🚀 اگه قصد دارین AI Agent درست کنین، حتما این دوتا تکنولوژی رو یاد بگیرین:

✨ ۱- Google ADK
یک فریمورک فوق‌العاده قدرتمند برای ساختن ایجنت‌ها که الان به سرعت داره توی صنعت فراگیر میشه.

✨ ۲- Agent2Agent (A2A) Protocol
پروتکلی برای ارتباط ایجنت‌ها با همدیگه.

📌 نکته مهم اینه که خود ریپوهای رسمی این ابزارها پر از مثال‌های عالی هستن و می‌تونین خیلی سریع و عملی باهاشون کار یاد بگیرین.

-A2A: https://github.com/a2aproject/A2A
- ADK: https://google.github.io/adk-docs/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📂 توی ریپازیتوری زیر، همه‌ی لینک‌های منابع رایگان برای یادگیری Machine Learning رو جمع‌آوری شده🚀

https://github.com/victor-explore/Machine-Learning-Library


#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

شرکت Hugging Face ابزاری متن‌باز به نام AI Sheets ارائه کرده که به شما امکان می‌دهد بدون نیاز به کدنویسی، دیتاست‌ها را بسازید، ویرایش کنید یا غنی‌سازی کنید. این ابزار هم روی سیستم شخصی قابل اجراست و هم روی Hugging Face Hub. به این ترتیب می‌توانید به هزاران مدل موجود در Hub دسترسی داشته باشید؛ چه از طریق Inference Providers و چه مدل‌های لوکال، حتی شامل مدل‌های gpt-oss از OpenAI.

https://github.com/huggingface/aisheets

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

شرکت چینی Moonshot AI قابلیتی جدید به Kimi اضافه کرده به نام PPT Assistant. با این ابزار می‌توانید تنها با وارد کردن یک متن ساده یا حتی فایل‌های PDF و Word، بلافاصله یک پاورپوینت حرفه‌ای و آماده ارائه بسازید. نکته جذاب اینکه این قابلیت به‌طور کامل از زبان فارسی پشتیبانی می‌کند و کاملاً رایگان است؛ بدون هیچ محدودیتی.

https://www.kimi.com/kimiplus/cvvm7bkheutnihqi2100

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

MIT: Machine Learning for Computational Biology

این دوره MIT قراره نشون بده چطور می‌شه با کمک هوش مصنوعی و یادگیری ماشین، دنیای زیست‌شناسی رو از ژنوم و پروتئین گرفته تا درمان‌ها و داده‌های بیماران، عمیق‌تر درک کرد. موضوعاتی مثل مدل‌های زبانی ژنوم و پروتئین، AlphaFold2، اپی‌ژنومیک، کشف دارو با AI و تحلیل داده‌های پزشکی رو پوشش می‌ده. به زبان ساده، پلیه بین علم داده و زیست‌شناسی برای کشف‌های مهم در سلامت و داروسازی.

Fall'24 Lecture Videos: http://tinyurl.com/MLCBlectures
Fall'24 Lecture Notes: http://tinyurl.com/MLCB24notes


#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

یه پکیج اومده که میگه می‌شه سیستم RAG مقیاس‌پذیر و با بهره‌وری بالا ساخت، کاملاً لوکال و رایگان!
https://github.com/yichuan-w/LEANN

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🚀 چرا Momentum تو بهینه‌سازی انقدر موثره؟
اگه دوست داری بفهمی چرا الگوریتم‌های Momentum و Gradient Descent انقدر سریع و هوشمند عمل می‌کنن و چطور با مفهوم “eigenfeatures” و تحلیل منحنی خطا به سرعت به جواب می‌رسن، این سایت یه منبع عالیه:
https://distill.pub/2017/momentum/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📌 معرفی ریپازیتوری جذاب:
https://github.com/aishwaryanr/awesome-generative-ai-guide

این ریپازیتوری مثل یک مرکز جامع برای منابع GenAI عمل می‌کنه و پر از آپدیت‌های تازه در مورد:
🔹 مقالات جدید حوزه Generative AI
🔹 منابع مصاحبه و سوالات رایج
🔹 نوت‌بوک‌ها و ریپازیتوری‌های کدنویسی
🔹 دوره‌های رایگان (بیش از ۹۰ دوره مختلف)
🔹 نقشه‌راه‌های یادگیری (RAG، LLM Foundations، Agents و …)

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

این ریپازیتوری اومده مسیر شروع هوش مصنوعی رو نشون داده؛ از پایه مفاهیم رو توضیح داده و همه چیز رو با کد داخل نوت‌بوک‌های Jupyter آورده.

https://github.com/fastai/fastbook/blob/master/01_intro.ipynb

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🚀 پایتورچ برای یادگیری عمیق 🔥

یه مجموعه کامل از منابع پایتورچ توی گیت‌هاب؛ شامل مدل‌ها، پیاده‌سازی مقالات، کتابخونه‌های کمکی، کتاب‌ها، آموزش‌ها و حتی کنفرانس‌ها 🎯

https://github.com/bharathgs/Awesome-pytorch-list

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

دانشجوهای برکلی یه مدل به اسم SkyRL-SQL-7B ساختن که با یه روش جدید به اسم RL چندمرحله‌ای آموزش داده شده. فرقش با روش‌های معمول اینه که می‌تونه کوئری SQL رو مرحله‌به‌مرحله بهتر کنه تا آخرش به جواب دقیق برسه.

نکته جالب اینجاست که با فقط حدود ۶۰۰ نمونه آموزشی تونسته روی دیتاست معروف Spider حدود ۹٪ دقت بیشتر بیاره و حتی از مدل‌های بزرگی مثل GPT-4o هم بهتر بشه!
کد و مدلش هم بازه و میشه راحت برای تسک‌های دیگه فاین‌تیونش کرد.

https://novasky-ai.notion.site/skyrl-sql

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📌 یک دوره‌ی تازه و ارزشمند از دانشگاه UCLA برای بهار ۲۰۲۵ منتشر شده:
Reinforcement Learning of Large Language Models

این مجموعه سخنرانی‌ موضوعات متنوعی درباره‌ی ترکیب یادگیری تقویتی و مدل‌های زبانی بزرگ رو پوشش می‌ده، مثل:

مبانی و پایه‌های RL
بحث Test-time compute
روش RLHF
و حتی RL با پاداش‌های قابل‌اعتبار (RLVR)

یک منبع عالی برای کسایی که می‌خوان درک عمیق‌تری از RL در LLMها پیدا کنن.

https://ernestryu.com/courses/RL-LLM.html

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

یه دوست عزیزی، محمد شجاعی، یه نقشه راه خیلی خوب برای یادگیری LLM آماده کرده.
از پایه‌ها شروع میشه، میره سراغ ترنسفورمر و توکنایزیشن و در نهایت هم به مباحث پروداکشن و LLMOps می‌رسه.

همه چیز مرحله‌به‌مرحله مرتب شده و حتی پروژه‌های عملی هم داخلش هست تا بتونید بهتر یاد بگیرید.

https://mshojaei77.github.io/roadmap.html

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

با این پرامپت، یه دستیار هوش مصنوعی داری که سخت‌ترین مفاهیم مهندسی کامپیوتر رو برات اول ساده میگه و بعد با توضیح داستانی و منبع کامل بازش می‌کنه.

https://gist.github.com/mhrlife/26a279b4fcacc71e20d2068219dd7bbc

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

✨ تکنیک‌های مهم در RAG

🧠 Reasoning & Acting (ReAct):
مدل هم فکر می‌کنه هم عمل! یعنی اول تصمیم می‌گیره چی لازمه، می‌ره دنبالش، بعد بر اساس اون دوباره استدلال می‌کنه.

🌳 Tree of Thoughts (ToT):
به‌جای یه مسیر، چند مسیر مختلف رو هم‌زمان بررسی می‌کنه و در نهایت بهترین شاخه رو انتخاب می‌کنه.

🔗 Chain of Thought (CoT):
مدل مرحله‌به‌مرحله فکر می‌کنه؛ مثل حل تمرین ریاضی که هر قدمش نوشته می‌شه. اینطوری جواب شفاف‌تر درمیاد.

🎯 Prompt Engineering:
با طراحی هوشمند پرامپت‌ها می‌شه بدون تغییر خود مدل، خروجی‌ها رو دقیق‌تر و بهتر کرد.

✍️ Query Rewriting:
پرسش کاربر بازنویسی می‌شه تا برای جستجو مناسب‌تر باشه. چون همیشه همون چیزی که می‌پرسیم، بهترین راه برای پیدا کردن جواب نیست.

📚 Query Expansion:
پرسش اصلی گسترده‌تر می‌شه تا سوالات مشابه هم ساخته بشن. این کار باعث می‌شه هم تعداد و هم کیفیت نتایج بالا بره.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

📘🔥 یک مهندس ارشد گوگل یه کتاب رایگان ۴۰۰ صفحه‌ای منتشر کرده: Agentic Design Patterns

این کتاب تقریباً همه چیز رو درباره Agentها پوشش می‌ده + کلی کد کاربردی!
یه نگاه به فهرست مطالب بنداز 👇

✨ Advanced Prompt Techniques
🤝 Multi-Agent Patterns
🛠 Tool Use و MCP
... و خیلی چیزای دیگه!

https://docs.google.com/document/d/1rsaK53T3Lg5KoGwvf8ukOUvbELRtH-V0LnOIFDxBryE/preview?tab=t.0

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🚀 خبر عالی برای علاقه‌مندان به هوش مصنوعی!

بعد از استقبال بیش از ۴۲۰,۰۰۰ نفر از دوره‌ی ۵ روزه‌ی Generative AI Intensive، حالا گوگل و کاگل دست به کار شدن و یه دوره‌ی جدید و فوق‌العاده رو راه انداختن:

✨ 5-Day AI Agents Intensive ✨
یه دوره‌ی آنلاین و کاملاً رایگان برای یادگیری و ساخت عامل‌های هوشمند (AI Agents)

🔹 توی این دوره با معماری‌ها، ابزارها، حافظه، ارکستریشن، ارزیابی و همه چیزهایی که لازمه برای ساخت و استقرار ایجنت‌ها آشنا میشی.
🔹 تمرین‌های عملی، کدلب‌ها (codelabs)، پادکست و حتی پروژه‌ی نهایی (Capstone Project) هم داره تا بتونی مهارت‌هاتو روی پروژه‌های واقعی محک بزنی.

📌 برای اطلاع بیشتر و ثبت‌نام به لینک زیر مراجعه کنید:
https://rsvp.withgoogle.com/events/google-ai-agents-intensive_2025

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

بعد از ۸ سال، دوره‌ی معروف CS231N - Deep Learning for Computer Vision (بهار ۲۰۲۵) از استنفورد دوباره منتشر شد 🚀

این دوره یکی از بهترین منابع برای یادگیری Deep Learning و Computer Vision هست و موضوعات خیلی جذابی رو پوشش می‌ده:

🔹 طبقه‌بندی تصاویر
🔹 بهینه‌سازی و شبکه‌های عصبی
🔹 معماری‌ها: CNN, RNN, Transformers
🔹 تشخیص و بخش‌بندی اشیا
🔹 درک ویدئو
🔹 یادگیری خودنظارتی (Self-Supervised)
🔹 مدل‌های سه‌بعدی و مولد (Generative Models)
🔹 Vision & Language
🔹 رباتیک و Human-Centric AI

https://www.youtube.com/playlist?list=PLoROMvodv4rOmsNzYBMe0gJY2XS8AQg16

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

نگاهی جامع به معماری شبکه‌های عصبی ترنسفورمر

https://deeprevision.github.io/posts/001-transformer/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🎙 VibeVoice

در واقع VibeVoice یه مدل متن‌بازه که می‌تونه متن رو به صدای طبیعی و طولانی تبدیل کنه؛ حتی برای ساخت پادکست‌های چندنفره!
این مدل تا ۹۰ دقیقه صدا با ۴ گوینده مختلف تولید می‌کنه و کیفیت و ثبات صدا رو خیلی خوب حفظ می‌کنه.
مزیت بزرگش اینه که هم مقیاس‌پذیره، هم مکالمه‌ها رو طبیعی‌تر از مدل‌های قبلی نشون می‌ده.

https://huggingface.co/microsoft/VibeVoice-1.5B

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer