DLeX: AI Python

@ai_python

گوگل کلاود به زودی تغییراتی را در جهت جداسازی Endpoint مربوط به API های جمینای اعمال خواهد کرد.

@ai_python

البته این تغییرات با جزئیات کامل و اقدامات لازم برای تمام کسانی که already از این سرویس ها استفاده می کنند ارسال شده است.

@ai_python

همچنین در ایمیل ارسال شده یک فرم وجود دارد که می توانید در صورت تمایل با پر کردن آن درخواست خود را جهت مستثنی شدن از این تغییرات ثبت کنید.

ویدیو کوتاه تمثیلی از آی بی ام در خصوص اهمیت دیتایی که هوش مصنوعی بر روی آن آموزش می بیند.

@ai_python

برای مثال در چند وقت اخیر پس از وایرال شدن استفاده از Grok به عنوان قضاوت گر در توییتر، این موضوع در بعد اجتماعی بسیار بولد شد. پاسخ هایی که هر دو طرف دعواها را در بسیاری از موارد به طور یکسان خوشحال و هیجان زده یا ناراحت و خشمگین می کرد. به نظر می رسه هر روز اهمیت آموزش مبانی هوش مصنوعی بیش تر می شود. برای مثال خیلی از افراد غیر متخصص در این حوزه (چه بسا که در حوزه خودشون بسیار متخصص هستند) از توهم موجود در LLM ها هنوز هم بی اطلاع هستند!

البته همین حالا بسیاری از مراکز آموزشی در دنیا شروع به اطلاع رسانی این مهم کرده اند :

https://youtu.be/1xkoRMPZHEw?si=HXybJiRvOiCjCvEV

@ai_python

یک بلاگ پایه عالی برای کسانی که می خوان از یک جایی شروع کنند و مرحله به مرحله تا پیشرفته ترین حالت GraphRAG رو با Neo4j پیاده سازی کنن:


https://neo4j.com/blog/developer/llm-knowledge-graph-builder

دانشمندان با کمک هوش مصنوعی موفق شدند، به شبیه سازی 3D بسیار دقیق تری از یک برش از مغز موش، در زمانی که آن چه را که می بیند، تحلیل می کند، دست پیدا کنند.

@ai_python

نتایج این تحقیقات در آینده به انسان ها کمک خواهد کرد، که گام های موثرتری برای درمان شیزوفرنی و آلزایمر، بردارند.

https://www.ap.org/news-highlights/spotlights/2025/scientists-map-part-of-a-mouses-brain-thats-so-complex-it-looks-like-a-galaxy/

@ai_python

لطفن سکوت را رعایت کنید. ماشین ها در حال یادگیری هستند. 🤫

این روزها با کاهش هزینه های یک سری از فرآینده ها در در دنیای هوش مصنوعی، بیش از پیش با انتخاب بین موارد زیر روبه رو می شیم:
@ai_python

RAG
Fine Tuning
Prompt Engineering

سه فرآیندی که هر سه به بهینه سازی مدل کمک می کنند. این ویدیو مروری به تعریف و نوع استفاده هر کدام خواهد داشت:

https://youtu.be/zYGDpG-pTho?si=GngAh9t_NXeTa7aB

اگه با مفاهیم پایتون آشنایی داری، الان وقتشه پردازش تصویر رو یاد بگیری!
از مفاهیم پایه تا پیاده‌سازی عملی

فقط ۲۴ ساعت فرصت داری دوره پردازش تصویر کوئراکالج رو با ۴۰ درصد تخفیف اونم به صورت قسطی ثبت‌نام کنی!

دیتا ست Open Food Facts در هاگینگ فیس:

@ai_python

https://huggingface.co/datasets/openfoodfacts/product-database

شامل محصولات غذایی، ترکیبات آن ها، آلرژن ها و ...

@ai_python

محققان دانشگاه MIT با همکاری NVIDIA موفق شدند که یک ابزار AI بسازند که تصاویر با کیفیت بسیار بالا را حتی بر روی یک لپ تاپ یا اسمارت فون ساده نیز به راحتی Generate می کند.

https://news.mit.edu/2025/ai-tool-generates-high-quality-images-faster-0321

@ai_python

مثالی از استفاده از قابلیت تقریبا جدید فرمول های AI در گوگل شیت

📣 مسابقه ورودی کمپ بهاره Fin AI

💻 کدهای هوشمند بانکداری نسل بعد!

💎 این مسابقه می‌تونه دروازه ورود شما به بوت‌کمپ علوم داده و یادگیری ماشین با طعم چالش‌های واقعی در حوزه بانکداری هوشمند باشه!

🎉شرکت توی بوت‌کمپ (در صورت قبولی توی مسابقه) رایگان هست و با توجه به عملکرد افراد توی بوت‌کمپ، از نفرات برتر دعوت به #استخدام و همکاری می‌شه.

⏳جمعه ۲۹ فروردین ساعت ۱۵

✔️ ثبت‌نام رایگان :
🔗 https://quera.org/r/icgze

➖➖➖➖
#Quera_Contest

@ai_python

مثال ساده برای استفاده از Gemini Pro 2.5 در Github Copilot برای مرتب سازی دایرکتوری ها در کم تر از 1 دقیقه

X

وزارت دادگستری آلمان اعلام کرد، از سال آینده، برگه‌های آزمون وکالت و آزمون اختبار در آلمان، توسط هوش مصنوعی تصحیح میشه. {منبع-خبر} 🔸آزمون وکالت و اختبار در آلمان، چهار گزینه‌ای نیست و کتبی هست…

🔺 از اونجا که آلمان کشور ایالتی هست، وزیر دادگستری استان بایرن گفته، حتی اگر تمام استان‌های آلمان این قانون را اجرا کنند، هرگز اجازه‌ی تصحیح برگه‌ها با هوش مصنوعی در استان بایرن را نمیده. او گفته، سیستم وکالت سال‌های سال است که خوب کار کرده و اجازه نمیده، ماشین، علم دانشجوهای حقوق را بسنجه.

@hoghough_khososi

@ai_python

مدل Gemini 2.5 Pro که در برنامه نویسی توجهات زیادی رو به خودش جلب کرده بود به Github Copilot افزوده شد!

https://github.blog/changelog/2025-04-11-copilot-chat-users-can-use-the-gemini-2-5-pro-model-in-public-preview/

نحوه راه اندازی Gemma 3 بر روی داکر :

@ai_python

https://www.docker.com/blog/run-gemma-3-locally-with-docker-model-runner/

لینک گروه پرسش و پاسخ علوم کامپیوتر

در این نوشتار درباره یک تجربه آموزش مدل R1 صحبت شده که با روش های RL به یک مدل بسیار مناسب برای پیش بینی حرکت بعدی کاربر در مواجه با رابط کاربری GUI تبدیل شده است و این فرآیند را توضیح داده.

https://medium.com/@ankit34567/ui-r1-enhancing-action-prediction-of-gui-agents-by-reinforcement-learning-d346fbb42671

@ai_python

همچنین این جا هم می تونید مقاله مرتبط را در arxiv مطالعه کنید :

https://arxiv.org/abs/2503.21620

🖥🖥🖥

@ai_python

اینا تنها یک بخش بسیار کوچکی از چالش های پیش روی استفاده از AI به عنوان دستیار وکالت هستند. 😰

از هندبوک JULIA : Handbook AI Judiciary Fundamental Right

ISBN 9791280600592

@ai_python

دو تا خبر خیلی مهم در همکاری Neo4j با گوگل اتفاق افتاده که من اولیش رو که خیلی جذاب تره کمی توضیح می دم:

@ai_python

در واقع از اون جایی که یکی از مهم ترین بخش های هر Agentic AI ای می تونه بخش تبدیل متن زبان طبیعی به کوئری سایفر باشه، اومدن و مدل Gemma 3 رو برای این کار فاین تیون کردن. 😍 این طوری یک مدل قدرتمند اختصاصی در دسترس هست که نیازی هم نداریم درخواست هارو برای تبدیل به جایی خارج از Infrastructure سازمان خودمون بفرستیم.

@ai_python

بقیه موارد هم که در لینک زیر یا در تصویر می تونید مطالعه کنید :

https://neo4j.com/blog/news/text2cypher-vertex-ai

لینک مدل ها در هاگینگ فیس : مدل 4B و مدل 27B و دیتاسیت استفاد شده


لینک گروه پرسش و پاسخ علوم کامپیوتر

الان وقتشه شروع کنی...

🚩 بوتکمپ تخصصی هوش‌مصنوعی

🔘 دوره‌ فشرده‌ آماده‌سازی برای ورود به بازارکار

✨ آموزش تخصصی، کاربردی و تجربه نزدیک به صنعت!

💳 پرداخت قسطی
❗️آخرین فرصت ثبت‌نام

🔗 https://quera.org/r/n546m

آن چه در این ویدیو بدان پرداخته خواهد شد :

@ai_python

🎓 مرور جامع وضعیت کنونی و چالش‌های یادگیری عمیق - Deep Learning

🔍 تأکید بر محدودیت‌های شبکه‌های عصبی و اهمیت داده‌های با کیفیت - Quality Data

📈 معرفی مدل‌های مولد با تمرکز بر Diffusion Models

⚖️ بحث درباره مسائل اخلاقی و سوگیری‌ها در توسعه هوش مصنوعی

🔗 تشویق به مشارکت در کاربردهای عملی از طریق آزمایشگاه‌ها ( یک پروژه مشارکتی در این ویدیو معرفی شده که اگر شرکت می کردید پرتغال زاتزان می گرفتید. 🤦🏻‍♀️ )
@ai_python


همچنین به موضوعات زیر نیز اشاره شده است:

❓ اهمیت قضیه تقریب جهانی: شبکه‌های عصبی می‌توانند هر تابعی را تقریبی کنند، اما بهینه‌سازی آن پیچیده است. Universal Approximation Theorem

📉 چالش‌های بیش‌برازش - Overfitting: مدل‌ها ممکن است روی داده‌های آموزشی خوب عمل کنند اما در داده‌های جدید ضعیف باشند.

⚠️ اهمیت کیفیت داده: داده‌های بی‌کیفیت به مدل‌های غیرقابل اعتماد منجر می‌شوند.

🌪 خطرات Adversarial Examples: تغییرات کوچک در ورودی‌ها می‌توانند مدل‌ها را فریب دهند.

https://youtu.be/HLKo4fJx_7k?si=vbywV-i-q-gty4gs

لینک گروه پرسش و پاسخ علوم کامپیوتر