🆓🔥 ۹ دوره آموزشی رایگان هوش مصنوعی انویدیا!

💭 دوره اول: تشریح هوش مصنوعی مولد
📌 مدت دوره: ۲ ساعت
📌 سطح دوره: مقدماتی
📌 در این دوره با فناوری‌هایی که در هوش مصنوعی مولد استفاده می‌شوند، آشنا خواهید شد. پس از تکمیل این دوره می‌توانید به‌صورت مؤثرتری از ابزارهای مختلف این فناوری بهره ببرید.

💭 دوره دوم: ساخت یک مغز در ده دقیقه
📌مدت دوره: ۱۰ دقیقه
📌 سطح دوره: مقدماتی
📌 این دوره به چگونگی عملکرد شبکه عصبی و نحوه یادگیری آن از داده‌ها می‌پردازد. همچنین با مفاهیم ریاضی پشت شبکه‌های عصبی هوش مصنوعی آشنا خواهید شد.

💭 دوره سوم: مدل زبانی بزرگ خود را با استفاده از رویکرد RAG تقویت کنید
📌 مدت دوره: ۱ ساعت
📌 سطح دوره: مبتدی
📌 این دوره اصول اولیه Retrieval-Augmented Generation یا به اختصار RAG را پوشش می‌دهد و با اجزای RAG در مدل‌های هوش مصنوعی مبنایی انویدیا آشنا خواهید شد.

💭 دوره چهارم: زیرساخت های هوش مصنوعی و مبانی عملیاتی
📌 مدت دوره: ۸ ساعت
📌 سطح دوره: مبتدی
📌 در این دوره مفاهیمی مانند یادگیری ماشینی، آموزش و استنتاج را درک خواهید کرد.

💭 دوره پنجم: تسریع گردش کار در علم داده بدون تغییر کد
📌 مدت دوره: ۱ ساعت
📌 سطح دوره: مبتدی
📌 این دوره به آموزش مزایای CPU و GPU یکپارچه می‌پردازد. در این‌جا با پردازش داده و یادگیری ماشینی بدون تغییر کد که منجر به پردازش سریع‌تر می‌شود، آشنا خواهید شد.

💭 دوره ششم: فراگیری سیستم‌‌های پیشنهادات
📌 مدت دوره: ۴۷ دقیقه
📌 سطح دوره: مبتدی
📌 این دوره برای هر کسی که می‌خواهد بر کارکردهای سیستم‌های پیشنهادات تسلط یابد، مناسب است. این دوره شما را با استراتژی‌های ایجاد یک سیستم ارائه توصیه در حوزه تجارت الکترونیک آشنا می‌کند.

💭 دوره هفتم: مقدمه‌ای بر شبکه‌سازی
📌 مدت دوره: ۱ ساعت
📌 سطح دوره: مبتدی
📌 در این دوره شما یاد خواهید گرفت که شبکه چیست . همچنین با اجزای شبکه، مدل OSI و مجموعه پروتکل TCP/IP و نقش آن‌ها در شبکه آشنا خواهید شد. این دوره آموزش اصول اولیه فناوری اترنت را نیز پوشش می‌دهد.

💭 دوره هشتم: نحوه طبقه‌بندی تصاویر در مقیاس بزرگ
📌 مدت دوره: ۱ ساعت
📌 سطح دوره: متوسط
📌 این دوره به کسانی که در زمینه محاسبات بصری علاقه دارند، توصیه می‌شود. در این‌جا با تکنیک‌های مختلف مدل‌سازی و پیاده‌سازی کد برای طبقه‌بندی تصاویر آشنا می‌شوید.

💭 دوره نهم: ساخت عامل‌های RAG با مدل‌های زبانی بزرگ
📌 مدت دوره: ۸ ساعت
📌 سطح دوره: متوسط
📌 این دوره استراتژی‌های مقیاس‌پذیر مدل‌های زبانی بزرگ (LLM) و پایگاه‌های داده را بررسی خواهد کرد. همچنین شما در آن با ایجنت‌های RAG و پارادایم مدرن LangChain برای مدیریت دیالوگ‌ها و بازیابی فایل‌ها و همچنین استفاده از مدل‌های پیشرفته و مراحل تولید آن‌ها آشنا خواهید شد.

🔹 Bits Learn | CSSA IUST | LinkedIn

🌐 Roadmap.sh 💻

یک وبسایت بسیار مفید است که شامل نقشه‌های راه، برنامه‌های درسی، مسیرها و منابع آموزشی برای توسعه‌دهندگان تازه‌کار و علاقه‌مندان به یادگیری برنامه‌نویسی می‌باشد. این وبسایت توسط جامعه توسعه‌دهندگان برای راهنمایی افرادی که نمی‌دانند چه چیزی را بعد از این باید یاد بگیرند ایجاد شده است. هدف این سایت کمک به توسعه‌دهندگان در پیشرفت حرفه‌ای آن‌ها و ارائه منابع مورد نیاز است.

📌 ویژگی‌های کلیدی:

🗺 نقشه‌های راه جامع: شامل مراحل مختلف و تکنولوژی‌های مورد نیاز برای هر نقش است.
🔄 به‌روزرسانی مداوم: نقشه‌های راه به طور منظم به‌روزرسانی می‌شوند تا با تغییرات هماهنگ باشید.
📚 منابع یادگیری: هر مرحله شامل لینک‌ها و منابعی است که به یادگیری شما کمک می‌کند.
🔄 تعاملی: کاربران می‌توانند مسیر خود را دنبال کرده و پیشرفت خود را مشاهده کنند.

🔹 Bits Learn | CSSA IUST | LinkedIn

📚 آشنایی با انواع دیتابیس‌ها: SQL و NoSQL

📊 دیتابیس یا پایگاه داده، مکانی است که داده‌ها به صورت سازماندهی شده ذخیره و مدیریت می‌شوند. در سیستم‌های اطلاعاتی مدرن، دو نوع اصلی دیتابیس وجود دارد: SQL و NoSQL.

۱. دیتابیس‌های SQL
مخفف Structured Query Language است. این دیتابیس‌ها ساختار یافته هستند و از جداول برای ذخیره‌سازی داده‌ها استفاده می‌کنند.

🔹 دیتابیس MySQL: یکی از محبوب‌ترین دیتابیس‌های SQL که توسط شرکت اوراکل پشتیبانی می‌شود.
🔹 دیتابیس PostgreSQL: دیتابیس قدرتمند و متن‌باز با قابلیت‌های پیشرفته مثل پشتیبانی از انواع داده‌های پیچیده.

۲. دیتابیس‌های NoSQL
عبارت NoSQL به دیتابیس‌هایی گفته می‌شود که از ساختارهای غیر جدولی برای ذخیره‌سازی داده‌ها استفاده می‌کنند و برای داده‌های بزرگ و متغیر مناسب هستند.

🔸 دیتابیس MongoDB: دیتابیسی مبتنی بر اسناد که بسیار مقیاس‌پذیر و انعطاف‌پذیر است.
🔸 دیتابیس Apache Cassandra: دیتابیسی توزیع‌شده و مبتنی بر ستون است که برای داده‌های بزرگ و متغیر مناسب است.

برای اطلاعات بیشتر اینجا را بخوانید. (منبع تصویر)

🔹 Bits Learn | CSSA IUST | LinkedIn

📈 Database Design Course

دوره آموزش طراحی دیتابیس به صورت عملی و تئوری در PostgreSQL

👥 مدرس‌ دوره:
مهدی اسداله زاده
توسعه‌دهنده فول‌استک


📊 محتوای دوره:
● Introduction to Databases and PostgreSQL
● Data Modeling and Database Design
● Basic SQL Commands
● Creating and Managing Tables
● Complex Queries using JOIN
● Aggregate Operations and Data Grouping
● Subqueries and Derived Tables

📆 زمان برگزاری: ۱۷ شهریور الی ۲۰ مهر ۱۴۰۳

⏰ پنجشنبه و جمعه ساعت ۹ الی ۱۰:۳۰

💰قیمت دوره: ۹۸۰/۰۰۰ تومان

🔗 برای کسب اطلاعات بیشتر و ثبت‌نام با ما در ارتباط باشید.

#دوره

🌐 Bits Learn | CSSA IUST | LinkedIn

Xournal++: ابزار یادداشت‌برداری دیجیتال

این نرم‌افزار یک ابزار منبع باز و چندسکویی برای یادداشت‌برداری و حاشیه‌نویسی است که به شما امکان می‌دهد یادداشت‌های دیجیتال خود را با دست‌خط شخصی و ابزارهای متنوع ایجاد کنید. این برنامه تجربه‌ای شبیه به یادداشت‌برداری فیزیکی را فراهم می‌آورد و برای کاربران مبتدی تا حرفه‌ای مناسب است.

ویژگی‌های کلیدی Xournal++:

- پشتیبانی از قلم‌های حساس به فشار و تبلت‌های نقاشی: ایجاد یادداشت‌های دقیق و طبیعی با دست‌خط شخصی.
- ابزارهای متنوع یادداشت‌برداری: شامل قلم، هایلایت‌کننده و پاک‌کننده برای تجربه‌ای شبیه به یادداشت‌برداری روی کاغذ.
- مدیریت و پیگیری یادداشت‌ها: استفاده از لایه‌ها و ابزارهای پیشرفته برای ساخت یادداشت‌های پیچیده و منظم.
- تخصیص و سفارشی‌سازی: طراحی نوار ابزار خود و افزودن ویژگی‌های جدید با پلاگین‌ها یا زبان برنامه‌نویسی Lua.
- پشتیبانی از فرمت‌های مختلف: ذخیره یادداشت‌ها در فرمت‌های مختلف و صادر کردن فایل‌های PDF حاشیه‌نویسی‌شده.
- اضافه کردن رسانه‌ها و ضبط صدا: افزودن تصاویر، اشکال مختلف و ضبط‌های صوتی به یادداشت‌ها.

🔹 Bits Learn | CSSA IUST | LinkedIn

🔹 Deep Learning

تدریس کامل انواع معماری‌های شبکه عصبی برای پردازش داده‌های تصویری و متنی به صورت نظری و عملی با ابزار PyTorch، آشنایی با مدل‌های معروفی همچون Resnet و BERT، حل مسائلی همچون Image Segmentation با Unet

👥 مدرسین‌ دوره:
پویا جعفری: محقق و توسعه‌دهنده هوش مصنوعی شرکت روشن
سعید ارونقی: توسعه‌دهنده هوش مصنوعی شرکت روشن


📟 محتوای دوره:
∙ Perceptron Model and MLP
∙ Feed Forward Networks
∙ Hands-on PyTorch
∙ Image Processing with CNNs
∙ Image to Image Models (Segmentation)
∙ NLP with RNNs
∙ LSTM & GRU
∙ Transformers and BERT

📆 زمان برگزاری: ۱۷ شهریور الی ۶ مهر ۱۴۰۳

⏰ چهارشنبه و پنجشنبه ساعت ۹ الی ۱۱

💰قیمت دوره: ۹۸۰/۰۰۰ تومان

🔗 برای کسب اطلاعات بیشتر و ثبت‌نام با ما در ارتباط باشید.

#دوره

🌐 Bits Learn | CSSA IUST | LinkedIn

⭕️ مهلت ثبت‌نام دوره یادگیری ماشین رو به اتمام است.

▫️ با توجه به اینکه فردا اولین جلسه دوره یادگیری ماشین برگزار می‌شود، در صورتی که قصد ثبت‌نام دارید هر چه سریع‌تر از اینجا اقدام نمایید.

🌐 Bits Learn | CSSA IUST | LinkedIn

The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery 🧑‍🔬

کارهای تحقیقاتی را به دست هوش مصنوعی بسپار! 🔍

تا امروز توسعه عوامل هوشمندی که قادر به انجام تحقیقات علمی و کشف دانش جدید باشند یکی از چالش‌های بزرگ حوزه هوش مصنوعی بوده است. پیش از این مدل‌های ارائه شده به عوامل انسانی در زمینه ایده‌پردازی یا کدنویسی کمک می‌کردند. این مدل‌ها نیاز به نظارت عامل انسانی داشتند یا به یک وظیفه خاص محدود بودند.

به‌تازگی گروهی از محققان ابزاری به نام The AI ​​Scientist را معرفی کرده‌اند. آنها ادعا می‌کنند اولین سیستم جامع برای اکتشافات علمی به‌صورت کاملاً خودکار را ساخته‌اند که به مدل‌های بنیادی مانند مدل‌های زبان بزرگ (LLM) این امکان را می‌دهد که به‌طور مستقل تحقیق کنند.

یکی از مقاله‌هایی که توسط The AI Scientist نوشته شده است:

- DualScale Diffusion: Adaptive Feature Balancing for Low-Dimensional Generative Models

برای جزئیات بیشتر به مخزن گیت‌هاب و مقاله مربوط به این کار مراجعه کنید.

[اطلاعات بیشتر] [مخزن گیت‌هاب] [مقاله علمی]

🌐 Bits Learn | CSSA IUST | LinkedIn

با ابزار Code to Flow، می‌توانید به راحتی کد خود را به نمودارهای جریان تعاملی تبدیل کنید که به شما کمک می‌کند ساختار و منطق کد خود را بهتر درک کنید. 🧑‍💻

ویژگی‌های کلیدی:
• پشتیبانی از زبان‌های برنامه‌نویسی معروف 💻
• شناسایی مسیرهای کد و جریان‌های منطقی 🛤
• درک آسان کد با استفاده از نمودارهای مختلف 📊
• طرح‌های رنگی و تم‌های قابل تنظیم 🎨
• بصری‌سازی کد بدون محدودیت 🔍

این ابزار یک راهکار عالی برای درک بهتر کد شما ارائه می‌دهد. با استفاده از آن می‌توانید به راحتی مشکلات کد رایج در کد را شناسایی کرده و کد خود را بهینه کنید.

آدرس: https://codetoflow.com

🔹 Bits Learn | CSSA IUST | LinkedIn

🌟 یادگیری زبان انگلیسی با کمک هوش مصنوعی

اگر تصمیم گرفته‌اید زبان انگلیسی را با کمک هوش مصنوعی یاد بگیرید، این ۱۰ پرامپت می‌توانند مسیر یادگیری شما را هموارتر کنند:

Can you help me practice conversational English?

Can you correct my grammar and explain my mistakes?

Can you suggest vocabulary related to [topic]?

Can you help me practice English idioms and their usage?

Can you help me improve my English writing skills?

Can you quiz me on English grammar rules?

Can you help me with pronunciation tips?

Can you explain the difference between [word 1] and [word 2]?

Can you create dialogues to practice real-life conversations?

Can you recommend English books, movies, or podcasts for my level?

با استفاده از این پرامپت‌ها، می‌توانید مهارت‌های مکالمه، نوشتن، گرامر و واژگان خود را تقویت کنید. از مکالمات روزمره تا یادگیری اصطلاحات و بهبود تلفظ، این پرامپت‌ها راهکاری جذاب برای پیشرفت سریع در زبان انگلیسی هستند.

🔹 Bits Learn | CSSA IUST | LinkedIn

🤖 ابزار هوش مصنوعی جدید در عرصه تولید تصاویر: Flux AI

✨ ویژگی‌های Flux AI:

- ۱۲ میلیارد پارامتر: این مدل با استفاده از تعداد زیادی پارامتر، کیفیت و دقت تصاویر تولید شده را به شدت بهبود می‌بخشد.

- تکنیک flow matching: با این تکنیک، Flux AI می‌تواند جزئیات پیچیده و دقیق‌تری را در تصاویر تولید کند.

- کنترل خروجی‌ها: با امکاناتی نظیر guidance scale، شما می‌توانید تصاویر نهایی را با دقت بالا و به شکلی کاملاً سفارشی تولید کنید.

- عملکرد بهتر نسبت به رقبا: در مقایسه با مدل‌هایی مانند DALL-E و Midjourney، Flux AI در زمینه پردازش تصویر و متن نتایج دقیق‌تری ارائه می‌دهد.

- قابلیت انیمیشن‌سازی: امکان تبدیل تصاویر به انیمیشن برای خلق محتوای خلاقانه و پویا فراهم شده است.

🔸 Bits Learn | CSSA IUST | LinkedIn

🤖 مخزنی برای شروع یادگیری هوش مصنوعی مولد

GitHub - Microsoft Generative AI for Beginners

این مخزن یک منبع آموزشی رایگان برای شروع یادگیری هوش مصنوعی مولد است. این مخزن توسط مایکروسافت تهیه شده و حاوی محتواهای آموزشی متنوعی است که به صورت گام به گام شما را با اصول و مبانی هوش مصنوعی مولد آشنا می‌کند.

ویژگی‌های این مخزن:

1. دروس آموزشی کامل: شامل مجموعه‌ای از درس‌ها و پروژه‌ها برای مبتدیان که به صورت ساده و قابل فهم توضیح داده شده‌اند. 🧩

2. پروژه‌های عملی: برای تقویت مفاهیم آموخته شده، پروژه‌های عملی متنوعی ارائه شده که به شما کمک می‌کند تا دانش خود را به‌طور عملی پیاده‌سازی کنید.🔧

3. استفاده از زبان‌های برنامه‌نویسی رایج: مانند Python که یکی از زبان‌های محبوب برای هوش مصنوعی است.📟

4. مناسب برای همه: چه تازه کار باشید و چه تجربه‌ای در زمینه هوش مصنوعی داشته باشید، این مخزن می‌تواند برای شما مفید باشد.🎉

این مخزن آموزشی یک نقطه شروع عالی برای کسانی است که می‌خواهند دانش خود را در زمینه هوش مصنوعی و یادگیری ماشینی گسترش دهند.

[مشاهده در GitHub]

🔹 Bits Learn | CSSA IUST | LinkedIn

PyCaret

یک کتابخانه منبع‌باز و کم کد در پایتون است که به شما امکان می‌دهد فرایندهای یادگیری ماشین را به‌صورت کامل و سریع انجام دهید. این ابزار مناسب برای تازه‌کاران و متخصصان داده است که می‌خواهند زمان کمتری را صرف کد نویسی کنند و بیشتر بر تحلیل داده‌ها تمرکز کنند.

ویژگی های کلیدی
• ساده و سریع
• تحلیل اکتشافی داده
• پیش‌پردازش خودکار داده‌ها
• اموزش و تفسیر مدل‌ها
• ادغام با MLOps

طراحی ماژولار:
این کتابخانه ماژولار است و هر ماژول به وظایف خاصی در یادگیری ماشین اختصاص داده شده است. توابع درون PyCaret در تمام این ماژول‌ها یکسان هستند، که یادگیری و استفاده از آن را ساده می‌کنند.

from pycaret.datasets import get_data
from pycaret.classification import *
data = get_data("iris")
clf_setup = setup(data, target="species", silent=True, session_id=123)
beat_model = compare_models()
print(beat_model)

آدرس وب‌سایت: https://pycaret.org

🔸 Bits Learn | CSSA IUST | LinkedIn

📘 معرفی کتاب: درک یادگیری عمیق

آیا به یادگیری عمیق و مفاهیم پیشرفته هوش مصنوعی علاقه‌مند هستید؟ کتاب «درک یادگیری عمیق» یکی از بهترین منابعی است که به شما کمک می‌کند تا به‌طور جامع و عمیق به دنیای یادگیری ماشین و شبکه‌های عصبی وارد شوید. این کتاب با زبانی ساده و مفهومی، شما را با اصول اولیه و تکنیک‌های پیشرفته‌ی یادگیری عمیق آشنا می‌کند.

🔍 ویژگی‌های برجسته‌ی کتاب:
• توضیحات واضح و جامع از مفاهیم یادگیری عمیق
• مثال‌ها و تمرین‌های کاربردی برای درک بهتر
• پوشش آخرین دستاوردها و تکنولوژی‌های روز

🎓 چه کسانی باید این کتاب را بخوانند؟
• دانشجویان و پژوهشگران حوزه‌ی هوش مصنوعی و یادگیری ماشین
• برنامه‌نویسان و مهندسان نرم‌افزاری که به دنبال یادگیری عمیق‌تر مفاهیم هوش مصنوعی هستند
• علاقه‌مندان به یادگیری مبانی و تکنیک‌های پیشرفته در یادگیری عمیق

🌐 لینک دسترسی به کتاب

🔸 Bits Learn | CSSA IUST | LinkedIn

Netron

یک ابزار قدرتمند و کارآمد برای مصورسازی معماری و مشخصات شبکه‌های عصبی است. این ابزار از فرمت‌های مختلفی مانند فرمت‌های زیر و بسیاری دیگر پشتیبانی می‌کند:
MXNet, ONNX, LiteRT, Core ML, Keras, Caffe, Darknet

ویژگی‌ها:
• پشتیبانی گسترده از فرمت‌های رایج
• نصب و استفاده آسان
• نسخه آنلاین
• پشتیبانی از سیستم‌های عامل مختلف

نترون یک ابزار ضروری برای توسعه‌دهندگان و محققان در حوزه یادگیری ماشین و یادگیری عمیق است که به آنها امکان می‌دهد مدل‌های خود را به صورت گرافیکی و با جزئیات بالا بررسی کنند.

[مخزن گیت‌هاب] [نسخه آنلاین]

🔸 Bits Learn | CSSA IUST | LinkedIn

💻 معرفی PyTorch Cheat Sheet 🚀

🔥 PyTorch یکی از قوی‌ترین فریم‌ورک‌های یادگیری عمیق است که توسط تیم تحقیقاتی فیسبوک (FAIR) توسعه داده شده. این ابزار به دلیل گراف محاسباتی پویا و پشتیبانی عالی از GPU، در میان محققان و توسعه‌دهندگان به شدت محبوب است.

📊 PyTorch Cheat Sheet شامل متدهای کاربردی برای ساخت و آموزش شبکه‌های عصبی است که به شما در پروژه‌های هوش مصنوعی کمک می‌کند.

🔑 چند متد کلیدی:
- torch.tensor: ساخت Tensor از داده‌ها
- torch.zeros: تولید Tensor با صفر
- torch.ones: تولید Tensor با یک
- torch.rand: تولید Tensor با اعداد تصادفی بین 0 و 1

لینک دسترسی : PyTorch Cheat Sheet
⬇️ ادامه دارد...

🔸 Bits Learn | CSSA IUST | LinkedIn

💻 معرفی PyTorch Cheat Sheet 🚀

📚 در ادامه متدهای کلیدی PyTorch:
- torch.matmul: ضرب ماتریسی بین دو Tensor
- torch.cat: اتصال چندین Tensor
- torch.reshape: تغییر شکل Tensor بدون تغییر داده‌ها
- torch.nn.Linear: لایه کاملاً متصل در شبکه‌های عصبی
- torch.optim.Adam: بهینه‌ساز Adam

💡 با استفاده از این Cheat Sheet می‌توانید به راحتی با PyTorch کار کنید و در پروژه‌های یادگیری عمیق خود به موفقیت برسید.

🔸 Bits Learn | CSSA IUST | LinkedIn

📢 معرفی Illuminate AI در Google Labs

🌟 گوگل در Google Labs در حال توسعه ابزاری هوشمند به نام Illuminate AI است که مقالات علمی را به گفت‌وگوهای صوتی جذاب در قالب پادکست تبدیل می‌کند! این ابزار با استفاده از هوش مصنوعی و مدل زبانی قدرتمند Gemini، مقالات را به صورت خلاصه ارائه داده و در قالب یک مکالمه بین یک مصاحبه‌گر مرد و یک متخصص زن به بحث می‌پردازد.

🎙 این ابزار نه تنها به کاربران امکان شنیدن خلاصه‌های دقیق و تخصصی از مقالات علمی را می‌دهد، بلکه آن‌ها را به شکلی طبیعی و قابل فهم به گفت‌وگو تبدیل می‌کند. این ابزار به توسعه‌دهندگان و محققان کمک می‌کند تا به راحتی به منابع علمی دسترسی داشته باشند و آن‌ها را بهتر درک کنند.

📌 این پروژه در حال حاضر در مرحله بتا است و شما می‌توانید از طریق لینک زیر برای لیست انتظار ثبت نام کنید:

🔗 لینک ثبت نام

🔸 Bits Learn | CSSA IUST | LinkedIn