👉 @ai_python 💭

بررسی بهبود مدل های زبانی بزرگ در صورت پیش بینی ترتیب توکن ها:

https://www.alphaxiv.org/pdf/2508.19228

👉 @ai_python 💭

لینک ویدیو فارسی خلاصه تولید شده توسط هوش مصنوعی از این مقاله :

https://youtu.be/YhB21n0aDrg?si=KWcMLkxrNh57Sn5W


پادکست مصنوعی فارسی مفصل تر در کانال @navidcasts در خصوص این مقاله موجود است.

این دوره مربوط به مدرک Microsoft Certified: Azure Data Scientist Associate است و برای افرادی طراحی شده که می‌خواهند مهارت‌های علمی داده و یادگیری ماشین را در محیط Azure به‌کار بگیرند. من این دوره رو به همه کسانی که قصد دارن در آینده بازار Cloud باقی بمونن توصیه می کنم :

🎯 هدف دوره :

✍️ طراحی و ایجاد محیط کاری مناسب برای پروژه‌های علم داده

✍️ کاوش و آماده‌سازی داده‌ها

✍️ آموزش مدل‌های یادگیری ماشین و اجرای آزمایش‌ها

✍️ پیاده‌سازی پایپ‌لاین‌ها و آماده‌سازی برای محیط عملیاتی

✍️ استقرار و پایش راهکارهای یادگیری ماشین در مقیاس بزرگ

✍️ بهینه‌سازی مدل‌های زبانی برای ساخت اپلیکیشن‌های هوش مصنوعی با Azure AI

⚡️ در واقع اون بخش مهم این دوره از نظر من اینه : ⚡️

سرویس‌های Azure AI (مثل Azure AI Search و Azure AI Foundry)

توسعه اپلیکیشن‌های (Generative AI) در محیط آژور

و Azure ML Studio


✍️ آزمون و گواهینامه مرتبط :

آزمون DP-100 با مدت زمان ۱۰۰ دقیقه

اعتبار مدرک: ۱۲ ماه، با امکان تمدید رایگان از طریق ارزیابی آنلاین

https://learn.microsoft.com/en-us/credentials/certifications/azure-data-scientist/?practice-assessment-type=certification

👉 @ai_python ✍️

لینک مقاله در آرشیو :

https://arxiv.org/html/2509.01187v1


The paper introduces StoxLSTM, a novel stochastic extension of the xLSTM architecture for time series forecasting. By integrating stochastic latent variables into a state space modeling framework, StoxLSTM captures complex temporal patterns and uncertainties more effectively than traditional models. Extensive experiments across diverse datasets show that it consistently outperforms state-of-the-art baselines in both accuracy and robustness.

👉 @ai_python ✍️

پادکست مصنوعی توضیحات به فارسی :

https://t.iss.one/navidcasts/26

ویدیو با زمان کوتاه تر از پادکست صوتی به صورت خلاصه تر و به فارسی :

https://youtu.be/xN6nFUGeXrk?si=aUGPUomtp_6yMFg1

👉 @ai_python 🆕

این پست از Peter W. J. Staar درباره قابلیت جدیدی در پروژه Docling هست که توسط تیم IBM Research توسعه داده شده:

کلمه Docling را در کانال اگر سرچ کنید پست های زیادی دربارش داریم.

👉 @ai_python 🆕

کتابخانه Docling حالا می‌تونه داده‌های ساخت‌یافته رو مستقیم از اسناد استخراج کنه
به جای تبدیل سند به متن یا JSON، داکلینگ می‌تونه مستقیماً فیلدهای موردنظر رو از سند بیرون بکشه!

👉 @ai_python 🆕

کاربر می‌تونه با استفاده از اسکیمای آزاد (free-form schema) مشخص کنه چه اطلاعاتی باید استخراج بشه. این یعنی می‌تونی خروجی رو مستقیم با ساختار پایگاه‌داده‌ات هماهنگ کنی.

👉 @ai_python 🆕

این قابلیت برای پایپ‌لاین‌های داده‌ای که نیاز به استخراج اطلاعات از اسناد نامرتب دارن (مثل فاکتورها، رزومه‌ها، قراردادها و...) بسیار مفیده.

همون طور که گفتیم : بدون نیاز به API یا ارسال داده به سرور !!!

برای رسیدن به این مقصود از مدل‌های پیشرفته شرکت NuMind استفاده می‌کنه.

فعلاً روی فایل‌های PDF و تصویر (PNG) تمرکز داره؛ پشتیبانی از متن ساده به‌زودی اضافه می‌شه.