DLeX: AI Python
22.5K subscribers
5.01K photos
1.23K videos
764 files
4.39K links
هوش‌مصنوعی و برنامه‌نویسی

توییتر :

https://twitter.com/NaviDDariya

هماهنگی و تعرفه تبلیغات : @navidviola
Download Telegram
این ویدئو راهنمایی جامع برای نحوه نوشتن Unit Test های مؤثر در پایتون ارائه می‌دهد و بر اهمیت آن‌ها در توسعه نرم‌افزار تأکید می‌کند. ابتدا چالش‌های تست کدی را که به درخواست‌های خارجی (مانند فراخوانی API) متکی است، توضیح می‌دهد و تکنیک‌هایی مانند مانکی پچینگ (monkey patching) و ماکینگ (mocking) را معرفی می‌کند تا بتوان وابستگی‌ها را شبیه‌سازی کرد و کد را به صورت ایزوله تست کرد.

@ai_python


سپس، به بررسی ویژگی‌های پیشرفته‌تر Pytest (مانند fixtures، پارامترسازی، و مدیریت استثناها) می‌پردازد که نوشتن تست‌ها را آسان‌تر و قدرتمندتر می‌کنند. در نهایت، با ارائه نکات عملی برای طراحی تست خوب، از جمله بازسازی کد برای قابلیت تست‌پذیری بهتر و سازماندهی ساختار فایل‌های تست، به مخاطبان کمک می‌کند تا رویکردی کارآمدتر در تست‌نویسی داشته باشند.

جهت گوش سپردن به خلاصه فارسی این ویدیو که به صورت مصنوعی ساخته شده این جا کلیک کنید.

https://youtu.be/EIV_ixKGPmc?si=I1eZQs4xHR8DDj8R
@ai_python

ابزارهای گوگل برای کدنویسی و مدیریت پروژه های برنامه نویسی بر پایه هوش مصنوعی، به قدری داره زیاد می شه که نیاز به راهنما داریم، که چه زمانی از کدوم باید استفاده کنیم.

@ai_python

این یک راهنمای سریع و ساده سازی شده هست :

👈 ابزار Jules : انجام خودکار وظایف مثل مستندسازی یا بهبود تست‌ها در پروژه‌های GitHub

👈 ابزار Gemini CLI : رابط خط فرمان سریع و قابل توسعه برای تعامل با کد و محتوا

@ai_python

👈 ابزار Gemini CLI GitHub Actions : اجرای وظایف پس‌زمینه‌ای در مخازن GitHub با مدل‌های Gemini

👈 ابزار Gemini Code Assist : افزونه IDE برای تکمیل کد، تولید تست، و تعامل هوشمند با کد

👈 ابزار Firebase Studio : محیط توسعه تحت مرورگر برای ساخت اپ بدون نیاز به تخصص فنی بالا

👈 ابزار Google AI Studio : آزمایش مدل‌های هوش مصنوعی و ساخت اپ‌های سبک با استفاده از prompt ها

@ai_python

البته ممکنه این دسته بندی که من انجام دادم باب میل شما نباشه یا به نظرتون از کلمات گنگ استفاده کردم. در این صورت این شما و این راهنمای اصلی در وبلاگ خود گوگل : https://cloud.google.com/blog/products/ai-machine-learning/choose-the-right-google-ai-developer-tool-for-your-workflow
Please open Telegram to view this post
VIEW IN TELEGRAM
@ai_python

پلی لیست آموزش رایگان Azure Machine Learning :

https://www.youtube.com/watch?v=YLccHH7bS7g&list=PLeWL8zChJ2uuGs-8nvxMdo26XkYGWt7ui
هکاتون هوش‌مصنوعی | MapnaAI

📣 دهمین هکاتون کوئرا با همکاری گروه نفت و گاز مپنا و با موضوع هوش‌مصنوعی در مدیریت دارایی‌های فیزیکی

🎯چی منتظرته؟
۶ ساعت آموزش رایگان -> ۴ و ۵ شهریور
مسابقه مقدماتی آنلاین -> ۷ شهریور
فینال حضوری

🏆جوایز:
🥇تیم اول: ۴۰ میلیون تومان
🥈تیم دوم: ۲۵ میلیون تومان
🥉تیم سوم: ۱۵ میلیون تومان
🚩 هدایای ویژه و مجموعا ۸۰ میلیون تومان جایزه نقدی

فرصت استخدام نفرات برتر در سرویس نفت و گاز مپنا (MOGS)

☑️ گواهینامه معتبر

⌛️ ثبت‌نام رایگان:
🔗 https://quera.org/r/urwb4
@ai_python

نانو بنانا از طریق API و از طریق Google AI Studio به صورت Preview در دسترس قرار گرفت.

پیش از این بالاتر درباره ابزارهای مختلف گوگل در رابطه با هوش مصنوعی از جمله Google AI Studio صحبت کرده بودیم.

لینک توییت تصویر : https://x.com/googleaistudio/status/1960344388560904213
در خصوص این پست کانال نوپای @elonfact سوالی که مطرح می شه اینه که آیا این فناوری در حال حاضر عملی هست؟ برخلاف تصویر خیلی از افراد، بله! :

اسپیس‌ایکس در منظومه ماهواره‌ای استارلینک از ارتباطات لیزری بین ماهواره‌ها استفاده می‌کنه تا داده‌ها رو بدون نیاز به ایستگاه‌های زمینی منتقل کنه.

@ai_python

ناسا هم از این فناوری برای ارسال تصاویر و ویدیوها از فضا به زمین استفاده کرده، با سرعتی تا ۱.۲ گیگابیت بر ثانیه.

@ai_python

فرانسه اخیراً موفق شده یک ارتباط لیزری پایدار بین یک نانوماهواره و ایستگاه زمینی برقرار کنه، که اولین نمونه تجاری موفق در اروپا محسوب می‌شه

به نظر می رسه که روسیه و چین هم در حال توسعه این فناوری هستند.

در هر صورت فکر کردم شاید با توجه به اینکه از این فناوری در حوزه انتقال دیتا استفاده می شه برای خیلی از افراد این کانال هم جالب باشه این پست:
Forwarded from Elon Fact فارسی
This media is not supported in your browser
VIEW IN TELEGRAM
@elonfact

فناوری ردیابی لیزری بسیار دقیقی که SpaceX در اختیار داره، قادر است در فاصله‌ای حدود ۴۰۰۰ کیلومتر (۲۵۰۰ مایل) و در حالی که با سرعتی حدود ۲۵ برابر سرعت صوت حرکت می‌کند، هدف را دنبال کند.

@elonfact

🚀 کاربردهای ارتباط لیزری بین ماهواره‌ها:

افزایش سرعت انتقال داده‌ها ارتباطات لیزری می‌تونن داده‌ها رو با سرعتی تا چند گیگابیت بر ثانیه منتقل کنن، که بسیار سریع‌تر از امواج رادیویی سنتیه.

پهنای باند بالا و کاهش تداخل: چون لیزرها از طیف نوری استفاده می‌کنن، کمتر تحت تأثیر ازدحام فرکانسی قرار می‌گیرن و تداخل سیگنال‌ها به حداقل می‌رسه.

@elonfact

امنیت بیشتر پرتوهای لیزری بسیار متمرکز هستن و به سختی قابل شنود یا رهگیری هستن، که این موضوع برای ارتباطات نظامی و حساس بسیار مهمه.

کاهش وزن و هزینه تجهیزات سیستم‌های لیزری نسبت به تجهیزات رادیویی سنتی سبک‌تر و کم‌هزینه‌تر هستن، که برای پرتاب‌های فضایی مزیت بزرگیه.
در این نوشتار در بلاگ ان ویدیا، 5 مشکل رایج در کتابخانه Pandas و بهترین راه حل های آن ها نوشته شده است :

@ai_python

🌀 Slow CSV reads → engine="pyarrow" … or %load_ext cudf.pandas
💥 Merges freezing your laptop → %load_ext cudf.pandas
🐏 Strings eating RAM → astype("category") … or %load_ext cudf.pandas
Painfully slow groupby() → %load_ext cudf.pandas
💻 Memory errors on large datasets → downcast … or %load_ext cudf.pandas

https://developer.nvidia.com/blog/how-to-spot-and-fix-5-common-performance-bottlenecks-in-pandas-workflows/
3
یکی از مشکلاتی که به دلیل سرعتی که خود مدل های زبانی بزرگ در کدنویسی به ارمغان آوردن، اینه که همه ابزارها بسیار سریع تر به روز رسانی می شن و در نتیجه حتی جدیدترین مدل ها، گاهی برای بعضی از موارد یک روز پس از انتشار، عقب افتاده محسوب می شوند.

@ai_python

این باعث می شه که برنامه نویس هایی که وایب کدینگ انجام می دن، همیشه با مشکلات خاصی دست و پنجه نرم کنند، یا دیگران را دچار مشکلاتی کنند. ولی در هر صورت چیزی که مسلم است این است که نمی شود جلوی این موج وایب کدینگ را گرفت. ولی می توانیم آن را بهبود ببخشیم. لاما ایندکس هم برای این مهم، یک چاره اندیشیده که به نظرم خیلی جالب اومد. برای مثال یکی از مشکلات وایب کدینگ اینه که در بسیاری از اوقات از API های قدیمی اونا استفاده می کرد.

اما با راه حل Vibe Coding Agent همیشه، اصول کار با تازه ترین نسخه API به مدل به عنوان Context داده می شه. در واقع به نوعی Augmentation اتفاق می افته.

@ai_python

اینم پست بلاگ مربوط بهش :

https://www.llamaindex.ai/blog/the-future-of-vibe-coding-agents
2
این منبع به بررسی عمیق دو موضوع کلیدی در توسعه هوش مصنوعی می‌پردازد:


تقویت حافظه بلندمدت برای Agent های هوش مصنوعی با استفاده از یکپارچه‌سازی LangGraph و MongoDB، و پیاده سازی هوش مصنوعی اخلاق محور در سیستم‌های هوش مصنوعی از طریق هوش مصنوعی ساختاری (Constitutional AI) و قابلیت‌های داده‌ای MongoDB.

@ai_python

بخش اول بر اهمیت توانایی Agent های هوش مصنوعی برای به خاطر سپردن اطلاعات در چندین جلسه تاکید دارد و راهکار MongoDB Store for LangGraph را معرفی می‌کند که امکان ذخیره‌سازی مداوم اطلاعات را فراهم می‌آورد. بخش دوم، هوش مصنوعی ساختاری را به عنوان یک روش خودگردانی اخلاقی برای مدل‌های هوش مصنوعی توضیح می‌دهد و نشان می‌دهد که چگونه MongoDB با قابلیت‌هایی مانند کنترل دسترسی مبتنی بر Role و جستجوی برداری پیشرفته، زیرساخت لازم برای پیاده‌سازی این چارچوب‌های اخلاقی را فراهم می‌کند. در نهایت، بلاگ، به پتانسیل هوش مصنوعی در بهبود عملیات تحریریه و ایجاد جریان‌های کاری کارآمدتر برای تولید محتوا نیز اشاره دارد.

https://www.mongodb.com/company/blog/product-release-announcements/powering-long-term-memory-for-agents-langgraph

فایل پادکست مرتبط : https://t.iss.one/navidcasts/20
2
Forwarded from Migration is EasY
👉 @MigrationEasy

سباستین کورتز، صدر اعظم سابق اتریش ( بار دوم از ژانویه 2020 تا اکتبر 2021 ) که پس از آغاز تحقیقات قضایی به دلیل فساد مالی او، از سمتش استعفا داده بود، اکنون چند وقتی هست که یک شرکت امنیت سایبری به نام Dream تاسیس کرده است.

👉 @MigrationEasy

اما خبری که دیروز درباره فعالیت های شرکت Dream و یکی از تجربه های موفق آن ها منتشر شد در نوع خودش جالبه :

در واقع شرکت او موفق شده با استفاده از هوش مصنوعی یک حمله سایبری گسترده از سوی ایران را شناسایی کند 👨‍💻 😱

👉 @MigrationEasy

ظاهرن حمله توسط یکی از گروه های هکری وابسته به وزارت اطلاعات ایران انجام شده.

هدف اصلی، نفوذ به ایمیل سفارت عمان در پاریس بوده که از آن برای ارسال بیش از ۱۰۰ ایمیل آلوده به نهادهای دیپلماتیک در سراسر جهان استفاده شده.

🗺 اروپا، به‌ویژه اتریش، از اهداف اصلی این حمله بوده.

به نظر می رسه که این برای اولین بار هست، که یک کمپین سایبری دولتی به‌طور کامل توسط هوش مصنوعی شناسایی شده. اگر اشتباه می گم تصحیحم کنید؟ 🤪

و در نهایت هم این که هدف حمله، جمع‌آوری اطلاعات حساس و تضعیف اعتماد در روابط دیپلماتیک بوده، برآورد شده. اما تا جایی که می دونم جزئیات بیش تری ارائه نشده است.
Please open Telegram to view this post
VIEW IN TELEGRAM
2
@ai_python

مبحث Alignment یا همان Post Training در خصوص مدل های زبانی بزرگ، در بسیاری از موارد، تکمیل کننده Pre Training خواهد بود و بسیار ضروری است.

@ai_python

پای تورچ در این پست وبلاگش سعی کرده مباحثی مانند SFT ، RLHF و DPO و ... را در خصوص Post Training مدل های زبانی بزرگ، باز کنه:

https://pytorch.org/blog/a-primer-on-llm-post-training/
🚀 آماده‌اید وارد دنیای پردرآمد علم داده شوید؟

💡 دنیای امروز با داده‌ها حرکت می‌کند، و شرکت‌ها به دنبال تحلیلگران و دانشمندان داده حرفه‌ای هستند. اگر می‌خواهی وارد یکی از پردرآمدترین و جذاب‌ترین مسیرهای شغلی دنیا شوی، این فرصت را از دست نده!

🎯 دوره جامع Data Science جهاد دانشگاهی شریف یک برنامه کامل و پروژه‌محور است که شما را از مفاهیم مقدماتی داده‌کاوی، آمار و تحلیل داده تا یادگیری ماشین و کاربردهای پیشرفته می‌رساند.

🔥 ظرفیت ثبت‌نام محدود است! این دوره به دلیل کیفیت آموزشی و استقبال بالا به سرعت تکمیل می‌شود. همین امروز ثبت‌نام کنید تا جای خودتان را در این مسیر حرفه‌ای تضمین کنید.

🎓 آینده‌ات را با علم داده بساز!

🌐 برای اطلاعات بیشتر و ثبت‌نام، به لینک زیر مراجعه کنید:
https://B2n.ir/nn5757

🔶 کسب اطلاعات بیشتر و مشاوره:
📱 تلگرام: 09222477250
☎️ تماس: 02167641999

   ✓ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص
@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.
Please open Telegram to view this post
VIEW IN TELEGRAM
یه لپتاپ، یه قهوه گرم و انگیزه یه مسیر تازه💻☕️
اینا تنها چیزاییه که برای دیتاساینتیست شدن لازم داری!

مهر امسال یادگیری دلنشینه، چون مسیرش رو همیشه می‌خواستی💫

وقتشه که آینده‌ای که همیشه می‌خواستی داشته باشی.
بوت‌کمپ دیتاسانس دانشکار فقط یه آموزش نیست.
تمرینه، پروژست، شبیه‌ساز دنیای حرفه‌ایه!

🍂این پاییز با ریختن برگ‌ها برای یه مسیر جدید آماده شو:
🔗https://dnkr.ir/2XV5Y

🔴 ۲۵% تخفیف ثبت‌نام زودهنگام فقط تا آخر امشب
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/
Please open Telegram to view this post
VIEW IN TELEGRAM