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
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
کوتاه، درباره مدل پیش بینی آب و هوای گوگل به نام WeatherNext 2 : ⛅ 😶🌫️
👉 @ai_python ✍️
https://youtu.be/YQwqoEm_xis?si=f_zUd-r5G978Uzgz
https://youtu.be/YQwqoEm_xis?si=f_zUd-r5G978Uzgz
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
WeatherNext 2: Our most advanced weather forecasting model
We’re powering a new era of global weather forecasting with WeatherNext 2, our most advanced and efficient AI model. It delivers more accurate, higher-resolution predictions to help everyone—from businesses managing global supply chains to you planning your…
1
در چه سن و سالی، برای یادگیری کدنویسی، بیش از حد پیر هستیم؟ (از زبان مهران سهامی، پروفسور در دانشگاه استنفورد)
👉 @ai_python ✍️
https://youtu.be/cKtGsMHAp8g?si=wFbOAWxYEzZGI_rX
https://youtu.be/cKtGsMHAp8g?si=wFbOAWxYEzZGI_rX
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
It's Never Too Late to Learn to Code: Insights from Mehran Sahami
Is it ever too late to expand your knowledge of computer science and AI? Mehran Sahami, Professor and Chair of the Computer Science Department at Stanford University, addresses this and other questions as he shares his expertise.
Learn about Code in Place:…
Learn about Code in Place:…
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.😅
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.
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
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.
روشهای رایج Physics-Informed Neural Networks (PINNs) با سه چالش عمده مواجهاند:
نویسندگان یک چارچوب جدید به نام xLSTM-PINN معرفی میکنند که شامل:
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
arXiv.org
Spectral Bias Mitigation via xLSTM-PINN: Memory-Gated...
Physics-informed learning for PDEs is surging across scientific computing and industrial simulation, yet prevailing methods face spectral bias, residual-data imbalance, and weak extrapolation. We...
DLeX: AI Python
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…
پادکست فارسی مصنوعی مرتبط با این مقاله : https://t.iss.one/c/2659071795/59
فکر کنم دیگه تقریبن همه Ollama رو می شناسن و ازش برای هاستینگ مدل ها در محیط های On Premise استفاده می کنند. ولی مایکروسافت هم به تازگی یک محصول جدید ارائه داده که کم از Ollama نداره و از بسیاری از مدل ها هم پشتیبانی می کنه. در این ویدیو اطلاعات بیش تری از این محصول کسب کنید :
👉 @ai_python ✍️
https://youtu.be/qL3HADDI6W4?si=2UVOEz59OlFw4lnb
https://youtu.be/qL3HADDI6W4?si=2UVOEz59OlFw4lnb
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Run local AI on any PC or Mac - Microsoft Foundry Local
Build powerful AI apps that run locally on any device—Windows, macOS, or mobile—without relying on the cloud using Foundry Local. Leverage full hardware performance, keep data private, reduce latency, and predict costs, even in offline or low-connectivity…
Forwarded from Toncoin
Cocoon Is Live: Decentralized Confidential Compute
Cocoon is a decentralized AI compute network that processes user requests with full confidentiality. Removing centralized intermediaries lowers costs and protects data. GPU owners can join the network, support confidential AI workloads, and earn TON.
Key features:
▪️ TON is now processing AI requests with 100% confidentiality. GPU owners earn $TON.
▪️ Centralized computing providers increase costs and reduce privacy. Cocoon addresses both economic and confidentiality limitations.
▪️ More GPU supply and developer demand will be added in the coming weeks.
Telegram users will see new AI features built on full confidentiality. Cocoon returns control and privacy to users.
Learn more about Cocoon
Cocoon is a decentralized AI compute network that processes user requests with full confidentiality. Removing centralized intermediaries lowers costs and protects data. GPU owners can join the network, support confidential AI workloads, and earn TON.
Key features:
▪️ TON is now processing AI requests with 100% confidentiality. GPU owners earn $TON.
▪️ Centralized computing providers increase costs and reduce privacy. Cocoon addresses both economic and confidentiality limitations.
▪️ More GPU supply and developer demand will be added in the coming weeks.
Telegram users will see new AI features built on full confidentiality. Cocoon returns control and privacy to users.
Learn more about Cocoon
Audio
این مقاله یک چارچوب جدید به نام xLSTM-PINN را معرفی میکند که برای کاهش مشکل سوگیری طیفی (Spectral Bias) در شبکههای عصبی آگاه از فیزیک (PINN) طراحی شده است.
👉 @navidcasts 🎓
سوگیری طیفی، تمایل ذاتی PINNها به یادگیری سریعتر مؤلفههای فرکانس پایین نسبت به فرکانسهای بالا است که مانع از حل دقیق گرادیانهای تند میشود. با تعبیه بلوکهای xLSTM که از گیتهای حافظه و گامهای میکروی باقیمانده استفاده میکنند، این روش طیف هسته عصبی را در سطح نمایش تغییر شکل میدهد تا به طور سیستمی وزنهای مربوط به فرکانسهای بالا را تقویت کند.
👉 @navidcasts 🎓
نتایج عددی در حل معادلات دیفرانسیل جزئی (PDEs) مختلف نشان میدهد که xLSTM-PINN با موفقیت سوگیری طیفی را سرکوب کرده، پهلنای باند قابل حل را گسترش میدهد، و به طور قابل توجهی خطاهای حل را کاهش میدهد، بدون اینکه نیاز به تغییر مسیرهای مشتقگیری خودکار یا توابع زیان فیزیکی باشد.
سوگیری طیفی، تمایل ذاتی PINNها به یادگیری سریعتر مؤلفههای فرکانس پایین نسبت به فرکانسهای بالا است که مانع از حل دقیق گرادیانهای تند میشود. با تعبیه بلوکهای xLSTM که از گیتهای حافظه و گامهای میکروی باقیمانده استفاده میکنند، این روش طیف هسته عصبی را در سطح نمایش تغییر شکل میدهد تا به طور سیستمی وزنهای مربوط به فرکانسهای بالا را تقویت کند.
نتایج عددی در حل معادلات دیفرانسیل جزئی (PDEs) مختلف نشان میدهد که xLSTM-PINN با موفقیت سوگیری طیفی را سرکوب کرده، پهلنای باند قابل حل را گسترش میدهد، و به طور قابل توجهی خطاهای حل را کاهش میدهد، بدون اینکه نیاز به تغییر مسیرهای مشتقگیری خودکار یا توابع زیان فیزیکی باشد.
Please open Telegram to view this post
VIEW IN TELEGRAM
3
پکیج deepagents چه تفاوتی با استفاده عادی از LangChain داره؟!
👉 @ai_python ✍️
https://youtu.be/IVts6ztrkFg?si=5mI2P8zjvEBti3py
https://youtu.be/IVts6ztrkFg?si=5mI2P8zjvEBti3py
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
What are Deep Agents?
Deep Agents is a term we coined to describe agents capable of handling complex, open-ended tasks over long time horizons. We identified four essential components that make this possible: a planning tool, access to a filesystem, subagents, and detailed prompts.…
3