تلاش‌های ماندگار دانشجویان

در شناسایی الگو و یادگیری ماشین، فداکاری و تلاش دانشجویان یادگاری برای دیگر دانشجویان است. این دانشجویان از طریق پروژه‌های عملی، حل مسئله دقیق و آزمایش‌های خلاقانه، پایه محکمی در دنیای پیچیده داده‌ها و الگوریتم‌ها بنا می‌کنند که سال‌های سال با آنها باقی می‌ماند. آنها با پشتکار و کنجکاوی به مفاهیم پیچیده‌ای مانند استنتاج آماری، بهینه‌سازی مدل‌ها و تفسیر خروجی‌های شبکه‌های عصبی نزدیک می‌شوند و اغلب مرزهای درک خود را جابجا می‌کنند. این سفر با ساعت‌ها همکاری و کشف فردی مشخص می‌شود و هر پروژه را به گواهی بر رشد و عزم آنها تبدیل می‌کند. کار آنها نه تنها برای موفقیت تحصیلی آنها ضروری است، بلکه به پیشرفت‌های مداوم در فناوری و هوش مصنوعی نیز کمک می‌کند و سال‌هاست که در صنایع و تحقیقات منعکس می‌شود.

تلاش دانشجویان درس شناسایی الگو و یادگیری ماشین

Deep Dream

رویای عمیق

Feature Extraction from Speech

استخراج ویژگی از گفتار

Quadratic Programming

برنامه‌ریزی درجه دوم

Text Clustering Using FAISS

خوشه‌بندی متن با ابزار FAISS

Cross Vslidation

اعتبارسنجی متقاطع Cross Vslidation

پیاده‌سازی و تحلیل الگوریتم UniForCE

گزارش کامل پیاده‌سازی UniForCE (DeepSeek-derived)، شامل کد، توضیحات خط‌به‌خط، آزمایش‌ها و مقایسه با KMeans.

BERT

بردار ساختن از کلمات به کمک روش BERT

DPC-MK

پیاده‌سازی و آزمایش الگوریتم DPC-MK

Agglomerative Methods

روش های تجمیعی در یادگیری ماشین

ImageCluster

خوشه بندی تصاویر

Analysis of Variance of Cross-Validation Estimators of the Generalization Error

تحلیل تخمینگرهای واریانس اعتبارسنجی متقابل برای خطای تعمیم

Transformer Loss Function

ترنسفورمر و نقش توابع ضرر در یادگیری

RAG project: Tourist Assistant

آموزش پیاده سازی پروژه RAG برای راهنمایی گردشگران

SGD

Stochastic Gradient Descent (SGD)

LMS-RBF

LMS RBF

Vision–Language–Action (VLA)

بینایی–زبان–کنش (VLA)

Vision–Language–Action _LLM (VLA)

بینایی–زبان–کنش (VLA_LLM)

Unsupervised Text Classification

طقبه بندی متن ها بدون لیبل با مدل های زبانی

A synergistic multi-stage RAG architecture for boosting context relevance in data science literature

معماری RAG هم‌افزایانه

fast_rag_ui

اجرای یک ui سبک برای اجرای سیستم‌های rag روی سرور ابری

Transformer Loss Function and code

ترنسفورمر و نقش توابع ضرر در یادگیری و کد آن‌ها

Streamlit guide with examples

راهنمای جامع Streamlit با یک مثال کاربردی

Semantic Search (URL) Project

پروژه جست‌وجو معنایی آدرس‌های وب

Understanding Pull Requests

آموزش Pull request

Ollama

اجرای مدل‌های زبانی به صورت محلی در Google Colab برای اجرای برنامه‌های LangChain

Plagiarism Detection

تشخیص سرقت ادبی

Implementing Conversation Memory: From Manual to Automatic Management

پیاده‌سازی حافظه مکالمه: از مدیریت دستی تا خودکار

Using LLMs with LangChain Models

استفاده از llmها به کمک langchain

Exploring the LangChain Framework

بررسی چارچوب LangChain: توسعه برنامه‌های مبتنی بر مدل‌های زبانی بزرگ

LangChain ShortMemoty Doc

مستندات ماژول حافظه کوتاه‌مدت LangChain

Prompt Engineering

مهندسی پرامپت

Vision Action In Brain

بینایی–کنش؛ داستان دو مسیر در مغز

Vision Transformer

بینایی–ترنسفرمر

Non Linear Programming

بهینه‌سازی غیرخطی (NLP) — مقایسه کتابخانه‌ها در پایتون

CVXPY Guidance

CVXPY - راهنمای جامع بهینه سازی محدب با