DLeX: AI Python
22.2K subscribers
5.07K photos
1.23K videos
765 files
4.51K links
هوش‌مصنوعی و برنامه‌نویسی

توییتر :

https://twitter.com/NaviDDariya

هماهنگی و تعرفه تبلیغات : @navidviola
Download Telegram
دیروز اشاره کوچیکی به ADK داشتیم. حالا با همکاری Google در وب سایت Kaggle یک دوره 5 روزه در اختیار عموم قرارداده شده، که حسابی شما رو برای کار با ADK آماده می کنه :

👉 @ai_python ✍️

https://www.kaggle.com/learn-guide/5-day-agents?linkId=17674402

گروه پرسش و پاسخ علوم کامپیوتر
Please open Telegram to view this post
VIEW IN TELEGRAM
چه خوشمون بیاد چه خوشمون نیاد، کم کم دنیا داره به سمتی می ره که مهندسان آی تی، حتی در محیط های Enterprise هم باید قادر باشن زیر ساخت های ماشین لرنینگ یا هوش مصنوعی را در اختیار دانشمندان رشته های ریاضی، فیزیک و ... ای قرار دهند که شاید با کدنویسی آشنایی زیادی نداشته باشند یا آشنایی آن ها حرفه ای نباشد.

👉 @ai_python ✍️

با توجه به این که سرویس های دم دستی مثل n8n و از این قبیل در سازمان های دولتی و صنعتی در اروپا، به دلیل مسائل سیاسی و ... طرفدار چندانی ندارند، بنابراین گاهی تنها انتخاب موجود برای ایجاد چنین بسترهایی Microsoft Azure هست که اگر دقت کرده باشید چند وقتی هست که فوکوس زیادی روی Solution های ML یا AI در مایکروسافت آژور در این کانال داشتیم.

البته ما بیش تر درباره زیر ساخت در کانال @WearebiTs صحبت می کنیم. ولی سعی می کنیم در این کانال هم از مباحث زیر ساختی AI و ML در Scale های بزرگ دریغ نکنیم. چون به هر حال کانال های بسیار بهتری از ما به زبان فارسی وجود دارند که مباحث عمیق تر AI و ML و همین طور بررسی مقاله هارو همیشه ارائه دادن و برای بررسی مقاله ها می تونید به تا جای ممکن به کانال های دیگه مراجعه کنید. مثلن @navidcasts

بنابراین در اینجا : یکی دیگه از ویدیو هایی هست که به نظر من افرادی که قصد فعالیت در اروپا را دارند، حتمن باید سرویس هایی که در این ویدیو ازش نام برده می شه رو یک آشنایی جزئی داشته باشند. در واقع ساخت AI Agent ها را از طریق Azure Logic Apps نشون می ده. ولی لازم به ذکر هست، که این، تنها راه ایجاد Agentic AI در مایکروسافت آژور نیست. ولی در هر صورت یکی از راه حل های قدتمند No Code هست :

👉 @ai_python ✍️


https://youtu.be/6YFN25o9jn4?si=d8fVu0RJbPQNgYLp


گروه پرسش و پاسخ علوم کامپیوتر
Please open Telegram to view this post
VIEW IN TELEGRAM
Audio
ماتیاس ترویر، معاون رئیس شرکت مایکروسافت کوانتوم، در این سخنرانی به تشریح مسیر ساخت یک کامپیوتر کوانتومی با مقیاس کاربردی می‌پردازد که می‌تواند مسائل "غیرقابل حل" برای کامپیوترهای کلاسیک را حل کند.

👉 @navidcasts 🎓

او تاریخچه‌ای از پیشرفت‌های علمی را ارائه می‌دهد که منجر به عصر بخار و عصر سیلیکون شد، و سپس تاکید می‌کند که مکانیک کوانتومی در حال حاضر فناوری‌های جدیدی مانند رایانش کوانتومی را ممکن ساخته است. نکته کلیدی این است که رایانه‌های کوانتومی با تغییر دادن مقیاس‌بندی محاسباتی (مثلاً از نمایی به خطی) برتری می‌یابند و می‌توانند به شتاب کوانتومی نمایی دست یابند، که برای غلبه بر سرعت ذاتی پایین‌تر عملکرد کوانتومی نسبت به عملیات کلاسیک حیاتی است.


👉 @navidcasts 🎓

این برتری بیشتر در مسائل داده کوچک مانند شیمی، بیوشیمی، و علم مواد نمود پیدا می‌کند، زیرا طبیعت زیربنایی این حوزه‌ها کوانتومی است؛ در نهایت، ترویر پیش‌بینی می‌کند که ترکیب رایانش کوانتومی با هوش مصنوعی منجر به پیشرفت‌هایی می‌شود، به طوری که هوش مصنوعی سرعت را فراهم کرده و کامپیوتر کوانتومی دقت مورد نیاز برای تولید داده‌های آموزشی بهتر و مدل‌های سریع و دقیق را فراهم می‌کند.


ویدیو خلاصه تر در یوتیوب : https://youtu.be/U9H8EEFH2AY
Please open Telegram to view this post
VIEW IN TELEGRAM
ایران‌GPU
تنها و اولین شرکت بورسی هوش مصنوعی ایران
با بیش از ۵ سال سابقه فعالیت حرفه‌ای
و با پشتوانه‌ی بیش از ۲۰ دیتاسنتر فعال در سراسر ایران
🌐

⚡️ قدرت پردازش، پایداری و مقیاس‌پذیری واقعی
برای تیم‌ها، پژوهشگران و سازمان‌های حرفه‌ای AI 🤖

💡 شروعی مقرون‌به‌صرفه برای پروژه‌های هوش مصنوعی شما
📩 در صورت تمایل همین حالا درخواست مشاوره را ثبت کنید!

https://B2n.ir/qz9613
Audio
این متن تحقیقاتی به بررسی مقایسه‌ای بین مدل‌های زبان انتشاری (DLMs) و مدل‌های خودرگرسیو (AR) در سناریوهایی می‌پردازد که داده‌های منحصربه‌فرد با کیفیت بالا محدود هستند، اما تکرار داده‌ها مجاز است.

👉 @navidcasts 🎓

یافته اصلی پژوهش، پدیده‌ای به نام نقطه تقاطع هوش (Intelligence Crossover) است که در آن، DLMها به طور مداوم از مدل‌های AR هم‌اندازه پیشی می‌گیرند؛ این مزیت به دلیل سه عامل کلیدی در DLMها یعنی مدل‌سازی «با هر ترتیبی» (any-order modeling)، محاسبات «فوق‌متراکم» (super-dense compute) ناشی از نویزدهی دوسویه تکراری، و تقویت داده داخلی از طریق شبیه‌سازی مونت کارلو است.


این نتایج نشان می‌دهد که در عصر محدودیت داده، DLMها یک الگوی مدل‌سازی برتر برای استخراج حداکثر سیگنال از هر توکن منحصربه‌فرد، حتی به بهای افزایش نیاز محاسباتی، محسوب می‌شوند.

👉 @navidcasts 🎓

علاوه بر این، پژوهشگران توضیح می‌دهند که افزایش ضرر اعتبارسنجی (validation loss) لزوماً به معنای کاهش عملکرد در وظایف نهایی نیست، زیرا قابلیت تمایز مدل همچنان بهبود می‌یابد.
Please open Telegram to view this post
VIEW IN TELEGRAM
به نظر شما مدل تقریبن جدید GPT-5.1 از Open AI همون نسخه فاین تیون شده، مدل های قبلی هست یا واقعن یک مدل جدید هست؟!

👉 @ai_python ✍️

این موضوع و خیلی موضوعات جذاب و جالب دیگه موضوع بحث میز داغ از IBM Technology هست :

https://youtu.be/5sFJVAoafFI?si=3leRGKE-SGB9w22n
Please open Telegram to view this post
VIEW IN TELEGRAM
👉 @ai_python ✍️

مایکروسافت کوپایلوت از 15 ژانویه از WhasApp خداحافظی می کند.
Please open Telegram to view this post
VIEW IN TELEGRAM
اگر با PromptFlow کار کرده باشید، حتمن می دونید که فریم ورک اصلی مایکروسافت برای ایجاد پایپ لاین های Agentic AI هست. در مقابل IBM هم راه حل خودش رو در این زمینه داره که خیلی شبیه PromptFlow هست. در این ویدیو درباره BeeAI توضیح داده شده :

👉 @ai_python ✍️


https://youtu.be/WozA_qHEAqo?si=CSZ0ZImVepMV5dR4
Please open Telegram to view this post
VIEW IN TELEGRAM