Large models (LLMs, diffusion models, etc.) are impressive, but also compute-hungry, memory-intensive, and often hard to deploy on real-world devices.

That’s why this MIT course on Efficient ML is a must for anyone serious about scalable, accessible AI.

🎯 Learn the core techniques to make AI fast, light, and deployable:
• Compression & Pruning
• Quantization
• Neural Architecture Search
• Distributed & Parallel Training
• On-device Fine-tuning
• Gradient Compression
• Acceleration for LLMs, diffusion, video, point cloud
• Even Quantum ML

✔️ Hands-on project: Deploy LLaMA 2 on your laptop.

🔗 Take the course:
https://youtube.com/playlist?list=PL80kAHvQbh-pT4lCkDT53zT8DKmhE0idB

EfficientLoFTR

The Efficient LoFTR model was proposed in "Efficient LoFTR: Semi-Dense Local Feature Matching with Sparse-Like Speed" by Yifan Wang, Xingyi He, Sida Peng, Dongli Tan, and Xiaowei Zhou from Zhejiang University.

https://huggingface.co/zju-community/efficientloftr

🙌 ۷ جایگزین Drop-in برای Python جهت افزایش چشمگیر سرعت روی GPU — بدون نیاز به بازنویسی کد:

pandas → %load_ext cudf.pandas
polars → .collect(engine="gpu")
scikit-learn → %load_ext cuml.accel
xgboost → device="cuda"
umap → %load_ext cuml.accel
hdbscan → %load_ext cuml.accel
networkx → %env NX_CUGRAPH_AUTOCONFIG=True

📝 Full blog with example demos + Colab notebooks

مدل‌های متن‌باز OpenAI که برای استدلال، انجام وظایف عاملی (Agentic tasks) و کاربردهای متنوع توسعه‌ دهندگان منتشر شدن

gpt-oss-120

مناسب برای کاربردهای عمومی و سناریوهای استدلال پیشرفته که روی یک کارت گرافیک H100 اجرا میشه

 (با ۱۱۷ میلیارد پارامتر و ۵٫۱ میلیارد پارامتر فعال)

gpt-oss-20b

مناسب برای کاربردهای محلی یا تخصصی (با ۲۱ میلیارد پارامتر و ۳٫۶ میلیارد پارامتر فعال)


https://openai.com/open-models/

🎉 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

با افزایش استفاده از وایب‌کدینگ، توسعه‌دهندگان ارشد با چالش‌های تازه‌ای روبه‌رو شده‌اند:

🔹 افزایش حجم بازبینی کد
توسعه‌دهندگان ارشد مجبور به بازبینی حجم زیادی از کدهای تولید شده توسط هوش مصنوعی هستند که ممکن است کیفیت پایین‌تری داشته باشند.


🔹 نیاز به تخصص بیشتر
با توجه به پیچیدگی‌های کدهای تولید شده، نیاز به تخصص در زمینه‌های معماری سیستم، امنیت و مقیاس‌پذیری بیش از پیش احساس می‌شود.

🔹 خطاهایی با جنس متفاوت!
هوش مصنوعی می‌تواند نتایجی غیربهینه تولید کند، با اشتباهاتی که با اشتباهات یک انسان متفاوت است، و گاهی اوقات تشخیص خطاها را برای انسان‌ها دشوارتر می‌کند.

🔹 مشکل انسجام و ساختار کد
وقتی کد انسجام و ساختار ندارد - وقتی "کار می‌کند" اما دلیل آن مشخص نیست و تیم‌ها آن را به دلیل اینکه وظیفه آنها در نظر گرفتن عواقب بلندمدت نیست، فقط برای رفع مشکل، به تصویب می‌رسانند - آن زمان است که مشکلات شروع به مشاهده می‌کنند.

🔹 عدم آمادگی ساختار تیم‌ها
بسیاری از تیم‌ها به درستی ساختار نیافته‌اند تا به مجموعه جدیدی از مشکلات که با کد تولید شده توسط هوش مصنوعی ایجاد می‌شود، رسیدگی کنند.

🔹 تفاوت مهارت‌های تولید و بازبینی
علاوه بر این، بررسی کد و تولید کد، مجموعه مهارت‌های متفاوتی هستند و تیم‌های مهندسی ممکن است به اندازه کافی نیرو نداشته باشند تا بتوانند به این موضوع بپردازند که چگونه هوش مصنوعی نیازهای تیم آنها را تغییر داده است.

https://thenewstack.io/ai-and-vibe-coding-are-radically-impacting-senior-devs-in-code-review

بالاخره صدای زبان فارسی هم شنیده شد!😳

مدل Whisper رو خیلی‌ها می‌شناسن؛ یکی از قوی‌ترین مدل‌ها برای تبدیل صدا به متنه.
اما یه مشکلی که داشت این بود که وقتی نوبت زبان فارسی می‌شد، دقتش پایین میومد و خیلی از کلمات رو درست نمتونست بنویسه.

اما حالا یه نسخه جدید به اسم Whisper-large-fa-v1 منتشر کرده که میتونه زبان فارسی رو به متن تبدیل کنه.
یه فرقی که این نسخه داره اینکه این نسخه روی یه دیتاست تازه به اسم Persian-Voice-v1 دوباره آموزش داده شده. دیتاستی که لهجه‌های مختلف فارسی و اصطلاحات خاص فارسی رو شامل میشه.

نتیجه چیشده؟

تشخیص و رونویسی گفتار فارسی خیلی دقیق‌تر شده.
این یعنی توی کاربردهایی مثل:

✅زیرنویس‌گذاری خودکار
✅ساخت دستیارهای صوتی
✅ابزارهای NLP فارسی

و مهم از همه اینکه این همه‌چی متن‌باز منتشر شده؛ یعنی هر پژوهشگر یا تیمی می‌تونه راحت استفاده کنه، تغییر بده و پروژه‌های جدید بسازه.


لینک مدل: https://huggingface.co/vhdm/whisper-large-fa-v1

لینک دیتاست: https://huggingface.co/datasets/vhdm/persian-voice-v1

منبع: https://www.linkedin.com/feed/update/urn:li:activity:7364194597717073925/

Qwen-Image-Edit
https://huggingface.co/Qwen/Qwen-Image-Edit

📢 فقط 2 روز باقی مونده!
با کد زیر، #دوره_LLM رو با ۵۰٪ تخفیف تهیه کنید:


COUPON-bdfd8

🔗 همین حالا ثبت‌نام کنید و فرصت رو از دست ندید! 🚀

🔥 برای اطلاع از  کدهای تخفیف، همین حالا عضو کانال تلگرام ما بشید:
👇👇👇
@llm_huggingface
👆👆👆

🔥 پشتیبانی از زبان فارسی در خلاصه ویدئو NotebookLM فعال شد.

شرکت گوگل در به‌روزرسانی جدید ابزار هوش مصنوعی خود، NotebookLM، امکان استفاده دقیق تر بیش از ۸۰ زبان از جمله فارسی را فراهم کرده است.

🎥 تولید خلاصه‌های ویدئویی به زبان فارسی
کاربران از این پس می‌توانند یادداشت‌ها، اسناد PDF و حتی تصاویر خود را به ویدئوهای آموزشی کوتاه به زبان فارسی تبدیل کنند.

🎧 ارتقاء قابلیت پادکست‌های صوتی
قابلیت تولید پادکست در NotebookLM نیز برای زبان‌های غیرانگلیسی، از جمله فارسی، توسعه یافته و اکنون امکان ایجاد محتوای صوتی طولانی‌تر و با جزئیات بیشتر فراهم است.

📅 این قابلیت‌ها به تازگی فعال شده و در طول هفته آینده برای تمامی کاربران قابل استفاده خواهند بود.

🌀 @cvision 🌀

نمونه ویدئو ساخته شده درباره بلاگ پست "PPO به زبان ساده: چگونه هوش مصنوعی یاد می‌گیرد مثل ما فکر کند؟" منتشر شده در سایت class.vision با قابلیت خلاصه ویدئویی NotebookLM

🌀 @cvision 🌀