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…
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
🚀 وقتی هوش مصنوعی رو بلد باشی، دنیا ابزارته!
🧠 دوره جامع و آنلاین
هوش مصنوعی، علم داده و یادگیری ماشین👉
📊 متناسب با نیاز واقعی بازار کار
🎓 آموزش پروژهمحور با Python و SQL Server
📈 تحلیل داده و اجرای الگوریتمهای ML
💼 کیساستادی از صنایع مختلف
👤 مناسب برای:
هر کسی که میخواد وارد دنیای پردرآمد و آیندهدار هوش مصنوعی و #علم_داده بشه
📜 مدرک معتبر موسسه توسعه
⏱️ 100 ساعت آموزش
💻 دسترسی کامل به محتوای آنلاین
📌 مشاوره رایگان + مشاهده جزئیات دوره 👇
💡 httb.ir/qBkdD
💡 httb.ir/qBkdD
💡 httb.ir/qBkdD
🟣 🟣 🟣 🟣 🟣
هوش مصنوعی، علم داده و یادگیری ماشین
📊 متناسب با نیاز واقعی بازار کار
🎓 آموزش پروژهمحور با Python و SQL Server
📈 تحلیل داده و اجرای الگوریتمهای ML
💼 کیساستادی از صنایع مختلف
👤 مناسب برای:
هر کسی که میخواد وارد دنیای پردرآمد و آیندهدار هوش مصنوعی و #علم_داده بشه
📜 مدرک معتبر موسسه توسعه
⏱️ 100 ساعت آموزش
💻 دسترسی کامل به محتوای آنلاین
Please open Telegram to view this post
VIEW IN TELEGRAM
راه بسیار آسان برای استفاده از Supabase از طریق MCP :
(قبلن درباره این که سوپابیس برای کسانی که از Lovable استفاده می کنن چه سرویسی ارائه می کنه در کانال صحبت کرده بودیم.)
👉 @ai_python ✍️
https://youtu.be/98bQdapCtq4?si=q5YApktar2p9cGdd
(قبلن درباره این که سوپابیس برای کسانی که از Lovable استفاده می کنن چه سرویسی ارائه می کنه در کانال صحبت کرده بودیم.)
https://youtu.be/98bQdapCtq4?si=q5YApktar2p9cGdd
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
My new FAVORITE way to use Supabase
The Supabase MCP Server gives your AI Agent context of your Supabase project. This means it now has the same understanding of your backend as the file structure or code base it is running within!
✍️ Model Context Protocol (MCP) Docs: https://supabase.co…
✍️ Model Context Protocol (MCP) Docs: https://supabase.co…
مدل Claude Sonnet 4.5 که گفته می شه یکی از بهترین مدل های کدنویسی Agentic هست، خیلی زود بر روی Portkey هم در دسترس قرار گرفت.
یکی از کاربردهای اصلی PortKey لودبالانسینگ و HA هست. اگر در کانال کلمه Portkey سرچ کنید قبلن در پست های متفاوت به کاربردهای آن اشاره کرده ایم.
Please open Telegram to view this post
VIEW IN TELEGRAM
3
🔴 فصلی نو، فرصتی نو!
💥 تخفیف ویژه ۲۰٪ دوره دانشمند داده – ظرفیت محدود!
🌐 دنیای امروز به متخصصانی نیاز دارد که دادهها را جمعآوری، تحلیل و به بینش عملی تبدیل کنند.
📊 دانشمندان داده دقیقاً چنین افرادی هستند و بازار کار برای آنها هر روز گستردهتر میشود.
🔥 با شرکت در این دوره شما:
✅ دادههای خام را پاکسازی و آماده تحلیل میکنید
✅ روندها و همبستگیها را شناسایی میکنید
✅ با Python، R، SQL و SAS تحلیل میکنید
✅ مدلهای یادگیری ماشین و یادگیری عمیق برای پیشبینی و حل مسائل کسبوکار میسازید
✅ دادهها را مصورسازی و گزارشسازی میکنید تا تصمیمگیریها دقیقتر شود
👨🏫 دوره شامل تحلیل اکتشافی، دادهکاوی با پایتون و یادگیری عمیق است و بیش از ۱۲ ابزار کاربردی آموزش داده میشود.
💼 این دوره مناسب علاقمندان به علوم داده، یادگیری ماشین، دادهکاوی و تحلیل دادهها است.
➖➖➖➖➖➖➖➖➖➖
🌐 جهت مشاهده اطلاعات دوره کلیک کنید 👇
🔗 https://B2n.ir/nx1466
➖➖➖➖➖➖➖➖➖➖
☎️ مشاوره و ثبتنام: 02167641999
📲 مشاوره تلگرام: 09222477250
➖➖➖➖➖➖➖➖➖➖
✅ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص
💥 تخفیف ویژه ۲۰٪ دوره دانشمند داده – ظرفیت محدود!
🌐 دنیای امروز به متخصصانی نیاز دارد که دادهها را جمعآوری، تحلیل و به بینش عملی تبدیل کنند.
📊 دانشمندان داده دقیقاً چنین افرادی هستند و بازار کار برای آنها هر روز گستردهتر میشود.
🔥 با شرکت در این دوره شما:
✅ دادههای خام را پاکسازی و آماده تحلیل میکنید
✅ روندها و همبستگیها را شناسایی میکنید
✅ با Python، R، SQL و SAS تحلیل میکنید
✅ مدلهای یادگیری ماشین و یادگیری عمیق برای پیشبینی و حل مسائل کسبوکار میسازید
✅ دادهها را مصورسازی و گزارشسازی میکنید تا تصمیمگیریها دقیقتر شود
👨🏫 دوره شامل تحلیل اکتشافی، دادهکاوی با پایتون و یادگیری عمیق است و بیش از ۱۲ ابزار کاربردی آموزش داده میشود.
💼 این دوره مناسب علاقمندان به علوم داده، یادگیری ماشین، دادهکاوی و تحلیل دادهها است.
➖➖➖➖➖➖➖➖➖➖
🌐 جهت مشاهده اطلاعات دوره کلیک کنید 👇
🔗 https://B2n.ir/nx1466
➖➖➖➖➖➖➖➖➖➖
☎️ مشاوره و ثبتنام: 02167641999
📲 مشاوره تلگرام: 09222477250
➖➖➖➖➖➖➖➖➖➖
✅ جهاد دانشگاهی صنعتی شریف؛ یک پله بالاتر از تخصص
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
New Anti-Gravity AI Robot From Unitree Shocks The World
Unitree’s G1 humanoid now fights off brutal kicks with something they call “Anti-Gravity mode,” AheadForm is showing off disturbingly real humanoid heads, Fourier’s N1 is flipping through kung fu moves, and Poland’s Clone Robotics is building a corpse-like…
Forwarded from آموزش LLM
Media is too big
VIEW IN TELEGRAM
🌟 آموزش مدلهای زبانی-تصویری (VLM) با تدریس علیرضا اخوانپور منتشر شد🎉
مردادماه دورهی مدلهای زبانی بزرگ (LLM) در مکتبخونه منتشر شد؛ دورهای که توش یاد میگرفتید مدلهایی مثل ChatGPT یا Gemini چطور آموزش میبینن، چطور کار میکنن و چطور میتونن به زبانهای مختلف – حتی فارسی – پاسخ بدن و ...
♨️حالا نوبت یکی از داغترین موضوعات دنیای AI رسیده:
🔹 مدلهای زبانی-تصویری (VLM)
مدلهای زبانی-تصویری (VLM) نسل جدیدی از مدلهای مولد هستن که علاوه بر متن، تصویر رو هم میفهمن. یعنی میتونن عکس رو توصیف کنن، به سوال دربارهی محتواش جواب بدن و حتی بین متن و تصویر ارتباط برقرار کنن.
📚 در این دوره یاد میگیرید:
- ساختار و معماری مدلهای VLM
- کاربردهای جذاب مثل پرسشوپاسخ تصویری و مولتیمودال
- نحوهی آموزش و بهکارگیری این مدلها در پروژههای واقعی
👨🏫 تدریس هر دو دوره توسط مهندس علیرضا اخوانپور انجام شده
🔗 مشاهده دوره:
https://mktb.me/e3gx/
~~~
کانال تلگرامی دوره
@llm_huggingface
مردادماه دورهی مدلهای زبانی بزرگ (LLM) در مکتبخونه منتشر شد؛ دورهای که توش یاد میگرفتید مدلهایی مثل ChatGPT یا Gemini چطور آموزش میبینن، چطور کار میکنن و چطور میتونن به زبانهای مختلف – حتی فارسی – پاسخ بدن و ...
♨️حالا نوبت یکی از داغترین موضوعات دنیای AI رسیده:
🔹 مدلهای زبانی-تصویری (VLM)
مدلهای زبانی-تصویری (VLM) نسل جدیدی از مدلهای مولد هستن که علاوه بر متن، تصویر رو هم میفهمن. یعنی میتونن عکس رو توصیف کنن، به سوال دربارهی محتواش جواب بدن و حتی بین متن و تصویر ارتباط برقرار کنن.
📚 در این دوره یاد میگیرید:
- ساختار و معماری مدلهای VLM
- کاربردهای جذاب مثل پرسشوپاسخ تصویری و مولتیمودال
- نحوهی آموزش و بهکارگیری این مدلها در پروژههای واقعی
👨🏫 تدریس هر دو دوره توسط مهندس علیرضا اخوانپور انجام شده
🔗 مشاهده دوره:
https://mktb.me/e3gx/
~~~
کانال تلگرامی دوره
@llm_huggingface
Please open Telegram to view this post
VIEW IN TELEGRAM