DLeX: AI Python
22.3K subscribers
5.04K photos
1.23K videos
764 files
4.44K links
هوش‌مصنوعی و برنامه‌نویسی

توییتر :

https://twitter.com/NaviDDariya

هماهنگی و تعرفه تبلیغات : @navidviola
Download Telegram
Forwarded from Elon Fact فارسی
🖥 @elonfact 🙄

گذر Grok از مرز 2 تریلیون توکن
Please open Telegram to view this post
VIEW IN TELEGRAM
این سیستم برای ذخیره داده هارو من نمی شناختم. ولی در نوع خودش جالبه. مثل سایر پلت فرم های ذخیره سازی بهتون فضا می ده که داده رو ذخیره کنید و بعد روی داده با هوش مصنوعی بهتون ارزش افزوده می ده :

👉 @ai_python ✍️

https://www.box.com/de-de/
Please open Telegram to view this post
VIEW IN TELEGRAM
2
Please open Telegram to view this post
VIEW IN TELEGRAM
☄️ کاهش ابعاد و Visualization در یادگیری ماشین

👉 @NeuralBlackMagic

👨🏻‍🏫 وقتی داده‌ها ابعاد زیادی دارند، دیدن الگوها و روابط بین نمونه‌ها سخت می‌شود. کاهش ابعاد به ما کمک می‌کند تا این الگوها را در فضاهای قابل دیدن (۲ یا ۳ بعدی) مشاهده کنیم.

🔍 یکی از رویکردهای کاهش ابعاد با هدف بصری‌سازی،
Multidimensional Scaling (MDS)
است.
این روش فاصله یا شباهت بین داده‌ها را حفظ می‌کند و داده‌های ابعاد-بالا را در یک فضای کم‌بعد Embed می‌کند، طوری که روابط بین نقاط تا حد امکان حفظ شود.

📊 در این مثال ساده، داده‌های ابعاد بالا ۳ بعدی بوده و با کمک رویکرد MDS به ۲ بعد نگاشت داده شده‌اند و فاصله نسبی داده‌های کلاس‌های مختلف در این نگاشت حفظ شده‌است.

💻 پیاده‌سازی با استفاده از Scikit-learn 🤗:

👉 @NeuralBlackMagic
from sklearn.manifold import MDS
embedding = MDS(n_components=2) # n_components=d
x_lowdim = embedding.fit_transform(x_highdim)
# x_highdim: (N, D), x_lowdim: (N, d), d<<D


📚 مطالعه بیشتر:
● مقاله اصلی:
MDS: Multidimensional scaling: I. Theory and method, Torgerson, W.S. (1952).

Follow for daily doses of AI Magic
@NeuralBlackMagic
Please open Telegram to view this post
VIEW IN TELEGRAM
می‌دونی برنامه‌نویس‌ها چقدر حقوق می‌گیرن؟

امسال کوئرا دوباره یه نظرسنجی بزرگ طراحی کرده تا با کمک خودِ برنامه‌نویس‌ها به این سؤال‌ها جواب بدیم.
تو هم به‌عنوان بخشی از این جامعه، با چند دقیقه وقت گذاشتن می‌تونی اثر بزرگی بذاری.

نتایج این نظرسنجی هم باهات به اشتراک گذاشته میشه.
🔗 https://quera.org/r/5q555
عزیزانی که در حال یادگیری Microsoft Azure Machine Learning هستن، این ریپازیتوری در گیت هاب Hands On Lab های بسیار خوبی داره و از طرف خود مایکروسافت هم در مواقع نیاز به روز رسانی می شه : (دیتاست ها هم توی کدهاش هست که باهاش می تونید به راحتی مدل هارو آموزش بدید.)

👉 @ai_python ✍️

https://github.com/MicrosoftLearning/mslearn-azure-ml
Please open Telegram to view this post
VIEW IN TELEGRAM
ویدیو به روز شده توضیح کامپوننت های LangChain :


البته دقت کنید که این بیش تر تبلیغ پلت فرم یادگیری سازنده این ویدیو آموزشی هم هست. بنابراین شاید آموزش با کیفیت بالایی هم نباشه.

👉 @ai_python ✍️

https://youtu.be/xTmU8ZImUO8?si=ePOcHDasEVqIkmvz
Please open Telegram to view this post
VIEW IN TELEGRAM
3
👉 @ai_python ✍️

یک شمای خلاصه از کامپوننت های اصلی LangChain

منبع : https://learn.kodekloud.com/
Please open Telegram to view this post
VIEW IN TELEGRAM
به روزرسانی های تازه NotebookLM در تولید ویدیو

👉 @ai_python ✍️

اطلاعات تکمیلی : https://blog.google/technology/google-labs/video-overviews-nano-banana/
Please open Telegram to view this post
VIEW IN TELEGRAM
ابزار PyMuPDF هم یکی از ابزارهای مناسب برای آماده سازی داده جهت استفاده AI هستش. مثلن در این ویدیو 1 دقیقه ای مشاهده می کنید که چگونه ردیف های یک جدول در یک فایل پی دی اف به صورت لیست قابل استخراج هستند :


👉 @ai_python ✍️

https://youtu.be/-KY08O32Yc8?si=6UrJAu2lhp7MR0hr
Please open Telegram to view this post
VIEW IN TELEGRAM
3
یک مدل جدید هوش مصنوعی به نام Cell2Sentence-Scale از خانواده Gemma که توسط Google Research با همکاری Google DeepMind و دانشگاه Yale توسعه یافته، توانسته یک مسیر درمانی جدید برای سرطان را شناسایی کند که در سلول‌های زنده به‌صورت تجربی تأیید شده است.

👉 @ai_python ✍️

🔬 ویژگی کلیدی مدل:

ترجمه داده‌های پیچیده بیان ژنی تک‌سلولی به «جملات سلولی» قابل فهم برای مدل‌های زبانی بزرگ (LLMs)

X
Please open Telegram to view this post
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
👉 @ai_python ✍️

خلاصه ویژگی های مدل جدید گوگل برای تولید ویدیو به نام Veo 3.1
Please open Telegram to view this post
VIEW IN TELEGRAM
1