This media is not supported in your browser
VIEW IN TELEGRAM
@ai_python
در تبلیغ منتشر شده برای مخاطبان فرانسوی زبان، یکی از یکی از ویژگی های بسیار جذاب Google Pixel 10 که با کمک هوش مصنوعی به وجود اومده، رونمایی شد.
@ai_python
این ویژگی به نام Couch Photo بهتون کمک می کنه عکس های بهتری بگیرید و به تدریج در عکاسی و استفاده از امکانات دوربین گوشیتون حرفه ای بشید.📸 🤳
در تبلیغ منتشر شده برای مخاطبان فرانسوی زبان، یکی از یکی از ویژگی های بسیار جذاب Google Pixel 10 که با کمک هوش مصنوعی به وجود اومده، رونمایی شد.
@ai_python
این ویژگی به نام Couch Photo بهتون کمک می کنه عکس های بهتری بگیرید و به تدریج در عکاسی و استفاده از امکانات دوربین گوشیتون حرفه ای بشید.
Please open Telegram to view this post
VIEW IN TELEGRAM
2
This media is not supported in your browser
VIEW IN TELEGRAM
@ai_python
ادیت تصاویر در اپلیکیشن Google Photos تنها با پرامپ ، ابتدا در Pixel 10 و سپس در همین چند هفته آینده در اپ Google Photos در سایر گوشی های اندرویدی و حتی در iPhone ملعون در دسترس قرار خواهد گرفت.
ادیت تصاویر در اپلیکیشن Google Photos تنها با پرامپ ، ابتدا در Pixel 10 و سپس در همین چند هفته آینده در اپ Google Photos در سایر گوشی های اندرویدی و حتی در iPhone ملعون در دسترس قرار خواهد گرفت.
1
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
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
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 :
@ai_python
@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
پلی لیست آموزش رایگان Azure Machine Learning :
https://www.youtube.com/watch?v=YLccHH7bS7g&list=PLeWL8zChJ2uuGs-8nvxMdo26XkYGWt7ui
پیاده سازی و استفاده از مدل ها در Azure Machine Learning :
@ai_python
https://youtu.be/1_Il1CqyF0E?si=WfhdOYUrafCxIw01
@ai_python
https://youtu.be/1_Il1CqyF0E?si=WfhdOYUrafCxIw01
YouTube
Deploy and consume models with Azure Machine Learning DP-100
Learn how to deploy a model to an endpoint. When you deploy a model, you can get real-time or batch predictions by calling the endpoint.
Learn more about this course and take a practice test to test your new skills. https://aka.ms/DP-100onLearn
Learn more about this course and take a practice test to test your new skills. https://aka.ms/DP-100onLearn
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
📣 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
نمونه استفاده از Azure ML Studio برای اتوماسیون : (منظورم همون AutoML هست)
در نظر داشته باشید که پادکست مصنوعی توضیح فارسی این ویدیو را در این جا قرار دادیم. می تونید قبل یا بعد از تماشای ویدیو گوش کنید.
@ai_python
https://youtu.be/ijKg5jKqqyY?list=TLGGsLZnztuA4wUyMjA4MjAyNQ
در نظر داشته باشید که پادکست مصنوعی توضیح فارسی این ویدیو را در این جا قرار دادیم. می تونید قبل یا بعد از تماشای ویدیو گوش کنید.
@ai_python
https://youtu.be/ijKg5jKqqyY?list=TLGGsLZnztuA4wUyMjA4MjAyNQ
Telegram
NoteCasts
@navidcasts
این ویدئو به بررسی قابلیت‌های یادگیری ماشینی خودکار (AutoML) در Azure Machine Learning می‌پردازد و نشان می‌دهد که چگونه می‌توان پروژه‌های یادگیری ماشین را با مهارت کمتری آغاز کرد و مدل‌های پایه با کیفیت مناسبی را به سرعت تولید کرد. گوینده توضیح…
این ویدئو به بررسی قابلیت‌های یادگیری ماشینی خودکار (AutoML) در Azure Machine Learning می‌پردازد و نشان می‌دهد که چگونه می‌توان پروژه‌های یادگیری ماشین را با مهارت کمتری آغاز کرد و مدل‌های پایه با کیفیت مناسبی را به سرعت تولید کرد. گوینده توضیح…
3
@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
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:
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.
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/
@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/
NVIDIA Technical Blog
How to Spot (and Fix) 5 Common Performance Bottlenecks in pandas Workflows
Slow data loads, memory-intensive joins, and long-running operations—these are problems every Python practitioner has faced. They waste valuable time and make iterating on your ideas harder than it…
2