DLeX: AI Python
22.2K subscribers
5.08K photos
1.23K videos
765 files
4.51K links
هوش‌مصنوعی و برنامه‌نویسی

توییتر :

https://twitter.com/NaviDDariya

هماهنگی و تعرفه تبلیغات : @navidviola
Download Telegram
به نظر شما مدل تقریبن جدید GPT-5.1 از Open AI همون نسخه فاین تیون شده، مدل های قبلی هست یا واقعن یک مدل جدید هست؟!

👉 @ai_python ✍️

این موضوع و خیلی موضوعات جذاب و جالب دیگه موضوع بحث میز داغ از IBM Technology هست :

https://youtu.be/5sFJVAoafFI?si=3leRGKE-SGB9w22n
Please open Telegram to view this post
VIEW IN TELEGRAM
👉 @ai_python ✍️

مایکروسافت کوپایلوت از 15 ژانویه از WhasApp خداحافظی می کند.
Please open Telegram to view this post
VIEW IN TELEGRAM
اگر با PromptFlow کار کرده باشید، حتمن می دونید که فریم ورک اصلی مایکروسافت برای ایجاد پایپ لاین های Agentic AI هست. در مقابل IBM هم راه حل خودش رو در این زمینه داره که خیلی شبیه PromptFlow هست. در این ویدیو درباره BeeAI توضیح داده شده :

👉 @ai_python ✍️


https://youtu.be/WozA_qHEAqo?si=CSZ0ZImVepMV5dR4
Please open Telegram to view this post
VIEW IN TELEGRAM
وقتی می گیم AI Stack دقیقن شامل چه مواردی می شه؟ در این ویدیو به زبان ساده و در کم تر از 10 دقیقه توضیح داده شده :

👉 @ai_python ✍️

https://youtu.be/RRKwmeyIc24?si=NLEMwJrt9K0wlTpK
Please open Telegram to view this post
VIEW IN TELEGRAM
1
👉 @ai_python ✍️

Pydantic AI version 1.23.0 is out! 🎉
Please open Telegram to view this post
VIEW IN TELEGRAM
🚀🔥 آینده شغلی‌تو بساز!

علم داده (Data Science) همون مهارتیه که همه‌ی بازار کار دنبالش هستن 💼📊

👨‍💻 توی این دوره جامع ۱۴۴ ساعته آموزش کاملاً عملی با ابزارهای روز مثل:

🐍 Python | 🗄 SQL | 📊 آمار | ⚡️ Power BI | 📈 Tableau | 🔥 Apache Spark | 📉 R

و کلی مباحث کاربردی دیگه برای ورود حرفه‌ای به دنیای داده رو یاد میگیری!

💡 این فقط یه دوره نیست، بلکه یه فرصت طلایی برای جهش در مسیر شغلی توئه!

ظرفیت محدود – همین حالا اقدام کن!

📍 اطلاعات و ثبت‌نام دوره:
👉https://B2n.ir/gg3504

🔶 کسب اطلاعات بیشتر و مشاوره:
📱 تلگرام: 09222477250
☎️ تماس: 021-67641999

✓ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص
طبق اعلام گارتنر، در پایان سال 2025 ، شرکت IBM (احتمالن به خاطر Watsonx ) به همراه مایکروسافت، گوگل و آمازون به عنوان لیدرهای اصلی ارائه پلت فرم های توسعه نرم افزارهای AI هستند.

در طول سال در همین کانال بسیار درباره Watsonx و همین طور راه حل های مایکروسافت از جمله Azure AI Foundry و Azure ML Studio صحبت کردیم.

👉 @ai_python ✍️

در بخش Challnegers نام LangChain و علی بابا به چشم می خوره که منطقی هست.


در بخش نیچ فقط CoreWeave و در بخش Visionaries فقط OpenAI به چشم می خوره.

در حال حاضر در این بین از محصولات زیر مجموعه XAI خبری نیست. 😅
Please open Telegram to view this post
VIEW IN TELEGRAM
🚀 مدیریت سرمایه با قدرت داده‌ها!

اگه هنوز تصمیم‌هات بر پایه حس و تجربه‌ست، وقتشه داده‌ها رو وارد بازی کنی

🔗 دوره جامع مدیریت سرمایه داده‌محور (آنلاین)

در این دوره یاد می‌گیری:

📊 تحلیل بازار ایران و ارزیابی سهام و ETF
📈 بهینه‌سازی پرتفوی با مدل مارکوویتز
📉 پیش‌بینی روندها با سری‌های زمانی
💡 طراحی استراتژی آپشن و دلتا هجینگ
🚀 اجرای پروژه واقعی با داده‌های ایران
🔥 بدون نیاز به تسلط برنامه‌نویسی!

پایتون رو در حد کاربردی یاد می‌گیری و بلافاصله در بازار استفاده می‌کنی.

👥 مناسب برای:
فعالان بازار سرمایه، تحلیلگران، مدیران سرمایه‌گذاری، و علاقه‌مندان فین‌تک (FinTech)

📌 مشاوره رایگان + جزئیات کامل:

👉 httb.ir/2hU1m

🎓 موسسه توسعه
Please open Telegram to view this post
VIEW IN TELEGRAM
مقاله‌ی «Spectral Bias Mitigation via xLSTM-PINN» به بررسی یک روش نوآورانه برای بهبود یادگیری ماشین در حل معادلات دیفرانسیل با مشتقات جزئی (PDEs) می‌پردازد. در ادامه خلاصه‌ای از مقاله:

روش‌های رایج Physics-Informed Neural Networks (PINNs) با سه چالش عمده مواجه‌اند:

1️⃣ سوگیری طیفی (Spectral Bias): شبکه‌ها تمایل دارند فرکانس‌های پایین را بهتر یاد بگیرند و در بازسازی مؤلفه‌های فرکانس بالا ضعیف عمل می‌کنند.

2️⃣ عدم تعادل داده-باقی‌مانده: وزن‌دهی نامتناسب به داده‌ها و معادلات فیزیکی.

3️⃣ ضعف در برون‌یابی (Extrapolation): عملکرد ضعیف در پیش‌بینی خارج از ناحیه آموزش.

👉 @ai_python ✍️

💡 راه‌حل پیشنهادی

نویسندگان یک چارچوب جدید به نام xLSTM-PINN معرفی می‌کنند که شامل:

1️⃣ استخراج ویژگی چندمقیاسی با (Gated Memory): برای درک بهتر ساختارهای فرکانسی مختلف.

2️⃣ برنامه درسی فرکانسی مرحله‌ای (Staged Frequency Curriculum): آموزش تدریجی از فرکانس‌های پایین به بالا.

3️⃣ وزن‌دهی تطبیقی به باقی‌مانده‌ها: برای تعادل بهتر بین داده‌ها و معادلات فیزیکی.

در چهار بنچمارک مختلف، این روش:

خطای طیفی، MSE، RMSE، MAE و MaxAE را به‌طور قابل توجهی کاهش داده است.

پهنای باند قابل حل را گسترش داده و زمان رسیدن به آستانه خطا در فرکانس‌های بالا را کاهش داده است.

گذارهای مرزی تمیزتر و نوسانات فرکانس بالا را کاهش داده است.
Please open Telegram to view this post
VIEW IN TELEGRAM