🤖 موفقیت با Claude Code
تحلیل Anthropic از حدود ۴۰۰ ۰۰۰ سشن Claude Code نشان میدهد که عامل اصلی موفقیت، درک عمیق کاربر از مسئله است نه مهارت برنامهنویسی. در یک سشن معمولی، کاربر حدود ۷۰٪ تصمیمات «چه کاری انجام شود» را میگیرد، در حالی که هوش مصنوعی حدود ۸۰٪ تصمیمات «چگونه انجام شود» را بر عهده میگیرد. کاربران خبره با یک درخواست، تقریباً دو برابر عملهای AI و پنج برابر متن پاسخ دریافت میکنند نسبت به مبتدیان. موفقیت در سشنها همچنین به دقت فرموله کردن نیازها و تشخیص خطاهای مدل بستگی دارد، نه به سمت شغلی کاربر.
🔗 لینک گزارش:
📄 فایل PDF
#پژوهش #Claude
تحلیل Anthropic از حدود ۴۰۰ ۰۰۰ سشن Claude Code نشان میدهد که عامل اصلی موفقیت، درک عمیق کاربر از مسئله است نه مهارت برنامهنویسی. در یک سشن معمولی، کاربر حدود ۷۰٪ تصمیمات «چه کاری انجام شود» را میگیرد، در حالی که هوش مصنوعی حدود ۸۰٪ تصمیمات «چگونه انجام شود» را بر عهده میگیرد. کاربران خبره با یک درخواست، تقریباً دو برابر عملهای AI و پنج برابر متن پاسخ دریافت میکنند نسبت به مبتدیان. موفقیت در سشنها همچنین به دقت فرموله کردن نیازها و تشخیص خطاهای مدل بستگی دارد، نه به سمت شغلی کاربر.
🔗 لینک گزارش:
📄 فایل PDF
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#پژوهش #Claude
🤖 پروکسی منبع باز Netflix برای کاهش توکنهای LLM
یک مهندس Netflix ابزار پروکسی متنباز به نام Headroom ارائه داد که بدون تغییر کد، مصرف توکنهای مدلهای زبانی را بین 60 تا 95 ٪ کاهش میدهد. این لایه بین برنامه شما و LLM قرار میگیرد و خروجی ابزارها، بلوکهای کد و تاریخچه مکالمه را به‑ صورت فشردهسازی در‑حینکار پردازش میکند، بدون خلاصهسازی یا افت دقت (خطای ±0.000%). سازگاری کامل با Claude Code، Cursor، Copilot و کلیه کلاینتهای سازگار با OpenAI دارد. نصب تنها با یک دستور pip و یک متغیر محیطی انجام میشود؛ Netflix نیز به طور داخلی از آن استفاده میکند. پروژه با مجوز Apache 2.0 منتشر شده و در حال حاضر 29.9 هزار ستاره در GitHub دارد.
🔗 Headroom – GitHub
#ابزار #Claude
یک مهندس Netflix ابزار پروکسی متنباز به نام Headroom ارائه داد که بدون تغییر کد، مصرف توکنهای مدلهای زبانی را بین 60 تا 95 ٪ کاهش میدهد. این لایه بین برنامه شما و LLM قرار میگیرد و خروجی ابزارها، بلوکهای کد و تاریخچه مکالمه را به‑ صورت فشردهسازی در‑حینکار پردازش میکند، بدون خلاصهسازی یا افت دقت (خطای ±0.000%). سازگاری کامل با Claude Code، Cursor، Copilot و کلیه کلاینتهای سازگار با OpenAI دارد. نصب تنها با یک دستور pip و یک متغیر محیطی انجام میشود؛ Netflix نیز به طور داخلی از آن استفاده میکند. پروژه با مجوز Apache 2.0 منتشر شده و در حال حاضر 29.9 هزار ستاره در GitHub دارد.
🔗 Headroom – GitHub
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #Claude
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 Xmind AI – نقشهبرداری هوشمند ذهن
امروز سرویس جدید Xmind AI معرفی شد. این شبکه عصبی میتواند با وارد کردن صرفاً یک توصیف کوتاه یا یک عکس از سند، یادداشت یا طرحدستی، یک نقشه ذهنی ساختارمند و جزئیاتدار تولید کند. کاربران میتوانند اطلاعات را بهصورت سلسلهمراتبی سازماندهی، پروژهها را برنامهریزی و ارتباط منطقی بین وظایف مختلف را بهصورت بصری ایجاد کنند. این ابزار برای افزایش بهرهوری، تفکر بصری و نوآوری در تیمها و افراد مناسب است.
📖 وبسایت Xmind AI
#آموزش #DataScience
امروز سرویس جدید Xmind AI معرفی شد. این شبکه عصبی میتواند با وارد کردن صرفاً یک توصیف کوتاه یا یک عکس از سند، یادداشت یا طرحدستی، یک نقشه ذهنی ساختارمند و جزئیاتدار تولید کند. کاربران میتوانند اطلاعات را بهصورت سلسلهمراتبی سازماندهی، پروژهها را برنامهریزی و ارتباط منطقی بین وظایف مختلف را بهصورت بصری ایجاد کنند. این ابزار برای افزایش بهرهوری، تفکر بصری و نوآوری در تیمها و افراد مناسب است.
📖 وبسایت Xmind AI
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #DataScience
🤖 دورهٔ رایگان هوش مصنوعی مایکروسافت برای مبتدیان
این دورهٔ ۱۲ هفتهای شامل ۲۴ جلسهٔ تئوری، تمرینهای عملی، لاب‑های تعاملی و آزمون است. برنامهٔ آموزشی مباحث شبکههای عصبی، یادگیری عمیق، بینایی ماشین، پردازش زبان طبیعی، الگوریتمهای ژنتیک و اخلاق هوش مصنوعی را پوشش میدهد. برای پیادهسازی از دو فریمورک اصلی TensorFlow و PyTorch استفاده میشود و هر جلسه شامل مطالب خواندنی، نوتبوک Jupyter و در صورت نیاز لاب میشود. دوره به زبان انگلیسی است اما به دهها زبان دیگر ترجمه شده است. تمام مطالب و لینکهای مرتبط در مخزن GitHub موجود است.
🔗 مخزن GitHub دوره
#ابزار #DataScience
این دورهٔ ۱۲ هفتهای شامل ۲۴ جلسهٔ تئوری، تمرینهای عملی، لاب‑های تعاملی و آزمون است. برنامهٔ آموزشی مباحث شبکههای عصبی، یادگیری عمیق، بینایی ماشین، پردازش زبان طبیعی، الگوریتمهای ژنتیک و اخلاق هوش مصنوعی را پوشش میدهد. برای پیادهسازی از دو فریمورک اصلی TensorFlow و PyTorch استفاده میشود و هر جلسه شامل مطالب خواندنی، نوتبوک Jupyter و در صورت نیاز لاب میشود. دوره به زبان انگلیسی است اما به دهها زبان دیگر ترجمه شده است. تمام مطالب و لینکهای مرتبط در مخزن GitHub موجود است.
🔗 مخزن GitHub دوره
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #DataScience
🔬 مدل LOGOS: هوش مصنوعی جامع برای علوم طبیعی از Alibaba
تیم Tongyi Lab از Alibaba مدل LOGOS را معرفی کرده است، یک مدل هوش مصنوعی بزرگ (LLM) که برای پوشش تمام علوم طبیعی طراحی شده است. ایده اصلی این مدل، مشابه ChatGPT که کلمه بعدی را پیشبینی میکند، پیشبینی قطعه بعدی پروتئین، مولکول یا واکنش شیمیایی است. اشیاء علمی مختلف با یک زبان توکن مشترک نمایش داده میشوند که امکان انتقال دانش بین حوزهها را فراهم میکند؛ مثلاً درک مولکولها به کار با پروتئینها کمک میکند. به گفته توسعهدهندگان، LOGOS در وظایف مختلف، عملکردی برابر یا بهتر از مدلهای تخصصی هر حوزه دارد.
🔗 HuggingFace | GitHub | arXiv
#معرفی #LOGOS
تیم Tongyi Lab از Alibaba مدل LOGOS را معرفی کرده است، یک مدل هوش مصنوعی بزرگ (LLM) که برای پوشش تمام علوم طبیعی طراحی شده است. ایده اصلی این مدل، مشابه ChatGPT که کلمه بعدی را پیشبینی میکند، پیشبینی قطعه بعدی پروتئین، مولکول یا واکنش شیمیایی است. اشیاء علمی مختلف با یک زبان توکن مشترک نمایش داده میشوند که امکان انتقال دانش بین حوزهها را فراهم میکند؛ مثلاً درک مولکولها به کار با پروتئینها کمک میکند. به گفته توسعهدهندگان، LOGOS در وظایف مختلف، عملکردی برابر یا بهتر از مدلهای تخصصی هر حوزه دارد.
🔗 HuggingFace | GitHub | arXiv
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#معرفی #LOGOS
This media is not supported in your browser
VIEW IN TELEGRAM
📚 جزوات ترنسفورمرها و مدلهای زبانی بزرگ از استنفورد
مجموعه ارزشمندی از جزوات دوره CME-295 دانشگاه استنفورد با تمرکز بر مدلهای زبانی بزرگ (LLMs) منتشر شده است. این جزوات مباحث کلیدی مانند توکنایزیشن (Tokenization)، مکانیزم خود-توجهی (Self-Attention)، پرامپتنویسی (Prompting)، تنظیم دقیق (Fine-tuning)، استفاده از LLM به عنوان قاضی (LLM-as-a-judge)، بازیابی افزوده (RAG)، عاملهای هوش مصنوعی (AI Agents) و مدلهای استدلالی را پوشش میدهند.
🔗 دانلود جزوات
#آموزش #Transformers
مجموعه ارزشمندی از جزوات دوره CME-295 دانشگاه استنفورد با تمرکز بر مدلهای زبانی بزرگ (LLMs) منتشر شده است. این جزوات مباحث کلیدی مانند توکنایزیشن (Tokenization)، مکانیزم خود-توجهی (Self-Attention)، پرامپتنویسی (Prompting)، تنظیم دقیق (Fine-tuning)، استفاده از LLM به عنوان قاضی (LLM-as-a-judge)، بازیابی افزوده (RAG)، عاملهای هوش مصنوعی (AI Agents) و مدلهای استدلالی را پوشش میدهند.
🔗 دانلود جزوات
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #Transformers
❤3
🚀 معرفی VibeThinker-3B
اخبار جذابی از Weibo AI منتشر شد: مدل بازمتن VibeThinker-3B با ۳ میلیارد پارامتر برای استدلال ریاضی، کدنویسی و سایر حوزههای STEM طراحی شده و تحت مجوز MIT بهصورت کاملاً منبع باز ارائه میشود. این مدل بر روی بنچمارکهای استدلال پیشرفته مانند IMO‑AnswerBench با نتایجی برابر با مدلهای چند صد میلیارد پارامتری مانند DeepSeek V3.2 (۶۷۱B) یا Kimi K2.5 (۱T) عملکرد نشان میدهد و در مسابقات LeetCode نادیده 96.1٪ پذیرش دارد. میتوانید مدل را بهصورت مستقیم از Hugging Face دانلود کنید و برای آزمایشهای خود از رابط ModelScope استفاده کنید. جزئیات فنی و مقاله مرتبط در لینکهای زیر موجود است.
🔗 Hugging Face – VibeThinker-3B
🔗 لینکهای اصلی پست:
🔗 modelscope.ai
#خبر #HuggingFace
اخبار جذابی از Weibo AI منتشر شد: مدل بازمتن VibeThinker-3B با ۳ میلیارد پارامتر برای استدلال ریاضی، کدنویسی و سایر حوزههای STEM طراحی شده و تحت مجوز MIT بهصورت کاملاً منبع باز ارائه میشود. این مدل بر روی بنچمارکهای استدلال پیشرفته مانند IMO‑AnswerBench با نتایجی برابر با مدلهای چند صد میلیارد پارامتری مانند DeepSeek V3.2 (۶۷۱B) یا Kimi K2.5 (۱T) عملکرد نشان میدهد و در مسابقات LeetCode نادیده 96.1٪ پذیرش دارد. میتوانید مدل را بهصورت مستقیم از Hugging Face دانلود کنید و برای آزمایشهای خود از رابط ModelScope استفاده کنید. جزئیات فنی و مقاله مرتبط در لینکهای زیر موجود است.
🔗 Hugging Face – VibeThinker-3B
🔗 لینکهای اصلی پست:
🔗 modelscope.ai
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #HuggingFace
🚀 Kimi K2.7 Code HighSpeed: سرعت بیسابقه در مدلهای کد
شرکت چینی Moonshot AI از عرضه Kimi K2.7 Code HighSpeed، نسخه پرسرعت و چندوجهی مدل کد Kimi K2.7 خود، خبر داد. این نسخه جدید تا ۶ برابر سریعتر از نسخه استاندارد عمل میکند و قادر است پاسخها را با سرعت تقریبی ۱۸۰ توکن در ثانیه برای درخواستهای متوسط و تا ۲۶۰ توکن در ثانیه برای متنهای کوتاه تولید کند.
دسترسی به Kimi K2.7 Code HighSpeed برای شرکتکنندگان در برنامه بتا Kimi Code، توسعهدهندگان استفادهکننده از Kimi API و مشتریان سازمانی Kimi Business فراهم شده است و نیازی به دعوتنامه جداگانه نیست. اگرچه در اطلاعیه رسمی به قیمتگذاری اشارهای نشده و بر "هوش باز، فوری و بدون مرز" تاکید شده، اما گزارشها حاکی از آن است که تعرفه API این نسخه پرسرعت دو برابر نسخه استاندارد است.
#خبر #Kimi
شرکت چینی Moonshot AI از عرضه Kimi K2.7 Code HighSpeed، نسخه پرسرعت و چندوجهی مدل کد Kimi K2.7 خود، خبر داد. این نسخه جدید تا ۶ برابر سریعتر از نسخه استاندارد عمل میکند و قادر است پاسخها را با سرعت تقریبی ۱۸۰ توکن در ثانیه برای درخواستهای متوسط و تا ۲۶۰ توکن در ثانیه برای متنهای کوتاه تولید کند.
دسترسی به Kimi K2.7 Code HighSpeed برای شرکتکنندگان در برنامه بتا Kimi Code، توسعهدهندگان استفادهکننده از Kimi API و مشتریان سازمانی Kimi Business فراهم شده است و نیازی به دعوتنامه جداگانه نیست. اگرچه در اطلاعیه رسمی به قیمتگذاری اشارهای نشده و بر "هوش باز، فوری و بدون مرز" تاکید شده، اما گزارشها حاکی از آن است که تعرفه API این نسخه پرسرعت دو برابر نسخه استاندارد است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Kimi
🤖 انتقال بزرگ نوام شازیر از Google به OpenAI
امروز خبر مهمی در حوزه هوش مصنوعی منتشر شد: نوام شازیر، یکی از پیشروان بنیادی در توسعه ترانسفورمرها (مقاله «Attention Is All You Need») و خالق ایدههای multi‑head attention، Mixture‑of‑Experts و مدل T5، پس از سالها خدمت در Google DeepMind، به OpenAI پیوست. شازیر در سال ۲۰۲ استارتاپ Character.AI را تأسیس کرد و در سال ۲۰۲۴ گوگل با پرداخت ۲.۷ میلیارد دلار، این شرکت را خرید و او را برای رهبری پروژه Gemini به کار گرفت؛ دورهای که به طلاییترین دوران مدلهای گوگل منجر شد.
#خبر #Gemini
امروز خبر مهمی در حوزه هوش مصنوعی منتشر شد: نوام شازیر، یکی از پیشروان بنیادی در توسعه ترانسفورمرها (مقاله «Attention Is All You Need») و خالق ایدههای multi‑head attention، Mixture‑of‑Experts و مدل T5، پس از سالها خدمت در Google DeepMind، به OpenAI پیوست. شازیر در سال ۲۰۲ استارتاپ Character.AI را تأسیس کرد و در سال ۲۰۲۴ گوگل با پرداخت ۲.۷ میلیارد دلار، این شرکت را خرید و او را برای رهبری پروژه Gemini به کار گرفت؛ دورهای که به طلاییترین دوران مدلهای گوگل منجر شد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Gemini
❤1
🤖 سهم بازار ChatGPT زیر ۵۰٪ شد
امروز Sensor Tower در گزارشی به TechCrunch اعلام کرد که سهم بازار دستیارهای هوش مصنوعی برای اولین بار به زیر نیمی از کاربران رسیده؛ در پایان ماه مه ChatGPT تنها ۴۶.۴٪ کاربران را در اختیار داشته است. با وجود بیش از ۱.۱ میلیارد کاربر ماهانه، رقبا همچون Gemini از گوگل و Claude از Anthropic بهتدریج جذب مخاطب بیشتری میشوند و نشان میدهند تنوع انتخابهای هوش مصنوعی در حال گسترش است.
#خبر #ChatGPT
امروز Sensor Tower در گزارشی به TechCrunch اعلام کرد که سهم بازار دستیارهای هوش مصنوعی برای اولین بار به زیر نیمی از کاربران رسیده؛ در پایان ماه مه ChatGPT تنها ۴۶.۴٪ کاربران را در اختیار داشته است. با وجود بیش از ۱.۱ میلیارد کاربر ماهانه، رقبا همچون Gemini از گوگل و Claude از Anthropic بهتدریج جذب مخاطب بیشتری میشوند و نشان میدهند تنوع انتخابهای هوش مصنوعی در حال گسترش است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #ChatGPT
❤1
🤖 مدیریت مصرف توکن در Claude
یک کاربر Claude تجربهاش را از مصرف بالای توکن به اشتراک گذاشته است. او متوجه شد که بخش قابل توجهی از توکنها توسط حدود ۲۰۰ Skill (قابلیتهای اضافی یا پلاگینها) نصبشده و سرورهای MCP متصل (مانند Figma، Canva و Higgsfield) مصرف میشوند، حتی اگر بسیاری از آنها استفاده نشوند. برای حل این مشکل، با اجرای دستور
#آموزش #Claude
یک کاربر Claude تجربهاش را از مصرف بالای توکن به اشتراک گذاشته است. او متوجه شد که بخش قابل توجهی از توکنها توسط حدود ۲۰۰ Skill (قابلیتهای اضافی یا پلاگینها) نصبشده و سرورهای MCP متصل (مانند Figma، Canva و Higgsfield) مصرف میشوند، حتی اگر بسیاری از آنها استفاده نشوند. برای حل این مشکل، با اجرای دستور
/context، توانست تفکیک مصرف توکنها را بر اساس دستهبندی مشاهده کند و Skillهای بلااستفاده را غیرفعال کند. این اقدام منجر به کاهش چشمگیر مصرف توکنهای مربوط به Skillها از حدود ۳۰ هزار به ۳ تا ۴ هزار شد که صرفهجویی ۲۶ هزار توکنی را به همراه داشت.📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #Claude
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🎨 فیگما، عامل هوش مصنوعی خود را معرفی کرد: تحولی در طراحی
فیگما (Figma)، پلتفرم محبوب طراحی، از عامل هوش مصنوعی (AI agent) داخلی خود رونمایی کرده است که مستقیماً در بوم (canvas) ویرایشگر تعبیه شده و نه به عنوان یک سرویس جداگانه یا پلاگین. این عامل هوش مصنوعی قابلیتهای چشمگیری را ارائه میدهد که روند طراحی را متحول خواهد کرد.
این عامل قادر است صفحهها و کامپوننتها (components) را مستقیماً در تایملاین (timeline) تولید کند و سیستم طراحی (design system)، توکنها (tokens) و کامپوننتهای موجود شما را درک میکند. یکی از ویژگیهای برجسته آن، توانایی اجرای چندین ایده به صورت موازی است؛ مثلاً میتوانید سه گزینه سبک مختلف را درخواست کنید و عامل هر سه را همزمان ایجاد میکند.
فیگما (Figma)، پلتفرم محبوب طراحی، از عامل هوش مصنوعی (AI agent) داخلی خود رونمایی کرده است که مستقیماً در بوم (canvas) ویرایشگر تعبیه شده و نه به عنوان یک سرویس جداگانه یا پلاگین. این عامل هوش مصنوعی قابلیتهای چشمگیری را ارائه میدهد که روند طراحی را متحول خواهد کرد.
این عامل قادر است صفحهها و کامپوننتها (components) را مستقیماً در تایملاین (timeline) تولید کند و سیستم طراحی (design system)، توکنها (tokens) و کامپوننتهای موجود شما را درک میکند. یکی از ویژگیهای برجسته آن، توانایی اجرای چندین ایده به صورت موازی است؛ مثلاً میتوانید سه گزینه سبک مختلف را درخواست کنید و عامل هر سه را همزمان ایجاد میکند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 انفجار محتوای آنلاین با هوش مصنوعی
هوش مصنوعی با سرعتی بیسابقه، تمام جنبههای وب را با محتوای بیشمار از جمله کتاب، پرونده حقوقی، مقالات پژوهشی، اپلیکیشن و موسیقی پر کرده است. از زمان ظهور ChatGPT، انتشار کتابهای الکترونیکی در آمازون سه برابر شده و به حدود ۳۰۰ هزار عنوان در ماه رسیده که بخش عمده آن توسط هوش مصنوعی تولید میشود. حتی سیستم قضایی نیز تحت تأثیر قرار گرفته؛ تعداد پروندههای حقوقی خودتنظیمشده در آمریکا دو برابر شده و تقریباً یک پنجم شکایات با کمک هوش مصنوعی نوشته شدهاند. در حوزه دانشگاهی، حجم مقالات ارسالی افزایش یافته، نرخ رد مقالات بیش از دو برابر شده و بیش از نیمی از مقالات ۲۰۲۵ نشانههایی از نگارش با هوش مصنوعی را داشتند.
#خبر #LLaMA
هوش مصنوعی با سرعتی بیسابقه، تمام جنبههای وب را با محتوای بیشمار از جمله کتاب، پرونده حقوقی، مقالات پژوهشی، اپلیکیشن و موسیقی پر کرده است. از زمان ظهور ChatGPT، انتشار کتابهای الکترونیکی در آمازون سه برابر شده و به حدود ۳۰۰ هزار عنوان در ماه رسیده که بخش عمده آن توسط هوش مصنوعی تولید میشود. حتی سیستم قضایی نیز تحت تأثیر قرار گرفته؛ تعداد پروندههای حقوقی خودتنظیمشده در آمریکا دو برابر شده و تقریباً یک پنجم شکایات با کمک هوش مصنوعی نوشته شدهاند. در حوزه دانشگاهی، حجم مقالات ارسالی افزایش یافته، نرخ رد مقالات بیش از دو برابر شده و بیش از نیمی از مقالات ۲۰۲۵ نشانههایی از نگارش با هوش مصنوعی را داشتند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #LLaMA
This media is not supported in your browser
VIEW IN TELEGRAM
🎬 تبدیل اسلاید به ویدیو با Google Vids
گوگل ابزار جدیدی به نام Google Vids معرفی کرده که اسلایدهای معمولی را به ویدیوهای حرفهای تبدیل میکند. جذابترین قابلیت این ابزار، آواتار هوش مصنوعی است که محتوای اسلایدها را مانند یک ارائهدهنده واقعی برایتان روایت میکند؛ انگار یک نفر در حال پرزنتیشن است. این ابزار در حال حاضر رایگان است و برای کسانی که از پاورپوینتهای خستهکننده فرسوده شدهاند، گزینهای جالب برای امتحان کردن است.
#معرفی #Google
گوگل ابزار جدیدی به نام Google Vids معرفی کرده که اسلایدهای معمولی را به ویدیوهای حرفهای تبدیل میکند. جذابترین قابلیت این ابزار، آواتار هوش مصنوعی است که محتوای اسلایدها را مانند یک ارائهدهنده واقعی برایتان روایت میکند؛ انگار یک نفر در حال پرزنتیشن است. این ابزار در حال حاضر رایگان است و برای کسانی که از پاورپوینتهای خستهکننده فرسوده شدهاند، گزینهای جالب برای امتحان کردن است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#معرفی #Google
❤2