اگر درست یادم باشه، خیلی وقت پیشا Lovable رو معرفی کرده بودیم. ولی برای اونایی که هنوز آشنا نیستن، لاوبل یک ابزار بسیار قوی هست که باهاش حتی به رایگان می تونید فقط ایده تون رو بگید و اون یک اپلیکیشن یا سایت کامل برای ایده تون می سازه.
👉 @ai_python ✍️
جدیدن می تونید به پلن رایگان Supabase هم متصلش کنید و در سوپابیس بک اندتون رو میزبانی کنید. مثلن وصلش کنید به Postgres در اون جا و خلاصه دیتابیس هم داشته باشید.
👉 @ai_python ✍️
ولی از کجا شروع کنیم؟ از این ویدیو 17 دقیقه ای که سه هفته پیش خود لاوبل منتشر کرد :
https://youtu.be/Vf2K0pcTLEo?si=PqxGELbEqsMFOpwJ
جدیدن می تونید به پلن رایگان Supabase هم متصلش کنید و در سوپابیس بک اندتون رو میزبانی کنید. مثلن وصلش کنید به Postgres در اون جا و خلاصه دیتابیس هم داشته باشید.
ولی از کجا شروع کنیم؟ از این ویدیو 17 دقیقه ای که سه هفته پیش خود لاوبل منتشر کرد :
https://youtu.be/Vf2K0pcTLEo?si=PqxGELbEqsMFOpwJ
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Master Lovable in 17 minutes (Starter Tutorial)
📌 Try Lovable now: https://bit.ly/478pSTG
💬 Join the community on Discord: https://discord.gg/syzA8sGCRx
0:00 - Introduction to Lovable
0:09 - Creating a Photography Website
0:50 - Editing Images and Text (Edit tool)
1:24 - Chat Mode and Planning Features…
💬 Join the community on Discord: https://discord.gg/syzA8sGCRx
0:00 - Introduction to Lovable
0:09 - Creating a Photography Website
0:50 - Editing Images and Text (Edit tool)
1:24 - Chat Mode and Planning Features…
4
با تجربه ای که این چند وقت با Azure ML Studio داشتم، در نهایت، اگر بخوایم نهایت استفاده رو از امکانات این سرویس ببریم، باید حتمن دستمون به کد آلوده بشه.
👉 @ai_python ✍️
خب این یکی از بهترین ویدیو هایی بود که در این خصوص وجود داره. البته مربوط به 2 سال پیش هست، ولی مفاهیم کلی همینه و واقعن نکات خوبی توش می گه. اما برای این که تکمیل بشه، بعد از دیدن این ویدیو در کانال خود Kevin Feasel بگردید و یک ویدیو هم داره که درباره به روزرسانی های SDK ورژن 1 به 2 می گه. که تکمیل کننده همین ویدیو خواهد بود. (این دومی رو همین اواخر ثبت کرده.)
👻 لینک ویدیو دومی هم که گفتم نمی ذارم، که مجبور بشید توی چانال کوین بگردید که چیزای خیلی کاربردی و مفیدی پیدا کنید. 😍
https://youtu.be/RJAbapJ0dZo?si=EkIkpFVlZ3YyTtzH
خب این یکی از بهترین ویدیو هایی بود که در این خصوص وجود داره. البته مربوط به 2 سال پیش هست، ولی مفاهیم کلی همینه و واقعن نکات خوبی توش می گه. اما برای این که تکمیل بشه، بعد از دیدن این ویدیو در کانال خود Kevin Feasel بگردید و یک ویدیو هم داره که درباره به روزرسانی های SDK ورژن 1 به 2 می گه. که تکمیل کننده همین ویدیو خواهد بود. (این دومی رو همین اواخر ثبت کرده.)
https://youtu.be/RJAbapJ0dZo?si=EkIkpFVlZ3YyTtzH
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Code-First Programming with Azure ML
In this video, we will learn a bit about Azure Machine Learning's code-first development approach and spend some time analyzing the Chicago parking tickets dataset using a Jupyter notebook.
LINKS AND INFO
Catallaxy Services - https://www.catallaxyservices.com…
LINKS AND INFO
Catallaxy Services - https://www.catallaxyservices.com…
⚡️ آیا تا حالا شده پروژه‌های هوش مصنوعی یا رندرینگ شما ساعت‌ها یا حتی روزها طول بکشد؟
مشکل معمولاً GPU نادرست یا استفاده ناکارآمد از آن است! 🚀
در وبینار “انتخاب بهینه GPU برای کسب‌وکارها”، یاد می‌گیرید چطور بیشترین بهره‌وری را از GPU خود ببرید و پروژه‌هایتان را سریع‌تر، هوشمندانه‌تر و کم‌هزینه‌تر اجرا کنید.
📅 دوشنبه ۳۱ شهریور | ساعت ۱۹
💻 آنلاین | رایگان
ثبت‌نام رایگان👇
https://b2n.ir/gn5354
مشکل معمولاً GPU نادرست یا استفاده ناکارآمد از آن است! 🚀
در وبینار “انتخاب بهینه GPU برای کسب‌وکارها”، یاد می‌گیرید چطور بیشترین بهره‌وری را از GPU خود ببرید و پروژه‌هایتان را سریع‌تر، هوشمندانه‌تر و کم‌هزینه‌تر اجرا کنید.
📅 دوشنبه ۳۱ شهریور | ساعت ۱۹
💻 آنلاین | رایگان
ثبت‌نام رایگان👇
https://b2n.ir/gn5354
این ویدیو درباره‌ی مدل o4-mini در چارچوب Azure OpenAI Service صحبت می‌کنه، و تمرکز اصلی‌اش روی تکنیک Reinforcement Fine-Tuning هست.
همون طور که می دونید، Azure OpenAI Service یک پلتفرم ابری از مایکروسافت هست که مدل‌های زبانی OpenAI (مثل GPT) رو در اختیار سازمان‌ها قرار می‌ده.
👉 @ai_python ✍️
حالا سوال شبهه برانگیز در این جا اینه که چرا در عنوان و در خود این ویدیو از کلمه Service استفاده شده؟ در واقع بهش می‌گن «سرویس» چون در قالب یک سرویس ابری ارائه می‌شه؛ یعنی کاربران بدون نیاز به Deploy در سیستم های لوکال یا On Prem بعد از اینکه آن را به این روش فاین تیون کردند یا پیاده سازی های پیچیده، می‌تونن از طریق API یا رابط کاربری بهش دسترسی داشته باشن. (اندپوینت سرورلس)
👉 @ai_python ✍️
سه کاربرد مهم این روش:
اجرای قوانین سفارشی
درک بینش‌های خاص سازمانی
مدیریت پیچیدگی‌های زیاد در تصمیم‌گیری
🔍 مثال عملی در ویدیو :
در ویدیو، یک شرکت مشاوره مالی فرضی معرفی می‌شه که هزاران مشتری داره ولی مشاور کافی نداره. مدل o4-mini با استفاده از داده‌های ساختاری و غیرساختاری (مثل ایمیل‌ها و جلسات) یاد می‌گیره که کدوم مشتری‌ها برای همکاری مناسب‌تر هستن. (طبیعتن با رویه Reinforcement یا به بیان خودمونی پاداش دادن)
https://youtu.be/L1LMzcqGQ8w?si=oY6nd8AwC0k70Na9
همون طور که می دونید، Azure OpenAI Service یک پلتفرم ابری از مایکروسافت هست که مدل‌های زبانی OpenAI (مثل GPT) رو در اختیار سازمان‌ها قرار می‌ده.
👉 @ai_python ✍️
حالا سوال شبهه برانگیز در این جا اینه که چرا در عنوان و در خود این ویدیو از کلمه Service استفاده شده؟ در واقع بهش می‌گن «سرویس» چون در قالب یک سرویس ابری ارائه می‌شه؛ یعنی کاربران بدون نیاز به Deploy در سیستم های لوکال یا On Prem بعد از اینکه آن را به این روش فاین تیون کردند یا پیاده سازی های پیچیده، می‌تونن از طریق API یا رابط کاربری بهش دسترسی داشته باشن. (اندپوینت سرورلس)
👉 @ai_python ✍️
سه کاربرد مهم این روش:
اجرای قوانین سفارشی
درک بینش‌های خاص سازمانی
مدیریت پیچیدگی‌های زیاد در تصمیم‌گیری
🔍 مثال عملی در ویدیو :
در ویدیو، یک شرکت مشاوره مالی فرضی معرفی می‌شه که هزاران مشتری داره ولی مشاور کافی نداره. مدل o4-mini با استفاده از داده‌های ساختاری و غیرساختاری (مثل ایمیل‌ها و جلسات) یاد می‌گیره که کدوم مشتری‌ها برای همکاری مناسب‌تر هستن. (طبیعتن با رویه Reinforcement یا به بیان خودمونی پاداش دادن)
https://youtu.be/L1LMzcqGQ8w?si=oY6nd8AwC0k70Na9
YouTube
Reinforcement Fine-Tuning of Azure OpenAI Service o4-mini: Demonstration and Applications
o3-mini reinforcement fine-tuning demonstration and applications including onboarding clients in Wealth Advisory
#Microsoft #MicrosoftAzure #AzureOpenAIService
#Microsoft #MicrosoftAzure #AzureOpenAIService
نحوه تبدیل مستقیم csv به KG :
👉 @ai_python ✍️
تماشای این ویدیو از این نظر حائز اهمیت هست که در ذهن داشته باشیم چه نوع فایل های csv قابل تبدیل به گراف هستند.
https://youtu.be/RT4W1hzSq9k?si=VgtJT6XkFnbdVG25
تماشای این ویدیو از این نظر حائز اهمیت هست که در ذهن داشته باشیم چه نوع فایل های csv قابل تبدیل به گراف هستند.
https://youtu.be/RT4W1hzSq9k?si=VgtJT6XkFnbdVG25
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Episode 3: Import Data into Neo4j (No Code Needed!)
Ready to get your own data into Neo4j? This video walks you through importing structured data using Neo4j Data Importer - no code required.
📂 Import CSVs into your graph model
🔁 Map nodes and relationships visually
🚀 Load your data directly into Neo4j…
📂 Import CSVs into your graph model
🔁 Map nodes and relationships visually
🚀 Load your data directly into Neo4j…
2
Forwarded from آکادمی همراه
⚠️ ظرفیت: محـدود
Please open Telegram to view this post
VIEW IN TELEGRAM
این نوشتار یک معماری پیشرفته برای پردازش اسناد در مقیاس بالا معرفی می‌کند که از ابزارهایی مانند LlamaParse، Confluent Cloud، Apache Flink و MongoDB استفاده می‌کند تا داده‌های غیرساختاری مانند PDFها را به اطلاعات قابل استفاده تبدیل کند :
👉 @ai_python ✍️
https://www.mongodb.com/company/blog/technical/building-scalable-document-processing-pipeline-llamaparse-confluent-cloud
https://www.mongodb.com/company/blog/technical/building-scalable-document-processing-pipeline-llamaparse-confluent-cloud
Please open Telegram to view this post
VIEW IN TELEGRAM
MongoDB
Building a Scalable Document Processing Pipeline With LlamaParse, Confluent Cloud, and MongoDB | MongoDB Blog
Automate document processing with a scalable pipeline using LlamaParse, Confluent Cloud, and MongoDB. Extract insights in real-time.
این پست از Peter W. J. Staar، یکی از اعضای ارشد تحقیقاتی در IBM Research Zurich، درباره معرفی مدل جدیدی به نام Granite-Docling برای پردازش اسناد است.
👉 @ai_python ✍️
مدل Granite-Docling یک مدل چند‌حالته تصویری-زبانی (Visual Language Model) است که برای تبدیل اسناد به شکل دقیق و مقرون‌به‌صرفه طراحی شده. این مدل ادامه‌دهنده‌ی پروژه‌ی قبلی به نام SmolDocling است و هدف آن فراهم کردن ابزارهای قدرتمند برای پردازش اسناد برای همه است.
👉 @ai_python ✍️
تعداد پارامترها، فقط ۲۵۸ میلیون، که آن را بسیار سبک و سریع می‌کند.
ویژگی های اصلی :
تشخیص بهتر معادلات ریاضی، جداول، OCR، بلوک‌های کد و معادلات درون‌خطی
حالت‌های استنتاج منعطف (تمام صفحه یا ناحیه‌ای)
رمزگشایی پایدارتر (جلوگیری از حلقه‌های بی‌نهایت)
پاسخ به سوالات درباره ساختار و ترتیب عناصر سند
پشتیبانی آزمایشی از زبان‌های ژاپنی، عربی و چینی
👉 @ai_python ✍️
🔗 لینک‌های مرتبط:
توضیحات کامل در بلاگ
دموی مدل در Hugging Face
مخزن Docling در GitHub
مدل Granite-Docling یک مدل چند‌حالته تصویری-زبانی (Visual Language Model) است که برای تبدیل اسناد به شکل دقیق و مقرون‌به‌صرفه طراحی شده. این مدل ادامه‌دهنده‌ی پروژه‌ی قبلی به نام SmolDocling است و هدف آن فراهم کردن ابزارهای قدرتمند برای پردازش اسناد برای همه است.
تعداد پارامترها، فقط ۲۵۸ میلیون، که آن را بسیار سبک و سریع می‌کند.
ویژگی های اصلی :
تشخیص بهتر معادلات ریاضی، جداول، OCR، بلوک‌های کد و معادلات درون‌خطی
حالت‌های استنتاج منعطف (تمام صفحه یا ناحیه‌ای)
رمزگشایی پایدارتر (جلوگیری از حلقه‌های بی‌نهایت)
پاسخ به سوالات درباره ساختار و ترتیب عناصر سند
پشتیبانی آزمایشی از زبان‌های ژاپنی، عربی و چینی
توضیحات کامل در بلاگ
دموی مدل در Hugging Face
مخزن Docling در GitHub
Please open Telegram to view this post
VIEW IN TELEGRAM
13
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from DLeX: AI Python (NaviD DariYa)
پلی لیست رایگان دوره احتمالات (گرایش علوم کامپیوتر) از استفورد در یوتیوب :
@ai_python
https://www.youtube.com/playlist?list=PLoROMvodv4rOpr_A7B9SriE_iZmkanvUg
@ai_python
https://www.youtube.com/playlist?list=PLoROMvodv4rOpr_A7B9SriE_iZmkanvUg
YouTube
Stanford CS109 Introduction to Probability for Computer Scientists I 2022 I Chris Piech
The class starts by providing a fundamental grounding in combinatorics, and then quickly moves into the basics of probability theory. We will then cover many...
https://wardenprotocol.org/
Please open Telegram to view this post
VIEW IN TELEGRAM
wardenprotocol.org
Warden Protocol
Warden brings AI to web3, enabling any application, protocol or smart contract to integrate safe AI.
3
از اون جایی که چند وقتی هست به شدت مشاهده می شه آگهی های استخدام متخصص مایکروسافت آژور مسلط به ArgoCD در اروپا زیاد شده و از اون جایی که به خاطر Azure Machine Learning و Azure AI Foundry خیلی از کمپانی ها در اروپا مایل هستن که از به دلیل برخی سیاست ها از Azure بهره بگیرن، کمی دنبال این موضوع گشتم که ببینم منابع خوب رایگان برای شروع ArgoCD چی داریم؟ که به این کانال برخوردم که ویدیوهاش با اینکه قدیمی بودن خیلی خوب بودن. برای همین با شما هم به اشتراک می ذارم :
راستی دوستانی که از کانال @MigrationEasy این پست رو می بینن، اگر مایل بودن کانال @ai_python رو هم فالو کنن.🍷
👉 @ai_python ✍️
https://youtu.be/MeU5_k9ssrs?si=fjeXx8A0wlyh4dW_
راستی دوستانی که از کانال @MigrationEasy این پست رو می بینن، اگر مایل بودن کانال @ai_python رو هم فالو کنن.
https://youtu.be/MeU5_k9ssrs?si=fjeXx8A0wlyh4dW_
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
ArgoCD Tutorial for Beginners | GitOps CD for Kubernetes
Full ArgoCD Tutorial | Learn about the GitOps CD tool for Kubernetes
► Learn how to build production-grade GitOps pipeline with ArgoCD in our DevSecOps Bootcamp: https://bit.ly/4dLvm7F
The ArgoCD chapter includes building a pipeline of dynamically updating…
► Learn how to build production-grade GitOps pipeline with ArgoCD in our DevSecOps Bootcamp: https://bit.ly/4dLvm7F
The ArgoCD chapter includes building a pipeline of dynamically updating…
می‌خواهی دنیای داده‌ها رو کشف کنی؟
🚀 ثبت نام دوره داده کاوی با پایتون شروع شد!
از امروز با قدرت پایتون، الگوهای مخفی در داده‌ها رو شناسایی کن و به اطلاعات ارزشمند تبدیلشون کن! 📊💻
➖➖➖➖➖➖➖➖➖➖➖➖
اطلاعات دوره کلیک کنید👇
https://B2n.ir/jk2189
➖➖➖➖➖➖➖➖➖➖➖➖
☎️مشاوره وثبت نام
02167641999
📲تلگرام و واتساپ
09222477250
➖➖➖➖➖➖➖➖➖➖➖➖
✓ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص
🚀 ثبت نام دوره داده کاوی با پایتون شروع شد!
از امروز با قدرت پایتون، الگوهای مخفی در داده‌ها رو شناسایی کن و به اطلاعات ارزشمند تبدیلشون کن! 📊💻
➖➖➖➖➖➖➖➖➖➖➖➖
اطلاعات دوره کلیک کنید👇
https://B2n.ir/jk2189
➖➖➖➖➖➖➖➖➖➖➖➖
☎️مشاوره وثبت نام
02167641999
📲تلگرام و واتساپ
09222477250
➖➖➖➖➖➖➖➖➖➖➖➖
✓ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص
مقایسه کوتاه Google A2A با MCP :
👉 @ai_python ✍️
https://youtube.com/shorts/Dxn1ku9nkRc?si=QOI1fBFdAmdS0ZrK
https://youtube.com/shorts/Dxn1ku9nkRc?si=QOI1fBFdAmdS0ZrK
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
A2A vs MCP for AI Agents: Which One to Choose? (60 Sec Guide)|A2A vs MCP: The AI Agent Showdown
این مقاله محدودیت‌های بنیادی مدل‌های بازیابی مبتنی بر وکتور امبدینگ را بررسی می‌کند، به‌ویژه زمانی که این مدل‌ها با وظایف پیچیده‌تر، مانند استدلال یا پیروی از دستورالعمل‌ها، روبرو می‌شوند.
نویسندگان نشان می‌دهند که تعداد زیرمجموعه‌های اسناد که یک وکتور امبدینگ می‌تواند با توجه به ابعاد Embedding بازگرداند، محدود است.
برای اثبات این موضوع، آن‌ها یک مجموعه داده واقع‌گرایانه و در عین حال ساده به نام LIMIT ایجاد می‌کنند که مدل‌های پیشرفته فعلی نیز در آن شکست می‌خورند، و تأکید می‌کنند که این محدودیت‌های نظری حتی در تنظیمات عملی نیز وجود دارند.
نتیجه‌گیری این است که جامعه تحقیقاتی باید به این محدودیت‌ها توجه داشته باشد و روش‌های بازیابی جایگزین، مانند مدل‌های چند برداری، را برای وظایف پیچیده‌تر توسعه دهد.
لینک ویدیو فارسی توضیحات این مقاله : https://youtu.be/rNEl_tBJ5aE?si=Wg5LUPloe6s3noz2
لینک مقاله در آرشیو :
https://arxiv.org/pdf/2508.21038
Please open Telegram to view this post
VIEW IN TELEGRAM
15