علی‌بابا از مدل هوش مصنوعی Grape رونمایی کرد؛ ابزاری پیشرفته که می‌تواند سرطان معده را پیش از بروز علائم، تنها از روی تصاویر سی‌تی‌اسکن تشخیص دهد.
این دستاورد حاصل همکاری آکادمی دامو (بازوی تحقیقاتی علی‌بابا) با بیمارستان سرطان ژجیانگ است و یکی از نخستین ابزارهای AI در جهان محسوب می‌شود که چنین دقتی در تشخیص مراحل اولیه سرطان معده دارد.
قدرت Grape در تحلیل تصاویر سه‌بعدی سی‌تی‌اسکن، حتی دقیق‌تر از تشخیص پزشکان انسانی گزارش شده است؛ تحولی مهم برای دنیای پزشکی و تشخیص زودهنگام بیماری‌های کشنده.
▪️ AI-based large-scale screening of gastric cancer from noncontrast CT imaging
#هوش_مصنوعی #تصویربرداری_پزشکی #پزشکی #علوم_پزشکی #مقاله #ژنتیک #زیست_شناسی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
علی‌بابا از مدل هوش مصنوعی Grape رونمایی کرد؛ ابزاری پیشرفته که می‌تواند سرطان معده را پیش از بروز علائم، تنها از روی تصاویر سی‌تی‌اسکن تشخیص دهد.
این دستاورد حاصل همکاری آکادمی دامو (بازوی تحقیقاتی علی‌بابا) با بیمارستان سرطان ژجیانگ است و یکی از نخستین ابزارهای AI در جهان محسوب می‌شود که چنین دقتی در تشخیص مراحل اولیه سرطان معده دارد.
قدرت Grape در تحلیل تصاویر سه‌بعدی سی‌تی‌اسکن، حتی دقیق‌تر از تشخیص پزشکان انسانی گزارش شده است؛ تحولی مهم برای دنیای پزشکی و تشخیص زودهنگام بیماری‌های کشنده.
▪️ AI-based large-scale screening of gastric cancer from noncontrast CT imaging
#هوش_مصنوعی #تصویربرداری_پزشکی #پزشکی #علوم_پزشکی #مقاله #ژنتیک #زیست_شناسی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
نویسندگان به بررسی مشکل سوگیری در پایگاه داده ساختارهای پروتئینی AlphaFold (AFDB) و تأثیر آن بر روی مدل‌های معکوس‌سازی پروتئین پرداخته‌اند.
مدل‌هایی که برای بازیابی توالی (Sequence) از ساختار ثانوی آموزشی AFDB استفاده می‌کنند، روی داده‌های واقعی (PDB) عملکرد ضعیفی از خود نشان می‌دهند . مشخص شده که ساختارهای AFDB به دلیل «بی‌نقص بودن بیش از حد» خود، تفاوت قابل توجهی با داده‌های واقعی دارند. نویسندگان روش‌هایی را برای «کاهش این سوگیری» و نزدیک‌تر کردن ساختارهای AFDB به توزیع واقعی ساختارهای پروتئینی معرفی می‌کنند.
▪️ AlphaFold Database Debiasing for Robust Inverse Folding
#هوش_مصنوعی #تصویربرداری_پزشکی #پزشکی #علوم_پزشکی #مقاله #ژنتیک #زیست_شناسی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
مدل‌هایی که برای بازیابی توالی (Sequence) از ساختار ثانوی آموزشی AFDB استفاده می‌کنند، روی داده‌های واقعی (PDB) عملکرد ضعیفی از خود نشان می‌دهند . مشخص شده که ساختارهای AFDB به دلیل «بی‌نقص بودن بیش از حد» خود، تفاوت قابل توجهی با داده‌های واقعی دارند. نویسندگان روش‌هایی را برای «کاهش این سوگیری» و نزدیک‌تر کردن ساختارهای AFDB به توزیع واقعی ساختارهای پروتئینی معرفی می‌کنند.
▪️ AlphaFold Database Debiasing for Robust Inverse Folding
#هوش_مصنوعی #تصویربرداری_پزشکی #پزشکی #علوم_پزشکی #مقاله #ژنتیک #زیست_شناسی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Forwarded from DeepMind AI Expert
لیست کانال و گروه های ما :
▪️ گروه هوش مصنوعی: یادگیری عمیق و...
https://www.tg-me.com/DeepLearningAIExperts
▪️ گروه هوش مصنوعی: پردازش زبان طبیعی
https://www.tg-me.com/NLPExperts
▪️ کانال دکتر میثم عسگری
https://www.tg-me.com/ai_person
▪️ گروه لینوکس و پایتون و سایر...
https://www.tg-me.com/PythonLinuxExperts
با اشتراک گذاشتن این پست به دیده شدن و پیشرفت هموطنان خود کمک کنید. جایی برای پرسش و پاسخ و ارتباط با پژوهشگران علوم کامپیوتر و صنعت پیدا کنند.
▪️ گروه هوش مصنوعی: یادگیری عمیق و...
https://www.tg-me.com/DeepLearningAIExperts
▪️ گروه هوش مصنوعی: پردازش زبان طبیعی
https://www.tg-me.com/NLPExperts
▪️ کانال دکتر میثم عسگری
https://www.tg-me.com/ai_person
▪️ گروه لینوکس و پایتون و سایر...
https://www.tg-me.com/PythonLinuxExperts
با اشتراک گذاشتن این پست به دیده شدن و پیشرفت هموطنان خود کمک کنید. جایی برای پرسش و پاسخ و ارتباط با پژوهشگران علوم کامپیوتر و صنعت پیدا کنند.
"تکنسین های احمق" جمله ای از کانت چیزی که بیشتر میبینمش
در این مقاله لیستی از ایجنت های Deep Research رو مورد مقایسه قرار دادند
▪️ Deep Research Agents: A Systematic Examination And Roadmap
#مقاله #هوش_مصنوعی #الگوریتمها #یادگیری_ماشین #یادگیری_عمیق
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ Deep Research Agents: A Systematic Examination And Roadmap
#مقاله #هوش_مصنوعی #الگوریتمها #یادگیری_ماشین #یادگیری_عمیق
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Forwarded from Daily Laily (:
سلام بچه‌ها، امیدوارم حال همگی‌تون خوب باشه.
میرهادی رادی رو که احتمالا میشناسید.
یه استارتاپ باحال زده که معرفیش میکنم:
به عنوان کسایی که اکثر تایم کاری‌مون رو پشت میز می‌شینیم احتمالا برای همه‌مون پیش اومده که به خاطر نشستنِ زیاد، کمر، شونه، یا پاها و زانوهامون درد گرفته باشه یا اذیت شده باشه.
یا بعد از نشستن طولانی حالت خواب‌آلودگی و کسل بودن بهمون دست داده باشه و پرفورمنس‌مون کم شده باشه.
نشستن زیاد حال روحی آدم رو هم خراب‌تر می‌کنه و باعث افزایش احتمالِ استرس، اضطراب، افسردگی، و کاهش انگیزه و تمرکز میشه.
متاسفانه ریسک‌های سلامتی خیلی زیاد و جدی‌ای هم ایجاد می‌کنه. فقط یه نمونه‌ش اینه که نرخ مرگ‌و‌میر ناشی از بیماری‌های قلبی عروقی (مثل سکته) تو افرادی که زیاد می‌شینن ۳۴٪ بیشتره 😔
محصول جدیدی که میرهادی ساخته برای حل این مشکلات به صورت اتوماتیک خلق شده و اسمش رو هم گذاشته:
Refreshino
(https://refreshino.com)
الان توضیح می‌دم چه‌طوری باید ازش استفاده کنید:
یک- از اینجا تو حدود ۳۰ ثانیه نصبش کنید:
لینک add to chrome
دو- بعد از نصب، مراحل ثبت‌نام و تنظیمات دلخواه‌تون رو تو حدود یکی دو دقیقه پر کنید (صفحه ثبت‌نام خودش باز میشه براتون بعد از نصب اکستنشن).
سه- یه ایمیل دعوت دریافت کردید برای عضویت تو شرکت ایده‌کاوان و داشتن دسترسی (اگه دیگه تو شرکت عضو نیستین این گام رو رد کنید) که برید و تاییدش کنید.
(اگه دریافت نکردید پوشه اسپم ایمیل‌تون رو چک کنید ( ولطفا ریپورت کنید به گوگل که اسپم نیست و از پوشه اسپم‌تون خارج و به اینباکس اصلی‌تون منتقلش کنید) و اگه بازم گشتید و نبود بهم خبر بدید.)
چهار-لذت‌ش رو ببرید و حتما فیدبک بدید هرجایی‌ش که مشکل یا پیشنهاد داشتید.
عالی میشه اگه صفحه لینکداین رفرشینو رو هم فالو کنید (محتوای به درد بخور راجع به سلامتی قراره زیاد توش بذاریم) و پست آخرش رو با یه متن فارسی از زبون خودتون ری‌پست کنید و به اشتراک بذارید:
https://www.linkedin.com/company/refreshino/
میرهادی رادی رو که احتمالا میشناسید.
یه استارتاپ باحال زده که معرفیش میکنم:
به عنوان کسایی که اکثر تایم کاری‌مون رو پشت میز می‌شینیم احتمالا برای همه‌مون پیش اومده که به خاطر نشستنِ زیاد، کمر، شونه، یا پاها و زانوهامون درد گرفته باشه یا اذیت شده باشه.
یا بعد از نشستن طولانی حالت خواب‌آلودگی و کسل بودن بهمون دست داده باشه و پرفورمنس‌مون کم شده باشه.
نشستن زیاد حال روحی آدم رو هم خراب‌تر می‌کنه و باعث افزایش احتمالِ استرس، اضطراب، افسردگی، و کاهش انگیزه و تمرکز میشه.
متاسفانه ریسک‌های سلامتی خیلی زیاد و جدی‌ای هم ایجاد می‌کنه. فقط یه نمونه‌ش اینه که نرخ مرگ‌و‌میر ناشی از بیماری‌های قلبی عروقی (مثل سکته) تو افرادی که زیاد می‌شینن ۳۴٪ بیشتره 😔
محصول جدیدی که میرهادی ساخته برای حل این مشکلات به صورت اتوماتیک خلق شده و اسمش رو هم گذاشته:
Refreshino
(https://refreshino.com)
الان توضیح می‌دم چه‌طوری باید ازش استفاده کنید:
یک- از اینجا تو حدود ۳۰ ثانیه نصبش کنید:
لینک add to chrome
دو- بعد از نصب، مراحل ثبت‌نام و تنظیمات دلخواه‌تون رو تو حدود یکی دو دقیقه پر کنید (صفحه ثبت‌نام خودش باز میشه براتون بعد از نصب اکستنشن).
سه- یه ایمیل دعوت دریافت کردید برای عضویت تو شرکت ایده‌کاوان و داشتن دسترسی (اگه دیگه تو شرکت عضو نیستین این گام رو رد کنید) که برید و تاییدش کنید.
(اگه دریافت نکردید پوشه اسپم ایمیل‌تون رو چک کنید ( ولطفا ریپورت کنید به گوگل که اسپم نیست و از پوشه اسپم‌تون خارج و به اینباکس اصلی‌تون منتقلش کنید) و اگه بازم گشتید و نبود بهم خبر بدید.)
چهار-لذت‌ش رو ببرید و حتما فیدبک بدید هرجایی‌ش که مشکل یا پیشنهاد داشتید.
عالی میشه اگه صفحه لینکداین رفرشینو رو هم فالو کنید (محتوای به درد بخور راجع به سلامتی قراره زیاد توش بذاریم) و پست آخرش رو با یه متن فارسی از زبون خودتون ری‌پست کنید و به اشتراک بذارید:
https://www.linkedin.com/company/refreshino/
Refreshino
Refreshino - Keep your body and mind happy while working
Personalized desk exercises to keep your body and mind happy while you work.
Forwarded from Science Persian (𝐬𝐚𝐡𝐚𝐫.ᷟ.)
🔷 آیا استفاده از ChatGPT مغز را تنبل می‌کند؟ مطالعه جدید پاسخ می‌دهد
محققان می‌گویند نباید عجولانه درباره تأثیرات هوش مصنوعی نتیجه‌گیری کنیم.
طبق پژوهش جدید، مغز افراد هنگام نوشتن یک مقاله با کمک ChatGPT، فعالیت و درگیری کمتری نسبت به زمانی که بدون ابزارهای آنلاین می‌نویسند، از خود نشان می‌دهد. یافته‌های این پژوهش زنگ خطری برای «تنبلی شناختی» ناشی از هوش مصنوعی تلقی شده، اما محققان می‌گویند نباید عجولانه درباره تأثیرات هوش مصنوعی نتیجه‌گیری کنیم.
هوش مصنوعی به بخشی از زندگی روزمره ما تبدیل شده و حالا یک سؤال کلیدی ذهن بسیاری را به خود مشغول کرده است: آیا اتکای بیش‌ازحد به این ابزارها، ما را از نظر ذهنی ضعیف‌تر می‌کند؟ براساس گزارش نیچر، تیمی از محققان آزمایشگاه رسانه ام‌آی‌تی (MIT Media Lab) با انجام یک آزمایش نگاهی به این مسئله انداخته‌اند.
تأثیر ChatGPT بر مغز
طبق پیش‌نویس مقاله محققان، ۶۰ دانشجو به سه گروه تقسیم شدند تا یک مقاله کوتاه بنویسند؛ گروه ChatGPT فقط از این چت‌بات برای تحقیق و نوشتن استفاده کردند. گروه گوگل فقط به موتور جستجوی گوگل (بدون پاسخ‌های هوش مصنوعی) محدود بودند. گروه بدون ابزار هیچ دسترسی به اینترنت نداشتند.
محققان با استفاده از کلاه‌های الکتروانسفالوگرافی (EEG)، فعالیت و اتصال بین نواحی مختلف مغز را در حین انجام این کار ثبت کردند. نتایج اصلی به شرح زیر بود:
بیشترین فعالیت مغزی در گروهی مشاهده شد که بدون هیچ ابزاری می‌نوشتند. اتصال بین بخش‌های مختلف مغز آنها، به ویژه بین نواحی پشتی و ناحیه تصمیم‌گیری در جلوی مغز، بسیار قوی‌تر بود.
در گروه گوگل فعالیت در نواحی مرتبط با پردازش بصری و حافظه بیشتر بود.
نکته جالب و نگران‌کننده زمانی آشکار شد که برخی از شرکت‌کنندگان گروه ChatGPT، در مرحله بعد مجبور شدند بدون هیچ ابزاری بنویسند. مغز این افراد، اگرچه فعالیت خود را افزایش داد، اما هرگز به سطح فعالیت مغزی افرادی که از ابتدا بدون ابزار کار کرده بودند، نرسید. «آدام گرین» (Adam Green)، عصب‌شناس از دانشگاه جورج‌تاون، می‌گوید: «استفاده بیش‌ازحد از هوش مصنوعی، به ویژه برای تولید ایده، ممکن است منجر به مغزهایی شود که در مکانیسم‌های اصلی خلاقیت کمتر تمرین کرده‌اند.»
البته محققان این مطالعه تأکید دارند در تفسیر این نتایج احتیاط کنیم. به گفته آنها این به معنای آن نیست که افرادی که از هوش مصنوعی بهره می‌برند کاملاً مغز خود را «تعطیل» کرده باشند. همچنین این پژوهش بر روی تعداد کمی از افراد و در یک بازه زمانی کوتاه انجام شده و نمی‌توان آن را به استفاده‌های بلندمدت یا وظایف دیگر تعمیم داد.
https://www.nature.com/articles/d41586-025-02005-y
➡️ Science Persian
محققان می‌گویند نباید عجولانه درباره تأثیرات هوش مصنوعی نتیجه‌گیری کنیم.
طبق پژوهش جدید، مغز افراد هنگام نوشتن یک مقاله با کمک ChatGPT، فعالیت و درگیری کمتری نسبت به زمانی که بدون ابزارهای آنلاین می‌نویسند، از خود نشان می‌دهد. یافته‌های این پژوهش زنگ خطری برای «تنبلی شناختی» ناشی از هوش مصنوعی تلقی شده، اما محققان می‌گویند نباید عجولانه درباره تأثیرات هوش مصنوعی نتیجه‌گیری کنیم.
هوش مصنوعی به بخشی از زندگی روزمره ما تبدیل شده و حالا یک سؤال کلیدی ذهن بسیاری را به خود مشغول کرده است: آیا اتکای بیش‌ازحد به این ابزارها، ما را از نظر ذهنی ضعیف‌تر می‌کند؟ براساس گزارش نیچر، تیمی از محققان آزمایشگاه رسانه ام‌آی‌تی (MIT Media Lab) با انجام یک آزمایش نگاهی به این مسئله انداخته‌اند.
تأثیر ChatGPT بر مغز
طبق پیش‌نویس مقاله محققان، ۶۰ دانشجو به سه گروه تقسیم شدند تا یک مقاله کوتاه بنویسند؛ گروه ChatGPT فقط از این چت‌بات برای تحقیق و نوشتن استفاده کردند. گروه گوگل فقط به موتور جستجوی گوگل (بدون پاسخ‌های هوش مصنوعی) محدود بودند. گروه بدون ابزار هیچ دسترسی به اینترنت نداشتند.
محققان با استفاده از کلاه‌های الکتروانسفالوگرافی (EEG)، فعالیت و اتصال بین نواحی مختلف مغز را در حین انجام این کار ثبت کردند. نتایج اصلی به شرح زیر بود:
بیشترین فعالیت مغزی در گروهی مشاهده شد که بدون هیچ ابزاری می‌نوشتند. اتصال بین بخش‌های مختلف مغز آنها، به ویژه بین نواحی پشتی و ناحیه تصمیم‌گیری در جلوی مغز، بسیار قوی‌تر بود.
در گروه گوگل فعالیت در نواحی مرتبط با پردازش بصری و حافظه بیشتر بود.
نکته جالب و نگران‌کننده زمانی آشکار شد که برخی از شرکت‌کنندگان گروه ChatGPT، در مرحله بعد مجبور شدند بدون هیچ ابزاری بنویسند. مغز این افراد، اگرچه فعالیت خود را افزایش داد، اما هرگز به سطح فعالیت مغزی افرادی که از ابتدا بدون ابزار کار کرده بودند، نرسید. «آدام گرین» (Adam Green)، عصب‌شناس از دانشگاه جورج‌تاون، می‌گوید: «استفاده بیش‌ازحد از هوش مصنوعی، به ویژه برای تولید ایده، ممکن است منجر به مغزهایی شود که در مکانیسم‌های اصلی خلاقیت کمتر تمرین کرده‌اند.»
البته محققان این مطالعه تأکید دارند در تفسیر این نتایج احتیاط کنیم. به گفته آنها این به معنای آن نیست که افرادی که از هوش مصنوعی بهره می‌برند کاملاً مغز خود را «تعطیل» کرده باشند. همچنین این پژوهش بر روی تعداد کمی از افراد و در یک بازه زمانی کوتاه انجام شده و نمی‌توان آن را به استفاده‌های بلندمدت یا وظایف دیگر تعمیم داد.
https://www.nature.com/articles/d41586-025-02005-y
➡️ Science Persian
انواع امبدینگ ها و کاربرد آنها
• 𝗦𝗽𝗮𝗿𝘀𝗲 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀
• 𝗗𝗲𝗻𝘀𝗲 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀
• 𝗕𝗶𝗻𝗮𝗿𝘆 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀
• 𝗤𝘂𝗮𝗻𝘁𝗶𝘇𝗲𝗱 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀
• 𝗩𝗮𝗿𝗶𝗮𝗯𝗹𝗲 𝗗𝗶𝗺𝗲𝗻𝘀𝗶𝗼𝗻 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀
• 𝗠𝘂𝗹𝘁𝗶-𝗩𝗲𝗰𝘁𝗼𝗿 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀
𝗪𝗵𝗶𝗰𝗵 𝘁𝘆𝗽𝗲 𝘀𝗵𝗼𝘂𝗹𝗱 𝘆𝗼𝘂 𝘂𝘀𝗲?
It depends on your use case:
• Need semantic matching? → Dense embeddings
• Storage-constrained? → Binary or quantized
• Complex documents? → Multi-vector
• Keyword search? → Sparse vectors
The key is understanding your trade-offs: accuracy vs. speed vs. storage.
#پردازش_زبان_طبیعی #مقاله #منابع
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
• 𝗦𝗽𝗮𝗿𝘀𝗲 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀
• 𝗗𝗲𝗻𝘀𝗲 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀
• 𝗕𝗶𝗻𝗮𝗿𝘆 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀
• 𝗤𝘂𝗮𝗻𝘁𝗶𝘇𝗲𝗱 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀
• 𝗩𝗮𝗿𝗶𝗮𝗯𝗹𝗲 𝗗𝗶𝗺𝗲𝗻𝘀𝗶𝗼𝗻 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀
• 𝗠𝘂𝗹𝘁𝗶-𝗩𝗲𝗰𝘁𝗼𝗿 𝗘𝗺𝗯𝗲𝗱𝗱𝗶𝗻𝗴𝘀
𝗪𝗵𝗶𝗰𝗵 𝘁𝘆𝗽𝗲 𝘀𝗵𝗼𝘂𝗹𝗱 𝘆𝗼𝘂 𝘂𝘀𝗲?
It depends on your use case:
• Need semantic matching? → Dense embeddings
• Storage-constrained? → Binary or quantized
• Complex documents? → Multi-vector
• Keyword search? → Sparse vectors
The key is understanding your trade-offs: accuracy vs. speed vs. storage.
#پردازش_زبان_طبیعی #مقاله #منابع
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
آگهی دعوت به همکاری
(استارتاپ Multi Math Methods)
عنوان شغلی: کارشناس هوش مصنوعی
یادگیری تقویتی (Reinforcement Learning)
آدرس : تهران ، بلوار کشاورز ، ابتدای خ 16 آذر
ارسال رزومه:
به آدرس تلگرام @meh_deh
مدرک تحصیلی : کارشناسی ارشد ، دانشجوی دکتری و یا دکتری
رشته‌های تحصیلی :
• علوم کامپیوتر
• مهندسی کامپیوتر
• ریاضیات کاربردی
• فیزیک
• سایر رشته‌های مرتبط
شرح شغل:
• تحلیل و بهبود محیط یادگیری عامل
• طراحی و پیاده‌سازی مدل‌های یادگیری تقویتی
• بهینه سازی و ارزیابی عملکرد مدل ها
• انجام تحقیقات و پژوهش در حوزه یادگیری تقویتی
مهارت‌ها و توانایی‌های مورد نیاز:
• تسلط بر زبان برنامه‌نویسی پایتون
• آشنایی کامل با الگوریتم‌های یادگیری تقویتی و یادگیری عمیق
• مهارت در استفاده از کتابخانه‌های یادگیری تقویتی و پردازش و آنالیز داده
شرایط کاری:
• حضوری تمام وقت (امکان دورکاری وجود ندارد)
• پرداخت: ساعتی – توافقی
• بیمه: ندارد
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
(استارتاپ Multi Math Methods)
عنوان شغلی: کارشناس هوش مصنوعی
یادگیری تقویتی (Reinforcement Learning)
آدرس : تهران ، بلوار کشاورز ، ابتدای خ 16 آذر
ارسال رزومه:
به آدرس تلگرام @meh_deh
مدرک تحصیلی : کارشناسی ارشد ، دانشجوی دکتری و یا دکتری
رشته‌های تحصیلی :
• علوم کامپیوتر
• مهندسی کامپیوتر
• ریاضیات کاربردی
• فیزیک
• سایر رشته‌های مرتبط
شرح شغل:
• تحلیل و بهبود محیط یادگیری عامل
• طراحی و پیاده‌سازی مدل‌های یادگیری تقویتی
• بهینه سازی و ارزیابی عملکرد مدل ها
• انجام تحقیقات و پژوهش در حوزه یادگیری تقویتی
مهارت‌ها و توانایی‌های مورد نیاز:
• تسلط بر زبان برنامه‌نویسی پایتون
• آشنایی کامل با الگوریتم‌های یادگیری تقویتی و یادگیری عمیق
• مهارت در استفاده از کتابخانه‌های یادگیری تقویتی و پردازش و آنالیز داده
شرایط کاری:
• حضوری تمام وقت (امکان دورکاری وجود ندارد)
• پرداخت: ساعتی – توافقی
• بیمه: ندارد
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
سلام دوستان لینک دعوت فیلترشکن برای ی برنامه‌نویسان، گیمرها، دانشجویان، فعالین حوزه رمز ارز، فریلنسرها از لینک دعوت من استفاده کنین هم شما ی فیلترشکن مطمین استفاده کنین بدونین قطعی نداره قطع شه دیگه مثه اون سری میشه ک کل دیتاسنترهای ایرانو بستن
https://www.tg-me.com/F14PanelBot
پ.ن: تضمین قطع نشدنشون گارنتی من هست از این فیلترشکن برای همه شبکه های مخابراتی کانکشن دارن و پشتیبانی میکنن
https://www.tg-me.com/F14PanelBot
پ.ن: تضمین قطع نشدنشون گارنتی من هست از این فیلترشکن برای همه شبکه های مخابراتی کانکشن دارن و پشتیبانی میکنن
برای فهم بهتر اینکه مدل Gemma 3n چگونه شروع شد این مقالات رو مطالعه کنید.
▪️ Google USM: Scaling Automatic Speech Recognition Beyond 100 Languages
▪️ Spark Transformer: Reactivating Sparsity in FFN and Attention
▪️MatFormer: Nested Transformer for Elastic Inference
▪️ LAuReL: Learned Augmented Residual Layer
▪️ Alternating Updates for Efficient Transformers
▪️ introducing gemma 3n developer guide
#پردازش_زبان_طبیعی #مقاله #منابع #متن_باز
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ Google USM: Scaling Automatic Speech Recognition Beyond 100 Languages
▪️ Spark Transformer: Reactivating Sparsity in FFN and Attention
▪️MatFormer: Nested Transformer for Elastic Inference
▪️ LAuReL: Learned Augmented Residual Layer
▪️ Alternating Updates for Efficient Transformers
▪️ introducing gemma 3n developer guide
#پردازش_زبان_طبیعی #مقاله #منابع #متن_باز
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Forwarded from گریز از مرکز
آیا شما به موقع مواجهه با Bug یا Error به موقع برنامه‌نویسی، دچار استرس (یا به هم‌ریختگی) میشید؟
(پیش چند نفر این قضیه رو مشاهده کردم. می‌خوام ببینم چه قدر فراگیره.)
(پیش چند نفر این قضیه رو مشاهده کردم. می‌خوام ببینم چه قدر فراگیره.)
Anonymous Poll
25%
بله. خیلی اوقات.
25%
بله. بعضی وقت‌ها پیش میاد.
19%
بله. کم پیش میاد ولی ممکنه.
23%
خیر/به ندرت
7%
تجربه برنامه‌نویسی ندارم تقریبا.
۱۰ ایجنت #متن_باز Deep Research
1. DeerFlow
A modular multi-agent system combining LMs and tools for automated research and code analysis. It links a coordinator, planner, team of specialized agent, and reporter, and converts reports to speech via Text-to-Speech (TTS)
2. Alita
Uses a single problem-solving module for scalable reasoning through simplicity. It self-evolves by generating and reusing Model Context Protocols (MCPs) from open-source tools to build external capabilities for diverse tasks
3. WebThinker
Lets reasoning models autonomously search the web and navigate pages. Deep Web Explorer allows interaction with links and follow-up searches. Through a Think-Search-and-Draft process models generate and refine reports in real time. RL training with preference pairs improves the workflow
4. SimpleDeepSearcher
A lightweight framework showing that supervised fine-tuning is a real alternative to complex RL, using simulated web interactions and multi-criteria curation to generate high-quality training data
5. AgenticSeek
A private, on-device assistant that picks the best agent expert for browsing, coding, or planning—no cloud needed. Includes voice input via speech-to-text
6. Suna
Offers web browsing, file and doc handling, CLI execution, site deployment, and API/service integration—all in one assistant
7- DeepResearcher
An RL framework for training deep research agents end-to-end in real-world environments with web search, exhibiting emergent behaviour like planning, multi-source validation, self-reflection, and honest defining when the agent doesn't know the answer
8- Search-R1
Features interleaved search access and an open-source RL training pipeline supporting various algorithms (PPO, GRPO, etc.), LLMs (LLaMA3, Qwen2.5, etc.), and search engines (online, local, retrievers)
9- ReCall
Trains LLMs to reason with tools via RL, no supervised tool-use data needed. It enables agentic use of tools like OpenAI o3 and supports synthetic data generation across diverse environments and multi-step tasks
10- OWL
A framework built on CAMEL-AI framework enabling dynamic multi-agent collaboration for task automation across diverse domains
#الگوریتمها #هوش_مصنوعی #مقاله@AI_DeepMind
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
1. DeerFlow
A modular multi-agent system combining LMs and tools for automated research and code analysis. It links a coordinator, planner, team of specialized agent, and reporter, and converts reports to speech via Text-to-Speech (TTS)
2. Alita
Uses a single problem-solving module for scalable reasoning through simplicity. It self-evolves by generating and reusing Model Context Protocols (MCPs) from open-source tools to build external capabilities for diverse tasks
3. WebThinker
Lets reasoning models autonomously search the web and navigate pages. Deep Web Explorer allows interaction with links and follow-up searches. Through a Think-Search-and-Draft process models generate and refine reports in real time. RL training with preference pairs improves the workflow
4. SimpleDeepSearcher
A lightweight framework showing that supervised fine-tuning is a real alternative to complex RL, using simulated web interactions and multi-criteria curation to generate high-quality training data
5. AgenticSeek
A private, on-device assistant that picks the best agent expert for browsing, coding, or planning—no cloud needed. Includes voice input via speech-to-text
6. Suna
Offers web browsing, file and doc handling, CLI execution, site deployment, and API/service integration—all in one assistant
7- DeepResearcher
An RL framework for training deep research agents end-to-end in real-world environments with web search, exhibiting emergent behaviour like planning, multi-source validation, self-reflection, and honest defining when the agent doesn't know the answer
8- Search-R1
Features interleaved search access and an open-source RL training pipeline supporting various algorithms (PPO, GRPO, etc.), LLMs (LLaMA3, Qwen2.5, etc.), and search engines (online, local, retrievers)
9- ReCall
Trains LLMs to reason with tools via RL, no supervised tool-use data needed. It enables agentic use of tools like OpenAI o3 and supports synthetic data generation across diverse environments and multi-step tasks
10- OWL
A framework built on CAMEL-AI framework enabling dynamic multi-agent collaboration for task automation across diverse domains
#الگوریتمها #هوش_مصنوعی #مقاله@AI_DeepMind
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
جادی آموزش پایتون جامع خودش را در سایت مکتبخونه به طور کاملا رایگان منتشر کرد
برای دریافت رایگان این دوره کد زیر:
PEACE
وارد کنید
▪️ آموزش پایتون جامع
پ.ن: این آموزش تا ۱۵ تیر ماه رایگان خواهد بود شرط دریافت رایگان دوره، برداشتن تیک «دسترسی کامل» هست.
#پایتون #منابع #کلاس_آموزشی #فیلم
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
برای دریافت رایگان این دوره کد زیر:
وارد کنید
▪️ آموزش پایتون جامع
پ.ن: این آموزش تا ۱۵ تیر ماه رایگان خواهد بود شرط دریافت رایگان دوره، برداشتن تیک «دسترسی کامل» هست.
#پایتون #منابع #کلاس_آموزشی #فیلم
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
شرکت آنتروپیک تو یه پروژه مدل خودش claude رو مسئول یه vending machine کرد از خرید از توزیع کننده بگیر تا کد تخفیف و جواب به سوالات مشتری و هدف فقط اینه بود که ضرر نکنه درسته در آخر ضرر کرد ولی پروژه خیلی جالبی شد و نتیجه های جالبی داشت
https://www.anthropic.com/research/project-vend-1
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://www.anthropic.com/research/project-vend-1
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Anthropic
Project Vend: Can Claude run a small shop? (And why does that matter?)
We let Claude run a small shop in the Anthropic office. Here's what happened.
Forwarded from @machinelearningnet
💥چند تا نکته بابت اپلای :
💠 این مدت درگیر انتخاب دانشجو برای پوزیشن دکترای دانشکده بودم، نزدیک ۲۰۰ نفر برای یک پوزیشن اپلای کردن که در واقع کلی هم رزومه های خوب بین شون وجود داره،
🌐 اول بگم که اینجا دانشگاه top 100 دنیا هست و مطالبی که میگم برای این لول هست،
◻️ راستش وقتی سیستم اینقدر رقابتی میشه، دیگه متقاضی با نمره زیر ۷ آیلتس ( یا ۱۰۰ تافل ) اتوماتیک حذف میشن،
▫️ بدون داشتن مقاله معتبر توی رزومه، اصولا شانسی کمی دارین،
🔸 درباره مقاله لطفا دقت کنید، اگه میخواین به بیزینس اسکول های خوب انگلیس یا اروپا اپلای کنید، ژورنالهای computer science اینا اینجا ارزش بالایی ندارن،
اصولا از abs لیست یا abdc لیست ژورنال خوب رو انتخاب کنید و سابمیت کنید،
💻 اصلاح رایتینگ پروپوزال با کمک ai اوکیه، اما هیچ وقت ازش نخواهید کل پروپوزال رو براتون بنویسه ، عمرا نوآوری داشته باشه،
🌐 🔸 نکته ی بعدی شناخت از فرد هست، اگه قبلا با استاد صحبت کردین، پروپوزال رو باهاش اکستند کردین عالیه، اینجوری شما میشین فرد منتخب اون استاد، و بعدش شانس بیشتری دارین تا همینجوری اقدام کنید ( یه روز قبل از ددلاین به استاد ایمیل زدن فایده نداره)
⚙️ سعی نکنید هر چیزی رو یجوری بفشارید در دل ریسرچ استاد، مقاله های جدید طرف رو بخونید و اگه واقعا توی فیلد شما نیست بهش ایمیل نزید، کلی استاد توی دپارتمان هست، بعدش سعی کنید head ریسرچ دپارتمان رو پیدا کنید، چون اون خیلی دخیل هست توی انتخاب دانشجوی دکترا،
🎙️ کیفیت مصاحبه مهمه، توی مصاحبه سوال رو بشنوید و جواب اونو بدین، نه اینکه بی ربط جواب بدین
🔎 اصولا اگه ۷-۸ سال از فارغ التحصیلی فرد گذشته باشه، شانس اسکولارشیپ واقعا سخت میشه، مگه اینکه کلی مقاله داشته باشین.
💳 همه اینا برای زمانی هست که میخواین اسکولارشیپ بگیرین، والا پولی، هیچ کدوم از این مشکلات نیست ☺️
🟫 داشتن رفرنس از دانشگاهای خارجی خوبه، چون کیفیت طرف رو یکی در حد استاندارد اینجا تایید کرده.
✈️ متاسفانه احتمال اینکه در این زمان ویزای امریکا بیاد خیلی کمه، و دانشگاه‌های امریکایی دیگه خیلی ایرانی هارو بخاطر کارهای احمقانه ترامپ نمیتونن بگیرن، واقعا حیف اما بنظرم با این وجود برای بیزینس اسکول، و فاینانس واقعا اروپا و انگلیس گاها سرتر از امریکا هست.
💠 و نکته اخر : واقعا بچه های ایران چقدر خوبن، امیدوارم عقلانیتی باشه که بتونیم ایران خودمون رو بسازیم، وطن همه چیز آدمی هست، وقتی می‌آید بیرون متوجه میشید که چقدر قلبتون براش میتپه ♥️
ساسان براک
Channel: @machinelearningnet2
Group: @machinelearningnet
اصولا از abs لیست یا abdc لیست ژورنال خوب رو انتخاب کنید و سابمیت کنید،
ساسان براک
Channel: @machinelearningnet2
Group: @machinelearningnet
Please open Telegram to view this post
VIEW IN TELEGRAM
دوتا کورس عالی از دانشگاه برکلی راجع به ایجنت ها ارائه شده. دوره اول فاندیمنتال و مباحث اصلی را توضیح میده و دوره دوم دوره پیشرفته راجع به ایجنت ها هست. تمام اسلایدها و ویدیوها و مقالات هم موجوده. و موضوعات مهم و اساسی را پوشش میده.
▪️ CS294/194-196 Large Language Model Agents
▪️ CS294/194-280
Advanced Large Language Model Agents
#منابع #کلاس_آموزشی #پردازش_زبان_طبیعی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ CS294/194-196 Large Language Model Agents
▪️ CS294/194-280
Advanced Large Language Model Agents
#منابع #کلاس_آموزشی #پردازش_زبان_طبیعی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person