algoroots
105 subscribers
5 photos
2 videos
5 files
6 links
جایی برای تقویت ذهن الگوریتمی با
الگوریتم های کاربردی در حوزه های جذاب
Download Telegram
algoroots
def is_prime(n): if n <= 1: return False if n <= 3: return True if n % 2 == 0 or n % 3 == 0: return False i = 5 while i * i <= n: if n % i == 0 or n % (i + 2) == 0: return False i += 6…
#python
الگوریتمی جالب
عدد را دریافت و اگر اول بود آن را با عدد اول بعدی اش جمع میکند
🔥21
عدم پشتیبانی از اعداد بزرگ در این الگوریتم ها به چشم میخورد
که برای پیاده سازی های بزرگ مشکل است
1👍1🤔1
algoroots
def is_prime(n): if n <= 1: return False if n <= 3: return True if n % 2 == 0 or n % 3 == 0: return False i = 5 while i * i <= n: if n % i == 0 or n % (i + 2) == 0: return False i += 6…
◽️برای کار با اعداد اول
استفاده از غربال اراتستن راهکار بهینه ای است

◽️کتابخانه ی sympy راهکار خوبی برای کار با اعداد صحیح است و آزادی عمل خوبی برای کار با اعداد بزرگ می‌دهد
1
algoroots
◽️برای کار با اعداد اول استفاده از غربال اراتستن راهکار بهینه ای است ◽️کتابخانه ی sympy راهکار خوبی برای کار با اعداد صحیح است و آزادی عمل خوبی برای کار با اعداد بزرگ می‌دهد
import math

def sieve_of_eratosthenes(n):
is_prime=[True] *(n + 1)
is_prime[0]=False
is_prime[1] = False

for p in range(2, int(math.sqrt(n)) + 1):
if is_prime[p]:
for multiple in range(p * p, n + 1, p):
is_prime[multiple]=False

primes= [ ]
for i in range(2,n + 1):
if is_prime[i]:
primes.append(i)

return primes

n = int(input("Find all prime numbers up to: "))
primes = sieve_of_eratosthenes(n)
print(f"Prime numbers up to {n} are:")
print(primes)
4
algoroots
#python ساختار الگوریتم غربال اراتستن
نوشتن این الگوریتم با bitrray به صرفه تر است
3🔥1
هک کردن شبکه عصبی! یا حداقل تلاش برای انجام آن.
یک شبیه‌ساز عالی منتشر شده که در آن باید هوش مصنوعی را قانع کنید تا رمز عبور را بدهد.

باید زیرکی به خرج دهید و پرامتی پیدا کنید که بتواند محافظت چت‌بات را دور بزند
https://gandalf.lakera.ai/baseline

اسپویل:
پاسخ مرحله ی اول در تصویر هست.
7
def quick_sort(arr):
if len(arr)<=1:
return arr

pivot = arr[0]
smaller =[x for x in arr[1:] if x < pivot]
greater_or_equal= [x for x in arr[1:] if x >= pivot]

return quick_sort(smaller) + [pivot] + quick_sort(greater_or_equal)
5
This media is not supported in your browser
VIEW IN TELEGRAM
◽️◽️قدرت انویدیا در جدیدترین مدل تشخیص گفتاری

رونمایی از مدل : Parakeet TDT 0.6B

🔥سریع و دقیق و قابل استفاده برای پروژه های تجاری

🔥مدلی که یک صوت یک ساعته رو کمتر از یک ثانیه به متن تبدیل می‌کنه

🔥با دارا بودن ۶۰۰ میلیون پارامتر قوی ترین مدل گفتاری

🔥با قابلیت لایسنس باز و تجاری
میتونی هر جایی استفادش کنی

https://huggingface.co/nvidia/parakeet-tdt-0.6b-v2
2🙏2🔥1
قاعده کلی پرامپت gpt 5
         

تکنیکای گرفتن خروجی:


◽️نقش و مرزبندی

بگو به مدل که چه نقشی داری
باید چیکار کنی
و چه چیزایی رو وارد نشی
محدوده واسش بزار

◽️پیش زمینه

در ابتدا به پیش زمینه بگو
قانون گذاری کن
و بگو چه وظایفی باید انجام بده

                  

◽️دستور کلیدی

دستورای کلیدی در جملات آخر بزار
                  
◽️ بررسی زنجیره وار

بگو مرحله مرحله فک کنه و در هر مرحله نتایج مراحل قبل رو درنظر بگیره و چک کنه
                  

◽️دو مرحله پاسخ

یه پاسخ اولیه بگیر به عنوان پیش نویس
بعدش ازش درخواست کن اصلاحات دقیق رو انجام بده
یا اگه چیزی مونده خودت اصلاح کن

                  

◽️اجازه نه گفتن

اگه چیزی رو نفهمید یا نمیدونه بهش اجازه بده بگه نمی‌دونم
اینطور از داده های غیرواقعی جلوگیری می‌کنی

                  

◽️تغییر زاویه

بگو مسئله رو از چند دید ببین و بهترینارو با هم ترکیب کن و بگو

                  
◽️جداکننده

قوانین در تگهای Xml و ،`` بهش بگو

                  

◽️نمونه

دو سه تا مثال خوب بزن بفهمه قبل از هر درخواستی


این یه ارتقای بزرگ از جی پی تی ۴ هست

🔥که کمترین اشتباه رو فعلا در کارهای پیچیده داره
🔥می‌تونه استدلال سطحی و عمیق رو انجام بده و بهترین حالت رو بگه
🔥مکالمات طولانی رو ادامه میده
🔥برای کارای چند استپی پایداری و نقشه های بهتری میریزه
🔥در حوزه حقوق مهندسی پزشکی دانشش بیشتر از قبله
🔥و کیفیت کدنویسیش بهتر شده


https://cookbook.openai.com/examples/gpt-5/gpt-5_prompting_guide
🔥21
@MachineLearning_ir - Choosing Algorithm in ML.pdf
141 KB
راهنمایی برای انتخاب بهترین الگوریتم ML

#Ml
1
algoroots
@MachineLearning_ir - Choosing Algorithm in ML.pdf
دسته بندی الگوریتم های ماشین لرنینگ :

یادگیری با نظارت :

رگرسیون خطی
رگرسیون لجستیک
درخت تصمیم
جنگل تصادفی
ماشین بردار پشتیبان (SVM)
نزدیک ترین همسایه (KNN)

یادگیری بدون نظارت :

دسته بندی k-means
خوشه بندی سراسری(hierarchical)
خوشه بندی بر اساس چگالی(DBSCAN)
کاهش ابعاد(PCA)
کاهش ابعاد غیرخطی(UMAP)
کاهش ابعاد ویژگی ها(Autoencoder)

یادگیری نیمه نظارتی :

Self-training

Label Propagation / Label Spreading

Semi-Supervised SVM

یادگیری تقویتی:

Q-Learning

Deep Q-Network (DQN)

Policy Gradient Methods REINFORCE

Actor-Critic A3C/ PPO

یادگیری عمیق :

شبکه عصبی پایه(MLP , FNN)
شبکه عصبی کانولوشن(CNN)
شبکه عصبی بازگشتی(RNN)
مدل مبتنی بر توجه :
Transformer

BERT/RoBERTa

GPT
مدل های مولد :
Autoencoders

Variational Autoencoders (VAE)

Generative Adversarial Networks (GANs)

معماری های پیشرفته :
Capsule Networks

Graph Neural Networks (GNN)

Neural ODEs


#ML
2🤔1
Forwarded from MetaPrint3D
🎓 شروع ترم جدید با یه خبر هیجان‌انگیز از MetaPrint3D!

به مناسبت ورود دانشجوهای جدید و شروع ترم،
🎁 همه‌ی محصولات منتخب MetaPrint3D تا ۲۰٪ تخفیف ویژه دارن!

از هولدرهای گوشی و استندهای خاص گرفته تا طرح‌های جدید و کاربردی —
همه ساخته شدن تا هم اتاقت زیباتر شه، هم زندگی روزمره‌ت هوشمندتر 🤍

🧩 طراحی دقیق، چاپ سه‌بعدی تمیز
⚙️ سبک، مقاوم و کاربردی
💡 محصولاتی خاص، برای آدم‌های خاص

📦 موجودی جدید همین الان اضافه شده —
اگه دنبال یه وسیله متفاوت و خلاق بودی،
الان دقیقاً بهترین زمانه 😉

📲 t.me/METAPRINT3D
📬 برای اطلاع از قیمت و سفارش، پیام بده به: @MetaPrint3D_co

MetaPrint3D | جایی که هر جزئیات با دقت ساخته می‌شود.
1🙏1
چندتا کلیک کن و مدلتو دیپلوی کن!😊

ابزار litserve یه محصول جدید بر اساس fastAPI که می‌تونه بهتون در اجرا و پیاده کردن مدلتون کمک کنه و خیلی راحت و سریعه
دیگه هم نیازی به کدزنی اضافه نیست.

ویژگی ها :
اوپن سورس☺️
سریعتر از fastAPI
مقیاس پذیری اتومات با GPU
ساخت docker
پشتیبانی از Baching , streaming

https://github.com/Lightning-AI/LitServe
1
📱 اشتراک Chat GPT پرمیوم یک ماهه

💵 قیمت اصلی: ۲/۳۰۰ تومان
🛍 قیمت کاربران عادی : 299 تومن

🎓 قیمت ویژه دانشجویان دانشگاه صنعتی:
9️⃣7️⃣2️⃣ تومان
💲💲تخفیف ویژه خرید اول
‼️پرداخت بعد از فعال سازی اکانت
📧 فعال‌سازی روی ایمیل شخصی شما
©️ فعال سازی به صورت کاملا قانونی
⚡️ دسترسی کامل و بدون محدودیت
🔐بدون نیاز به پسورد
✔️ بهترین ابزار برای تحقیق، پروژه، مقاله‌نویسی و حتی کارهای روزمره 🖥
💲 تضمین کمترین قیمت بازار

📣 برای سفارش و اطلاعات بیشتر پیام بدید!

👨‍💻@ai_club_iut_support

📣 @ai_club_iut
1👍1
This media is not supported in your browser
VIEW IN TELEGRAM
شبیه سازی کامل معماری، ورودی و خروجی شبکه عصبی CNN برای تشخیص عدد
8