مقدمه کورس Agentic AI که در روزهای پیش رو منتشر خواهد شد...

🧠 مایکروسافت مدل جدید Mage-VL رو منتشر کرد؛ یک مدل چندوجهیِ «کدک-محور» برای درک ویدیو و استریم زنده

مایکروسافت دو مدل به‌هم‌مرتبط رو روی HuggingFace منتشر کرده:

🔹 مدل Mage-VL — مدل چندوجهیِ ۴ میلیارد پارامتری (بر پایه‌ی Qwen3-4B) که هم‌زمان تصویر، ویدیوی کوتاه/بلند و استریم زنده رو درک می‌کنه.
🔹 مدل Mage-ViT — انکودر بصری همین مدل، که کاملاً از صفر (بدون هیچ پیش‌آموزش تصویر-متنِ میلیاردی) آموزش دیده.

✨ ایده‌
به‌جای اینکه ویدیو رو به فریم‌های یکنواخت تبدیل کنن و همه‌شون رو به مدل بدن (که پرهزینه‌ست)، از منطق کدک‌های ویدیویی (مثل H.264/HEVC) الهام گرفتن: فقط فریم‌های کلیدی (I-frame) کامل نگه داشته می‌شن و از فریم‌های پیش‌بینی‌شده (P-frame) فقط بخش‌هایی که واقعاً حرکت/تغییر دارن انتخاب می‌شن. نتیجه؟

• کاهش بیش از ۷۵٪ در تعداد توکن‌های بصری
• تا ۳.۵ برابر سرعت بیشتر در inference
• آموزش روی ویدیوهایی تا ۸ برابر طولانی‌تر با همون بودجه‌ی محاسباتی

📊 عملکرد:
با همون بک‌بون ۴B، در تقریباً همه‌ی بنچمارک‌های ویدیویی و درک مکانی از Qwen3-VL-4B جلوتره (مثلاً +۲۲.۵ در QVHighlight و +۱۱ در VSI-Bench)، و در تصاویر استاتیک هم‌سطح یا کمی بهتره.

🎙️ یه قابلیت جالب دیگه: یک «گیت شناختی» سبک داره که مدل رو در حالت استریم فقط وقتی «رویداد قابل‌توجهی» رخ بده فعال می‌کنه (مثلاً روی گزارش زنده‌ی فوتبال تست شده) — بدون نیاز به چند مدل جدا.


🔗 Mage-VL: https://huggingface.co/microsoft/Mage-VL
🔗 Mage-ViT: https://huggingface.co/microsoft/Mage-ViT

🤖 دوره «Agentic AI با پایتون» منتشر شد!

اگه دنبال این هستی که از حرف زدن با یه مدل زبانی، بری سراغ ساختن عامل‌هایی (Agent) که واقعاً کار انجام می‌دن، ابزار صدا می‌زنن، با هم تیم می‌شن و پروژه‌های واقعی رو پیش می‌برن، این دوره برای شماست!

توی ۸ فصل، از صفر تا ساخت یک پروژه‌ی نهایی کامل جلو می‌ریم:

📘 مقدمه 📗 فصل ۱ - مقدمه‌ای بر گردش‌کارهای عامل‌محور 📗 فصل ۲ - الگوی طراحی Reflection 📗 فصل ۳ - استفاده از ابزار (Tool Use) 📗 فصل ۴ - MCP (پروتکل ارتباط مدل با ابزارها) 📗 فصل ۵ - نکات عملی برای ساخت Agentic AI 📗 فصل ۶ - الگوهای عامل‌های با خودمختاری بالا 📗 فصل ۷ - سیستم‌های چندعامله با crewAI 📗 فصل ۸ - LangChain

🎯 پروژه نهایی: پیاده‌سازی سامانه‌ی Text-to-SQL

تمام کدهای دوره روی گیت‌هاب در دسترس است:
👉 github.com/Alireza-Akhavan/agentic_ai


🎁 تخفیف ویژه
1️⃣برای ۱۰۰ نفر اول، کد تخفیف ۷۰٪ی: COUPON-EAA61
2️⃣ برای ۱۰۰ نفر بعدی، کد تخفیف ۶۰٪ی: COUPON-6EE77

تعداد کدها محدوده، پس اگر می‌خواهی Agentic AI را اصولی یاد بگیری، همین امروز ثبت‌نام کن.



سرفصلهای این دوره |برای مشاهده اسلاید؛ تمرین، پروژه 👈 @agentic_llm

در صورتی که به مدرک مکتب‌خونه نیاز ندارید، می‌توانید کوییزها، و تمرین‌ها و پروژه‌ها را از طریق کانال دانلود کنید:

لینک کانال: https://t.iss.one/agentic_llm

لینک دوره: https://mktb.me/m6tt/

هنگام خرید، کافیست گزینه‌ی «دسترسی پایه» را تیک بزنید تا فقط به ویدیوها دسترسی داشته باشید و بتوانید با هزینه‌ی کمتری ثبت‌نام کنید.

@agentic_llm

اسکیل پیشنهادی: video-prompt-generator (توسعه‌یافته توسط Liangdabiao)
📝 درباره این ابزار: این اسکیل بر پایه یک چارچوب ۷ لایه‌ای و حرفه‌ای برای نوشتن پرامپت‌های قدرتمند طراحی شده است. کارکرد اصلی آن، آموزش به ایجنت (Agent) برای تنظیم دقیق جزئیاتی مانند توصیفات فیزیکی، نورپردازی، ساختار چهره و فرمت‌های JSON است. نتیجه این دقت، خلق تصاویر پایدار با حفظ ثبات (Consistency) در تمامی زوایا خواهد بود

📢 اگر پست دیروز را ندیدید...

دوره Agentic AI با پایتون منتشر شده و از مفاهیم پایه تا ساخت Agentهای حرفه‌ای، MCP، Tool Use، سیستم‌های چندعامله با crewAI، LangChain و پروژه‌ی نهایی Text-to-SQL را به‌صورت عملی آموزش می‌دهد.

🎁 هنوز کد تخفیف ۶۰٪ برای تعداد محدودی از ثبت‌نام‌ها فعال است:

COUPON-6EE77

https://mktb.me/m6tt/

اگر قصد یادگیری Agentic AI را دارید، پیشنهاد می‌کنم فرصت باقی‌مانده را از دست ندهید.

📚 سرفصل‌ها، اسلایدها، تمرین‌ها و پروژه‌ها:
👉 @agentic_llm

🔥 فرصت طلایی یادگیری هوش مصنوعی از امروز شروع می‌شه!
اگه دنبال یه بهونه بودین که بالاخره وارد دنیای AI و LLM بشین، بهترین زمانشه ⚡️
به مناسبت انتشار دوره جدید، 70 درصد تخفیف روی همه دوره‌های #هوش_مصنوعی، #LLM و پردازش_تصویر
آموزش هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)
https://mktb.me/04dr/

COUPON-D9D48

آموزش مدل‌های زبانی-تصویری (VLM): از درک تصویر و ویدیو تا فاین‌تیون پیشرفته
https://mktb.me/e3gx/

COUPON-A7E3C


آموزش جامع یادگیری عمیق (Deep Learning) با Tensorflow و keras
https://mktb.me/2klm/

COUPON-17464

آموزش پردازش تصویر و بینایی ماشین با OpenCV
https://mktb.me/81nt/

COUPON-8A401

دوره‌ی آموزشی ویدیویی Graph Neural Network
https://class.vision/product/graph-neural-network/

gnn_enagen

⚡️ زمان محدود - فرصتو از دست ندین! (فقط تا دوشنبه)

اگر کسی وب و کلاینت کار میکنه، این دوره را نیز به مدت محدود میتوانید رایگان ببینید:

مینی دوره ساخت هوش مصنوعی شخصی در مرورگر

COUPON-B7F7C

ممنون می‌شم دوستانی که دوره های بنده، خصوصا دوره جدید Agentic AI با پایتون رو تهیه کردن، چند دقیقه وقت ارزشمندشان را بذارن و رای و نظرشون رو در مکتب‌خونه ثبت کنن. 🙏

بازخوردهای شما هم برای من بسیار ارزشمنده و هم کمک می‌کنه افرادی که قصد تهیه دوره رو دارن، با اطمینان بیشتری تصمیم بگیرن. ❤️

Source: Hackster.io
https://www.hackster.io/news/running-a-28-9m-parameter-llm-on-an-8-microcontroller-173f1f370708

یادداشت شماره ۱:
درباره «مدلهای جهانی به عنوان بنیانهای شناختی برای AGI»
من یک مجموعه جدید درباره #WorldModels به عنوان زیربنای هوش_مصنوعی_عمومی (#AGI) شروع میکنم.

هوش مصنوعی فراتر از یادگیری ماشین سنتی و حتی #مدلهای_زبانی_بزرگ (#LLMs) امروزی به سرعت در حال تکامل است. یکی از هیجانانگیزترین پرسشها این است:
چگونه سیستمهای هوش_مصنوعی میتوانند یک درک درونی از جهان بسازند، درباره موقعیتهای جدید استدلال کنند، و پیش از اقدام، تصمیمهای بهتری بگیرند؟
WorldModels به عنوان گامی امیدوارکننده به سوی پاسخ به این پرسش ظهور کردهاند.
در این مجموعه، هم مبانی و هم پیشرفتهای اخیر در #WorldModels از #یادگیری_بازنمایی، #JEPA، و بازنماییهای نهان جهانی تا #MultimodalAI #Reasoning, #Planning, #Memory, #ReinforcementLearning #AutonomousAgents را بررسی خواهم کرد.
همچنین درباره تأثیر این ایدهها بر آینده #مدلهای_بنیادی، #رباتیک، #هوش_مصنوعی_در_سلامت، #هوش_مصنوعی_علمی و دیگر کاربردهای دنیای واقعی بحث خواهم کرد.
هدف من این است که این مفاهیم را با پیوند دادن نظریه زیربنایی با پژوهشهای روز، چالشهای مهندسی و پیادهسازیهای واقعی، عملی و قابل درک کنم. چه محقق باشید، چه #دانشمند_داده، چه #مهندس_یادگیری_ماشین، چه #مهندس_هوش_مصنوعی، یا صرفاً به آینده هوش مصنوعی علاقهمند باشید، امیدوارم این مجموعه برایتان باشد. مشتاقم تا در این مسیر با هم یاد بگیریم و نظراتتان را بشنوم.
مرجع تصویر: Y. LeCun, A Path Towards Autonomous Machine Intelligence (2022)

هز چه قدر پول بدی آش میخوری :)

چند روز داشتم یه پروژه‌ی RAG با Neo4j و LangChain کار می‌کردم. یه جای کار retriever همیشه نتیجه‌ی خالی برمی‌گردوند — امبدینگ‌ها سالم، ایندکس سالم، ولی هرچی می‌گشتم هیچی پیدا نمی‌شد.

توی یه دیسکاشن طولانی با Sonnet، کلی فرضیه و راه‌حل امتحان کردیم: نسخه‌ی پکیج، نوع مدل امبدینگ، search_type، حتی رفتیم سراغ ساخت retriever سفارشی و full-text index دستی — هرکدوم یه گوشه از مشکل رو حل می‌کرد ولی ریشه‌ی اصلی پیدا نمی‌شد.

راستش از اول تعمداً سراغ Fable نرفته بودم، چون نمی‌خواستم هزینه‌ی توکنم بالا بره. ولی بعد از حدود دو ساعت کلنجار رفتن، خسته شدم و گفتم یه امتحانی بکنم.

بردمش رو Fable، و تقریباً بلافاصله رسید به یه نکته‌ی ساده که تا اون لحظه هیچ‌کس (نه من، نه Sonnet) بهش دقت نکرده بود: توی ساخت Neo4jVector`، پارامتر `database رو ست نکرده بودم! یعنی داشت به دیتابیس پیش‌فرض Neo4j وصل می‌شد، نه به دیتابیسی که واقعاً داده توش بود. همه‌ی اون رفتارهای عجیب (نتیجه‌ی خالی، جواب‌های نامرتبط) از همین یه پارامتر جا‌مونده بود.

البته Fable واقعا گرونه، و به درد همین مواقع که آدم گیر میکنه میخوره...