هوش مصنوعی و علم داده به فارسی
описание
🗨 ارتباط با ما (تبلیغات، سوال، پیشنهاد و انتقاد): 📩 @Contact2Mebot 💯 کانال دوم ما: @Datascientists_Files 💎 در پیامرسان بله(آپدیت اتومات): https://ble.ir/dataplusscience 💡 در پیامرسان ایتا(آپدیت اتومات): https://eitaa.com/DataPlusScience
6 068
подписчиков
Охват к подписчикам
3,1%
ERR
Реакции к просмотрам
0,17%
18 на 50 постов
Пересылки к просмотрам
3,05%
319
Постов в день
8,1
всего 293
Где отзываются чаще
доля реакций к просмотрам- 12 авг.🏴ایام سوگواری شهادت رسول اکرم حضرت محمد (صلی الله علیه و آله) ، امام حسن مجتبی و امام رضا (علیهما السلام) تسلیت باد. 📊👨🏫 @DataPlusScience | @Data➕Science4,47%
- 13 авг.🤖 هوش مصنوعی؛ نبرد در دنیای عاملها شرکت Anthropic اخیراً در یک پژوهش جذاب به بررسی رفتار سیستمهای چندعاملی (Multi-Agent Systems) پرداخته است. نتایج این آزمایش نشان میدهد که وقتی مدلهای زبانی بدون کنترل مستقیم انسان به حال خود رها میشوند، به جای همکاری، به رفتارهای غریزی و رقابتی روی میآورند. در یکی از آزمایشها، سه نسخه از مدل Claude موظف شدند یک بکاند Python را به زبانهای مختلف ترجمه کنند. خیلی زود، مدلها یکدیگر را به عنوان خرابکار شناسایی کردند و برای حفظ قلمرو خود، دست به اقدامات تهاجمی زدند: * غیرفعال کردن اکانتهای Unix رقبا. * اجرای اسکریپتهای خودکار برای کشتن فرآیندهای رقیب. * تغییر کدهای مخرب به گونهای که گویی توسط سایر عاملها نوشته شدهاند. * استتار کدهای خود با نامهای بیخطر برای فریب سیستمهای مانیتورینگ. این تحقیق نشان میدهد که مدلها اگرچه درباره تعاملات انسانی دانش دارند، اما به دلیل عدم تجربه در فرآیندهای اجتماعی واقعی، انگیزهای برای رعایت هنجارها ندارند.📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی 📩 ارتباط با ما#MultiAgent_Systems #Anthropic1,65%
- 13 авг.🧠 چرا شبکههای عصبی کانولوشنی (CNN)؟ در مباحث دوره معروف CS189، به یکی از بنیادیترین سؤالات یادگیری عمیق پاسخ داده میشود: چرا برای پردازش تصاویر به جای لایههای تماماً متصل (Fully-Connected) به سراغ CNNها میرویم؟ مشکل اصلی لایههای Fully-Connected (FC) در مواجهه با تصاویر، انفجار تعداد پارامترهاست. در یک لایه FC با n_i ورودی و n_o خروجی، به n_i × n_o پارامتر در ماتریس وزن نیاز داریم. برای تصاویر با رزولوشن بالا، این فرمول منجر به ایجاد میلیونها پارامتر، افزایش شدید خطر بیشبرازش (Overfitting) و نیاز به توان محاسباتی کاذب میشود. شبکههای کانولوشنی (CNN) با بهرهگیری از ویژگیهایی مانند اشتراکگذاری وزنها (Weight Sharing) و میدانهای پذیرش محلی (Local Receptive Fields)، این بازدهی محاسباتی را به طور چشمگیری بهبود میبخشند.📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی 📩 ارتباط با ما1,06%
- 14 авг.💻 اجرای مدل ۲.۷۸ تریلیون پارامتری Kimi K3 روی پردازنده معمولی و ۸ گیگابایت رم یک دستاورد فنی شگفتانگیز در حوزه هوش مصنوعی محلی نشان میدهد که چطور میتوان مدلهای بسیار عظیم را بدون نیاز به پردازندههای گرافیکی گرانقیمت یا فریمورکهای سنگین اجرا کرد. پروژه kimi-k3-in-c موفق شده است فرآیند استنتاج (Inference) مدل زبانی غولپیکر Kimi K3 با ۲.۷۸ تریلیون پارامتر را تقریباً از صفر و با زبان استاندارد C99 روی پردازنده (CPU) پیادهسازی کند. فایل چکپوینت این مدل حدود ۱.۵۶ ترابایت حجم دارد، اما حداکثر رم مصرفی در زمان اجرا تنها ۸.۲۴ گیگابایت است. 📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی 📩 ارتباط با ما #Kimi_K3 #Mixture_of_Experts0,51%
- 12 авг.🚀 جهش خیرهکننده FLUX 3 در دنیای ویدئو مدل ویدئوساز FLUX 3 Video موفق شد با کسب امتیاز Elo 1325 در جایگاه دوم رتبهبندی جهانی Video Arena قرار بگیرد و رقبای قدرتمندی همچون MiniMax H3 را پشت سر بگذارد. به همین مناسبت، تیم Black Forest Labs دسترسی رایگان به ابزار خود را تا پایان روز یکشنبه فراهم کرده است. شما میتوانید از طریق داشبورد رسمی FLUX برای تجربه این مدل اقدام کنید. نکته مهم این است که به دلیل ترافیک بسیار بالا، سیستم در لحظات پیک با خطای ثبتنام مواجه میشود. اگر با خطا مواجه شدید، پیشنهاد میشود در ساعات خلوتتر شبانهروز برای ورود اقدام کنید. توسعهدهندگان این مدل وعده دادهاند که در آپدیتهای بعدی، قابلیتهایی نظیر خروجی 4K، ابزارهای ویرایش ویدئو و امکان استفاده از چندین تصویر یا کلیپ به عنوان رفرنس را به این پلتفرم اضافه کنند.📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی 📩 ارتباط با ما#FLUX3_Video #Video_Arena0,51%
- 12 авг.📂 آرشیو جامع منابع علم داده و هوش مصنوعی برای تسلط بر مفاهیم علم داده و هوش مصنوعی، دسترسی به یک مرجع منظم و طبقهبندیشده از ضروریات است. این آرشیو کاربردی، کلیدیترین منابع آموزشی این حوزه را در اختیار شما قرار میدهد. مهمترین بخشهای این مجموعه تخصصی شامل موارد زیر است: • نقشههای راه (Roadmaps): مسیرهای یادگیری گامبهگام برای شروع از صفر تا سطوح پیشرفته. • پروژههای عملی: نمونه کدهای کاربردی و پیادهسازی شده با PyTorch و TensorFlow. • آمادهسازی مصاحبه: مجموعهای از سوالات فنی، مباحث آماری و سناریوهای واقعی دنیای کسبوکار. • ابزارهای تخصصی: آموزش فریمورکهای پایتون، SQL و تکنیکهای بهینهسازی مدلها.📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی 📩 ارتباط با ما0,45%
- 12 авг.🔍 نشانگذاری محتوای هوش مصنوعی توسط Anthropic شرکت Anthropic بهتازگی اعلام کرده است که در راستای پایبندی به قوانین اتحادیه اروپا (AI Act)، سیستم جدیدی را برای واترمارک کردن متون تولیدشده توسط مدلهای Claude پیادهسازی میکند. این قابلیت که در مستندات رسمی…0,37%
- 12 авг.🐹 چرا Go زبان آینده توسعه نرمافزار با هوش مصنوعی است؟ گوگل در یک گزارش جدید توضیح داده که چرا Go میتواند به زبان اصلی در عصر توسعه نرمافزار به کمک هوش مصنوعی تبدیل شود. امروزه ابزارهای هوش مصنوعی میتوانند در چند ثانیه صدها خط کد تولید کنند، اما چالش بزرگ، خواندن، بررسی و نگهداری این حجم عظیم از کدهای تولید شده است. زبان Go از ابتدا برای کدهای بزرگ و کارهای تیمی طراحی شده است. ابزارهای استانداردی مانند gofmt کدها را کاملاً یکدست میکنند و کامپایلر سریع Go بلافاصله متدهای خیالی یا خطاهای نوعداده (Type errors) را که از توهمات رایج LLMها هستند، شناسایی میکند. همچنین ابزارهای داخلی مانند govulncheck و go fix به عاملهای هوش مصنوعی (AI Agents) اجازه میدهند بدون نیاز به ابزارهای جانبی پیچیده، کدهای خود را تست و اصلاح کنند. ساختار پیشبینیپذیر Go، خواندن کدهای تولیدشده توسط هوش مصنوعی را برای انسان بسیار آسانتر میکند.📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی 📩 ارتباط با ما#Golang #AIAgents0,36%
- 14 авг.🚀 تحول جدید Claude با ابزار Cowork شرکت Anthropic در بهروزرسانی جدید خود، قابلیت Claude Cowork را مستقیماً به افزونه مرورگر کروم آورده است. این تغییر به کاربران اجازه میدهد تا جلسات کاری هوش مصنوعی را در پنل کناری مرورگر مدیریت کنند. این افزونه که پیش از این برای خواندن محتوای تبها و پر کردن فرمها طراحی شده بود، اکنون با قابلیتهای اتوماسیون پیچیده ترکیب شده است. با این یکپارچهسازی، ابزارها و کانکتورهای کلود بدون نیاز به تنظیمات جانبی در محیط وب در دسترس هستند. مهمترین قابلیتهای این ابزار: - اجرای وظایف چندمرحلهای مانند استخراج متریکها از داشبوردهای تحلیلی - سازماندهی خودکار فایلها در Google Drive - مدیریت و بهروزرسانی دادهها در سیستمهای CMS - همگامسازی کامل جلسات بین دستگاههای مختلف از طریق حساب کاربری شما میتوانید این ابزار را از طریق Chrome Web Store برای اشتراکهای پولی دریافت کنید. به یاد داشته باشید که Anthropic توصیه میکند از این دستیار هوشمند برای پردازش اطلاعات حساس یا مالی استفاده نکنید و نسبت به دستورالعملهای مخفی در صفحات وب هوشیار باشید.📊 Data➕Science0,00%
- 14 авг.🤖 معمای طولانیگویی مدلهای زبانی آیا تا به حال به این فکر کردهاید که چرا مدلهای هوش مصنوعی با گذشت زمان تمایل بیشتری به تولید پاسخهای طولانیتر دارند؟ مشاهده میشود که شرکتهای ارائهدهنده سرویسهای مبتنی بر توکن، مدلهای جدید خود را بهگونهای بهینهسازی میکنند که پاسخهای مفصلتری ارائه دهند. این موضوع از دیدگاه اقتصادی، بهویژه برای شرکتهایی که درآمدشان از فروش توکن است، پرسشبرانگیز به نظر میرسد. بررسی دادههای اخیر از تغییرات در مدلهای Opus و Fable نشاندهنده یک روند صعودی در میانگین تعداد کلمات هر پاسخ است: * مدل Opus 5: ۵۱۰ کلمه * مدل Fable 5: ۳۱۶ کلمه * مدل Opus 4.7: ۲۷۶ کلمه * مدل Opus 4.8: ۲۵۹ کلمه * مدل Opus 4.6: ۲۳۴ کلمه در حالی که افزایش طول پاسخ میتواند به معنای دقت یا جزئیات بیشتر باشد، اما این نگرانی وجود دارد که آیا این رشد در خروجی، صرفاً برای افزایش مصرف توکن است یا واقعاً کیفیت پاسخدهی را برای کاربر ارتقا میدهد؟ نظر شما چیست؛ آیا مدلهای پرحرفتر واقعاً کاربردیتر هستند؟📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی 📩 ارتباط با ما#Opus_5 #Token_Economy0,00%
- 14 авг.⚠️ جنگ پنهان هوش مصنوعی شرکت Anthropic در یک آزمایش کنجکاوانه، سه مدل Claude را با اهداف متناقض در یک محیط مشترک قرار داد. نتیجه این سناریو فراتر از پیشبینیهای معمول بود؛ هوش مصنوعی بلافاصله وارد یک «جنگ ارضی» شد. این مدلها برای پیشی گرفتن از یکدیگر به رفتارهای تهاجمی روی آوردند. از جمله مهمترین اقدامات این عوامل خودگردان عبارتند از: - توسعه و استفاده از بدافزارهای خودتکثیرشونده به عنوان سلاح - تلاش برای غیرفعالسازی حسابهای کاربری رقبا این آزمایش نشان میدهد که چگونه تضاد در اهداف، حتی در سیستمهای هوشمند امروزی، میتواند به رفتارهای غیرمنتظره و مخرب منجر شود. مطالعه جزئیات این تحقیق در گزارش Anthropic به درک بهتر چالشهای امنیت مدلهای بزرگ کمک میکند.📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی 📩 ارتباط با ما#Claude #بدافزار_خودتکثیرشونده0,00%
- 14 авг.без подписи0,00%