌های پیچیده روی یک دیاگرام رو دنبال کنه.

@ai_python

👩‍💻 برخی از اپلیکیشن‌های ساخته‌شده با این مدل:

برنامه Past Forward: سفر در زمان با تصاویر.

برنامه Home Canvas: امتحان کردن چیدمان مبلمان.

برنامه Pixshop: ویرایشگر تصویر با هوش مصنوعی.

برنامه GemBooth: تبدیل عکس به سبک کمیک یا نقاشی‌های دوره رنسانس.

با پیشرفت هوش مصنوعی، برادر ناتنی این صنعت نیز، پیشرفت خواهد کرد. (صنعت رباتیک)

👉 @ai_python 🤖

ولی آیا ما برای این پیشرفت آماده ایم؟

برای پاسخ به این سوال با سه موضوع اصلی رو به رو هستیم :

شفافیت یعنی بتوانیم بفهمیم و توضیح دهیم که چرا یک ربات تصمیم خاصی گرفته است.

👉 @ai_python 🤖

قابلیت ردیابی خطاها: وقتی ربات اشتباه می‌کند، باید بتوانیم بفهمیم کدام بخش سیستم باعث آن شده: دوربین، بازوی رباتیک یا مدل تصمیم‌گیری.

👉 @ai_python 🤖

پاسخ گویی : باید مشخص باشد چه کسی مسئول عملکرد ربات است؟! توسعه‌دهنده، سازنده یا کاربر ... ؟ 🤖 🤖

در این مقاله در لینکداین هر سه این مفاهیم بررسی شده اند :

https://www.linkedin.com/pulse/transparency-accountability-generative-ai-robotics-torqueagi-v9iic/

@ai_python

پادکست مصنوعی فارسی، درباره تاریخچه پیدایش پایتون 🐍

👉 @ai_python 🧐


این مقاله محدودیت‌های بنیادی مدل‌های بازیابی مبتنی بر وکتور امبدینگ را بررسی می‌کند، به‌ویژه زمانی که این مدل‌ها با وظایف پیچیده‌تر، مانند استدلال یا پیروی از دستورالعمل‌ها، روبرو می‌شوند.

نویسندگان نشان می‌دهند که تعداد زیرمجموعه‌های اسناد که یک وکتور امبدینگ می‌تواند با توجه به ابعاد Embedding بازگرداند، محدود است.

👉 @ai_python 🧐

برای اثبات این موضوع، آن‌ها یک مجموعه داده واقع‌گرایانه و در عین حال ساده به نام LIMIT ایجاد می‌کنند که مدل‌های پیشرفته فعلی نیز در آن شکست می‌خورند، و تأکید می‌کنند که این محدودیت‌های نظری حتی در تنظیمات عملی نیز وجود دارند.

👉 @ai_python 🧐

نتیجه‌گیری این است که جامعه تحقیقاتی باید به این محدودیت‌ها توجه داشته باشد و روش‌های بازیابی جایگزین، مانند مدل‌های چند برداری، را برای وظایف پیچیده‌تر توسعه دهد.

👉 @ai_python 🧐


لینک ویدیو فارسی توضیحات این مقاله : https://youtu.be/rNEl_tBJ5aE?si=Wg5LUPloe6s3noz2

لینک مقاله در آرشیو :

https://arxiv.org/pdf/2508.21038

👉 @ai_python 💭

بررسی بهبود مدل های زبانی بزرگ در صورت پیش بینی ترتیب توکن ها:

https://www.alphaxiv.org/pdf/2508.19228

👉 @ai_python 💭

لینک ویدیو فارسی خلاصه تولید شده توسط هوش مصنوعی از این مقاله :

https://youtu.be/YhB21n0aDrg?si=KWcMLkxrNh57Sn5W


پادکست مصنوعی فارسی مفصل تر در کانال @navidcasts در خصوص این مقاله موجود است.

این دوره مربوط به مدرک Microsoft Certified: Azure Data Scientist Associate است و برای افرادی طراحی شده که می‌خواهند مهارت‌های علمی داده و یادگیری ماشین را در محیط Azure به‌کار بگیرند. من این دوره رو به همه کسانی که قصد دارن در آینده بازار Cloud باقی بمونن توصیه می کنم :

🎯 هدف دوره :

✍️ طراحی و ایجاد محیط کاری مناسب برای پروژه‌های علم داده

✍️ کاوش و آماده‌سازی داده‌ها

✍️ آموزش مدل‌های یادگیری ماشین و اجرای آزمایش‌ها

✍️ پیاده‌سازی پایپ‌لاین‌ها و آماده‌سازی برای محیط عملیاتی

✍️ استقرار و پایش راهکارهای یادگیری ماشین در مقیاس بزرگ

✍️ بهینه‌سازی مدل‌های زبانی برای ساخت اپلیکیشن‌های هوش مصنوعی با Azure AI

⚡️ در واقع اون بخش مهم این دوره از نظر من اینه : ⚡️

سرویس‌های Azure AI (مثل Azure AI Search و Azure AI Foundry)

توسعه اپلیکیشن‌های (Generative AI) در محیط آژور

و Azure ML Studio


✍️ آزمون و گواهینامه مرتبط :

آزمون DP-100 با مدت زمان ۱۰۰ دقیقه

اعتبار مدرک: ۱۲ ماه، با امکان تمدید رایگان از طریق ارزیابی آنلاین

https://learn.microsoft.com/en-us/credentials/certifications/azure-data-scientist/?practice-assessment-type=certification

👉 @ai_python ✍️

لینک مقاله در آرشیو :

https://arxiv.org/html/2509.01187v1


The paper introduces StoxLSTM, a novel stochastic extension of the xLSTM architecture for time series forecasting. By integrating stochastic latent variables into a state space modeling framework, StoxLSTM captures complex temporal patterns and uncertainties more effectively than traditional models. Extensive experiments across diverse datasets show that it consistently outperforms state-of-the-art baselines in both accuracy and robustness.

👉 @ai_python ✍️

پادکست مصنوعی توضیحات به فارسی :

https://t.me/navidcasts/26

ویدیو با زمان کوتاه تر از پادکست صوتی به صورت خلاصه تر و به فارسی :

https://youtu.be/xN6nFUGeXrk?si=aUGPUomtp_6yMFg1

👉 @ai_python 🆕

این پست از Peter W. J. Staar درباره قابلیت جدیدی در پروژه Docling هست که توسط تیم IBM Research توسعه داده شده:

کلمه Docling را در کانال اگر سرچ کنید پست های زیادی دربارش داریم.

👉 @ai_python 🆕

کتابخانه Docling حالا می‌تونه داده‌های ساخت‌یافته رو مستقیم از اسناد استخراج کنه
به جای تبدیل سند به متن یا JSON، داکلینگ می‌تونه مستقیماً فیلدهای موردنظر رو از سند بیرون بکشه!

👉 @ai_python 🆕

کاربر می‌تونه با استفاده از اسکیمای آزاد (free-form schema) مشخص کنه چه اطلاعاتی باید استخراج بشه. این یعنی می‌تونی خروجی رو مستقیم با ساختار پایگاه‌داده‌ات هماهنگ کنی.

👉 @ai_python 🆕

این قابلیت برای پایپ‌لاین‌های داده‌ای که نیاز به استخراج اطلاعات از اسناد نامرتب دارن (مثل فاکتورها، رزومه‌ها، قراردادها و...) بسیار مفیده.

همون طور که گفتیم : بدون نیاز به API یا ارسال داده به سرور !!!

برای رسیدن به این مقصود از مدل‌های پیشرفته شرکت NuMind استفاده می‌کنه.

فعلاً روی فایل‌های PDF و تصویر (PNG) تمرکز داره؛ پشتیبانی از متن ساده به‌زودی اضافه می‌شه.

👉 @ai_python ✍️

این مقاله یک خاصیت نادیده‌گرفته‌شده در مدل‌های زبانی دیفیوژن (DLMs) را برجسته می‌کند: همگرایی زودهنگام پاسخ. محققان مشاهده کردند که این مدل‌ها اغلب پاسخ صحیح را خیلی قبل از اتمام کامل فرآیند رمزگشایی، حتی با نیمی از مراحل تصفیه، شناسایی می‌کنند. بر اساس این کشف، آن‌ها یک روش رمزگشایی سریع و بدون نیاز به آموزش به نام Prophet را معرفی می‌کنند. Prophet با نظارت پویا بر شکاف اطمینان بین دو پیش‌بینی برتر، تصمیم می‌گیرد که آیا فرآیند رمزگشایی را زودتر متوقف کند یا به تصفیه ادامه دهد، که این امر منجر به کاهش قابل توجهی در مراحل رمزگشایی (تا 3.4 برابر) بدون افت کیفیت خروجی می‌شود.

👉 @ai_python ✍️

لینک مقاله در آلفاشیو : https://www.alphaxiv.org/pdf/2508.19982

ویدیو تولید شده از خلاصه این مقاله به زبان فارسی با NotebookLM :

https://youtu.be/BLdc5d4TMYE

پادکست تولید شده که مفصل تر از ویدیو هست را نیز در کانال @navidcasts خواهید یافت.

این نوشتار، درباره‌ی رویکرد جدید شرکت Entiros برای یکپارچه‌سازی سیستم‌ها با استفاده از پایگاه داده گرافی Neo4j و هوش مصنوعی Ingo است.

👉 @ai_python ✍️

همچنین در این نوشتار، مزایای استفاده از Starlify بیان شده است. (البته به نظر من مزایای خاصی هم نبودن ولی خب)

ابزار Starlify این نقشه را به‌صورت گرافی نمایش می‌دهد تا پیچیدگی‌ها قابل مشاهده و مدیریت شوند. (همون کاری که با Browser خود Neo4j هم می تونید بکنید)

👉 @ai_python ✍️

در کل قطعن خود شما مخاطبین عزیز خیلی بهتر از من می دونید که برای همه این کارها ابزارهای قدرتمند تری هم وجود داره (به جز گراف دیتابیس که دیگه فکر نکنم از Neo4j قدرتمند تر باشه) ولی به عنوان یک Use Case خوندن این نوشتار به خصوص بخش مربوط به Certified Integrator شاید بتونید ازش ایده هایی بگیرید برای کارهای آینده.

https://medium.com/neo4j/rewire-your-integration-strategy-a-graph-first-approach-with-neo4j-and-ai-4b8b6e444208

👉 @ai_python ✍️

کورس رایگان ایجاد گراف از روی فایل های CSV در آکادمی Neo4j

https://graphacademy.neo4j.com/courses/importing-cypher/

اگر درست یادم باشه، خیلی وقت پیشا Lovable رو معرفی کرده بودیم. ولی برای اونایی که هنوز آشنا نیستن، لاوبل یک ابزار بسیار قوی هست که باهاش حتی به رایگان می تونید فقط ایده تون رو بگید و اون یک اپلیکیشن یا سایت کامل برای ایده تون می سازه.

👉 @ai_python ✍️

جدیدن می تونید به پلن رایگان Supabase هم متصلش کنید و در سوپابیس بک اندتون رو میزبانی کنید. مثلن وصلش کنید به Postgres در اون جا و خلاصه دیتابیس هم داشته باشید.

👉 @ai_python ✍️

ولی از کجا شروع کنیم؟ از این ویدیو 17 دقیقه ای که سه هفته پیش خود لاوبل منتشر کرد :


https://youtu.be/Vf2K0pcTLEo?si=PqxGELbEqsMFOpwJ

🏐 دوره آموزشی «هوش تجاری (Business Intelligence)

🟢 مناسب کلیه رشته‌ها و استخدام در #ایران
🟢 مناسب برای مهاجرت شغلی یا تحصیلی به #آمریکا، #اروپا و #استرالیا
👈 آموزش #آنلاین و با موردکاوی‎های واقعی و پروژه

⭐️ مخاطبان:
⏺️ دانشجویان کلیه رشته‌های تحصیلی
⏺️ علاقمندان به تحلیلگری داده و کسب و کار
⏺️ مدیران و کارشناسان شرکتها در تمامی لایه ها

🏛 موسسه توسعه

🔔 مشاوره رایگان و مشاهده جزئیات دوره از لینک زیر👇
➕ httb.ir/hM5BR
➕ httb.ir/hM5BR
➕ httb.ir/hM5BR
➖➖➖➖

با تجربه ای که این چند وقت با Azure ML Studio داشتم، در نهایت، اگر بخوایم نهایت استفاده رو از امکانات این سرویس ببریم، باید حتمن دستمون به کد آلوده بشه.

👉 @ai_python ✍️

خب این یکی از بهترین ویدیو هایی بود که در این خصوص وجود داره. البته مربوط به 2 سال پیش هست، ولی مفاهیم کلی همینه و واقعن نکات خوبی توش می گه. اما برای این که تکمیل بشه، بعد از دیدن این ویدیو در کانال خود Kevin Feasel بگردید و یک ویدیو هم داره که درباره به روزرسانی های SDK ورژن 1 به 2 می گه. که تکمیل کننده همین ویدیو خواهد بود. (این دومی رو همین اواخر ثبت کرده.)

👻 لینک ویدیو دومی هم که گفتم نمی ذارم، که مجبور بشید توی چانال کوین بگردید که چیزای خیلی کاربردی و مفیدی پیدا کنید. 😍

https://youtu.be/RJAbapJ0dZo?si=EkIkpFVlZ3YyTtzH