گوگل از Gemini CLI، ابزار هوش مصنوعی open-source برای ترمینال
این ابزار AI متنباز تو در ترمینالها (Terminal) اجرا میشه و پلی بین توسعهدهنده و مدل Gemini ایجاد میکنه.
این ابزار رایگانه، مستقیم با مدل قدرتمند Gemini 2.5 Pro کار میکنه (با پشتیبانی از ۱ میلیون توکن context!) و روی ویندوز، مک و لینوکس بدون دردسر نصب میشه
برای استفادهش فقط یه حساب گوگل لازمه. روزانه تا ۱۰۰۰ درخواست و ۶۰ درخواست در دقیقه رایگانه .
لینک
@silicon_brain | از هوش مصنوعی عقب نمانید
این ابزار AI متنباز تو در ترمینالها (Terminal) اجرا میشه و پلی بین توسعهدهنده و مدل Gemini ایجاد میکنه.
این ابزار رایگانه، مستقیم با مدل قدرتمند Gemini 2.5 Pro کار میکنه (با پشتیبانی از ۱ میلیون توکن context!) و روی ویندوز، مک و لینوکس بدون دردسر نصب میشه
برای استفادهش فقط یه حساب گوگل لازمه. روزانه تا ۱۰۰۰ درخواست و ۶۰ درخواست در دقیقه رایگانه .
لینک
@silicon_brain | از هوش مصنوعی عقب نمانید
❤8👍2🤣2🤩1
چطور مدل های LLM متن پاسخ میدن؟
ورودی شما به «توکنها» تقسیم میشه (کلمات یا بخشهایی از کلمات).
هر توکن به یه بردار عددی با ابعاد بالا تبدیل میشه.
مدل با استفاده از مکانیزم "توجه" (Attention) زمینه رو تحلیل میکنه.
مدل احتمال توکن بعدی رو محاسبه میکنه.
پاسخ کلمهبهکلمه ساخته میشه.
فیلترهای ایمنی و انسجام بررسی نهایی رو انجام میدن.
شما یه جواب روان و شبیه انسان دریافت میکنید.
همهی اینها توی چند میلیثانیه اتفاق میافته. فرقی نمیکنه مکالمهی روزمره باشه یا استفاده در سطح سازمانی، همین جریان و موتور زبانی فعاله.
@silicon_brain I از هوش مصنوعی عقب نمانید
دریافت پرامپت (Prompt Ingestion):
ورودی شما به «توکنها» تقسیم میشه (کلمات یا بخشهایی از کلمات).
تعبیه توکنها (Token Embedding):
هر توکن به یه بردار عددی با ابعاد بالا تبدیل میشه.
پردازش با ترنسفورمر (Transformer Processing):
مدل با استفاده از مکانیزم "توجه" (Attention) زمینه رو تحلیل میکنه.
پیشبینی لگیت (Logit Prediction):
مدل احتمال توکن بعدی رو محاسبه میکنه.
تولید گامبهگام (Token-by-Token Generation):
پاسخ کلمهبهکلمه ساخته میشه.
پسپردازش (Post-Processing):
فیلترهای ایمنی و انسجام بررسی نهایی رو انجام میدن.
پاسخ نهایی (Final Response):
شما یه جواب روان و شبیه انسان دریافت میکنید.
همهی اینها توی چند میلیثانیه اتفاق میافته. فرقی نمیکنه مکالمهی روزمره باشه یا استفاده در سطح سازمانی، همین جریان و موتور زبانی فعاله.
@silicon_brain I از هوش مصنوعی عقب نمانید
❤11👍6👏2
مصورسازی json با گراف تعاملی
ابزار JSON Crack برای دیدن دادههای JSON بهصورت گرافهای تصویری و تعاملی ساخته شده. که باعث میشه راحتتر بتونی ساختار دادهها رو ببینی حتی فرمتبندی و اعتبارسنجی کنی.
کجا به درد میخوره؟ وقتی دادههای پیچیده یا طولانی داری، این ابزار کمک میکنه بهجای خوندن متن پیچیده و بلند، همهچی رو تصویری و دستهبندیشده ببینی و بفهمی که هر بخش داده کجاست و چه ارتباطی با بقیه داره.
از طریق این سایت هم میتونی باهاش کار کنی
jsoncrack.com
لینک گیتهاب
@silicon_brain | از هوش مصنوعی عقب نمانید
ابزار JSON Crack برای دیدن دادههای JSON بهصورت گرافهای تصویری و تعاملی ساخته شده. که باعث میشه راحتتر بتونی ساختار دادهها رو ببینی حتی فرمتبندی و اعتبارسنجی کنی.
علاوه بر json میتونی با این فرمت ها هم کار کنی:
XML, YAML, CSV
کجا به درد میخوره؟ وقتی دادههای پیچیده یا طولانی داری، این ابزار کمک میکنه بهجای خوندن متن پیچیده و بلند، همهچی رو تصویری و دستهبندیشده ببینی و بفهمی که هر بخش داده کجاست و چه ارتباطی با بقیه داره.
از طریق این سایت هم میتونی باهاش کار کنی
jsoncrack.com
لینک گیتهاب
@silicon_brain | از هوش مصنوعی عقب نمانید
❤8👍4🤩2
جناب :Yann LeCun:
لینک
@silicon_brain | از هوش مصنوعی عقب نمانید
این واقعاً شگفتانگیز است که افراد زیادی در صنعت فناوری و رسانههای حوزه فناوری تفاوت بین تحقیق، توسعه فناوری و توسعه محصول را درک نمیکنند.
توسعه محصول (Product) معمولاً افقی بین ۳ ماه تا یک سال دارد.
توسعه فناوری (Tech dev) افقی بین ۱ تا ۲ سال دارد.
تحقیق (Research) افقهایی بین ۲ تا ۱۰ سال، و گاهی حتی طولانیتر دارد.
لینک
@silicon_brain | از هوش مصنوعی عقب نمانید
👍9❤2🔥1👏1
پروتکل جدید Fi.Money برای اتصال دادههای مالی به Agentها!
شرکت هندی Fi.Money پروتکل جدیدی برای اتصال دادههای مالی شخصی به Agentها ارائه داده. این پروتکل کمک میکنه تا اطلاعات مالی مثل حسابهای بانکی، سرمایهگذاریها، وامها و دیگر داراییها با یک نمای واحد و منسجمی قابل مشاهده باشه
در واقع یک سیستم MCP برای مباحث مالی هستش که میشه با استفاده از این ابزار سؤالات مالی خودتونو با ChatGPT و Gemini یا... مطرح کنین و مشورتهای دقیق و مرتبط با وضعیت مالی خودتون داشته باشین
خلاصه اینکه با سرعت زیادی داریم میریم سمتی که اطلاعات مالیمون رو هم بدیم به AI 😁
لینک
@silicon_brain I از هوش مصنوعی عقب نمانید
شرکت هندی Fi.Money پروتکل جدیدی برای اتصال دادههای مالی شخصی به Agentها ارائه داده. این پروتکل کمک میکنه تا اطلاعات مالی مثل حسابهای بانکی، سرمایهگذاریها، وامها و دیگر داراییها با یک نمای واحد و منسجمی قابل مشاهده باشه
در واقع یک سیستم MCP برای مباحث مالی هستش که میشه با استفاده از این ابزار سؤالات مالی خودتونو با ChatGPT و Gemini یا... مطرح کنین و مشورتهای دقیق و مرتبط با وضعیت مالی خودتون داشته باشین
خلاصه اینکه با سرعت زیادی داریم میریم سمتی که اطلاعات مالیمون رو هم بدیم به AI 😁
لینک
@silicon_brain I از هوش مصنوعی عقب نمانید
❤3👍2🔥1😱1
ابزار کنترل نسخه داده و مدل DVC
ابزار DVC (Data Version Control) یه ابزار اوپنسورس برای versioning دادهها، مدلها و حتی پایپلاین ماشین لرنینگ هست و اینجوریه که رو گیت سوار میشه ولی مخصوص پروژههای دادهمحور و ML
طراحی شده
مثلاً وقتی دیتای حجیم داریم یا مدلهایی که چند گیگ هستن، نمیشه مستقیم داخل گیت بذاریم. DVC یه فایل متا (.dvc) میسازه که داخل گیت نگهداشته میشه، اما خود دیتا یا مدل رو داخل سرویسهای ابری مثل S3، Azure، گوگل و… ذخیره میکنه.
خب این کار مزیت های زیادی داره دیگه مثلا: از اونجاییکه مثل گیت همه دیتا و ML و ورژن هاشون قابل ثبت و قابل بازگشت هستن و مورد مهم دیگه اینه که pipelineها مشخص و reproducible هستن، فقط بخشهایی که تغییر کردهاند مجدداً اجرا میشن و در نهایت با گیت ادغام میشه و نیاز نیست سرور جدا بذاری
خلاصه بگم
لینک
@silicon_brain I از هوش مصنوعی عقب نمانید
ابزار DVC (Data Version Control) یه ابزار اوپنسورس برای versioning دادهها، مدلها و حتی پایپلاین ماشین لرنینگ هست و اینجوریه که رو گیت سوار میشه ولی مخصوص پروژههای دادهمحور و ML
طراحی شده
مثلاً وقتی دیتای حجیم داریم یا مدلهایی که چند گیگ هستن، نمیشه مستقیم داخل گیت بذاریم. DVC یه فایل متا (.dvc) میسازه که داخل گیت نگهداشته میشه، اما خود دیتا یا مدل رو داخل سرویسهای ابری مثل S3، Azure، گوگل و… ذخیره میکنه.
خب این کار مزیت های زیادی داره دیگه مثلا: از اونجاییکه مثل گیت همه دیتا و ML و ورژن هاشون قابل ثبت و قابل بازگشت هستن و مورد مهم دیگه اینه که pipelineها مشخص و reproducible هستن، فقط بخشهایی که تغییر کردهاند مجدداً اجرا میشن و در نهایت با گیت ادغام میشه و نیاز نیست سرور جدا بذاری
خلاصه بگم
اگر پروژهت دیتا و ML محور هست، بهت کمک میکنه روی reproducibility و versioning بهتر کنترل داشته باشی. اما اگر فقط یه اسکریپت ساده با دیتا کم داری، شاید DVC اضافی باشه
لینک
@silicon_brain I از هوش مصنوعی عقب نمانید
❤3👍1
Forwarded from Quera
📣 مسابقه برنامهنویسی در کوئرا، فرصت استخدام در دیوار
✨ رقابتی برای علاقهمندان به مهندسی نرمافزار و هوشمصنوعی
🏆 جوایز نقدی:
🥇رتبه اول: ۵۵ میلیون
🥈رتبه دوم: ۳۴ میلیون
🔥 تا رتبه دهم → با معکوس الگوی فیبوناچی
🎁 جوایز غیرنقدی متنوع بین رتبههای ۱۱ تا ۱۰۰۰
🗓 پنجشنبه ۱۹ تیر به صورت آنلاین
✅ اطلاعات بیشتر و ثبتنام رایگان:
🔗 https://quera.org/r/lygtn
✨ رقابتی برای علاقهمندان به مهندسی نرمافزار و هوشمصنوعی
🏆 جوایز نقدی:
🥇رتبه اول: ۵۵ میلیون
🥈رتبه دوم: ۳۴ میلیون
🔥 تا رتبه دهم → با معکوس الگوی فیبوناچی
🎁 جوایز غیرنقدی متنوع بین رتبههای ۱۱ تا ۱۰۰۰
🗓 پنجشنبه ۱۹ تیر به صورت آنلاین
✅ اطلاعات بیشتر و ثبتنام رایگان:
🔗 https://quera.org/r/lygtn
👍2👎1