⚡ تسلا ایستگاههای شارژ خود را به دیتاسنترهای هوش مصنوعی تبدیل میکند؟
شرکت تسلا به طور مخفیانه درخواستی برای ثبت "MEGAPOD" ارائه کرده است. این نام به سیستمهای ماژولار برای محاسبات هوش مصنوعی اشاره دارد و این احتمال وجود دارد که تسلا قصد دارد شبکه Supercharger خود را به یک زیرساخت توزیعشده برای هوش مصنوعی تبدیل کند. این طرح میتواند به تسلا اجازه دهد تا از ایستگاههای شارژ خودروها در طول روز برای شارژ خودروها و در طول شب برای پردازشهای هوش مصنوعی استفاده کند. اگر این طرح موفقیتآمیز باشد، تسلا نه تنها ناوگان خودرویی، بلکه شبکه مینیدیتاسنترهای اختصاصی خود را نیز خواهد داشت.
#خبر #DataScience
شرکت تسلا به طور مخفیانه درخواستی برای ثبت "MEGAPOD" ارائه کرده است. این نام به سیستمهای ماژولار برای محاسبات هوش مصنوعی اشاره دارد و این احتمال وجود دارد که تسلا قصد دارد شبکه Supercharger خود را به یک زیرساخت توزیعشده برای هوش مصنوعی تبدیل کند. این طرح میتواند به تسلا اجازه دهد تا از ایستگاههای شارژ خودروها در طول روز برای شارژ خودروها و در طول شب برای پردازشهای هوش مصنوعی استفاده کند. اگر این طرح موفقیتآمیز باشد، تسلا نه تنها ناوگان خودرویی، بلکه شبکه مینیدیتاسنترهای اختصاصی خود را نیز خواهد داشت.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #DataScience
❤1
🤖 Codex حالا با همه مدلها کار میکند
کدکس (Codex) بهروز شد و امکان اتصال به مدلهای محلی را فراهم کرد. با استفاده از دستور
این قابلیت به توسعهدهندگان اجازه میدهد تا بهطور کامل از سرویسهای ابری جدا شوند و مدلهای سازگار را روی سختافزار خود اجرا کنند، در نتیجه هزینههای اشتراکهای خارجی حذف میشود. همینطور میتوانید از هر شبکه عصبی سازگار بر روی سیستم خود استفاده کنید بدون نیاز به اتصال اینترنتی.
#خبر #DataScience
کدکس (Codex) بهروز شد و امکان اتصال به مدلهای محلی را فراهم کرد. با استفاده از دستور
oss میتوانید کدکس را به پلتفرمهای شخص ثالثی مانند Ollama یا LM Studio متصل کنید؛ اگر پارامتر خاصی تعیین نشود، بهصورت پیشفرض به Ollama وصل میشود که میتوان آن را در فایل oss_provider تغییر داد.این قابلیت به توسعهدهندگان اجازه میدهد تا بهطور کامل از سرویسهای ابری جدا شوند و مدلهای سازگار را روی سختافزار خود اجرا کنند، در نتیجه هزینههای اشتراکهای خارجی حذف میشود. همینطور میتوانید از هر شبکه عصبی سازگار بر روی سیستم خود استفاده کنید بدون نیاز به اتصال اینترنتی.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #DataScience
❤1
Media is too big
VIEW IN TELEGRAM
🤖 توسعه ۴۰ دقیقهای: ساخت اپلیکیشن از صفر با لوپ سهایجنت
این ویدیو نشان میدهد که تیمی از مهندسان میتوانند در حدود ۴۰ دقیقه یک برنامه کاربردی کامل را بهصورت چرخهای (Loop) با سه نقش اصلی - پلنر (طرحریزی)، بیلدر (نویسنده کد) و جاجکننده (مستندسازی و تست) - بسازند. پلنر ابتدا ساختار کلی محصول را طرحریزی میکند، سپس بیلدر کدها را مینویسد و در نهایت جاجکننده عملکردها را بررسی میکند؛ در صورت شناسایی نقص، مرحله پیشین بازگردانده میشود تا اصلاح شود. این فرایند تکراری تضمین میکند که محصول نهایی تمیز، با کیفیت و بدون خطا تحویل داده میشود.
#آموزش #AgentAI
این ویدیو نشان میدهد که تیمی از مهندسان میتوانند در حدود ۴۰ دقیقه یک برنامه کاربردی کامل را بهصورت چرخهای (Loop) با سه نقش اصلی - پلنر (طرحریزی)، بیلدر (نویسنده کد) و جاجکننده (مستندسازی و تست) - بسازند. پلنر ابتدا ساختار کلی محصول را طرحریزی میکند، سپس بیلدر کدها را مینویسد و در نهایت جاجکننده عملکردها را بررسی میکند؛ در صورت شناسایی نقص، مرحله پیشین بازگردانده میشود تا اصلاح شود. این فرایند تکراری تضمین میکند که محصول نهایی تمیز، با کیفیت و بدون خطا تحویل داده میشود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #AgentAI
🤖 معرفی سیستم ارکستراسیون عامل Fugu از Sakana AI
شرکت Sakana AI سیستم ارکستراسیون عامل (Agent Orchestration) خود با نام Fugu را پس از دو ماه دوره بتا، به صورت عمومی منتشر کرد. این سیستم، که در آوریل معرفی شده بود، یک مدل زبان کوچک (LLM) است که برای فراخوانی و مدیریت سایر LLMها آموزش دیده. Fugu به جای تعریف دستی مکانیزمها و نقشها، به صورت تطبیقی تصمیم میگیرد کدام LLM را با چه نقشی و برای چه زیروظایفی فراخوانی کند و در برخی پیکربندیها از Fable 5 نیز پیشی میگیرد.
#معرفی #AgentAI
شرکت Sakana AI سیستم ارکستراسیون عامل (Agent Orchestration) خود با نام Fugu را پس از دو ماه دوره بتا، به صورت عمومی منتشر کرد. این سیستم، که در آوریل معرفی شده بود، یک مدل زبان کوچک (LLM) است که برای فراخوانی و مدیریت سایر LLMها آموزش دیده. Fugu به جای تعریف دستی مکانیزمها و نقشها، به صورت تطبیقی تصمیم میگیرد کدام LLM را با چه نقشی و برای چه زیروظایفی فراخوانی کند و در برخی پیکربندیها از Fable 5 نیز پیشی میگیرد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#معرفی #AgentAI
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 مقایسه GLM 5.2 و Opus 4.8
برای مقایسه عملکرد و هزینه GLM 5.2 و Opus 4.8، از هر دو مدل با یک پرامپت یکسان خواسته شد تا یک بازی Backrooms را در قالب HTML تولید کنند.
#گزارش #GLM
برای مقایسه عملکرد و هزینه GLM 5.2 و Opus 4.8، از هر دو مدل با یک پرامپت یکسان خواسته شد تا یک بازی Backrooms را در قالب HTML تولید کنند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#گزارش #GLM
Media is too big
VIEW IN TELEGRAM
🐎 معرفی HappyHorse 1.1 از Alibaba
Alibaba بهتازگی نسخه ۱.۱ از مدل تولید ویدیوی خود، HappyHorse را منتشر کرده است. این بهروزرسانی بهبودهای قابل توجهی در کیفیت ویدیوها به ارمغان آورده است، از جمله حرکات روانتر و جزئیات واضحتر. همچنین، HappyHorse 1.1 قادر است با استفاده از حداکثر ۹ تصویر مرجع، شخصیتهای ثابتی را در طول ویدیو حفظ کند که به انسجام بصری کمک شایانی میکند.
مهمترین نوآوری در این نسخه، قابلیت همگامسازی بومی (native) صدای چندزبانه است. این ویژگی به کاربران امکان میدهد تا ویدیوهایی با دیالوگ و صدا به زبانهای مختلف تولید کنند. HappyHorse 1.1 از حالتهای مختلفی پشتیبانی میکند، از جمله text-to-video (تبدیل متن به ویدیو)، image-to-video (تبدیل تصویر به ویدیو) و حالت reference (استفاده از مرجع).
ویدیوهای خروجی با HappyHorse 1.1 میتوانند بین ۳ تا ۱۵ ثانیه طول داشته باشند و با کیفیت 720p یا 1080p تولید شوند که شامل دیالوگها و جلوههای صوتی نیز میشوند. این مدل پیشرفته هماکنون از طریق Alibaba Cloud و پلتفرم fal.ai در دسترس قرار گرفته است.
Alibaba بهتازگی نسخه ۱.۱ از مدل تولید ویدیوی خود، HappyHorse را منتشر کرده است. این بهروزرسانی بهبودهای قابل توجهی در کیفیت ویدیوها به ارمغان آورده است، از جمله حرکات روانتر و جزئیات واضحتر. همچنین، HappyHorse 1.1 قادر است با استفاده از حداکثر ۹ تصویر مرجع، شخصیتهای ثابتی را در طول ویدیو حفظ کند که به انسجام بصری کمک شایانی میکند.
مهمترین نوآوری در این نسخه، قابلیت همگامسازی بومی (native) صدای چندزبانه است. این ویژگی به کاربران امکان میدهد تا ویدیوهایی با دیالوگ و صدا به زبانهای مختلف تولید کنند. HappyHorse 1.1 از حالتهای مختلفی پشتیبانی میکند، از جمله text-to-video (تبدیل متن به ویدیو)، image-to-video (تبدیل تصویر به ویدیو) و حالت reference (استفاده از مرجع).
ویدیوهای خروجی با HappyHorse 1.1 میتوانند بین ۳ تا ۱۵ ثانیه طول داشته باشند و با کیفیت 720p یا 1080p تولید شوند که شامل دیالوگها و جلوههای صوتی نیز میشوند. این مدل پیشرفته هماکنون از طریق Alibaba Cloud و پلتفرم fal.ai در دسترس قرار گرفته است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
🚀 یادگیری رایگان هوش مصنوعی از غولهای فناوری
این پست لیستی از منابع آموزشی رایگان هوش مصنوعی را از شرکتهای پیشرو در این حوزه معرفی میکند. این منابع فرصتی عالی برای متخصصان علم داده فراهم میکنند تا دانش خود را در زمینههای مختلف هوش مصنوعی بهروز نگه دارند.
شرکتهایی مانند Anthropic، Google، Meta، NVIDIA، Microsoft، OpenAI، IBM، AWS، DeepLearning.AI و Hugging Face دورهها و آموزشهای رایگانی را در پلتفرمهای خود ارائه میدهند. این آموزشها طیف وسیعی از موضوعات، از مبانی یادگیری ماشین گرفته تا کاربردهای پیشرفته هوش مصنوعی و ابزارهای تخصصی مانند CUDA را پوشش میدهند.
برای دسترسی به این منابع، میتوانید از لینکهای زیر استفاده کنید:
📖 Anthropic
📖 Google AI
📖 Meta AI Resources
📖 NVIDIA CUDA
📖 Microsoft Training
📖 OpenAI Academy
📖 IBM SkillsBuild
📖 AWS Skillbuilder
📖 DeepLearning.AI
📖 Hugging Face Learn
🔗 grow.google
#آموزش #OpenAI
این پست لیستی از منابع آموزشی رایگان هوش مصنوعی را از شرکتهای پیشرو در این حوزه معرفی میکند. این منابع فرصتی عالی برای متخصصان علم داده فراهم میکنند تا دانش خود را در زمینههای مختلف هوش مصنوعی بهروز نگه دارند.
شرکتهایی مانند Anthropic، Google، Meta، NVIDIA، Microsoft، OpenAI، IBM، AWS، DeepLearning.AI و Hugging Face دورهها و آموزشهای رایگانی را در پلتفرمهای خود ارائه میدهند. این آموزشها طیف وسیعی از موضوعات، از مبانی یادگیری ماشین گرفته تا کاربردهای پیشرفته هوش مصنوعی و ابزارهای تخصصی مانند CUDA را پوشش میدهند.
برای دسترسی به این منابع، میتوانید از لینکهای زیر استفاده کنید:
📖 Anthropic
📖 Google AI
📖 Meta AI Resources
📖 NVIDIA CUDA
📖 Microsoft Training
📖 OpenAI Academy
📖 IBM SkillsBuild
📖 AWS Skillbuilder
📖 DeepLearning.AI
📖 Hugging Face Learn
🔗 grow.google
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #OpenAI
@DataPlusScience -Advanced-RAG-Techniques.pdf
13.1 MB
📚 راهنمای جامع تکنیکهای پیشرفته RAG
این کتابچه راهنمایی، بهینهسازی سامانههای تولید مبتنی بر بازیابی (Retrieval-Augmented Generation یا RAG) را هدف قرار داده است. RAG با اتصال مدلهای زبانی بزرگ (LLMs) به پایگاه دانش خارجی، دقت و واقعگرایی پاسخها را به طور چشمگیری افزایش میدهد. این منبع برای پژوهشگران و توسعهدهندگانی که به دنبال ارتقاء عملکرد سیستمهای RAG و چتباتهای خود هستند، بسیار مفید است.
کتاب چهار مرحله کلیدی در فرایند RAG را به تفصیل شرح میدهد: نمایهسازی (Indexing) شامل پیشپردازش داده و استراتژیهای تقسیمبندی (Chunking) برای ساختاردهی و جستجوی بهتر؛ پیشبازیابی (Pre-Retrieval) که با استفاده از LLMs به بازنویسی و هدایت هوشمندانه پرسشها میپردازد؛ بازیابی (Retrieval) با بهکارگیری فیلترهای فراداده و جستجوی ترکیبی.
#آموزش #RAG
این کتابچه راهنمایی، بهینهسازی سامانههای تولید مبتنی بر بازیابی (Retrieval-Augmented Generation یا RAG) را هدف قرار داده است. RAG با اتصال مدلهای زبانی بزرگ (LLMs) به پایگاه دانش خارجی، دقت و واقعگرایی پاسخها را به طور چشمگیری افزایش میدهد. این منبع برای پژوهشگران و توسعهدهندگانی که به دنبال ارتقاء عملکرد سیستمهای RAG و چتباتهای خود هستند، بسیار مفید است.
کتاب چهار مرحله کلیدی در فرایند RAG را به تفصیل شرح میدهد: نمایهسازی (Indexing) شامل پیشپردازش داده و استراتژیهای تقسیمبندی (Chunking) برای ساختاردهی و جستجوی بهتر؛ پیشبازیابی (Pre-Retrieval) که با استفاده از LLMs به بازنویسی و هدایت هوشمندانه پرسشها میپردازد؛ بازیابی (Retrieval) با بهکارگیری فیلترهای فراداده و جستجوی ترکیبی.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #RAG
❤1
📚 راهنمای رایگان MIT برای مفاهیم کلیدی بینایی ماشین
موسسه فناوری ماساچوست (MIT) کتابی رایگان در زمینه بینایی ماشین منتشر کرده است که مفاهیم کلیدی این حوزه را پوشش میدهد. این راهنما برای علاقهمندان به هوش مصنوعی و یادگیری ماشین که به دنبال درک عمیقتر بینایی ماشین هستند، بسیار مفید است.
🔗 MIT Computer Vision Book
#آموزش #ComputerVision
موسسه فناوری ماساچوست (MIT) کتابی رایگان در زمینه بینایی ماشین منتشر کرده است که مفاهیم کلیدی این حوزه را پوشش میدهد. این راهنما برای علاقهمندان به هوش مصنوعی و یادگیری ماشین که به دنبال درک عمیقتر بینایی ماشین هستند، بسیار مفید است.
🔗 MIT Computer Vision Book
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #ComputerVision
❤1
🏴 تاسوعای حسینی تسلیت باد!
#مناسبت #تاسوعا
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#مناسبت #تاسوعا
❤13
🔍 مدل Unlimited OCR از Baidu: انقلابی در پردازش اسناد طولانی
شرکت Baidu از مدل جدیدی به نام Unlimited OCR رونمایی کرده است که قابلیت پردازش اسناد بسیار طولانی را در یک مرحله (one-pass) فراهم میکند. این مدل با ۳ میلیارد پارامتر، تنها از ۵۰۰ میلیون پارامتر فعال استفاده میکند و در بنچمارکهای OmniDocBench v1.5 و v1.6 به نتایج پیشرفته (SOTA) دست یافته است.
ویژگی کلیدی این مدل، مکانیزم نوآورانه Reference Sliding Window Attention است. این مکانیزم به مدل اجازه میدهد تا همزمان روی متن اصلی سند، زمینه (context) اخیر و کلمات بعدی تمرکز کند و در عین حال، اطلاعات غیرضروری را به تدریج کنار بگذارد تا از افزایش بیرویه محاسبات جلوگیری شود.
#معرفی #UnlimitedOCR
شرکت Baidu از مدل جدیدی به نام Unlimited OCR رونمایی کرده است که قابلیت پردازش اسناد بسیار طولانی را در یک مرحله (one-pass) فراهم میکند. این مدل با ۳ میلیارد پارامتر، تنها از ۵۰۰ میلیون پارامتر فعال استفاده میکند و در بنچمارکهای OmniDocBench v1.5 و v1.6 به نتایج پیشرفته (SOTA) دست یافته است.
ویژگی کلیدی این مدل، مکانیزم نوآورانه Reference Sliding Window Attention است. این مکانیزم به مدل اجازه میدهد تا همزمان روی متن اصلی سند، زمینه (context) اخیر و کلمات بعدی تمرکز کند و در عین حال، اطلاعات غیرضروری را به تدریج کنار بگذارد تا از افزایش بیرویه محاسبات جلوگیری شود.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#معرفی #UnlimitedOCR
❤1
🤖 معرفی OCR 4 توسط Mistral AI
اخبار اخیر نشان میدهد که Mistral AI مدل OCR 4 را عرضه کرده است. این مدل اسناد را به ساختارهای قابل استفاده تبدیل میکند: بلوکها را با bounding boxes تشخیص میدهد، نوع عناصر (عنوان، جدول، فرمول، امضا) را شناسایی میکند و برای هر صفحه و هر کلمه confidence score (امتیاز اطمینان) ارائه میدهد. OCR 4 توانایی پشتیبانی از 170 زبان را دارد و هدف اصلی آن نه صرفاً تشخیص متن، بلکه امکان استفاده مستقیم در ردیابی اطلاعات (RAG)، جستجوی سازمانی، ویرایش، بازبینی انسانی و خطوط لولهٔ هوش مصنوعی است.
#معرفی #Mistral
اخبار اخیر نشان میدهد که Mistral AI مدل OCR 4 را عرضه کرده است. این مدل اسناد را به ساختارهای قابل استفاده تبدیل میکند: بلوکها را با bounding boxes تشخیص میدهد، نوع عناصر (عنوان، جدول، فرمول، امضا) را شناسایی میکند و برای هر صفحه و هر کلمه confidence score (امتیاز اطمینان) ارائه میدهد. OCR 4 توانایی پشتیبانی از 170 زبان را دارد و هدف اصلی آن نه صرفاً تشخیص متن، بلکه امکان استفاده مستقیم در ردیابی اطلاعات (RAG)، جستجوی سازمانی، ویرایش، بازبینی انسانی و خطوط لولهٔ هوش مصنوعی است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#معرفی #Mistral
❤3
Media is too big
VIEW IN TELEGRAM
🤖 بهروزرسانی SeeDance 2.5 و Seedream 5.0 Pro
شرکت ByteDance در کنفرانس Volcengine FORCE نسخه جدید SeeDance 2.5 را معرفی کرد. این بهروزرسانی امکان پشتیبانی از تا ۵۰ مرجع چندرسانهای، از جمله مدلهای سهبعدی، ویرایش بر پایه پرامپت و پخش بومی ۴K را فراهم میکند. در همان حال SeeDance 2.0 نیز پس از یک دوره توسعه به پشتیبانی ۴K دست یافت.
در همین زمان، Seedream 5.0 Pro بهروزرسانی شد و امکان ویرایش لایهبه‑لایه محتوا بهسان ابزار reve‑2.0 را اضافه کرده؛ بهعلاوه مدل صوتی جدید Seed‑Audio 1.0 نیز در این نسخه گنجانده شد. خانواده Seed نیز به نسخه 2.1 ارتقاء یافت، اگرچه عملکرد مدلهای زبان (LLM) همچنان رضایتبخش نیست.
نگاهها به سوی تاریخ انتشار SeeDance 2.5 در ماه ژوئیه متمرکز شدهاند و این افزونهها گامهای مهمی در جهت ارتقای تولید محتوای مولد چندرسانهای خواهند داشت.
#خبر #DataScience
شرکت ByteDance در کنفرانس Volcengine FORCE نسخه جدید SeeDance 2.5 را معرفی کرد. این بهروزرسانی امکان پشتیبانی از تا ۵۰ مرجع چندرسانهای، از جمله مدلهای سهبعدی، ویرایش بر پایه پرامپت و پخش بومی ۴K را فراهم میکند. در همان حال SeeDance 2.0 نیز پس از یک دوره توسعه به پشتیبانی ۴K دست یافت.
در همین زمان، Seedream 5.0 Pro بهروزرسانی شد و امکان ویرایش لایهبه‑لایه محتوا بهسان ابزار reve‑2.0 را اضافه کرده؛ بهعلاوه مدل صوتی جدید Seed‑Audio 1.0 نیز در این نسخه گنجانده شد. خانواده Seed نیز به نسخه 2.1 ارتقاء یافت، اگرچه عملکرد مدلهای زبان (LLM) همچنان رضایتبخش نیست.
نگاهها به سوی تاریخ انتشار SeeDance 2.5 در ماه ژوئیه متمرکز شدهاند و این افزونهها گامهای مهمی در جهت ارتقای تولید محتوای مولد چندرسانهای خواهند داشت.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #DataScience
🤖 سیستم حافظه بلندمدت متن باز Tencent برای عوامل هوش مصنوعی
Tencent اخیراً سامانهٔ «TencentDB Agent Memory» را بهصورت متن باز منتشر کرد. این سیستم با استفاده از یک هرم معنایی چهار لایه، مصرف توکن را تا ۶۱٫۳۸٪ کاهش میدهد و بهصورت کاملاً محلی بدون وابستگی به APIهای خارجی اجرا میشود. لایهٔ صفر شامل لاگهای مکالمهٔ خام، لایهٔ یک واقعیتهای اتمی استخراجشده، لایهٔ دو بلوکهای صحنهای ترکیبی، و لایهٔ سه شخصیت کاربر نهایی است که از تمامی لایههای پایین استخراج میشود. عامل ابتدا شخصیت کامل را میخواند و تنها در صورت نیاز به جزئیات خاص به لاگهای خام مراجعه میکند؛ لایههای بالاتر قضاوت و لایههای پایینتر شواهد را فراهم میآورند.
#ابزار #DataScience
Tencent اخیراً سامانهٔ «TencentDB Agent Memory» را بهصورت متن باز منتشر کرد. این سیستم با استفاده از یک هرم معنایی چهار لایه، مصرف توکن را تا ۶۱٫۳۸٪ کاهش میدهد و بهصورت کاملاً محلی بدون وابستگی به APIهای خارجی اجرا میشود. لایهٔ صفر شامل لاگهای مکالمهٔ خام، لایهٔ یک واقعیتهای اتمی استخراجشده، لایهٔ دو بلوکهای صحنهای ترکیبی، و لایهٔ سه شخصیت کاربر نهایی است که از تمامی لایههای پایین استخراج میشود. عامل ابتدا شخصیت کامل را میخواند و تنها در صورت نیاز به جزئیات خاص به لاگهای خام مراجعه میکند؛ لایههای بالاتر قضاوت و لایههای پایینتر شواهد را فراهم میآورند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #DataScience
Media is too big
VIEW IN TELEGRAM
🤖 کلیپبرد Claude Tag از Anthropic
امروزه Anthropic نسخهٔ جدیدی از Claude به نام «Claude Tag» را معرفی کرد که امکان افزودن Claude به عنوان یک عضو تیم در کانالهای Slack را فراهم میکند. با صدا زدن @Claude میتوانید وظیفهای را به او واگذار کنید؛ Claude بلافاصله کار را اجرا و نتایج را در همان چت میفرستد، طوری که بدون خروج از گفتوگو میتوانید کدهای تولید شده را مرور و ادغام کنید. این قابلیت برای هرکس در کانال قابل دسترسی است و میتواند تعامل تیمی را سرعت بخشد.
بهگفتهٔ Anthropic، اکنون حدود ۶۵ ٪ کدهای داخلی یک استارتاپ توسط نسخهٔ داخلی Claude Tag تولید میشود، که نشاندهندهٔ پذیرش گسترده این ابزار در محیطهای توسعه است. این تغییر، سومین بازطراحی بزرگ رابط کاربری/تجربهٔ کاربری (UI/UX) برای LLMها محسوب میشود: اولی که LLMها بهصورت وبسایت در دسترس بودند، دومین که بهصورت برنامهٔ دسکتاپ نصب میشدند و حالا سومین مرحله بهعنوان یک موجودیت مستقل، مقاوم و ناهمزمان با قابلیت ادغام در ابزارهای سازمانی معرفی شده است.
🔗 Claude Tag
امروزه Anthropic نسخهٔ جدیدی از Claude به نام «Claude Tag» را معرفی کرد که امکان افزودن Claude به عنوان یک عضو تیم در کانالهای Slack را فراهم میکند. با صدا زدن @Claude میتوانید وظیفهای را به او واگذار کنید؛ Claude بلافاصله کار را اجرا و نتایج را در همان چت میفرستد، طوری که بدون خروج از گفتوگو میتوانید کدهای تولید شده را مرور و ادغام کنید. این قابلیت برای هرکس در کانال قابل دسترسی است و میتواند تعامل تیمی را سرعت بخشد.
بهگفتهٔ Anthropic، اکنون حدود ۶۵ ٪ کدهای داخلی یک استارتاپ توسط نسخهٔ داخلی Claude Tag تولید میشود، که نشاندهندهٔ پذیرش گسترده این ابزار در محیطهای توسعه است. این تغییر، سومین بازطراحی بزرگ رابط کاربری/تجربهٔ کاربری (UI/UX) برای LLMها محسوب میشود: اولی که LLMها بهصورت وبسایت در دسترس بودند، دومین که بهصورت برنامهٔ دسکتاپ نصب میشدند و حالا سومین مرحله بهعنوان یک موجودیت مستقل، مقاوم و ناهمزمان با قابلیت ادغام در ابزارهای سازمانی معرفی شده است.
🔗 Claude Tag
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 آموزش ساخت مدل شبه GPT در PyTorch با ۱۰ نوتبوک گامبهگام
اگر به دنبال درک عمیق معماری داخلی LLMهای مدرن هستید، یک مخزن گیتهاب عالی پیدا شده که شامل ۱۰ نوتبوک Jupyter با توضیحات دقیق و پیادهسازی عملی اجزای اصلی مدلهای زبانی است. این مخزن از صفر تا صد مراحل ساخت یک مدل مشابه GPT را در PyTorch پوشش میدهد و برای یادگیری مفاهیمی مانند self-attention، transformer blocks، tokenization و آموزش گامبهگام مناسب است.
🔗 مخزن llms-from-scratch در گیتهاب
#آموزش #PyTorch
اگر به دنبال درک عمیق معماری داخلی LLMهای مدرن هستید، یک مخزن گیتهاب عالی پیدا شده که شامل ۱۰ نوتبوک Jupyter با توضیحات دقیق و پیادهسازی عملی اجزای اصلی مدلهای زبانی است. این مخزن از صفر تا صد مراحل ساخت یک مدل مشابه GPT را در PyTorch پوشش میدهد و برای یادگیری مفاهیمی مانند self-attention، transformer blocks، tokenization و آموزش گامبهگام مناسب است.
🔗 مخزن llms-from-scratch در گیتهاب
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #PyTorch
❤2
🧠 چهار مفهوم بنیادی شبکههای عصبی
هسته اصلی هر شبکه عصبی در چهار مفهوم کلیدی خلاصه میشود: نورون، عبور رو به جلو (forward pass)، توابع فعالسازی و انتشار بازگشتی (backprop). با یادگیری این چهار مورد از پرسپترون ساده تا مدلهای ترنسفورمر را خواهید شناخت.
#آموزش #NeuralNetwork
هسته اصلی هر شبکه عصبی در چهار مفهوم کلیدی خلاصه میشود: نورون، عبور رو به جلو (forward pass)، توابع فعالسازی و انتشار بازگشتی (backprop). با یادگیری این چهار مورد از پرسپترون ساده تا مدلهای ترنسفورمر را خواهید شناخت.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #NeuralNetwork