گوگل ویدیویی از پروژه Astra رو منتشر کرده که هدف اون تبدیل کردن جمنای به دستیار هوش مصنوعی جامع هست و علاوه بر امکان پرسیدن سوالات مختلف و به خاطر سپردن چیزایی که دیده، این مدل همیشه در حال دیدن و شنیدن خواهد بود و فعالانه به دنبال موقعیت مناسبی که دخالت کنه و نظرشو بگه. مثلا به جای اینکه منتظر بمونه تا در مورد چیزی سوال کنید، این مدل وقتی در حین انجام کاری شمارو ببینه و اشتباهی ازتون سر بزنه اون اشتباه رو بعد از دیدن به شما اطلاع میده.

علاوه بر این امکان کنترل گوشی رو هم داره و با ذکر کار مدنظر با دستورات صوتی، این مدل میتونی بین اپها و منوهای مختلف بچرخه و کار موردنظر رو انجام بده. مثلا راهنما یک محصول خاص رو در اینترنت پیدا کنه، PDF اون رو باز کنه و به بخش مدنظر اسکرول کنه.

همچنین توانایی انجام مکالمات به جای فرد رو داره و مثلا وقتی فرد دنبال قطعه خاصی هست، این مدل میتونه به جای مختلف زنگ بزنه و با حرف زدن با اونها از اون موجود بودن اون مطلع بشه.

این قابلیت ها در حال حاضر در حد طرح مفهوم هستن ولی در اینده به تدریج به هوش مصنوعی جمنای در گوشی اضافه خواهند شد.

🔎 theverge

این ویدئو رو زیرنویس کردم که کامل حس فیلم رو دریافت کنید
این فیلم تماما با Prompt توسط Veo3 ساخته شده است. متن، صدا، و... تنها با یک پرامپت

چه حسی دریافت کردید؟

🎯 با این روش مشکل داده‌های نامتوازن رو به سادگی حل کن!


👨🏻‍💻 یه مشکل مهم تو یادگیری ماشین، داده‌های نامتوازن هستن؛ یعنی یکی از کلاس‌ها (مثلاً موارد نادر) تعدادشون خیلی کمتر از بقیه‌ست. اگه بخوای این موارد کم‌یاب رو هم درست‌تر پیش‌بینی کنی، باید یه فکری براشون بکنی. یکی از روش‌های معروف، SMOTE‌ هست.


❓ حالا SMOTE دقیقاً چی کار می‌کنه؟ ایده‌ش خیلی ساده و در عین حال تاثیرگذاره:

1️⃣ اول SMOTE میاد سراغ هر نقطه قرمز (یعنی کلاس اقلیت) و نزدیک‌ترین همسایه‌های قرمز اون رو پیدا می‌کنه.

2️⃣ یه همسایه رو به صورت تصادفی انتخاب می‌کنه و بین اون دو تا نقطه یه خط مستقیم فرض می‌کشه.

3️⃣ یه نقطه جدید، جایی روی همین خط (هر جایی که شد، کاملاً تصادفی) ایجاد می‌کنه.

4️⃣در آخر این کار رو برای همه نمونه‌های اقلیت تکرار می‌کنه (یا تا زمانی که تعداد کافی داده مصنوعی ساختیم).


⏪ به این ترتیب، با تولید داده مصنوعی بین نقاط واقعی اقلیت، داده‌ها متعادل‌تر می‌شن و مدل (مثلاً رگرسیون لجستیک) می‌تونه مرز تصمیم‌گیری بهتری بذاره و نقاط نادر رو هم بهتر یاد بگیره.


┌ 🧬 SMOTE
└ 📖 Documentation



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡 مهندس ML شوید

📍دوران آکادمی با افتخار برگزار می‌نماید:

🌟وبینار تخصصی مدلهای مولد هوشمند

مدرس: دکتر وحید محمد زاده
(دیتاساینتیست اسبق شرکت ولوو سوئد)

✨دوران آکادمی مجری دوره‌های تخصصی فناوری اطلاعات و مخابرات و هوش مصنوعی

🔗لینک ثبت نام رایگان
👇👇👇👇👇👇
https://Douranacademy.com/وبینار-تخصصی-مدلهای-مولد-هوشمند

مدل Claude Sonnet 4 و Claude Opus 4 امروز توسط شرکت Anthropic معرفی و منتشر شدند...

🧠 ویژگی‌های برجسته Claude Opus 4

✅عملکرد بی‌نظیر در برنامه‌نویسی: Claude Opus 4 در بنچمارک SWE-bench امتیاز ۷۲.۵٪ را کسب کرده است که بالاتر از امتیاز ۵۴.۶٪ مدل GPT-4.1 از OpenAI است.


✅توانایی انجام وظایف طولانی‌مدت: در آزمایشی با شرکت Rakuten، این مدل توانست به‌طور مستقل و بدون وقفه به مدت ۷ ساعت کدنویسی کند...

✅قابلیت‌های پیشرفته در حل مسائل پیچیده: مدل Claude Opus 4 با بهره‌گیری از تفکر مرحله‌به‌مرحله و حافظهٔ گسترده، قادر به انجام وظایف پیچیده و طولانی‌مدت است.

✅ویژگی "تفکر گسترده": این مدل دارای حالت "تفکر گسترده" (Extended Thinking) است که به آن امکان می‌دهد بین پاسخ‌های سریع و استدلال‌های عمیق سوئیچ کند.


https://docs.anthropic.com/en/docs/about-claude/models/overview

*همچنین، مدل Claude Sonnet 4 به‌عنوان نسخه‌ای مقرون‌به‌صرفه‌تر و قاعدتا ضعیفتر در دسترس کاربران است.

⌛ بهترین کتابخونه‌ی پیش‌بینی سری‌های زمانی


👨🏻‍💻 کتابخونه Kats که توسط تیم دیتاساینس فیس‌بوک ساخته شده، یکی از شگفتی‌های پایتونه و امکاناتش واقعاً کاربردیه.

⏪ یه جعبه‌ابزار جمع‌وجور و ساده واسه تحلیل داده‌های سری زمانی؛ یعنی هرچی برای تحلیل، تشخیص، ساخت ویژگی، و پیش‌بینی روی داده‌های زمانی لازم داری، اینجا دم دست داری. مثل:


✅ پیش‌بینی آینده: بیشتر از ۱۰ مدل مختلف داره، امکان ترکیب مدل‌ها، فرایادگیری، بک‌تست و حتی تنظیم خودکار مدل رو هم ساپورت می‌کنه.

📎 لینک: Forecasting

➖ ➖ ➖

☑️ کشف الگو: می‌تونی تغییر روند، نقطه‌های غیرعادی و حتی فصل‌ها رو تو دیتات پیدا کنی.

📎 لینک: Detection

➖ ➖ ➖

✔️ استخراج ویژگی: خودش با یه ماژول مخصوصش، ۶۵ تا ویژگی مختلف سری زمانی رو بهت می‌ده، مناسب برای وقتی که می‌خوای با ML کار کنی.

📎 لینک: TSFeatures

➖ ➖ ➖

☑️ ابزارهای جانبی: شبیه‌ساز سری زمانی و کلی ابزار دیگه.


┌ ⏳ Kats
├ 🌎 Homepage
└ 🐱 GitHub-Repos



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖

#خبرفوری
🔴 ربات چینی وسط تست به مهندسان حمله کرد!

🔸 در جریان یک آزمایش عادی در چین، یک ربات به‌طور ناگهانی تصمیم گرفت به مهندسان حمله کند! این حادثه غیرمنتظره زمانی رخ داد که ربات، به‌جای اجرای برنامه تست، رفتار تهاجمی از خود نشان داد و به سمت کارکنان یورش برد.

این‌که هوش مصنوعی بتونه با نگاه به تصاویر پزشکی مثل سی‌تی‌اسکن یا ام‌آر‌آی، چیزایی مثل نکروز، کیست کاذب یا عفونت رو تشخیص بده، نشون می‌ده که چقدر سریع داره جای خودش رو توی پزشکی باز می‌کنه. چون اینا چیزایی هستن که حتی برای یه پزشک متخصص هم نیاز به دقت، تجربه و ابزار داره.

#هوش_مصنوعی #پزشکی #علوم_پزشکی #ژنتیک #زیست_شناسی #مقاله #پردازش_تصویر

#هوش_مصنوعی #سورس_کد
⚽️ استفاده از بینایی کامپیوتر و هوش مصنوعی در آنالیز فوتبال
📎 دانلود سورس کد (Github)
⚽️ Roboflow decided to use sports as a testing ground to challenge its object detection, image segmentation, keypoint detection, and foundational models.
🔻share with your friends🔻

🤼 «فیتو» مسابقه‌ برنامه‌نویسی کوئراست که در حوزه هوش‌مصنوعی با همکاری فدراسیون کشتی ایران برگزار می‌شود.

🎁 بیش از ۶۰ میلیون تومان جایزه نقدی و کلی هدایای جذاب دیگه…

✔️ فرصت استخدام و همکاری با مرکز نوآوری و هوش‌مصنوعی فدراسیون کشتی(اکتین)
✔️ گواهینامه معتبر
✔️ وبینار جذاب و تخصصی هوش‌مصنوعی در ورزش
✔️ فینال حضوری جذاب در کنار بزرگان کشتی ایران!

🌐 اطلاعات بیشتر و ثبت‌نام رایگان:
🔗 https://quera.org/r/iauep

➖➖➖➖
#Quera‏

🎥 مقایسه عملکرد هوش مصنوعی گوگل Veo 3 و OpenAI Sora

🔹️گوگل همین چند روز پیش از هوش مصنوعی ویدیوساز Veo 3 رونمایی کرد که علاوه‌بر ویدیو، می‌تواند صدا هم تولید کند. در مقابل آن، هوش مصنوعی OpenAI Sora قرار دارد که چندین ماه از عرضه‌اش می‌گذرد. در ویدیوی بالا، عملکرد این ۲ هوش مصنوعی ویدیوساز با هم مقایسه شده است.

✍️ مبارزه ربات ها


#هوش_مصنوعی #رباتیک

👨🏻‍💻 یه راه ساده و سریع برای اجرای مستقیم مدل‌های هوش مصنوعی توی مرورگر، کتابخونه‌ی Transformers.js از Hugging Faceئه!

✏️ با این ابزار می‌تونی خیلی از مدل‌های یادگیری ماشین، از جمله مدل‌های LLM رو بدون نیاز به سرور، کاملاً لوکال اجرا کنی.


❓ چرا Transformers.js انقدر خفنه؟

✅ اجرای ۱۰۰٪ لوکال
☑️ پشتیبانی از WebGPU
✔️ عملکرد عالی
☑️ سازگاری با محیط‌های مختلف
✔️ مثال‌های متنوع


📺 تو ویدیویی که قرار دادم، من خودم باهاش یه مدل ۳۶۰ میلیون پارامتری رو اجرا کردم توی مرورگر، بدون دردسر. سرعتشم عالی بود: حدود ۳۰ توکن در ثانیه!


┌ 🥵 Transformers.js
├ 📖 Documentation
└ 🐱 GitHub-Repos



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖

مدل SignGemma گوگل که زبان اشاره رو به متن تبدیل میکنه ...

هوش مصنوعی Claude قابلیت سرچ وب را که پیش از این در 20 مارس ارائه شده بود برای تمام پلن ها رایگان کرد

https://claude.ai/login

📝پرامپت منفی  یا Negative Prompt چیه؟ چرا مهمه؟

وقتی با هوش مصنوعی تصویر تولید می‌کنین (مثلاً با مدل‌هایی مثل Stable Diffusion)، فقط گفتن اینکه چی می‌خوای کافی نیست!
باید دقیقاً بگی چی نمی‌خوای!
به این می‌گن: Negative Prompt

📌 مثال واقعی:
می‌خواین مدل یه «ماشین اسپرت مدرن توی شب» تولید کنه

🔹نمونه Prompt مثبت:
A futuristic sports car under neon lights in a cyberpunk city, ultra realistic, glossy finish

🔸نمونه Prompt منفی:
blurry, low quality, cartoon style, extra wheels, distorted shapes

🚫 با این Negative Prompt، مدل یاد می‌گیره:

ماشین کارتونی نسازه

چرخ اضافه نزنه

نورها و فرم بدنه رو خراب نکنه

✅ نتیجه؟
تصویری دقیق‌تر، واقعی‌تر و نزدیک‌تر به چیزی که تو ذهنته!

🛠 نکته حرفه‌ای:
اگه دیدین تصویر ایراد داره، با یه Negative Prompt خوب می‌تونین معجزه کنین

💢https://t.iss.one/rss_ai_ir