6108
🗨 ارتباط با ما (تبلیغات، سوال، پیشنهاد و انتقاد): 📩 @Contact2Mebot 💯 کانال دوم ما: @Datascientists_Files 💎 در پیامرسان بله(آپدیت اتومات): https://ble.ir/dataplusscience 💡 در پیامرسان ایتا(آپدیت اتومات): https://eitaa.com/DataPlusScience
📚 انتشار راهنمای فارسی Hermes Agent
🧠 راهنمای جامع و رسمی Hermes Agent (یک فریمورک پیشرفته برای ساخت عاملهای هوش مصنوعی) به زبان فارسی ترجمه و منتشر شد.
🛠 این پروژه شامل آموزشهای کاربردی نظیر نصب و راهاندازی سریع، پشتیبانی از پلتفرمهای مختلف مانند اندروید (Termux) و NixOS، نحوه اتصال به پیامرسانها و توسعه عاملها میباشد.
🌐 برای مطالعه مستندات میتوانید به وبسایت راهنمای فارسی مراجعه کرده و یا از طریق مخزن گیتهاب به توسعه آن کمک کنید.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 رقابت مدلهای هوش مصنوعی در تولید داشبورد سهبعدی
⚡ در یک بنچمارک فنی، مدل جدید GPT-5.6 Sol در مقابل Fable 5 برای طراحی «داشبورد سهبعدی کره زمین» قرار گرفت. نتایج نشان میدهد که مدل Sol نسبت به نسخه قبلی خود پیشرفت جهشی داشته و در کدنویسی فرانت-اند عملکرد بسیار قدرتمندی ارائه میدهد.
🔬 با این وجود، Fable 5 همچنان در زمینهی جزئیات طراحی مانند Spacing (فاصلهگذاری دقیق المانها) و کیفیت خروجی در اولین تلاش (First-pass polish) پیشتاز است و خروجیهایی با تعادل بصری حرفهایتر تولید میکند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
🤖 ساخت سیستمعامل با GPT-5.6 Sol
🚀 در یک نمایش خیرهکننده از توانمندیهای نسل جدید هوش مصنوعی، مدل GPT-5.6 Sol موفق شد در مدت زمان کوتاه ۳۴ دقیقه، یک سیستمعامل شبیهساز با استایل macOS را بهطور کامل و بدون دخالت انسانی خلق کند. این پروژه که مستقیماً در مرورگر قابل اجراست، شامل ۱۹ اپلیکیشن کاربردی و آیکونهای SVG است که تماماً توسط مدل کدنویسی شدهاند.
🔬 این دستاورد بزرگ از طریق قابلیت Ultra High Thinking (حالت تفکر فوقعمیق برای تحلیل گامبهگام و منطقی مسائل پیچیده) به دست آمده است. این مدل با استفاده از این متد، توانسته است ساختار پیچیدهی یک سیستمعامل را در یک محیط وب پیادهسازی کند که علاوه بر محیط کاربری، قابلیت اجرای بازیها و برنامههای مختلف را نیز داراست.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
🚀 مدل Reve: رقیب جدید در تولید تصویر
⚡ مدل Reve 2.1 تنها یک ماه پس از انتشار نسخه قبلی عرضه شد و موفق شد در Text-to-Image Arena جایگاه دوم را کسب کند. این مدل اکنون بالاتر از NanoBanana 2 و بلافاصله پس از GPT Image 2 قرار گرفته است.
🧠 نقطه قوت اصلی این مدل، استفاده از ساختار layout بهجای تکیه صرف بر prompt متنی است. این رویکرد باعث شده تا در پردازش جزئیات دقیق و رندر کردن متنهای غیرانگلیسی، عملکرد بسیار دقیقتری نسبت به رقبا داشته باشد.
📊 نکته قابلتوجه این است که Reve توانسته با منابع محاسباتی ۱۰ برابر کمتر از غولهایی مانند Google و Meta، به چنین نتایج چشمگیری دست یابد. این بهرهوری بالا در مصرف GPU، نشاندهنده بهینهسازی بسیار قدرتمند در معماری این مدل است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 مدل جدید Muse Image از متا
⚡ شرکت متا با معرفی Muse Image، اولین مدل تولید تصویر خود را که توسط آزمایشگاه تحقیقاتی MSL توسعه یافته، وارد رقابت کرد. این مدل فراتر از یک ابزار ساده است و به عنوان یک AI Agent عمل میکند.
🧠 پیش از تولید هر تصویر، این مدل با جستجو در وب و تحلیل دقیق پرامپت، یک برنامه اجرایی برای رسیدن به بهترین نتیجه طراحی میکند. این رویکرد باعث میشود کاربر در همان تلاش اول به خروجی ایدهآل خود نزدیکتر شود.
🧩 قابلیتهای کلیدی شامل multi-reference composition برای ترکیب چندین تصویر مرجع و ویرایش تعاملی (Iterative editing) است که اجازه میدهد بدون نیاز به شروع مجدد، تصویر را مرحلهبهمرحله بهبود دهید.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🌐 تحول در اقتصاد وب با هوش مصنوعی
⚡ کمپانی Cloudflare لایه جدیدی برای کسب درآمد از Agentic Web معرفی کرده است. در این ساختار، AI Agentها قادر خواهند بود به صورت مستقیم و در سطح درخواستهای HTTP، هزینه دسترسی به دادهها را با استفاده از استاندارد x402 در لبه شبکه (Edge) پرداخت کنند.
🤖 این رویکرد روشهای سنتی مثل Scraping یا قراردادهای API را تغییر میدهد. مدیران سایتها میتوانند برای دیتاستهای خود قیمتی (مثلاً 0.01 دلار) تعیین کنند و Cloudflare پیش از رسیدن درخواست به سرور، پرداخت را تایید میکند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🏯 معرفی دیتاست عظیم Worldwide Semantic Facade
🚀 پروژه UnderOneFacade یک مجموعه داده عظیم با ۲.۷ میلیارد نقطه (Point Cloud) است که با دقت سانتیمتری، نمای ساختمانها را در مقیاس جهانی پوشش میدهد. این منبع برای تحقیقات معماری و بینایی ماشین بسیار ارزشمند است.
🧠 این دیتاست شامل بخشبندی معنایی (Semantic Segmentation) دقیق از عناصر معماری است و از یک طبقهبندی سلسلهمراتبی برای تحلیل اجزای نما استفاده میکند. این ابزار برای توسعه سیستمهای درک سهبعدی محیط شهری کاربرد دارد.
Paper
Project
Data
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 معرفی مدل صوتی-متنی قدرتمند Audex از انویدیا
🔬 انویدیا به تازگی مدل Audex (Nemotron-Labs-Audex-30B-A3B) را معرفی کرده است که یک مدل یکپارچه صوتی-متنی (Audio-Text LLM) محسوب میشود. برخلاف بسیاری از مدلهای مشابه که به دلیل افزودن قابلیتهای صوتی دچار افت عملکرد متنی میشوند، این مدل هوش زبانی مدل پایه خود را بهطور کامل حفظ میکند.
⚡ این مدل یک MoE (مدل ترکیبی متخصصان) با ۳۰ میلیارد پارامتر (و ۳ میلیارد پارامتر فعال) است که بر پایه معماری Nemotron-Cascade ساخته شده. در این مدل، ورودیهای صوتی به فضای امبدینگ (بردار ویژگی) متن منتقل شده و توکنهای متنی و صوتی به صورت یکپارچه در یک دیکودر واحد پردازش میشوند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
📚 کتاب مرجع ریاضیات برای علوم کامپیوتر
🧠 کتاب مشهور Mathematics for Computer Science که توسط اساتید MIT تدوین شده، یکی از بهترین منابع رایگان برای متخصصان حوزه Machine Learning و علوم داده است. این کتاب مرجع، پایههای ریاضی لازم برای تحلیلهای پیشرفته را به صورت آکادمیک پوشش میدهد.
⚡️ این کتاب با بیش از ۱۰۰۰ صفحه محتوای تخصصی، موضوعات کلیدی شامل ریاضیات گسسته (Discrete Mathematics)، منطق، نظریه گراف، احتمالات و ترکیبیات را به طور کامل تشریح میکند. بررسی دقیق این مباحث برای درک عمیق الگوریتمها و مدلهای پیچیده هوش مصنوعی ضروری است.
🔗 دریافت نسخه PDF کتاب از وبسایت MIT
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 معرفی ChatGPT Work: دستیار هوشمند جدید OpenAI
🤖 شرکت OpenAI بهتازگی از سرویس جدیدی با نام ChatGPT Work رونمایی کرده است که به عنوان یک AI Agent (عامل هوشمند خودمختار) برای محیطهای کاری طراحی شده است. این ابزار فراتر از پاسخگویی ساده به سوالات عمل کرده و قادر است با اتصال به فایلها و اپلیکیشنهای شما، پروژههای پیچیده را به صورت خودکار پیش ببرد.
⚡️ قابلیتهای کلیدی این ابزار شامل ایجاد گزارشهای حرفهای، فایلهای ارائه، وبسایتها و تحلیلهای دقیق است. سیستم جدید به خوبی با قالبهای اختصاصی و Writing Style (لحن نوشتاری) شما سازگار میشود تا خروجیها کاملاً با استانداردهای سازمانیتان هماهنگ باشند.
📊 با استفاده از این سرویس، کاربر کنترل کامل بر گردش کارها (Workflows) دارد و میتواند پروژههای سنگین را تنها با یک پرامپت ساده به این دستیار بسپارد. ChatGPT Work تلاش میکند فاصله میان «ایده» تا «نتیجه عملیاتی» را در محیطهای کاری به حداقل برساند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 قابلیت جدید Reflect در Claude
⚡️ سرویس Claude بهتازگی قابلیت جدیدی به نام Reflect معرفی کرده است که عملکردی مشابه قابلیت Wrapped (گزارش سالانه) دارد. این ویژگی تحلیل دقیقی از نحوه تعامل شما با هوش مصنوعی در بازههای زمانی ۱ تا ۱۲ ماهه ارائه میدهد.
📊 با استفاده از این ابزار، میتوانید متوجه شوید که عمدتاً درباره چه موضوعاتی گفتگو کردهاید، چه وظایفی را به Claude محول کردهاید و در چه زمانهایی بیشترین استفاده را از AI داشتهاید. هدف این قابلیت، درک بهتر نقش هوش مصنوعی در بهبود فرآیندهای فکری و بهینهسازی بهرهوری کاری شماست.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #56 | 📦 9 پست
🕐 شنبه 1405/04/13 ساعت 14:00 تا جمعه 1405/04/19 ساعت 14:00
🤖 مدلهای زبانی بزرگ
مدل جدید Grok 4.5 توسط SpaceXAI معرفی شد که با کسب Elo 1543 در بنچمارک GDPval-AA v2، در رتبه چهارم قرار گرفته و با هزینه 0.49 دلار برای هر تسک، تعادل بهینه هزینه و کارایی را ارائه میدهد.
🔗 مشاهده پست
متا از مدل Muse Spark 1.1 با عملکردی در سطح GPT-4.5 رونمایی کرد که با پشتیبانی از کانتکست 1 میلیون توکنی، برای سیستمهای مولتیایجنت و تحلیلهای طولانی بهینه شده است.
🔗 مشاهده پست
نمودار معماری ایجنتهای OpenAI نشان میدهد که سیستمهای RAG با ترکیب Embedding و حافظه، چگونه وظایف چندمرحلهای را از طریق ابزارهای خارجی پردازش میکنند.
🔗 مشاهده پست
کتابی جامع در حوزه Agentic AI منتشر شده که مباحث کلیدی شامل Model Training، یادگیری تقویتی (RL) و استنتاج را برای طراحی ایجنتهای هوشمند بررسی میکند.
🔗 مشاهده پست
ابزار rtk با بهینهسازی دقیق، مصرف توکن را در پردازشهای سنگین تا 60 درصد کاهش میدهد، در حالی که codebase-memory-mcp با ساخت گراف کدبیس، نیاز مدل به توکن برای جستجو در پروژهها را به حداقل میرساند.
🔗 مشاهده پست
فعالیت کانال پس از یک وقفه آغاز شده و ادمین وعده داده است که برای جبران کمفعالیتی، تعداد پستهای آموزشی و تحلیلی در 24 ساعت آینده افزایش یابد.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
🚀 معرفی مدل جدید Muse Spark 1.1 از Meta
⚡ کمپانی متا مدل جدید Muse Spark 1.1 را با عملکردی در سطح GPT-4.5 و Opus معرفی کرد. این مدل در بنچمارکهای برنامهنویسی بسیار قدرتمند ظاهر شده و به عنوان رقیبی جدی برای مدلهای پیشرو شناخته میشود.
🧠 تمرکز اصلی این مدل بر سیستمهای مولتیایجنت (عاملهای هوشمند تعاملی) و مدیریت وظایف پیچیده و طولانی است. با پشتیبانی از کانتکست ۱ میلیون توکنی، این مدل برای تحلیلهای عمیق و پروژههای بزرگ بهینه شده است.
🧩 قابلیت Computer Use در این مدل ارتقا یافته و میتواند رابطهای کاربری پیچیده و وظایف چندمرحلهای را با دقت بالا اجرا کند. متا همچنین Meta Model API را برای دسترسی توسعهدهندگان عرضه کرده که در حال حاضر به صورت Preview در دسترس است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
📚 راهنمای جامع هوش مصنوعی عاملمحور
🚀 کتاب جدید و کاربردی در حوزه Agentic AI منتشر شده که فراتر از یک متن آموزشی، مروری جامع بر دنیای مدرن LLMها ارائه میدهد. این اثر منبعی ایدهآل برای درک عمیقتر زیرساختهای هوش مصنوعی است.
🧠 محتوای این کتاب شامل مباحث کلیدی از جمله آموزش مدلها (Model Training)، یادگیری تقویتی (RL)، استنتاج (Inference) و ارزیابی کیفیت است. این منبع به شما کمک میکند تا تصویر کاملی از نحوه طراحی و ساخت AI Agents به دست آورید.
🎯 مطالعه این کتاب برای متخصصانی که به دنبال شناسایی حوزههای نیازمند مطالعه دقیقتر هستند، بسیار توصیه میشود.
🔗 دریافت نسخه کتاب از arXiv
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 انتشار مدل جدید Grok 4.5
⚡ شرکت SpaceXAI به تازگی مدل Grok 4.5 را معرفی کرده است که در بنچمارک GDPval-AA v2 با کسب Elo 1543، موفق به قرارگیری در رتبه چهارم شده است. این مدل در انجام وظایف عاملمحور (Agentic tasks) عملکردی نزدیک به مدلهای برتر Claude داشته است.
💰 یکی از ویژگیهای کلیدی این مدل، بهرهوری هزینهای آن است. هزینه اجرای هر تسک در Grok 4.5 تنها 0.49 دلار است که آن را در مرز پارتو (Pareto frontier - تعادل بهینه بین کارایی و هزینه) قرار میدهد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
⚡ اثبات ریاضی ۵۰ ساله توسط هوش مصنوعی
🧠 مدل جدید GPT-5.6 Sol Ultra ادعا میکند که یکی از قدیمیترین مسائل حلنشده در نظریه گرافها، یعنی فرضیه «پوشش دوتایی چرخهها» (Cycle Double Cover Conjecture) را اثبات کرده است. این فرضیه که از سال ۱۹۷۳ توسط جورج سکِرش مطرح شده، بیان میکند هر گراف بدون پل، مجموعهای از چرخهها را دارد که هر یال دقیقاً در دو چرخه قرار میگیرد.
⚡ این دستاورد مهم توسط تیمی از OpenAI گزارش شده است. گفته میشود این مدل با بهکارگیری ۶۴ عامل هوشمند (Sub-agents) در مدت تنها یک ساعت، به راه حل نهایی برای این چالش پیچیده رسیده است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 مدل زبانی اختصاصی برای تحلیل مالی
💡 صندوق پوشش ریسک Bridgewater با همکاری Thinking Machines Lab یک مدل Open-weight (مدل با وزنهای در دسترس) را برای تحلیل تخصصی اسناد مالی توسعه دادهاند. این مدل در بنچمارکهای داخلی به دقت ۸۴.۷٪ دست یافته که حدود ۶.۵٪ بهتر از برترین مدلهای Frontier (مدلهای مرز دانش و قدرتمند فعلی) است.
⚡ یکی از مزایای کلیدی این پروژه، بهینهسازی هزینهها است؛ بهطوری که اجرای این مدل ۱۴ برابر ارزانتر از مدلهای تجاری مشابه تمام میشود. این موفقیت نشان میدهد که سازمانها با استفاده از دادههای اختصاصی و ترکیب آن با تخصص داخلی، میتوانند به ابزارهایی بسیار دقیقتر و اقتصادیتر از مدلهای بسته (Closed-source) دست یابند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🎥 مقایسه مدلهای تولید ویدیو: Kling، Google و Seedance
⚡ در یک ارزیابی فنی میان سه مدل مطرح هوش مصنوعی برای تولید ویدیو، عملکرد مدلهای Kling 3.0، Google Omni Flash و Seedance 2.0 با استفاده از یک پرامپت مشابه مورد بررسی قرار گرفت. خروجیها نشان میدهد که مدل Google در این رقابت توانسته است نتایج بسیار باکیفیتتر و خیرهکنندهای را نسبت به دو رقیب دیگر ارائه دهد.
🧠 مدل Seedance 2.0 نیز بهعنوان یک گزینه دردسترس، قابلیتهای مناسبی را برای تولید محتوای ویدئویی به نمایش گذاشت. این ابزار در حال حاضر امکان تولید روزانه ۵ ویدیو به صورت رایگان را برای کاربران فراهم کرده است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
🚀 رونمایی از قابلیت Higgsfield Apps
⚡ شرکت Higgsfield پلتفرم جدید خود را معرفی کرده که به کاربران اجازه میدهد بدون نیاز به تنظیمات پیچیده، مستقیماً از مدلهای تولید تصویر و ویدیوی این شرکت در ساخت اپلیکیشنهای کاربردی استفاده کنند. تمام فرآیند توسعه در یک سیستم یکپارچه انجام میشود.
🧠 موتور محرک این ابزار، مدل Fable 5 است که توانایی کدنویسی در سطح یک Senior Software Engineer را دارد. این مدل با دریافت توضیحات متنی کاربر (Natural Language)، تمام پیچیدگیهای فنی پروژه را مدیریت میکند.
💻 با استفاده از این قابلیت، میتوانید انواع وبسایتهای پیچیده، افزونههای مرورگر، پلاگینها، نرمافزارهای دسکتاپ و اپلیکیشنهای موبایل را طراحی کنید. پس از اتمام توسعه، امکان Deploy (استقرار نهایی) پروژه تنها با یک کلیک فراهم است.
🛠 این ابزار هماکنون در محیط Supercomputer و همچنین از طریق Higgsfield MCP برای کاربران Claude در دسترس قرار گرفته است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
👁 ️ معرفی ZipDepth: تخمین عمق سریع روی هر دستگاهی
⚡ پژوهشگران دانشگاه بولونیا از مدل ZipDepth رونمایی کردند. این ابزار یک شبکه فوقالعاده فشرده برای تخمین عمق تکتصویری (استخراج اطلاعات سهبعدی و فاصله اجسام تنها از روی یک تصویر دوبعدی) است.
🧠 این مدل با ترکیب یک معماری کارآمد رمزگذار-رمزگشای قابل بازپارامتریسازی با تکنیک تقطیر دانش در مقیاس بزرگ (انتقال دانش از یک مدل بزرگِ پایه به مدل کوچکتر) توسعه یافته است تا سرعت اجرای فوقالعاده بالایی داشته باشد.
🚀 پروژه ZipDepth تحت پروانه متنباز MIT منتشر شده و هدف اصلی آن، فراهم کردن امکان اجرای مدلهای بینایی ماشین سنگین روی سختافزارهای لبه (Edge Devices) و گوشیهای هوشمند است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
⚽️ نتایج چالشهای SoccerNet 2026
🏆 ششمین دوره از رقابتهای SoccerNet با هدف ارتقای تحقیقات در حوزه بینایی ماشین (Computer Vision) برای تحلیل ویدئوهای ورزشی به پایان رسید. این رویداد بهعنوان یکی از مهمترین مراجع برای ارزیابی مدلهای پردازش ویدئو در محیطهای ورزشی شناخته میشود.
🔬 خروجیهای این دوره شامل مجموعهای از بنچمارکها و دادههای غنی است که به محققان کمک میکند درک عمیقتری از رویدادهای سریع و پیچیده در ویدئوهای ورزشی پیدا کنند. بررسی دقیق نتایج و دستاوردهای علمی این چالش برای متخصصان حوزه Video Understanding بسیار ارزشمند است.
👉Review https://t.ly/sfD4T
👉Paper https://lnkd.in/dSBgW_3s
👉Project https://lnkd.in/dfdmuvG8
#گزارش #ComputerVision
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🐈 ⬛ مدل جدید LingBot-Vision با درک فضایی بومی
🔬 مدل جدید LingBot-Vision به عنوان یک Vision Foundation Model (مدل پایه بینایی ماشین) معرفی شده است که با هدف بهبود درک فضایی بومی (Spatial-perception native) آموزش دیده است. این مدل علیرغم اندازه کوچکتر، در عملکرد نهایی توانسته مدلهای بنیادی که بیش از 7 برابر بزرگتر از آن هستند را در benchmarkهای مختلف شکست دهد.
⚡ این دستاورد نشان میدهد که برای دستیابی به دقت بالا در تحلیلهای بصری، لزوماً نیازی به پارامترهای عظیم نیست و تمرکز بر معماری ViT (Vision Transformer) با قابلیت درک فضایی بهینه، راهکاری بسیار کارآمدتر است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسیЧитать полностью…
📩 ارتباط با ما
📚 کتاب مرجع ریاضیات برای علوم کامپیوتر
🧠 کتاب مشهور Mathematics for Computer Science که توسط اساتید MIT تدوین شده، یکی از بهترین منابع رایگان برای متخصصان حوزه Machine Learning و علوم داده است. این کتاب مرجع، پایههای ریاضی لازم برای تحلیلهای پیشرفته را به صورت آکادمیک پوشش میدهد.
⚡️ این کتاب با بیش از ۱۰۰۰ صفحه محتوای تخصصی، موضوعات کلیدی شامل ریاضیات گسسته (Discrete Mathematics)، منطق، نظریه گراف، احتمالات و ترکیبیات را به طور کامل تشریح میکند. بررسی دقیق این مباحث برای درک عمیق الگوریتمها و مدلهای پیچیده هوش مصنوعی ضروری است.
🔗 دریافت نسخه PDF کتاب از وبسایت MIT
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 راهنمای مختصر Scikit-learn برای یادگیری ماشین
📚 کتابخانهی Scikit-learn یکی از ابزارهای استاندارد و متنباز در پایتون برای پیادهسازی الگوریتمهای یادگیری ماشین است. این کتابخانه محیطی یکپارچه را برای مراحل مختلف از پیشپردازش تا ارزیابی مدل فراهم میکند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 معرفی مدل SensorFM برای دادههای سلامت
🚀 گوگل از مدل جدید SensorFM رونمایی کرد که یک Foundation Model (مدل پایه آموزشدیده روی حجم عظیم داده) اختصاصی برای تحلیل دادههای حسگرهای پوشیدنی است. این مدل با استفاده از ۱ تریلیون دقیقه سیگنال بیومتریک از ۵ میلیون کاربر Fitbit و Pixel Watch آموزش دیده است.
📊 این سیستم هوشمند، پارامترهای متنوعی مانند ضربان قلب، کیفیت خواب، سطح اکسیژن خون (SpO₂)، HRV (تغییرپذیری ضربان قلب) و دمای پوست را تحلیل میکند. قدرت اصلی این مدل در قابلیت انتقال یادگیری (Transfer Learning) آن نهفته است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 پایان کار پروژه Atlas و تحولات جدید OpenAI
🚀 شرکت OpenAI تصمیم گرفته است به پروژهی مرورگر اختصاصی خود یعنی Atlas پایان دهد. بر اساس گزارش مهندسان، این ابزار که کمتر از یک سال عمر داشت، اکنون با راهکارهای یکپارچهتر جایگزین میشود.
🧠 قابلیتهای مرورگر در اپلیکیشن جدید ChatGPT متمرکز شدهاند. اکنون کاربران به امکاناتی نظیر جستجو، مدیریت تبها، دانلودها و مدیریت پسوردها به همراه قابلیتهای عامل هوشمند (AI Agent) دسترسی مستقیم دارند.
⚡ برای فعالیتهای خودکار، یک مرورگر ابری برای عامل Work در نظر گرفته شده است. این ابزار به کاربر اجازه میدهد فعالیتهای عامل را بهصورت زنده مشاهده کرده یا در هر لحظه کنترل کامل را به دست بگیرد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
📂 ساختار معماری ایجنتهای داده OpenAI
🤖 بررسی نمودار جدید ارائه شده توسط OpenAI نشان میدهد که چگونه یک AI Agent مدرن درخواستهای پیچیده را پردازش میکند. این جریان کاری از آمادهسازی دادهها و Indexing (نمایهسازی) دانش آغاز شده و با جستجوی متنی مرتبط ادامه مییابد.
⚡ در این معماری، استفاده از Embedding برای بازیابی اطلاعات در سیستمهای RAG (بازیابی اطلاعات تقویتشده) نقشی حیاتی دارد. این فرآیند با ترکیب حافظه کوتاهمدت، پایگاه دانش و قابلیت استفاده از External Tools (ابزارهای خارجی)، ایجنت را قادر میسازد تا وظایف چندمرحلهای را به دقت انجام دهد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
📚 راهنمای جامع هوش مصنوعی عاملمحور
🚀 کتاب جدید و کاربردی در حوزه Agentic AI منتشر شده که فراتر از یک متن آموزشی، مروری جامع بر دنیای مدرن LLMها ارائه میدهد. این اثر منبعی ایدهآل برای درک عمیقتر زیرساختهای هوش مصنوعی است.
🧠 محتوای این کتاب شامل مباحث کلیدی از جمله آموزش مدلها (Model Training)، یادگیری تقویتی (RL)، استنتاج (Inference) و ارزیابی کیفیت است. این منبع به شما کمک میکند تا تصویر کاملی از نحوه طراحی و ساخت AI Agents به دست آورید.
🎯 مطالعه این کتاب برای متخصصانی که به دنبال شناسایی حوزههای نیازمند مطالعه دقیقتر هستند، بسیار توصیه میشود.
🔗 دریافت نسخه کتاب از arXiv
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 سه ابزار برای بهینهسازی مصرف توکن AI
🚀 rtk با بهینهسازی ۶۰٪ توکن هزینه را کاهش میدهد.
⚡️ codebase-memory-mcp گراف کدبیس میسازد و با رشد پروژه مصرف توکن برای جستجو را کاهش میدهد.
🧩 pxpipe توکنها را تصویر کرده و به مدل کلود (Fable 5) میفرستد تا مصرف کاهش یابد، اما ممکن است کلود محدودیت ایجاد کند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
پوزش بابت کمفعالیتی و عدم حضور در چند روز اخیر؛ درگیر شرکت در مراسمات بودیم.
بهمنظور جبران وقفهی ایجادشده، طی امروز و فردا تعداد پستهای منتشرشده در کانال بیشتر از حالت معمول خواهد بود.
همچنین لطفاً در نظرسنجی پینشدهی کانال شرکت کنید.
با احترام
ادمین
#پالایش_اعضا