«نوش‌دارو قبل مرگ سهراب!»

💻 یک مزیت بزرگ شرکت در دوره‌های آنلاین مثل کورسرا و edX، آزادی در زمان و مکان یادگیری است؛ اما همین آزادی می‌تواند منجر به یک مشکل بزرگ شود: درصد بالای دانشجویانی که دوره‌ها را نصفه نیمه رها (dropout) می‌کنند. آمارها می‌گویند که کمتر از ۱۳٪ از شرکت‌کنندگان یک MOOC را تا پایان می‌گذرانند! اما آیا می‌توان قبل از این‌که این «بیماری آموزشی» شدت بگیرد، از آن پیشگیری کرد؟

⛔️ پژوهشگران نشان داده‌اند که با تحلیل دقیق رفتار دانشجوها، مثل شیوه تماشای ویدیوها و مشارکت در آزمون‌ها، می‌توان با کمک مدل‌های یادگیری ماشین، خطر dropout را پیش‌بینی کرد. به طور خاص، مقاله‌ای از Swamy و همکاران نشان می‌دهد که چگونه می‌توان از یک مدل یادگیری ماشین که روی درس‌های قبلی آموزش دیده، به کمک transfer learning، برای پیش‌بینی روی درس‌های جدید نیز استفاده کرد. در نهایت، چنین پیش‌بینی‌هایی می‌توانند به مدرسین دروس کمک کرده تا با برگزاری کلاس‌های رفع اشکال یا ارسال پیام‌های انگیزشی، دانشجویان را به ادامه دادن درس ترغیب کنند.

📁 متن «پیشگیری از «بیرون افتادن» دانشجویان در دوره‌های آنلاین: چگونه به کمک هوش مصنوعی، نوش‌دارو را قبل از مرگ سهراب برسانیم؟» به قلم سیدپارسا نشایی در شمارۀ دوم نشریۀ بایت از اینجا مطالعه کنید.

هر چند دقیقه آپدیت میشه
https://itsyebekhe.github.io/tpro/

#موقعیت_کاری برنامه نویس  Backend

شرح موقعیت :
ما در شرکت کاوین پیشرو شریف در یکی از برندهامون ( لایتک ) به دنبال یک توسعه‌دهنده بکند اند پرانگیزه و پرتلاش هستیم که به شرکت ما بپیوندد. اگر به دنبال فرصتی برای همکاری در پروژه‌های جذاب با امکان رشد و یادگیری مداوم هستید، جای شما در تیم ما خالی است!
در شرکت ما، مهارت‌های نرم مانند توانایی همکاری در تیم، مهارت‌های ارتباطی قوی، و حل مسئله خلاقانه به اندازه مهارت‌های فنی اهمیت دارند. ما به دنبال افرادی هستیم که علاوه بر دانش فنی، بتوانند در یک محیط تیمی سازنده و مثبت کار کنند.

مهارت های ضروری :
• آشنایی با مفاهیم clean code
• تسلط به RESTful API
• تسلط بر فریمورک جنگو
• تسلط به Design Pattern ها
• تجربه کار با پایگاه داده های NoSql و RDBMS
• توانایی طراحی مستندات قابل فهم
• آشنایی با Git
• تجربه کار با Docker
• تجربه کار با redis
• تجربه کار با مسیج بروکرو ها (RabbitMQ و ....)

مهارت‌ هایی که امتیاز محسوب می‌ شوند:
• تجربه کار با socket
• آشنایی با  Nestjs  یا fastapi  یا Fastify مزیت محسوب می شود
شرایط همکاری:
• موقعیت به صورت تمام‌ وقت و امکان دورکاری فراهم است .
• محیط کاری پویا و دوستانه
• امکان یادگیری سریع و رشد حرفه ‌ای

ــــــــــ

در صورت تمایل رزومه خودتون رو برامون بفرستید
@omidPak
دو تا سوال هم طراحی شده که تو مدت کوتاه باید انجام بدید ،
در نهایت هم اگه افتخار همکاری باهاتون رو نداشتیم حتما بهتون اطلاع میدم که منتظر نمونید.

دوستان برای این موقعیت امکان ریفر دارم میتونید به خودمم اطلاع بدید حله👌

سلام بچه ها
اگر کسی از شما دنبال #موقعیت_کاری در حوزه Front-End هست، میتونه رزومش رو برای من ارسال کنه.
@AI_ENG_20
مزایا : ریموت + بدون نیاز به سابقه کار + همراه با منتورشیپ

معرفی Hakim – مدل Text Embedding فارسی

تیم MCINEXT با افتخار از توسعه مدل Hakim، یک مدل قدرتمند Text Embedding برای زبان فارسی، رونمایی می‌کند. این مدل با کسب جایگاه اول در بنچمارک FaMTEB (بنچمارک فارسی در MTEB، معتبرترین لیدربورد ارزیابی مدل‌های Text Embedding) از میان تمام مدل‌های Text Embedding فارسی‌زبان و چندزبانه، به عنوان پیشتاز در زمینه پردازش زبان فارسی شناخته شده است.

✨ ویژگی‌های منحصر به فرد Hakim:

✔️ آموزش سه‌مرحله‌ای:

توسعه یک مدل زبانی پایه

آموزش مدل روی داده‌های متنوع برای ایجاد مدل اولیه‌ی Text Embedding

آموزش تخصصی مدل بر اساس مجموعه داده‌های دقیق و تسک‌های مختلف NLP برای دستیابی به مدل نهایی

✔️ داده‌های باکیفیت و متنوع:
استفاده از دیتاست‌های دقیق و جامع در هر مرحله، جهت ارتقا کیفیت و دقت مدل.

✔️ Instruction Tuning:
بهره‌گیری از دستورالعمل‌های متنوع برای افزایش توانایی مدل در انجام تسک‌های مختلف.

✔️ قابلیت Zero-shot:
به لطف آموزش متنوع، Hakim قادر است تسک‌های جدید را بدون نیاز به fine-tuning انجام دهد.

✔️ مدل HakimBERT:
مدل زبانی پایه‌ای که به‌طور مستقل در بسیاری از تسک‌ها به سطح SOTA رسیده است.

✔️ سه نسخه از مدل Hakim:

Hakim (نسخه اصلی و fine-tune شده روی تسک‌های مختلف NLP)

Hakim-small (نسخه کوچک‌تر و بهینه‌شده)

Hakim-unsup (نسخه ابتدایی بدون fine-tuning روی تسک‌های NLP)

💡 اهمیت Hakim:

مدل Hakim در توسعه پروژه‌های NLP، سیستم‌های RAG یا چت‌بات‌ها، می‌تواند:

🔹 عملکرد جستجوی معنایی را متحول کند

🔹کیفیت دسته‌بندی و تحلیل متون را ارتقا دهد

🔹تسک‌هایی مانند NER، Sentiment Analysis و... را بدون fine-tuning تنها با یک دستورالعمل انجام دهد

🔹با توجه به سایز نسبتاً کوچک (124M پارامتر برای Hakim و 38M برای Hakim-small) سرعت بالا و استفاده آسان را فراهم کند

📚 مطالعه مقاله کامل در arXiv:
https://lnkd.in/dD5mrNUU

📈 مشاهده جایگاه Hakim در FaMTEB:
https://lnkd.in/dRJ9s4mz

یه کوئیز بریم چند نفر درست میزنن😅❤️

هفته آینده رویداد هایپر ماندی رشت برگزار میشه✌️

اطلاعات بیشتر و ثبت نام از طریق لینک :
https://hyperlance.school/mondays

سلام بچه ها
اگر کسی از شما دنبال #موقعیت_کاری در حوزه Back-End هست، میتونه رزومش رو برای من ارسال کنه.
@AI_ENG_20
مزایا : ریموت + بدون نیاز به سابقه کار + همراه با منتورشیپ

گیت‌هاب از سرویس جدیدی به نام Spark رونمایی کرده. این سرویس به کاربرها اجازه می‌ده با نوشتن یک پرامپت به زبان طبیعی، یک اپلیکیشن فول‌استک و هوشمند رو تولید و منتشر کنن. Spark از مدل زبانی Claude Sonnet 4 استفاده می‌کنه و مراحل مختلف توسعه مثل فرانت‌اند و بک‌اند، احراز هویت، دیتابیس و استقرار رو به‌صورت خودکار انجام می‌ده.

کاربرها می‌تونن از مدل‌های OpenAI ،Meta ،DeepSeek ،xAI و غیره بدون نیاز به مدیریت کلیدهای API استفاده کنن. امکان ویرایش پروژه با پرامپت، رابط گرافیکی و کدنویسی با کمک GitHub Copilot هم وجود داره. قابلیت‌های پیشرفته‌‌تر مثل ایجاد ریپازیتوری، استفاده از GitHub Actions، و کار با Copilot Agents هم برای توسعهٔ سریع‌تر با این سرویس، قابل‌استفاده هستن. اسپارک به صورت پیش‌نمایش عمومی برای کاربران Copilot Pro+ فعال شده.

📈 ورکشاپ سئو (SEO)
چطور بدون هزینه‌های نجومی، بیای صفحه اول گوگل؟

✅ چطور کلمات کلیدی درست پیدا کنی؟
✅ چطور سایتت رو بدون کدنویسی سئو کنی؟
✅ چطور با ابزار رایگان نتایج رو تحلیل کنی؟
✅ و مهم‌تر از همه:
🚀 ۳ اقدام فوری برای دیده شدن توی گوگل!

🗓 زمان جدید: چهارشنبه ۸ مرداد – ساعت ۱۸ تا ۲۰
📍 رشت، میدان حشمت – فضای کار اشتراکی سکو
👩‍💼 مدرس: مائده نادمی – متخصص سئو

🎯 ظرفیت محدوده!
🔗 ثبت‌نام رایگان از طریق سایت:
🌐 maedehnademi.com

سلام بچه ها
اگر کسی از شما دنبال #موقعیت_کاری در حوزه (NLP/CV) AI Engineering هست، میتونه رزومش رو برای من ارسال کنه.
@Amin_Rezanejad
مزایا : ریموت + بدون نیاز به سابقه کار + همراه با منتورشیپ

🌍 یکی از بزرگ‌ترین رویدادهای فناوری جهان، GITEX GLOBAL، امسال از ۲۱ تا ۲۵ مهر ۱۴۰۴ در دبی برگزار می‌شه.

🎟️ بلیط‌فروشی شروع شده و تا ۱۱ مرداد می‌تونید از تخفیف Early Bird استفاده کنید.

🌐 خرید از سایت رسمی: visit.gitex.com

🇨🇳 GLM-4.5; China's New AI

🤖 https://chat.z.ai/

📓 https://z.ai/blog/glm-4.5

🔎 طبق بررسی جدید Surfshark: جیمنای گوگل با جمع‌آوری ۲۲ نوع داده، رکورددار بیشترین داده‌های جمع‌آوری‌شده بین چت‌بات‌های معروف است. «Grok» از xAI کمترین میزان داده را جمع می‌کند.

مدل GPT-5 رسماً معرفی شد 🚀

https://openai.com/gpt-5/

و در دسترس کاربران ChatGPT قرار گرفته :

◽️ مدل GPT‑5 Chat: هر ۵ ساعت، ۱۰ پیام
◽️ مدل GPT‑5 Thinking (نسخه پیشرفته‌تر برای پاسخ‌های عمیق): روزانه ۱ پیام
◽️ نسخه Plus (۲۰ دلار/ماه): تا ۸۰ پیام در هر ۳ ساعت
◽️ نسخه Pro و Team: بدون محدودیت در استفاده

با توجه به Prompt داده شده مدل خودش انتخاب می‌کنه از نسخه Chat استفاده کنه یا از نسخه Thinking، یعنی خودش قابليت تشخیص داره.

پس از عرضه GPT-5، اکثر مدل‌های قدیمی منسوخ خواهند شد، از جمله جی‌پی‌تی‌های 4o و 4.1 و 4.1-mini و 4.5 و مدل‌های استدلالی o3 و o3-pro و o4-mini و o4-mini-high. چت‌های قدیمی از مدل‌های خانواده GPT-5 استفاده خواهند کرد‌.

چند روز پیش رقابت‌های شطرنج بین مدل‌های هوش مصنوعی در پلتفرم Kaggle Game Arena به پایان رسید، نتایج در تصویر مشخص هست. این مسابقه فقط با توصیف وضعیت مهره های شطرنج و ارسال Prompt بود.

یه مدل جدید ۴ میلیاردی به اسم Jan-v1 معرفی شده که کار اصلیش سرچ وب و ریسرچ عمیقه. تیم سازنده‌ش اون رو به عنوان یه جایگزین open-source برای Perplexity Pro معرفی کرده که به صورت کاملاً local هم اجرا میشه.

این مدل روی نسخه‌ی جدید Qwen یعنی Qwen3-4B-Thinking ساخته شده که تا ۲۵۶ هزار توکن context length داره. به طور مشخص برای reasoning و استفاده از ابزارها (tool use) فاین‌تیون شده که این یعنی برای کارهای agentic و حل مسائل پیچیده بهینه شده.

توی ارزیابی SimpleQA، به دقت ۹۱.۱٪ رسیده که طبق بنچمارک‌های منتشر شده، عملکردش یه مقدار از Perplexity Pro بهتره. این نشون میده که مدل‌های با این سایز هم میتونن توی تسک‌های واقعی مثل پرسش و پاسخ مبتنی بر فکت، عملکرد خیلی خوبی داشته باشن.

برای استفاده، میشه اون رو توی Jan App، یا با فریمورک‌های llama.cpp و vLLM اجرا کرد. اگه از Jan App استفاده می‌کنید، برای فعال کردن قابلیت سرچ باید از تنظیمات، Experimental Features رو روشن کنید و بعدش یه سرور MCP مثل Serper رو فعال کنید تا به اینترنت دسترسی داشته باشه.

به نظر من، حرکت به سمت مدل‌های کوچیک‌تر و تخصصی که به صورت local هم اجرا میشن، خیلی مهمه. این مدل‌ها کنترل بیشتری به دولوپر میدن و وابستگی به API های پولی رو کم می‌کنن. اینکه یه مدل 4B داره با سرویسی مثل Perplexity رقابت می‌کنه، نشون میده که آینده فقط دست مدل‌های غول‌پیکر نیست و مدل‌های بهینه شده برای تسک‌های خاص، جایگاه خودشون رو دارن.

فایل‌های مدل رو می‌تونید از لینک‌های زیر بگیرید:

📃 مدل اصلی Jan-v1-4B

📃 نسخه GGUF برای llama.cpp