Deep learning channel

در صورتی که به مدرک مکتب‌خونه نیاز ندارید، می‌توانید کوییزها، و تمرین‌ها و پروژه‌ها را از طریق کانال دانلود کنید: لینک کانال: https://t.me/agentic_llm لینک دوره: https://mktb.me/m6tt/ هنگام خرید، کافیست گزینه‌ی «دسترسی پایه» را تیک بزنید تا فقط به ویدیوها دسترسی داشته باشید و بتوانید با هزینه‌ی کمتری ثبت‌نام کنید. @agentic_llm

اسلایدهای دوره Agentic

🤖 دوره «Agentic AI با پایتون» منتشر شد! اگه دنبال این هستی که از حرف زدن با یه مدل زبانی، بری سراغ ساختن عامل‌هایی (Agent) که واقعاً کار انجام می‌دن، ابزار صدا می‌زنن، با هم تیم می‌شن و پروژه‌های واقعی رو پیش می‌برن، این دوره برای شماست! توی ۸ فصل، از صفر تا ساخت یک پروژه‌ی نهایی کامل جلو می‌ریم: 📘 مقدمه 📗 فصل ۱ - مقدمه‌ای بر گردش‌کارهای عامل‌محور 📗 فصل ۲ - الگوی طراحی Reflection 📗 فصل ۳ - استفاده از ابزار (Tool Use) 📗 فصل ۴ - MCP (پروتکل ارتباط مدل با ابزارها) 📗 فصل ۵ - نکات عملی برای ساخت Agentic AI 📗 فصل ۶ - الگوهای عامل‌های با خودمختاری بالا 📗 فصل ۷ - سیستم‌های چندعامله با crewAI 📗 فصل ۸ - LangChain 🎯 پروژه نهایی: پیاده‌سازی سامانه‌ی Text-to-SQL تمام کدهای دوره روی گیت‌هاب در دسترس است: 👉 github.com/Alireza-Akhavan/agentic_ai 🎁 تخفیف ویژه 1️⃣برای ۱۰۰ نفر اول، کد تخفیف ۷۰٪ی: COUPON-EAA61 2️⃣ برای ۱۰۰ نفر بعدی، کد تخفیف ۶۰٪ی: COUPON-6EE77 تعداد کدها محدوده، پس اگر می‌خواهی Agentic AI را اصولی یاد بگیری، همین امروز ثبت‌نام کن. سرفصلهای این دوره |برای مشاهده اسلاید؛ تمرین، پروژه 👈 @agentic_llm

🌟 آموزش مدل‌های زبانی-تصویری (VLM) با تدریس علیرضا اخوان‌پور منتشر شد🎉 مردادماه دوره‌ی مدل‌های زبانی بزرگ (LLM) در مکتب‌خونه منتشر شد؛ دوره‌ای که توش یاد می‌گرفتید مدل‌هایی مثل ChatGPT یا Gemini چطور آموزش می‌بینن، چطور کار می‌کنن و چطور می‌تونن به زبان‌های مختلف – حتی فارسی – پاسخ بدن و ... ♨️حالا نوبت یکی از داغ‌ترین موضوعات دنیای AI رسیده: 🔹 مدل‌های زبانی-تصویری (VLM) مدل‌های زبانی-تصویری (VLM) نسل جدیدی از مدل‌های مولد هستن که علاوه بر متن، تصویر رو هم می‌فهمن. یعنی می‌تونن عکس رو توصیف کنن، به سوال درباره‌ی محتواش جواب بدن و حتی بین متن و تصویر ارتباط برقرار کنن. 📚 در این دوره یاد می‌گیرید: - ساختار و معماری مدل‌های VLM - کاربردهای جذاب مثل پرسش‌وپاسخ تصویری و مولتی‌مودال - نحوه‌ی آموزش و به‌کارگیری این مدل‌ها در پروژه‌های واقعی 👨‍🏫 تدریس هر دو دوره توسط مهندس علیرضا اخوان‌پور انجام شده 🔗 مشاهده دوره: https://mktb.me/e3gx/

🚀 نسخه جدید Deep Learning with Python: رایگان + محتوای LLM و GenAI توئیت 16 ساعت پیش François Chollet ویرایش سوم کتاب من با عنوان Deep Learning with Python هم‌اکنون در حال چاپ است و ظرف دو هفته آینده در کتاب‌فروشی‌ها خواهد بود. شما می‌توانید آن را همین حالا از آمازون یا انتشارات Manning سفارش دهید. این بار، ما کل کتاب را به‌صورت یک وب‌سایت کاملاً رایگان منتشر می‌کنیم. برایم مهم نیست اگر این کار باعث کاهش فروش کتاب شود؛ من فکر می‌کنم این بهترین مقدمه برای یادگیری عمیق است و افراد بیشتری باید بتوانند آن را بخوانند. 🔗کتاب آنلاین رایگان: https://deeplearningwithpython.io/ ویرایش جدید محتوای بسیار بیشتری در زمینه هوش مصنوعی مولد دارد. همچنین شامل مباحث پایه‌ای JAX و PyTorch و تمام قابلیت‌های جدید در Keras 3 می‌شود. مقدار زیادی محتوای جدید درباره مدل‌های زبانی بزرگ (LLM) و جریان‌های کاری مبتنی بر LLM نیز اضافه شده است. 🌀 @cvision 🌀

🎉 کمپین همدلی در مسیر یادگیری | با مکتب‌خونه ‌‌ مکتب‌خونه بیش از ۱۰۰ دوره‌ پرفروش و کاربردی رو در حوزه‌های مختلف مثل: 💻 برنامه‌نویسی 🌐 شبکه 🧠 هوش مصنوعی 🗣 زبان‌های خارجی 🤝 مهارت‌های نرم و کلی حوزه دیگه رو برای مدت محدود کاملاً رایگان کرده! چرا؟ چون یادگیری، امید می‌ده، حال خوب می‌ده، حس پیشرفت می‌ده... 🌱 📚 همه دوره‌های رایگان اینجان: 🔗 https://mktb.me/txvk/ 💥 خبر خوب دیگه: دوره‌ی محبوب و کاربردی "آموزش پردازش تصویر و بینایی ماشین با OpenCV" هم الان رایگانه! 🔗 mktb.me/yifi 📌 برای فعال‌سازی رایگان دوره‌ها از کد زیر استفاده کن: HAMDELI یادگیری رو عقب ننداز — حالا بهترین زمانشه! 🙌 #هوش_مصنوعی #آموزش #کلاس_ویژن #opencv

📢دوره‌ی "آموزش هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)" منتشر شد🎉🎊 کد تخفیف 50 درصدی ویژه 100 نفر: COUPON-091dc آدرس دوره https://mktb.me/04dr/ 📄سرفصلها: https://t.me/llm_huggingface/18 🔥 برای اطلاع از کدهای تخفیف، همین حالا عضو کانال تلگرام ما بشید: 👇👇👇 @llm_huggingface 👆👆👆 #llm #course #دوره #مدل_زبانی_بزرگ #هوش_مصنوعی #مکتب‌خونه

📊 میزان (MIZAN): جامع‌ترین لیدربورد ارزیابی مدل‌های زبانی بزرگ (LLM) در زبان فارسی پس از عرضه بنچمارک FaMTEB برای ارزیابی مدل‌های Text Embedding، این‌بار دستاوردی تازه‌ در پردازش زبان طبیعی فارسی ✅ برخی ویژگی های میزان: - مقایسه جامع مدل‌های روز: ارزیابی دقیق مدل‌های متن‌باز و بسته با هدف ایجاد یک مرجع معتبر برای فارسی‌زبانان - پوشش ۶ بنچمارک تخصصی: سنجش عملکرد مدل‌ها در چت، پیروی از دستورالعمل، NLU، NLG، استدلال منطقی و دانش عمومی - تنوع کاربردی بالا: سناریوهای واقعی فارسی مانند گفت‌وگوی چندمرحله‌ای، RAG، تولید محتوا و پاسخ‌گویی منطقی 🏆 بنچمارک‌های کلیدی میزان: Persian MT-Bench: ارزیابی چت چندمرحله‌ای و کاربرد در سیستم‌های RAG Persian IFEval: بررسی توانایی مدل‌ها در پیروی از دستورالعمل‌ها PerCoR: اولین بنچمارک استدلال منطقی در زبان فارسی PerMMLU: سنجش دانش عمومی و تخصصی مدل‌ها در موضوعات متنوع در زبان فارسی Persian NLU: ارزیابی درک زبان طبیعی فارسی Persian NLG: ارزیابی تولید زبان طبیعی فارسی 🔗 لینک لیدربورد میزان 📖 مقاله معرفی میزان 🔗 بنچمارک FaMTEB @irandeeplearning

دیتاست کارت ملی ایرانی https://class.vision/blog/iranian-national-id-card-dataset/ دیتاست شامل ۲٬۰۰۰ تصویر از کارت‌های ملی ایرانی است که با اطلاعات هویتی ساختگی ایجاد شده‌اند. کارت‌ها با کیفیت چاپ کارت‌های واقعی تولید و در شرایط چالش‌برانگیز و غیرکنترل‌شده با دوربین‌های موبایل عکسبرداری شده‌اند. #دیتاست

آموزش معماری DeepSeek از صفر تا صد، مجموعه‌ای شامل ۲۰ ویدئوی آموزشی این مجموعه شامل ۲۰ جلسه آموزشی هست که مفاهیمی مثل Multi-Head Latent Attention و Mixture of Experts رو با جزئیات کامل بررسی می‌کنه. 1️⃣ DeepSeek Series Introduction https://youtu.be/QWNxQIq0hMo 2️⃣ DeepSeek Basics https://youtu.be/WjhDDeZ7DvM 3️⃣ Journey of a Token into the LLM Architecture https://youtu.be/rkEYwH4UGa4 4️⃣ Attention Mechanism Explained in 1 Hour https://youtu.be/K45ze9Yd5UE 5️⃣ Self Attention Mechanism - Handwritten from Scratch https://youtu.be/s8mskq-nzec 6️⃣ Causal Attention Explained: Don't Peek into the Future https://youtu.be/c6Kkj6iLeBg 7️⃣ Multi-Head Attention Visually Explained https://youtu.be/qbN4ulK-bZA 8️⃣ Multi-Head Attention Handwritten from Scratch https://youtu.be/rvsEW-EsD-Y 9️⃣ Key Value Cache from Scratch https://youtu.be/IDwTiS4_bKo 🔟 Multi-Query Attention Explained https://youtu.be/Z6B51Odtn-Y 1️⃣1️⃣ Understand Grouped Query Attention (GQA) https://youtu.be/kx3rETIxo4Q 1️⃣2️⃣ Multi-Head Latent Attention From Scratch https://youtu.be/NlDQUj1olXM 1️⃣3️⃣ Multi-Head Latent Attention Coded from Scratch in Python https://youtu.be/mIaWmJVrMpc 1️⃣4️⃣ Integer and Binary Positional Encodings https://youtu.be/rP0CoTxe5gU 1️⃣5️⃣ All About Sinusoidal Positional Encodings https://youtu.be/bQCQ7VO-TWU 1️⃣6️⃣ Rotary Positional Encodings https://youtu.be/a17DlNxkv2k 1️⃣7️⃣ How DeepSeek Implemented Latent Attention | MLA + RoPE https://youtu.be/m1x8vA_Tscc 1️⃣8️⃣ Mixture of Experts (MoE) Introduction https://youtu.be/v7U21meXd6Y 1️⃣9️⃣ Mixture of Experts Hands-on Demonstration https://youtu.be/yw6fpYPJ7PI 2️⃣0️⃣ Mixture of Experts Balancing Techniques https://youtu.be/nRadcspta_8

وبینار رایگان: تفسیرپذیری شبکه‌های عصبی گرافی ویدویها _کدها + اسلاید این وبینار روی سایت قرار گرفت https://class.vision/product/explainable-ai-graph-neural-networks/ @class_vision @cvision

وبینار رایگان: تفسیرپذیری شبکه‌های عصبی گرافی این وبینار به‌صورت آنلاین برگزار می‌شود. 🗓 زمان: پنج شنبه، ۱۳ دی ۱۴۰۳ ⏰ ساعت: 10 الی 12 صبح https://class.vision/product/explainable-ai-graph-neural-networks/

📣 مجموعه سخنرانی های علمی هوش مصنوعی 🔹 Adapting AI: Explainability and Distributability 🔹 Tackling Challenges in Self-supervised EEG Representation Learning 🔹 Universal Novelty Detection 🔹 زمان برگزاری: چهارشنبه 7 آذر 1403 ساعت 11 الی 15 🔹 محل برگزاری: دانشگاه صنعتی امیرکبیر 🔹 شرکت برای عموم آزاد است. جهت کسب اطلاعات بیشتر به آدرس زیر مراجعه کنید. https://aaic.aut.ac.ir/workshop/3 @aaic_aut