اگه دوست دارید یک پروژه جالب و کاربردی بنویسید این یک ایده جالب:
با یک تیر چند نشون میزنید. هم به صورت end-to-end یک AI Assistatnt پیاده سازی میکنید و کلی چیز جدید یاد میگیرید. هم اینکه یک اپلیکیشن کاربردی نوشتید که میتونید واقعا استفاده کنید. حتا ازش درامد داشته باشید. بریم سراغ ایده!
(خلاصه ایده را با chatGPT نوشتم که راحت تره!)
ساخت یک "مغز دوم" با دستیار هوش مصنوعی با استفاده از LLM و RAG
در دنیای پرسرعت امروز، مدیریت اطلاعات به یک چالش بزرگ تبدیل شده است. یک دستیار هوش مصنوعی به عنوان "مغز دوم" میتواند با سازماندهی، بازیابی و تولید دانش از اطلاعات شخصی یا حرفهای، به شما کمک کند. ترکیب مدلهای زبانی بزرگ (LLM) با بازیابی افزوده به تولید (RAG) این فرآیند را هوشمندتر و دقیقتر میکند.
چرا از RAG استفاده کنیم؟
مدلهای زبانی فقط بر اساس دادههای از پیش آموزشدیده شده پاسخ میدهند که ممکن است قدیمی یا نادقیق باشند. اما RAG امکان بازیابی اطلاعات بهروز و مرتبط از منابع مختلف را فراهم میکند. این ویژگی برای یک مغز دوم ایدهآل است، چون میتواند در لحظه از یادداشتهای شخصی، اسناد و منابع خارجی اطلاعات استخراج کند.
اجزای کلیدی:
ذخیرهسازی و ایندکسگذاری: استفاده از دیتابیسهای برداری (مثل Qdrant یا Milvus) برای ذخیره و بازیابی یادداشتها، ایمیلها و اسناد.
اتصال به LLM: ترکیب با مدلهایی مثل GPT یا Mistral برای تولید پاسخهای هوشمند بر اساس محتوای بازیابیشده.
رابط تلگرام: استفاده از یک چتبات در تلگرام برای تعامل سریع و راحت با دستیار.
وبهوکها و خودکارسازی: دریافت و بروزرسانی خودکار دادهها برای نگه داشتن اطلاعات همیشه جدید و در دسترس.
کاربردها:
مدیریت دانش شخصی: ذخیره و بازیابی یادداشتهای جلسه، مقالات و ایدهها.
کمک به انجام کارها و پروژهها: ارائه پیشنهادات هوشمند در مورد کارهای در حال انجام.
مطالعه و تحقیق: خلاصهسازی مقالات، پیگیری مفاهیم و تولید یادداشتهای مطالعاتی.
این هم معماری کلی پروژه. میتونید اول ساده تر درستش کنید بعد قسمت های اضافی و پیچیده تر را بهش اضافه کنید.
🆔 @Ai_Tv
با یک تیر چند نشون میزنید. هم به صورت end-to-end یک AI Assistatnt پیاده سازی میکنید و کلی چیز جدید یاد میگیرید. هم اینکه یک اپلیکیشن کاربردی نوشتید که میتونید واقعا استفاده کنید. حتا ازش درامد داشته باشید. بریم سراغ ایده!
(خلاصه ایده را با chatGPT نوشتم که راحت تره!)
ساخت یک "مغز دوم" با دستیار هوش مصنوعی با استفاده از LLM و RAG
در دنیای پرسرعت امروز، مدیریت اطلاعات به یک چالش بزرگ تبدیل شده است. یک دستیار هوش مصنوعی به عنوان "مغز دوم" میتواند با سازماندهی، بازیابی و تولید دانش از اطلاعات شخصی یا حرفهای، به شما کمک کند. ترکیب مدلهای زبانی بزرگ (LLM) با بازیابی افزوده به تولید (RAG) این فرآیند را هوشمندتر و دقیقتر میکند.
چرا از RAG استفاده کنیم؟
مدلهای زبانی فقط بر اساس دادههای از پیش آموزشدیده شده پاسخ میدهند که ممکن است قدیمی یا نادقیق باشند. اما RAG امکان بازیابی اطلاعات بهروز و مرتبط از منابع مختلف را فراهم میکند. این ویژگی برای یک مغز دوم ایدهآل است، چون میتواند در لحظه از یادداشتهای شخصی، اسناد و منابع خارجی اطلاعات استخراج کند.
اجزای کلیدی:
ذخیرهسازی و ایندکسگذاری: استفاده از دیتابیسهای برداری (مثل Qdrant یا Milvus) برای ذخیره و بازیابی یادداشتها، ایمیلها و اسناد.
اتصال به LLM: ترکیب با مدلهایی مثل GPT یا Mistral برای تولید پاسخهای هوشمند بر اساس محتوای بازیابیشده.
رابط تلگرام: استفاده از یک چتبات در تلگرام برای تعامل سریع و راحت با دستیار.
وبهوکها و خودکارسازی: دریافت و بروزرسانی خودکار دادهها برای نگه داشتن اطلاعات همیشه جدید و در دسترس.
کاربردها:
مدیریت دانش شخصی: ذخیره و بازیابی یادداشتهای جلسه، مقالات و ایدهها.
کمک به انجام کارها و پروژهها: ارائه پیشنهادات هوشمند در مورد کارهای در حال انجام.
مطالعه و تحقیق: خلاصهسازی مقالات، پیگیری مفاهیم و تولید یادداشتهای مطالعاتی.
این هم معماری کلی پروژه. میتونید اول ساده تر درستش کنید بعد قسمت های اضافی و پیچیده تر را بهش اضافه کنید.
🆔 @Ai_Tv
👍8❤1
مدلهای هما از گوگل همیشه جز بهترین مدلها بخصوص برای فارسی بوده. الان که دیگه سری جدید Gemma3 را معرفی کردن از ۱میلیارد تا ۲۷ میلیارد پارامتری که multimodal هم هستند. به علاوه اینکه کلی هم اپتیمایز کردن برای مصرف کمتر مموری! مثلا مدل ۴میلیاردی ورژن ۳ از لحاظ پرفورمنس برابری میکنه با مدل ۲۷میلیاردی ورژن ۲. این مقاله شون را بخونید.
https://storage.googleapis.com/deepmind-media/gemma/Gemma3Report.pdf
🆔 @Ai_Tv
https://storage.googleapis.com/deepmind-media/gemma/Gemma3Report.pdf
🆔 @Ai_Tv
👍4❤3👏1
This media is not supported in your browser
VIEW IN TELEGRAM
این ریپو را از دست ندید. یک مقاله کامل (survey paper) راجع به Agentic RAG هست به همراه کلی منبع و مطلب آموزشی دیگه راجع به این موضوع!
هم مقاله را بخونید و هم خود ریپو را کامل چک کنید.
https://github.com/asinghcsu/AgenticRAG-Survey
🆔 @Ai_Tv
هم مقاله را بخونید و هم خود ریپو را کامل چک کنید.
https://github.com/asinghcsu/AgenticRAG-Survey
🆔 @Ai_Tv
👍3❤1
Manus AI is an agent that can research, browse, code, and automate tasks!
Introducing OWL (Optimized Workforce Learning) an Open Source alternative to Manus AI for multi-agent collaboration.
OWL is the top ranking open-source frameworks.
100% Open Source
🔗https://github.com/camel-ai/owl
🆔 @Ai_Tv
Introducing OWL (Optimized Workforce Learning) an Open Source alternative to Manus AI for multi-agent collaboration.
OWL is the top ranking open-source frameworks.
100% Open Source
🔗https://github.com/camel-ai/owl
🆔 @Ai_Tv
👍2
بازم یک پروژه جالب و کاربردی دیگه با استفاده از AI Assistant/Agent ها برای آخر هفته!
بریم سراغ ایده! (خلاصه ایده را با chatGPT نوشتم که راحت تره!)
"دستیار هوش مصنوعی در تلگرام برای خلاصه اخبار شخصیسازیشده"
این پروژه آموزشی یک ربات گفتوگویی تلگرام را توسعه میدهد که با استفاده از مدلهای زبانی بزرگ (LLM) بهطور هوشمند خلاصه اخبار روزانه را برای کاربران ارسال میکند و درباره رویدادهای جاری با آنها تعامل دارد. این ربات اخبار را از وبسایتهای خبری دریافت کرده و بر اساس مکالمات و ترجیحات کاربران، محتوای خود را بهصورت پویا تنظیم میکند.
اجزای اصلی:
- وبهوک FastAPI: مدیریت ارتباط دوطرفه بین تلگرام و اپلیکیشن
- یکپارچهسازی LLM: پردازش زبان طبیعی و ایجاد مکالمات طبیعی
- مدیر زمینه کاربر: دنبال کردن تاریخچه گفتگو و تغییرات در علایق کاربر
- ماژول جمعآوری اخبار: دریافت و دستهبندی مقالات از وبسایتهای خبری
- موتور توصیهگر مکالمهای: پیشنهاد محتوای متناسب با علاقههای کاربر در طول گفتگو
- تولیدکننده محتوای پویا: ایجاد خلاصههای شخصیسازیشده و محتوای تکمیلی
- سیستم زمانبندی: ارسال خودکار خلاصههای خبری و حفظ مکالمات مداوم
کاربران میتوانند درباره موضوعات خبری مکالمه داشته باشند، سؤالات تکمیلی بپرسند و پیشنهادهای بهتری را بر اساس تعاملاتشان دریافت کنند. این سیستم نشان میدهد که چگونه مدلهای زبانی بزرگ میتوانند تجربه شخصیسازی محتوا را از طریق مکالمه بهبود دهند، بدون نیاز به تنظیمات دستی ترجیحات.
این هم معماری کلی پروژه.
لینک پروژه قبلی : https://www.tg-me.com/Ai_Tv/7787
منبع
🆔 @Ai_Tv
بریم سراغ ایده! (خلاصه ایده را با chatGPT نوشتم که راحت تره!)
"دستیار هوش مصنوعی در تلگرام برای خلاصه اخبار شخصیسازیشده"
این پروژه آموزشی یک ربات گفتوگویی تلگرام را توسعه میدهد که با استفاده از مدلهای زبانی بزرگ (LLM) بهطور هوشمند خلاصه اخبار روزانه را برای کاربران ارسال میکند و درباره رویدادهای جاری با آنها تعامل دارد. این ربات اخبار را از وبسایتهای خبری دریافت کرده و بر اساس مکالمات و ترجیحات کاربران، محتوای خود را بهصورت پویا تنظیم میکند.
اجزای اصلی:
- وبهوک FastAPI: مدیریت ارتباط دوطرفه بین تلگرام و اپلیکیشن
- یکپارچهسازی LLM: پردازش زبان طبیعی و ایجاد مکالمات طبیعی
- مدیر زمینه کاربر: دنبال کردن تاریخچه گفتگو و تغییرات در علایق کاربر
- ماژول جمعآوری اخبار: دریافت و دستهبندی مقالات از وبسایتهای خبری
- موتور توصیهگر مکالمهای: پیشنهاد محتوای متناسب با علاقههای کاربر در طول گفتگو
- تولیدکننده محتوای پویا: ایجاد خلاصههای شخصیسازیشده و محتوای تکمیلی
- سیستم زمانبندی: ارسال خودکار خلاصههای خبری و حفظ مکالمات مداوم
کاربران میتوانند درباره موضوعات خبری مکالمه داشته باشند، سؤالات تکمیلی بپرسند و پیشنهادهای بهتری را بر اساس تعاملاتشان دریافت کنند. این سیستم نشان میدهد که چگونه مدلهای زبانی بزرگ میتوانند تجربه شخصیسازی محتوا را از طریق مکالمه بهبود دهند، بدون نیاز به تنظیمات دستی ترجیحات.
این هم معماری کلی پروژه.
لینک پروژه قبلی : https://www.tg-me.com/Ai_Tv/7787
منبع
🆔 @Ai_Tv
👍6❤1
اینم یک کورس برای ساخت llm application که امروز اوپن سورس شده :
https://www.linkedin.com/posts/hamzafarooq_open-sourcing-my-stanford-university-course-activity-7306939137943642112-Lers?utm_source=share&utm_medium=member_android&rcm=ACoAADTHOAMB5oeisRmBn7SusOY-ZAoWjJFlJTQ
🆔 @Ai_Tv
https://www.linkedin.com/posts/hamzafarooq_open-sourcing-my-stanford-university-course-activity-7306939137943642112-Lers?utm_source=share&utm_medium=member_android&rcm=ACoAADTHOAMB5oeisRmBn7SusOY-ZAoWjJFlJTQ
🆔 @Ai_Tv
Linkedin
🚀 Open-Sourcing my Stanford Continuing Studies Course: Building LLM Applications from Scratch! | Hamza Farooq
🚀 Open-Sourcing my Stanford Continuing Studies Course: Building LLM Applications from Scratch!
Two years ago, when I first designed this course, I aimed to help practitioners move beyond pre-built frameworks and truly understand how to build LLM-powered…
Two years ago, when I first designed this course, I aimed to help practitioners move beyond pre-built frameworks and truly understand how to build LLM-powered…
👍5
Build and deploy LLM agents using just natural language! 🔥
AutoAgent is a fully-automated, self-developing framework that lets you create and deploy LLM agents using natural language alone.
(100% open-source)
https://github.com/HKUDS/AutoAgent
🆔 @Ai_Tv
AutoAgent is a fully-automated, self-developing framework that lets you create and deploy LLM agents using natural language alone.
(100% open-source)
https://github.com/HKUDS/AutoAgent
🆔 @Ai_Tv
👍4❤1
یه پلتفرم باحال آنلاین که میشه توش SQL تمرین کرد و شبیه به LeetCode برای تقویت مهارت SQL کمکتون میکنه
https://datalemur.com/sql-game
🆔 @Ai_Tv
https://datalemur.com/sql-game
🆔 @Ai_Tv
DataLemurs SQL Death Games!
DataLemurs SQL Death Game!
Use SQL queries to solve each level. Suitable for all skill levels. Can you reach the end?
👍3
This media is not supported in your browser
VIEW IN TELEGRAM
رزومهتون رو آپلود میکنید اینجا، بعد هوش مصنوعی میاد شما رو مچ میکنه به شغلهایی که بیشترین شانس و انطباق رو با رزومهتون دارن.
این سرویس رو تیم firecrawl ساخته. کارشون خیلی درسته.
Try it out: http://jobmatcherai.firecrawl.dev
See the code and get your API keys here: http://firecrawl.dev/p/claude-3.7-job-matcher-ai
🆔 @Ai_Tv
این سرویس رو تیم firecrawl ساخته. کارشون خیلی درسته.
Try it out: http://jobmatcherai.firecrawl.dev
See the code and get your API keys here: http://firecrawl.dev/p/claude-3.7-job-matcher-ai
🆔 @Ai_Tv
هوش مصنوعی |یادگیری ماشین| علم داده
رزومهتون رو آپلود میکنید اینجا، بعد هوش مصنوعی میاد شما رو مچ میکنه به شغلهایی که بیشترین شانس و انطباق رو با رزومهتون دارن. این سرویس رو تیم firecrawl ساخته. کارشون خیلی درسته. Try it out: http://jobmatcherai.firecrawl.dev See the code and get your API…
اینم نسخه ایرانیش
رزومهت رو توی بات تلگرامشون آپلود میکنی👇
✅️آگهیهای مرتبط رو برات از اینترنت میاره
✅️با تحلیل رزومهت، نقاط قوت و ضعفت رو میگه و دورههای آموزشی برای توانمندسازی بیشتر بهت معرفی میکنه
✅️رایگان هم هست
🌐 اطلاعات بیشتر: https://tipsoo.landin.ir
📥 فقط کافیست رزومهتان را ارسال کنید و از امکانات تیپسو بهره ببرید!
🤖 بات تلگرام: https://www.tg-me.com/TipsooBot
🆔 @Ai_Tv
رزومهت رو توی بات تلگرامشون آپلود میکنی👇
✅️آگهیهای مرتبط رو برات از اینترنت میاره
✅️با تحلیل رزومهت، نقاط قوت و ضعفت رو میگه و دورههای آموزشی برای توانمندسازی بیشتر بهت معرفی میکنه
✅️رایگان هم هست
🌐 اطلاعات بیشتر: https://tipsoo.landin.ir
📥 فقط کافیست رزومهتان را ارسال کنید و از امکانات تیپسو بهره ببرید!
🤖 بات تلگرام: https://www.tg-me.com/TipsooBot
🆔 @Ai_Tv
This media is not supported in your browser
VIEW IN TELEGRAM
یکی از مبحث های جذابی که این روزها در موردش شنیدم MCP مخفف Model Context Protocol هستش که توسط شرکت Anthropic خالق چت بات claude معرفی شد که به ما این قدرت رو میده که بتونیم از هوش مصنوعی در ابزارهای مختلف استفاده کنیم ، در این فیلم استفاده از MCP در Blender رو مشاهده میکنین
🆔 @Ai_Tv
🆔 @Ai_Tv
👍7❤3
This media is not supported in your browser
VIEW IN TELEGRAM
یک مدل جدید multimodal اومده به اسم SmolDocling که خیلی عالیه! خیلی کوچکه (ultra-compact vision-language model) و فقط با ۲۵۶ میلیون پارامتر دقتش در تبدیل داکیومنت به متن و استخراج اطلاعات واقعا بالاست. از OCR تا تشخیص کد و فرمولها و ... به کار میاد. راحت روی کامپیوتر نصب میشه و سرعتش هم خیلی بالاست. برای انواع کارها از جمله در workflow های agentic خیلی به درد میخوره.
HF: https://huggingface.co/ds4sd/SmolDocling-256M-preview
Paper: https://arxiv.org/pdf/2503.11576
🆔 @Ai_Tv
HF: https://huggingface.co/ds4sd/SmolDocling-256M-preview
Paper: https://arxiv.org/pdf/2503.11576
🆔 @Ai_Tv
❤6👍5
This media is not supported in your browser
VIEW IN TELEGRAM
برآمد باد صبح و بوی نوروز
به کام دوستان و بخت پیروز
مبارک بادت این سال و همه سال
همایون بادت این روز و همه روز
سعدی
🆔 @Ai_Tv
به کام دوستان و بخت پیروز
مبارک بادت این سال و همه سال
همایون بادت این روز و همه روز
سعدی
🆔 @Ai_Tv
❤8
95 درصد تخفیف عید روی سایت قرار گرفت
یه دوره پولی هم کاملا رندوم صد در صد تخفیف خورده که خودتون برید بگردید پیداش کنید
http://zaya.io/j1ig3
دوره های اسکراچ و بازی سازی موبایلی اضافه شد
این پست ویو و لایک بالایی بخوره بازم ادامه میدیم این کارارو
یه دوره پولی هم کاملا رندوم صد در صد تخفیف خورده که خودتون برید بگردید پیداش کنید
http://zaya.io/j1ig3
دوره های اسکراچ و بازی سازی موبایلی اضافه شد
این پست ویو و لایک بالایی بخوره بازم ادامه میدیم این کارارو
👍4❤3
This media is not supported in your browser
VIEW IN TELEGRAM
یک مدل زبان بزرگ سهبعدی (3D LLM) به اسم SpatialLM اومده که برای پردازش دادههای 3D point cloud طراحی شده و خروجیهای ساختار یافته از درک صحنههای 3D تولید میکند. این خروجیها شامل عناصری معماری مانند دیوارها، درها، پنجرهها همراه با دستهبندیهای معناییشان هستند. این مدل تواناییهای استدلال فضایی (spatial reasoning) را برای کاربردهایی در رباتیک، ناوبری خودران (autonomous navigation) و دیگر وظایف پیچیده تحلیل صحنههای سهبعدی بهبود میبخشد.
Link: https://manycore-research.github.io/SpatialLM/
🆔 @Ai_Tv
Link: https://manycore-research.github.io/SpatialLM/
🆔 @Ai_Tv
👍9❤1
ظاهرا داکر هم یک AI Agent به اسم Gordon راه انداخته که میشه بهش دسترسی به محیط داکر و فایلها داد و ازش خواست یه داکر ایمیج رو بهینه کنه، بهش امتیاز بده، یک اپلیکیشن رو داکرایز کنه، ایمیجها و کانتینرهایی که استفاده نمیشن رو پاک کنه یا چیزهای دیگه!
🆔 @Ai_Tv
🆔 @Ai_Tv
👍19
This media is not supported in your browser
VIEW IN TELEGRAM
اگه دوست دارید مفاهیم مرتبط با پیاده سازی سیستمهای RAG را یاد بگیرید، این ریپو را از دست ندید. یک سری از تکنیکها را بدون استفاده از langchin و llamaindex پیاده سازی کرده تا مفاهیم را کامل توضیح بده. برای یادگیری و حتا آموزش خیلی خوبه.
Github: https://github.com/FareedKhan-dev/all-rag-techniques
🆔 @Ai_Tv
Github: https://github.com/FareedKhan-dev/all-rag-techniques
🆔 @Ai_Tv
👍2
Media is too big
VIEW IN TELEGRAM
🖥 ChatGPT for Data Science & Machine Learning: 5 Use Cases
00:31 1 - Python Library Suggestions
03:27 2 - Code Troubleshooting
06:21 3 - Code Generation
10:24 4 -Translate Code from R to Python
15:17 5 - Article Summarization
#هوش_مصنوعی #ChatGPT
🆔 @Ai_Tv
In this video we have conjured up 5 magical ways ChatGPT will revolutionize the way you work in data science. Get ready to be spellbound by these 5 enchanting use cases:00:00 Five Use-Cases Summary
00:31 1 - Python Library Suggestions
03:27 2 - Code Troubleshooting
06:21 3 - Code Generation
10:24 4 -Translate Code from R to Python
15:17 5 - Article Summarization
#هوش_مصنوعی #ChatGPT
🆔 @Ai_Tv