Generated by Rank Math SEO, this is an llms.txt file designed to help LLMs better understand and index this website.

# کلاس‌ویژن: دوره های آموزشی بینایی کامپیوتر و یادگیری عمیق

## Sitemaps
[XML Sitemap](https://class.vision/sitemap_index.xml): Includes all crawlable and indexable pages.

## نوشته‌ها
- [مدل‌های زبانی چندوجهی: وقتی هوش مصنوعی می‌بیند](https://class.vision/blog/multi-modal/): یکی از گسترش‌های طبیعی و مفید چت‌بات‌ها، افزودن توانایی پردازش انواع مختلف داده است. دستیاری که بتواند به ورودی صوتی پاسخ دهد و تصاویر را تحلیل کند، به مراتب کاربردی‌تر از دستیاری است که تنها با متن کار می‌کند.
- [بررسی کاربردهای هوش مصنوعی از رسانه تا پهپادها؛ گفت‌وگو با مدرس دوره‌ها در ایسنا](https://class.vision/blog/isna-akhavan/): این مصاحبه به نقش رو‌به‌گسترش هوش مصنوعی در حوزه‌های رسانه، تحلیل داده، اعتبارسنجی اخبار، و تجهیزات نظامی می‌پردازد. علیرضا اخوان‌پور در گفت‌وگو با ایسنا ضمن توضیح قابلیت‌ها، به چالش‌ها و خطرات این فناوری نیز اشاره می‌کند. مناسب برای علاقه‌مندان به AI و تحولات فناورانه.
- [فصل 16: تولید متن با LLMها در Keras](https://class.vision/blog/chapter16_text-generation-keras/): این پست از فصل 16 کتاب DEEP LEARNING with Python ویرایش 3 ترجمه شده است.
- [ChatGPT برای بازاریابی](https://class.vision/blog/use-cases-marketing/): بازاریاب امروزی به طور مساوی استراتژیست، داستان‌سرا و تحلیلگر است. آن‌ها به روایت‌های برند طنین‌انداز، تأثیر قابل اندازه‌گیری بر پایپلاین و پیشی گرفتن از کانال‌های در حال تکامل اهمیت می‌دهند - بدون قربانی کردن اصالت یا فراگیری. ChatGPT به آن‌ها کمک می‌کند تا زوایای کمپین را طوفان فکری کنند، متن را سریع‌تر تکرار کنند، بینش‌های مخاطب را کشف کنند و پیام‌رسانی را تست فشار دهند تا بتوانند دارایی‌های با کیفیت بالا را با سرعت بازار ارسال کنند.
- [ChatGPT برای فروش](https://class.vision/blog/use-cases-sales/): تیم‌های فروش بر درک نیازهای مشتریان و یافتن راه مناسب برای نشان دادن اینکه محصول یا خدمات‌شان چگونه می‌تواند کمک کند، تمرکز دارند. آن‌ها زمان زیادی را صرف نوشتن ایمیل، آماده‌سازی برای جلسات، مدیریت اعتراضات و به‌روزرسانی یادداشت‌های CRM می‌کنند. ChatGPT می‌تواند کارهای تکراری مانند پیش‌نویس پیام‌های تماس، خلاصه‌سازی تماس‌ها یا سفارشی‌سازی پیگیری‌ها را سرعت ببخشد تا آن‌ها بتوانند سازمان‌یافته بمانند، سریع‌تر پاسخ دهند و بر ایجاد روابط تمرکز کنند.
- [فصل 15: مدل‌های زبانی و ترنسفورمر در Keras](https://class.vision/blog/hapter15_language-models-and-the-transformer-keras/): این پست ترجمه فصل 15 کتاب Deep Learning with Python ویرایش سوم است.
- [تخفیف ویژه دانشگاه شریف برای دوره‌های منتخب هوش مصنوعی](https://class.vision/blog/sharif_coupon/): با افتخار اعلام می‌کنیم که به مناسبت همکاری آموزشی با دانشگاه صنعتی شریف، امکان استفاده از تخفیف ویژه دانشجویان، اساتید و فارغ‌التحصیلان شریف برای مجموعه‌ای از برترین دوره‌های آموزشی فراهم شده است.این دوره‌ها با هدف ارتقای مهارت‌های تخصصی در زمینه‌های یادگیری عمیق، مدل‌های زبانی بزرگ (LLM)، بینایی ماشین و برنامه‌نویسی پیشرفته طراحی شده‌اند و شامل محتوای کاربردی، پروژه‌محور و به‌روزترین منابع بین‌المللی هستند.
- [بهینه‌سازی ترجیحی برای استدلال چندوجهی و مقاله MPO](https://class.vision/blog/vlm-mpo/): مقاله‌ی Enhancing the Reasoning Ability of Multimodal Large Language Models via Mixed Preference Optimization  پژوهشی درباره بهبود توانایی استدلال مدل‌های زبان بزرگ چندوجهی (MLLMs) است و یک فرآیند بهینه‌سازی ترجیحی جدید به نام بهینه‌سازی ترجیحی ترکیبی (MPO) را معرفی می‌کند. نویسندگان برای مقابله با محدودیت‌های مدل‌های موجود در استدلال زنجیره‌فکر (CoT)، یک مجموعه داده با کیفیت بالا به نام MMPR (شامل تقریباً ۳ میلیون نمونه) را با استفاده از یک فرایند ساخت داده خودکار ایجاد کردند. روش MPO، که ترکیبی از از ترجیح، کیفیت و تولید است، به طور قابل توجهی عملکرد استدلال مدل‌های InternVL2-8B و InternVL2-76B را بهبود می‌بخشد، به طوری که مدل کوچک‌تر InternVL2-8B-MPO به نتایجی در بنچمارک MathVista دست می‌یابد که قابل مقایسه با مدل ۱۰ برابر بزرگ‌تر است. در ادامه این مقاله بحث شده است.
- [معرفی Min P: روش جدید نمونه‌برداری توکن برای LLMها](https://class.vision/blog/min_p/): Min P، یک روش نمونه‌برداری (sampling) جدید برای مدل‌های زبانی بزرگ (LLMs). با کمتر از ۱۰ خط کد برای پیاده سازی است که در در دیتاست‌های GSM8K و GPQA حدود ۱۰ تا ۲۰ درصد عملکرد بهتری نسبت به Top P در temperature با مقدار ۱ به دست آورده است.
- [مدل‌های انتشار (Diffusion Models)  و کتابخانه diffusers – بخش 2](https://class.vision/blog/fine-tuning-guidance-conditioning-diffusion/): همان‌طور که در بخش قبلی (مدل‌های انتشار (Diffusion Models) و کتابخانه diffusers - بخش 1) دیده‌اید، آموزش مدل‌های انتشار از صفر می‌تواند زمان‌بر باشد! به‌ویژه وقتی بخواهیم به رزولوشن‌های بالاتر برسیم، زمان و داده لازم برای آموزش یک مدل از صفر ممکن است غیرعملی شود.
- [مدل‌های انتشار (Diffusion Models)  و کتابخانه diffusers – بخش 1](https://class.vision/blog/diffusion_diffusers/): مدل‌های انتشار (Diffusion Models) نسبتاً اخیراً به خانواده‌ای از الگوریتم‌ها با نام مدل‌های مولد (Generative Models) افزوده شده‌اند. هدف مدل‌سازی مولد، یادگیری تولید داده (مانند تصویر یا صدا) بر اساس مجموعه‌ای از نمونه‌های آموزشی است. یک مدل مولد خوب باید مجموعه‌ای متنوع از خروجی‌ها ایجاد کند که به داده‌های آموزشی شباهت داشته باشند، بدون آنکه کپی دقیق آن‌ها باشند.
- [راهنمای قدم به قدم کرایه کارت گرافیک (GPU) با Vast.ai برای پروژه‌های هوش مصنوعی](https://class.vision/blog/vast-ai-gpu-rental/): اگر شما هم روی پروژه‌های هوش مصنوعی یا یادگیری عمیق کار می‌کنید، احتمالاً به کارت گرافیک قدرتمند نیاز پیدا کرده‌اید. سرویس‌های ابری داخل ایران معمولاً هزینه‌های بالایی دارند و شاید برای همه مقرون‌به‌صرفه نباشند. خوشبختانه وبسایت Vast.ai این امکان را می‌دهد که با هزینه‌ای بسیار کمتر، GPUهای قدرتمند را به‌صورت ساعتی اجاره کنید.در این آموزش قدم‌به‌قدم، یاد می‌گیرید چطور به راحتی یک کارت گرافیک از Vast.ai کرایه کنید و پروژه‌های هوش مصنوعی خودتان را با هزینه‌ای مناسب اجرا کنید.
- [GGUF چیست؟ راهنمای کامل فرمت جدید مدل‌های هوش مصنوعی و مقایسه با GGML](https://class.vision/blog/ggml-gguf-llm/): در دنیای مدل‌های زبان بزرگ (LLM)، فرمت فایل‌ها نقشی کلیدی در کارایی، سرعت و نحوه‌ی استفاده از آن‌ها ایفا می‌کند. GGUF یک فرمت مدرن است که برای رفع محدودیت‌های نسل قبلی خود، یعنی GGML، طراحی شده است. در این مطلب، به بررسی جامع فرمت GGUF، ویژگی‌های آن و تفاوت‌های کلیدی‌اش با GGML می‌پردازیم.
- [Unsloth: از مبانی تا فاین‌تیون کردن مدل‌های زبانی بینایی (VLM)](https://class.vision/blog/unsloth-vlm-fine-tuning/): Unsloth به عنوان یک ابزار متحول‌کننده در دنیای فاین‌تیونینگ (بهینه‌سازی دقیق) مدل‌های زبان بزرگ (LLM) ظهور کرده است. این ابزار به چالشی دیرینه، یعنی فرآیندی که همواره به منابع فشرده و پیچیدگی‌های فنی وابسته بود، پاسخ می‌دهد. سازگار کردن مدل‌هایی مانند LLaMA، Mistral یا Qwen پیش از این به مجموعه‌ای از GPUهای قدرتمند، مهندسی پیچیده و هزینه‌های قابل‌توجهی نیاز داشت. Unsloth با فعال کردن فاین‌تیونینگ سریع، کارآمد در مصرف حافظه و در دسترس، حتی روی یک GPU مخصوص کاربران خانگی، این روایت را تغییر می‌دهد.
- [دوره LLM چیست؟ آموزش LLM با تمرین‌های عملی (بهترین دوره فارسی LLM)](https://class.vision/blog/%d8%a8%d9%87%d8%aa%d8%b1%db%8c%d9%86-%d8%af%d9%88%d8%b1%d9%87-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-llm/): https://class.vision/product/llm-course/
- [کاهش مصرف حافظه در LLM با bitsandbytes: آموزش و استنتاج سریع با کوانتیزاسیون 4 و 8 بیتی](https://class.vision/blog/bitsandbytes/): کتابخانه bitsandbytes امکان استفاده از مدل‌های زبانی بزرگ (Large Language Models - LLM) را از طریق کوانتیزاسیون k-بیتی (k-bit quantization) در PyTorch فراهم می‌کند. این کتابخانه سه ویژگی اصلی برای کاهش قابل توجه مصرف حافظه در زمان استنتاج (inference) و آموزش (training) ارائه می‌دهد:
- [ایجاد مدل‌های کوچک کارآمد با Llama 3.2 و هرس کردن (Pruning)](https://class.vision/blog/prune_llm/): یکی از تکنیک‌های اصلی در ایجاد مدلهای سبک تر در دیپ لرنینگ و همچنین ساخت مدل‌های زبانی کوچک (Small Language Models)، هرس کردن (Pruning) است. اما برای اجرای موفقیت‌آمیز فرآیند هرس کردن، شناخت ساختار مدل‌های هدف ضروری است.
- [](https://class.vision/blog/triton/): تکامل سریع هوش مصنوعی و یادگیری ماشین، ابزارها و فناوری‌های قدرتمند بی‌شماری را معرفی کرده است. در میان آن‌ها، نام "TRITON" به دفعات ظاهر می‌شود که اغلب به دلیل ارتباط آن با دو جزء اساساً متفاوت، اما به همان اندازه حیاتی در اکوسیستم هوش مصنوعی، سردرگمی ایجاد می‌کند. این مقاله بلاگ قصد دارد این ابهام رایج را برطرف کند.در ادامه، به هویت‌های متمایز زبان برنامه‌نویسی Triton و سرور استنتاج NVIDIA Triton (که اکنون بخشی از پلتفرم NVIDIA Dynamo است) خواهیم پرداخت و اهداف منحصربه‌فرد، قابلیت‌های اصلی و نحوه مشارکت آن‌ها در چشم‌انداز گسترده‌تر هوش مصنوعی با کارایی بالا را روشن خواهیم کرد. درک این تمایزها برای توسعه‌دهندگان و محققان برای انتخاب ابزارهای مناسب برای نیازهای خاص خود، خواه بهینه‌سازی کرنل‌های سفارشی GPU باشد یا استقرار مدل‌های هوش مصنوعی در مقیاس بزرگ، بسیار مهم است.
- [انقلابی در فرآیند Fine-Tune مدل‌های هوش مصنوعی با Unsloth](https://class.vision/blog/unsloth-llm-finetune/): در دنیای همیشه در حال تحول هوش مصنوعی و دیپ‌لرنینگ، توانایی fine-tune مؤثر و کارآمد مدل‌های زبانی بزرگ (LLMها) اهمیت بالایی دارد. در این میان، Unsloth  وارد می‌شود؛ پلتفرمی پیشرفته که با هدف افزایش چشمگیر سرعت فرآیند fine-tune برای مدل‌های محبوبی مانند Llama، Mistral و ... طراحی شده است. در ادامه این پست موارد زیر را بررسی خواهیم کرد:
- [GSM8K چیست؟ دیتاست مسائل ریاضی برای آموزش LLMها](https://class.vision/blog/gsm8k-cot-dataset/): دیتاست GSM8K (مخفف Grade School Math 8K) شامل ۸۵۰۰ مسئله ریاضی متنی در سطح دبستان است که از نظر زبانی متنوع و از کیفیت بالایی برخوردارند. این دیتاست با هدف پشتیبانی از وظیفه «پاسخ به سؤال» در مسائل ریاضی پایه طراحی شده که نیاز به استدلال چندمرحله‌ای یک LLM دارند.
- [چطور مدل‌ها را ساده‌تر با انسان همراستا کنیم: از RLHF تا DPO](https://class.vision/blog/rlhf-to-dpo/): مدل‌های زبان بزرگ (LLM) هر روز هوشمندتر می‌شوند، اما آموزش دادن به آن‌ها برای انجام کاری که ما می‌خواهیم – یعنی هم‌راستا کردن آن‌ها با ترجیحات انسانی – هنوز کار دشواری است. ما به عنوان فعالان حوزه یادگیری عمیق می‌دانیم که اگر بخواهید مدلی چیزی یاد بگیرد، به آن داده می‌دهید، درست است؟ پس چرا نمونه‌هایی از آنچه دوست داریم جمع‌آوری نکنیم و مدل را وادار به یادگیری آن ترجیحات نکنیم؟ اینجاست که یادگیری تقویتی از بازخورد انسانی (RLHF) وارد می‌شود. این یک روش هوشمندانه برای آموزش LLMها جهت دنبال کردن ترجیحات انسانی با استفاده از داده‌های بازخورد است. اما RLHF می‌تواند کمی دردسرساز باشد – یادگیری تقویتی را وارد ترکیب می‌کند و بهینه‌سازی به سرعت پیچیده می‌شود.
- [PPO به زبان ساده: چگونه هوش مصنوعی یاد می‌گیرد مثل ما فکر کند؟](https://class.vision/blog/ppo-algorithm-simple-explanation/): دنیای هوش مصنوعی و به‌خصوص مدل‌های زبانی بزرگ (LLM) با سرعتی شگفت‌انگیز در حال پیشرفت است. اما چگونه این مدل‌ها یاد می‌گیرند تا پاسخ‌هایی ارائه دهند که نه تنها صحیح، بلکه مفید، بی‌ضرر و مطابق با ترجیحات انسانی باشند؟ یکی از الگوریتم‌های کلیدی در این زمینه، PPO یا Proximal Policy Optimization (بهینه‌سازی خط‌مشی نزدیک) است. در این مقاله، به زبانی ساده توضیح می‌دهیم که PPO چیست و چگونه به بهبود عملکرد هوش مصنوعی کمک می‌کند.
- [طراحی سؤال و داوری در رویداد ملی استعدادیابی آکادمی همراه اول](https://class.vision/blog/kibord-final-challenge/): در این ویدیو، گفت‌وگویی با داوران نهایی رویداد «کی‌بُرد» را مشاهده می‌کنید. علیرضا اخوان‌پور، مدرس هوش مصنوعی در کلاس‌ویژن، به عنوان طراح سوال نهایی بخش پردازش تصویر نیز در این مصاحبه حضور دارد.
- [۴۰ معیار برتر مدل‌های زبان بزرگ (LLM) با پشتوانه تحقیقاتی و موارد استفاده آن‌ها](https://class.vision/blog/llm-benchmarks-mmlu-codexglue-gsm8k/): با توسعه روزافزون هوش مصنوعی مولد (GenAI)، تمرکز ویژه‌ای بر آزمایش و ارزیابی آن وجود دارد که منجر به انتشار چندین معیار (بنچمارک) برای مدل‌های زبان بزرگ (LLM) شده است. هر یک از این معیارها، قابلیت‌های متفاوتی از LLM را می‌سنجند – اما آیا برای ارزیابی کامل عملکرد در دنیای واقعی کافی هستند؟
- [دیتاست کارت ملی ایرانی](https://class.vision/blog/iranian-national-id-card-dataset/): با افتخار اعلام می‌کنم که در دومین رویداد ملی استعدادسنجی «کیبورد» در همراه اول، طراحی سوال نهایی حوزه پردازش تصویر بر عهده من، علیرضا اخوان پور، بود. این سوال منجر به تولید دیتاستی شد که اکنون به‌صورت عمومی در پلتفرم Kaggle منتشر شده است.
- [درک مقاله DeepSeek R1](https://class.vision/blog/build-reasoning-models-part2-deepseek-r1-paper/): یکی از قابل‌توجه‌ترین اکتشافات در آموزش R1-Zero، ظهور پدیده‌ای بود که به عنوان «لحظه آها» (Aha Moment) یا «لحظه مکاشفه» شناخته می‌شود. این پدیده تا حدودی شبیه به نحوه تجربه انسان‌ها از درک ناگهانی هنگام حل مسئله است. نحوه کار آن به این صورت است:
- [مقدمه‌ای بر Reinforcement Learning و نقش آن در LLMها](https://class.vision/blog/build-reasoning-models-part1-rl-llm/): در این پست قراره به Reinforcement Learning (RL) و تاثیر آن روی آموزش مدل‌های زبانی بزرگ بپردازیم. تمرکز ما روی Reinforcement Learning برای مدل‌های زبانی خواهد بود. البته Reinforcement Learning یا به اختصار RL که در فارسی یادگیری تقویتی نامیده می‌شود، حوزه‌ی گسترده‌ایست و کاربردهای زیاد و فراتر از مدل‌های زبانی دارد.
- [ارزیابی مدل‌های زبانی و LLM ها](https://class.vision/blog/llm-evaluation-metrics/): یکی از مشکلات مشترکی که تقریباً در تمام حوزه‌های هوش مصنوعی مولد (generative AI) مشاهده می‌شود، ارزیابی صحیح آن‌هاست. روش اندازه‌گیری کیفیت نتایج آن کاملاً متفاوت از نحوه اندازه‌گیری مسائل رگرسیون کلاسیک یا پیش‌بینی و طبقه‌بندی است. ارزیابی متن، یا تصاویر نیز کاملاً متفاوت است.
- [تسک entailment در NLP: درک روابط معنایی بین متون](https://class.vision/blog/entailment/): استلزام متنی (Textual Entailment) در یادگیری ماشین، یک مفهوم کلیدی در پردازش زبان طبیعی (NLP) است که به رابطه بین دو قطعه متن می‌پردازد: یک "متن" (Text یا T) و یک "فرضیه" (Hypothesis یا H). این رابطه بررسی می‌کند که آیا معنای فرضیه (H) به طور منطقی از معنای متن (T) قابل استنباط است یا خیر. به عبارت ساده‌تر، اگر یک انسان متن T را بخواند، آیا به طور معقولی نتیجه می‌گیرد که فرضیه H نیز درست است؟ تشخیص این رابطه فقط به تطابق کلمات محدود نمی‌شود، بلکه نیازمند درک عمیق معنا، استدلال و گاهی اوقات استفاده از دانش عمومی (world knowledge) است تا مشخص شود آیا متن از فرضیه پشتیبانی می‌کند یا آن را نتیجه می‌دهد.
- [شورتکات‌ها در مدل‌های زبانی بزرگ (LLM): چالشی پنهان در ارزیابی هوش مصنوعی](https://class.vision/blog/llm-shortcut-reliance/): مدل‌های زبانی بزرگ (Large Language Models - LLMs) مانند GPT-4، Claude، Llama و ... انقلابی در حوزه هوش مصنوعی و پردازش زبان طبیعی ایجاد کرده‌اند. توانایی آن‌ها در تولید متن، ترجمه، پاسخ به سوالات و انجام وظایف پیچیده زبانی شگفت‌انگیز است. اما آیا این مدل‌ها واقعاً مفاهیم را «درک» می‌کنند یا صرفاً الگوهای آماری را به خوبی بازتولید می‌کنند؟ یکی از چالش‌های کلیدی در ارزیابی توانایی LLM‌ها، پدیده‌ای به نام «اتکا به شورتکات» (Shortcut Reliance) است.
- [آموزش Agent-بخش 10: ساخت agent با smolagents](https://class.vision/blog/agents10-tutorial-smolagents/): در بخش قبلی، یاد گرفتیم که چگونه می‌توانیم Agentها را از ابتدا با استفاده از کد Python ایجاد کنیم، و دیدیم که این فرآیند چقدر می‌تواند خسته‌کننده باشد. خوشبختانه، بسیاری از کتابخانه‌های Agent این کار را با انجام بخش زیادی از کارهای سنگین برای شما ساده‌تر می‌کنند.
- [smolagents: کتابخانه‌ای ساده برای ساخت Agent‌ها](https://class.vision/blog/smolagents/): در این پست با smolagents آشنا شده و آن را راه‌اندازی می‌کنیم، فریم‌ورکی بسیار ساده از هاگینگ فیس که قابلیت‌های عاملیت (agentic) را برای مدل‌های زبانی فراهم می‌کند. قبل از شروع، نگاهی به آن بیندازیم:
- [آموزش Agent-بخش 9: کتابخانه Dummy Agent](https://class.vision/blog/agents9-dummy-agent-library/): این پست ها به صورت مستقل از فریم‌ورک طراحی شده است، هدف اصلی تمرکز بر مفاهیم agent های هوش مصنوعی بوده و فعلا نمی‌خواهیم در مورد جزئیات مربوط به یک فریم‌ورک خاص بحث کنیم.
- [آموزش Agent-بخش 8(مشاهده): یکپارچه‌سازی بازخورد برای تطبیق و بهبود](https://class.vision/blog/agents8-observations/): مشاهدات (Observationها) راهی است که یک Agent از طریق آن پیامدهای اقدامات خود را درک می‌کند.
- [آموزش Agent-بخش  7(اقدامات): توانمندسازی Agent برای تعامل با محیط خود](https://class.vision/blog/agents7-actions/): در این بخش باید به بررسی گام‌های عملی تعامل یک Agent هوش مصنوعی با محیط خود بپردازم. موضوعات اصلی شامل نحوه نمایش اقدامات یا Actionها (با استفاده از JSON یا کد)، اهمیت رویکرد توقف و پردازش خروجی (stop and parse)، و معرفی انواع مختلف Agent‌ها می‌شود.
- [آموزش Agent-بخش 6 (تفکر): استدلال داخلی و رویکرد Re-Act](https://class.vision/blog/agents6-thoughts/): تفکرات نشان‌دهنده فرآیندهای استدلال و برنامه‌ریزی داخلی Agent برای حل وظیفه هستند.
- [AI agentها یا عامل‌های هوش مصنوعی چیستند؟](https://class.vision/blog/ai-agents/): یک عامل (Agent) هوش مصنوعی به سیستم یا برنامه‌ای اشاره دارد که قادر است به طور خودکار با طراحی گردش کار خود و استفاده از ابزارهای موجود، وظایفی را از طرف کاربر یا سیستم دیگری انجام دهد.
- [آموزش Agent-بخش 5: درک Agent‌های هوش مصنوعی از طریق چرخه تفکر-اقدام-مشاهده](https://class.vision/blog/agents5-agent-steps-and-structure/): در بخش‌های قبلی، ما آموختیم:
- [کوییز دوم Agentها](https://class.vision/blog/agent-quiz2/): دوباره آزمون؟!
- [آموزش Agent-بخش 4: ابزارها (Tools) چیست؟](https://class.vision/blog/agents4-tools/): یکی از جنبه‌های مهم عامل‌های هوش مصنوعی، توانایی آن‌ها در انجام اقدامات (action) است. همانطور که دیدیم، این کار از طریق استفاده از ابزارها (Tools) انجام می‌شود.
- [آموزش Agent-بخش 3 پیام‌ها و توکن‌های ویژه](https://class.vision/blog/agents3-messages-and-special-tokens/): حالا که در بخش قبلی درک کردیم LLMها چگونه کار می‌کنند، بیایید نگاهی به نحوه ساختاردهی خروجی‌های آنها از طریق قالب‌های گفتگو بیندازیم.
- [آموزش Agent-بخش 2:LLM چیست؟](https://class.vision/blog/agents2-what-are-llms/): در بخش قبلی آموختیم که هر Agent نیاز به یک مدل هوش مصنوعی در هسته خود دارد، و LLM ها رایج‌ترین نوع مدل‌های هوش مصنوعی برای این منظور هستند.
- [مدل‌های زبانی بینایی (Vision Language Models)](https://class.vision/blog/vision-language-models/): مدل‌های زبانی بینایی (VLMs) مدل‌های هوش مصنوعی چندحالته و مولد هستند که قادر به درک و پردازش ویدیو، تصویر و متن می‌باشند.
- [آموزش هوش مصنوعی](https://class.vision/blog/artificial_intelligence-%d8%a2%d9%85%d9%88%d8%b2%d8%b4/): هوش مصنوعی (AI) شاخه‌ای از علوم کامپیوتر است که ماشین‌های هوشمندی می‌سازد که مانند انسان فکر می‌کنند و عمل می‌کنند. این یکی از فناوری‌های انقلابی است که مردم به دلیل توانایی آن در ارتباط با زندگی روزمره‌شان، مجذوب آن شده‌اند. AI به ماشین‌ها امکان می‌دهد تا فکر کنند، یاد بگیرند و سازگار شوند تا وظایف را در صنایع مختلف بهبود بخشیده و خودکار کنند.
- [فاین‌تیونینگ کارآمد از نظر پارامتر (PEFT) چیست؟](https://class.vision/blog/parameter-efficient-fine-tuning/): فاین‌تیونینگ کارآمد از نظر پارامتر (Parameter-efficient fine-tuning) روشی برای بهبود عملکرد مدل‌های زبانی بزرگ از پیش آموزش‌دیده (LLMها) و شبکه‌های عصبی برای وظایف یا مجموعه داده‌های خاص است. با آموزش مجموعه کوچکی از پارامترها و حفظ بیشتر ساختار مدل بزرگ از پیش آموزش‌دیده، PEFT در زمان و منابع محاسباتی صرفه‌جویی می‌کند.
- [هاگینگ فیس (Hugging Face) چیست؟](https://class.vision/blog/hugging-face/): هاگینگ فیس (Hugging-Face) یک پلتفرم و جامعه یادگیری ماشین (ML) و علم داده است که به کاربران در ساخت، استقرار و آموزش مدل‌های یادگیری ماشین کمک می‌کند.
- [25 مدل برتر زبانی بزرگ در سال 2025](https://class.vision/blog/best-large-language-models/): مدل‌های زبانی بزرگ سال‌هاست که بر جستجو تأثیر گذاشته‌اند و با ChatGPT و سایر چت‌بات‌ها به خط مقدم آمده‌اند.
- [تفاوت انتقال یادگیری و فاین‌تیونینگ در یادگیری عمیق](https://class.vision/blog/difference-between-fine-tuning-and-transfer-learning/): در حوزه یادگیری عمیق، بهره‌گیری از مدل‌های از پیش آموزش‌دیده به یک تکنیک اساسی برای دستیابی به نتایج پیشرفته در وظایف مختلف تبدیل شده است، به‌ویژه هنگام مواجهه با داده‌های محدود. فاین‌تیونینگ (Fine-tuning) و انتقال یادگیری (Transfer Learning) هر دو به مدل‌ها اجازه می‌دهند از دانش آموخته‌شده از یک وظیفه برای بهبود عملکرد در وظیفه دیگر استفاده کنند. این روش‌ها ممکن است در نگاه اول مشابه به نظر برسند، اما از نظر نحوه کاربرد و مکانیزم‌های زیربنایی تفاوت‌های مشخصی دارند.
- [فاین‌تیونینگ (Fine-tuning) چیست؟](https://class.vision/blog/fine-tuning/): فاین‌تیونینگ (Fine-tuning) چیست؟ در دنیای یادگیری ماشین، فاین‌تیونینگ فرآیند بهینه‌سازی یک مدل از پیش آموزش‌دیده برای وظایف خاص است. این تکنیک، زیرمجموعه‌ای از انتقال یادگیری (Transfer Learning)، به شما کمک می‌کند تا با استفاده از دانش موجود یک مدل پایه، در زمان و هزینه آموزش صرفه‌جویی کنید.
- [مدل هوش مصنوعی چیست؟](https://class.vision/blog/ai-model/): مدل هوش مصنوعی (AI model) برنامه‌ای است که روی مجموعه‌ای از داده‌ها آموزش دیده تا الگوهای خاصی را تشخیص دهد یا تصمیمات معینی را بدون دخالت بیشتر انسان اتخاذ کند. مدل‌های هوش مصنوعی الگوریتم‌های مختلفی را روی داده‌های ورودی مرتبط اعمال می‌کنند تا به وظایف یا خروجی‌هایی که برای آن‌ها برنامه‌ریزی شده‌اند، دست یابند.

## برگه‌ها
- [مشاوره تخصصی هوش مصنوعی | راهکارهای نوین برای کسب‌وکار شما](https://class.vision/%d9%85%d8%b4%d8%a7%d9%88%d8%b1%d9%87-%d9%87%d9%88%d8%b4-%d9%85%d8%b5%d9%86%d9%88%d8%b9%db%8c-ai/): هوش مصنوعی (AI) یکی از فناوری های نوظهوری است که در حال حاضر با سرعتی چشمگیر در حال توسعه است. این فناوری پتانسیل تغییر اساسی در نحوه زندگی، کار و تعامل ما با دنیا را دارد.
- [آموزش‌های سازمانی هوش مصنوعی: چگونه تیم خود را به دانش هوش مصنوعی مجهز کنیم؟](https://class.vision/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%87%d8%a7%db%8c-%d8%b3%d8%a7%d8%b2%d9%85%d8%a7%d9%86%db%8c-%d9%87%d9%88%d8%b4-%d9%85%d8%b5%d9%86%d9%88%d8%b9%db%8c/): آموزش سازمانی هوش مصنوعی (AI) شامل فرایندهای آموزش و یادگیری مدل‌های هوش مصنوعی در سازمان‌ها است. با توجه به پیشرفت‌های اخیر در حوزه هوش مصنوعی، سازمان‌ها دغدغه دارند که نیروی کار خود را برای استفاده از این فناوری‌ها آماده کنند.
- [تخفیف‌های ویژه‌ی یلدا – از 35% تا 50%](https://class.vision/yalda401/): دوره‌های مرتبط با هوش مصنوعی زیر از35 الی 50 درصد به مناسبت یلدا، از الان  تا جمعه مورخ 2 دی ماه 1401 شامل تخفیف هستند.
- [نقشه راه بینایی کامپیوتر و بینایی ماشین](https://class.vision/computer-vision-learning-path/): بینایی کامپیوتر، یکی از زیر شاخه های هوش مصنوعی است. همان‌گونه که چشم‌ها فقط دریافت کننده تصاویر محیط پیرامون هستند و این مغز است که فرایند دیدن به معنای درک اشیاء، محیط و افراد پیرامون را انجام می‌دهد، یک دوربین یا وبکم فقط تصاویر را در قالب پیکسل‌هایی ذخیره می‌کنند و ما به با الگوریتم‌های بینایی کامپیوتری به درک از این تصاویر می‌رسیم. به همین دلیل است که بینایی کامپیوتر را زیرشاخه‌ی هوش مصنوعی می‌دانیم. حال ممکن است که این درک تصاویر برای کاربردهای صنعتی و با برخی از سنسورهای دیگر باشد که در اینجا عبارت بینایی ماشین نیز به کار برده می‌شود (تفاوت بینایی کامپیوتر با بینایی ماشین).
- [بلاگ](https://class.vision/blog/)
- [مسیر یادگیری deep learning](https://class.vision/deeplearning-learning-path/): برنامه نویسی پایتون
- [خانه](https://class.vision/): کلاس‌ویژن، یک سایت تخصصی برای دوره های هوش مصنوعی، دیپ لرنینگ، بینایی کامپیوتر و یادگیری ماشین است.
- [لیست علاقه مندی ها](https://class.vision/wishlist/)
- [حساب کاربری من](https://class.vision/my-account/)
- [پرداخت](https://class.vision/checkout/)
- [سبد خرید](https://class.vision/cart/)
- [فروشگاه](https://class.vision/courses/)

## محصولات
- [دوره فارسی مدل‌های زبانی بزرگ (LLM)](https://class.vision/product/llm-course/): به دنیای هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLM) خوش آمدید! در این دوره جامع، شما با تمامی جنبه‌های LLM آشنا خواهید شد؛ از مبانی هوش مصنوعی مولد و  آشنایی کلی با معماری ترنسفورمرها گرفته تا روش‌های پیشرفته تنظیم دقیق (Fine-tuning) و استقرار مدل‌ها. این دوره شامل مباحث نظری و عملی فراوان است که به شما کمک می‌کند دانش خود را در زمینه LLMها به صورت کاربردی توسعه دهید و برای ورود به بازار کار آماده شوید.
- [ویدیوی وبینار رایگان تفسیرپذیری شبکه‌های عصبی گرافی + کد و اسلاید](https://class.vision/product/explainable-ai-graph-neural-networks/): این وبینار قبلا برگزار شده و فیلم آن پس از ثبت نام در دسترس است
- [دوره کامل یادگیری عمیق با TensorFlow/Keras: شامل آموزش‌های آنلاین، محتوای ضبط‌شده و جلسات رفع اشکال](https://class.vision/product/deep-learning-ai-course-2/): پیوستن به دوره جامع یادگیری عمیق و هوش مصنوعی، که به 'الکتریسیته جدید' شهرت یافته، شما را قادر می‌سازد تا در دنیای داده‌های بزرگ با استفاده از TensorFlow و Keras به اکتشاف بپردازید. این دوره مهارت‌های تحلیلی شما را تقویت می‌کند و شما را برای پیشروی در صنعت تکنولوژی آماده می‌سازد، تا در مسیر حرفه‌ای خود به موفقیت‌های بزرگ دست یابید.
- [دوره جامع یادگیری عمیق: تسلط بر هوش مصنوعی با 40 ساعت آموزش (Tensorflow/keras)](https://class.vision/product/%d8%af%d9%88%d8%b1%d9%87-%d8%ac%d8%a7%d9%85%d8%b9-deeplearning/): این دوره 40 ساعته شما را به دنیای یادگیری عمیق و هوش مصنوعی می‌برد و با مفاهیم پایه ای تا پیشرفته این حوزه آشنا می‌کند.
- [مبانی هوش مصنوعی و یادگیری ماشین](https://class.vision/product/intro-to-ai-ml-deep/): اگر به دنبال پیشرفت بیشتر و یادگیری جامع‌تر در زمینه هوش مصنوعی و یادگیری ماشین هستید، پیشنهاد می‌کنیم که نگاهی به دوره جامع Deep Learning بیندازید. این دوره به شما امکان می‌دهد که دانش خود را به سطح بالاتری ببرید و به یادگیری عمیق‌تر بپردازید.
- [مهندسی پرامپت با ChatGPT برای توسعه دهندگان](https://class.vision/product/prompt-chatgpt-api-openai-developer__trashed/): آموزش نحوه استفاده از API سایت OpenAI و نوشتن prompt برای توسعه دهنده ها و برنامه نویسها.
- [دوره‌ی آموزشی ویدیویی Graph Neural Network](https://class.vision/product/graph-neural-network/): در دنیای امروز، داده‌های گرافی بخش بزرگی از داده‌های موجود را تشکیل می‌دهند. از شبکه‌های اجتماعی گرفته تا سیستم‌های توصیه‌گر، گراف‌ها در بسیاری از برنامه‌های کاربردی به کار می‌روند. در این ویدویوی آموزشی حدودا 13ساعته، شما با مفاهیم پایه‌ای Graph Neural Network (GNN) و کاربردهای آن آشنا خواهید شد.
- [آموزش رایگان ChatGPT](https://class.vision/product/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%b1%d8%a7%db%8c%da%af%d8%a7%d9%86-chatgpt/): چت جی پی تی (ChatGPT) یک ابزار پردازش زبان است که توسط هوش مصنوعی هدایت می‌شود و به کاربران خود این قابلیت را می‌دهد که با یک ربات صحبت کنند واز او سوال بپرسند.
- [دوره آنلاین یادگیری عمیق و بینایی کامپیوتر (با همکاری دیجی‌نکست) + کد تخفیف](https://class.vision/product/%d8%af%d9%88%d8%b1%d9%87-%d8%a2%d9%86%d9%84%d8%a7%db%8c%d9%86-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82-%d9%88-%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c-%da%a9%d8%a7%d9%85%d9%be%db%8c%d9%88%d8%aa%d8%b1-%d8%a8%d8%a7-%d9%87%d9%85%da%a9%d8%a7%d8%b1%db%8c-%d8%af%db%8c%d8%ac%db%8c%d9%86%da%a9%d8%b3%d8%aa/): دوره‌ی آنلاین آموزش یادگیری عمیق (دیپ لرنینگ) همراه با مدرک انگلیسی از آکادمی دیجی‌نکست.
- [آموزش Python(پایتون) برای هوش مصنوعی](https://class.vision/product/%d8%a2%d9%85%d9%88%d8%b2%d8%b4_%d9%be%d8%a7%db%8c%d8%aa%d9%88%d9%86_%d8%a8%d8%b1%d8%a7%db%8c_%d9%87%d9%88%d8%b4_%d9%85%d8%b5%d9%86%d9%88%d8%b9%db%8c/): آموزش زبان برنامه‌نویسی پایتون برای افرادی که دوست دارند وارد دنیای هوش مصنوعی شوند. پایتون پیش‌نیاز مباحثی نظیر یادگیری ماشین، دیپ لرنینگ مقدماتی و بینایی کامپیوتری و پردازش تصویر است.
- [Explainable AI with Grad-CAM (توضیح مقاله به همراه پیاده سازی در کراس)](https://class.vision/product/gradcam-keras/): ویدیوی وبینار
- [آموزش کار با داده‌های نامتوازن (imbalanced data) در Tensorflow](https://class.vision/product/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%af%d8%a7%d8%af%d9%87-%d9%87%d8%a7%db%8c-%d9%86%d8%a7%d9%85%d8%aa%d9%88%d8%a7%d8%b2%d9%86-imbalanced-data/): این وبینار قبلا به صورت مجازی در دانشگاه امیرکبیر در تابستان ۱۴۰۰ برگزار شده است و ویدیوهای آن به صورت رایگان در زیر قابل مشاهده است:
- [آموزش بینایی کامپیوتر با OpenCV و پایتون – جامع و پروژه‌محور](https://class.vision/product/opencv/): آموزش جامع پردازش تصویر و بینایی کامپیوتر در پایتون با Opencv.
- [رویداد آنلاین شبکه‌های مولد عمیق و GAN ها (با همکاری دیجی‌نکست)](https://class.vision/product/gan-deep-generative/): کلاس ویژن با همکاری آکادمی دیجی‌نکست برگزار می‌کند. (۲ بهمن تا ۷ اسفندماه)
- [رویداد آنلاین شبکه های مولد تخاصمی (GAN)](https://class.vision/product/%d8%b1%d9%88%db%8c%d8%af%d8%a7%d8%af-%d8%a2%d9%86%d9%84%d8%a7%db%8c%d9%86-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d9%85%d9%88%d9%84%d8%af-%d8%aa%d8%ae%d8%a7%d8%b5%d9%85%db%8c/): جزئیات دوره: تاریخ برگزاری: 7 تا 22 بهمن ماه 1400 ساعت برگزاری: 11:00 الی 14:00 (سه ساعت با احتساب 15 دقیقه آنتراک بین کلاس) طول مدت دوره: 18 ساعت روزهای برگزاری: پنجشنبه و جمعه ها (تاریخ های: 7 و 8 و 14 و 15 و 21 و 22 بهمن ماه 1400) اهداف دوره: آشنایی با Auto-encoder ها آشنایی با style transfer بررسی شبکه های معروف GAN نظیر StyleGan تسلط بیشتر بر روی تنسرفلو ۲ (Tensorflow2)   مباحث به صورت عملی به همراه کد با زبان پایتون و چارپوب تنسرفلو/کراس (Tensorflow 2) خواهد بود. سرفصل های دوره: مباحث مروری و پیش نیازی انواع روش های تعریف مدل در فریم ورک تنسرفلو ۲ functional API در کراس Gradient tape Model sub-classing Autoencoderها U-net و سگمنت تصاویر GAN DCGAN Pix2Pix Cycle-GAN Neural style transfer wgan proGAN SyleGAN   پیش‌نیاز دوره: این دوره نیاز به آشنایی با شبکه های کانولوشنالی در کراس دارد که اگر پیش نیاز را ندارید میتوانید از یکی دو روش زیر این پیش نیاز ها را کسب کنید: دوره آموزشی مقدماتی شبکه‌ های عصبی عمیق در Tensorflow/Keras رویداد آنلاین یادگیری عمیق و بینایی کامپیوتر دیجی‌کالا (البته این دوره قبل شروع کلاس تمام نمیگردد)
- [رویداد آنلاین یادگیری عمیق و بینایی کامپیوتر (با همکاری دیجی‌نکست)](https://class.vision/product/%d8%b1%d9%88%db%8c%d8%af%d8%a7%d8%af-%d8%a2%d9%86%d9%84%d8%a7%db%8c%d9%86-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82-%d9%88-%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c-%da%a9%d8%a7%d9%85%d9%be%db%8c%d9%88%d8%aa%d8%b1/): دوره ی آموزش یادگیری عمیق با گواهی دیجی نکست
- [دوره آموزشی تخصصی بازشناسی چهره عمیق با Tensorflow/Keras](https://class.vision/product/%d8%af%d9%88%d8%b1%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%aa%d8%ae%d8%b5%d8%b5%db%8c-%d8%a8%d8%a7%d8%b2%d8%b4%d9%86%d8%a7%d8%b3%db%8c-%da%86%d9%87%d8%b1%d9%87-%d8%b9%d9%85%db%8c%d9%82-%d8%a8%d8%a7-tensorflow-keras/): مجموعه‌ی دانش‌بنیان شناسا، فعال در حوزه ی هوش مصنوعی، بینایی ماشین و یادگیری عمیق به عنوان حامی چالش فیس‌کاپ دوره ی تخصصی بازشناسی چهره عمیق را برگزار کرده و حالا فیلم های ضبط شده و تدوین شده ی آن در اختیار عموم قرار گرفته است.
- [فیلم وبینار استفاده از callback ها در Keras](https://class.vision/product/using-callback-in-keras/): این وبینار قبلا برگزار شده است و ویدیوهای آن به صورت رایگان در زیر قابل مشاهده است:
- [فیلم‌ وبینار آشنایی بیشتر با tf.data در تنسرفلو!](https://class.vision/product/tf-dataset-callbacks/): این وبینار و وبینار استفاده از callback ها در Keras مکمل یکدیگر هستند !
- [دوره آموزشی شبکه‌های بازگشتی عمیق و سری‌های زمانی با تنسرفلو 2](https://class.vision/product/%d8%af%d9%88%d8%b1%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%a8%d8%a7%d8%b2%da%af%d8%b4%d8%aa%db%8c-%d8%b9%d9%85%db%8c%d9%82-%d9%88-%d8%b3%d8%b1%db%8c-%d9%87%d8%a7%db%8c-%d8%b2%d9%85%d8%a7%d9%86%db%8c-%d8%a8%d8%a7-%d8%aa%d9%86%d8%b3%d8%b1%d9%81%d9%84%d9%88-2/): قسمت 1 - مقدمات شبکه های بازگشتی
- [دوره آموزشی مقدماتی شبکه‌ های عصبی عمیق در Tensorflow/Keras](https://class.vision/product/%d8%af%d9%88%d8%b1%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%85%d9%82%d8%af%d9%85%d8%a7%d8%aa%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c-%d8%b9%d9%85%db%8c%d9%82-%d8%af%d8%b1-tensorflow-keras/): دوره جدید با محتوای کامل‌تر و به‌روزتر اکنون آماده است. اگر می‌خواهید دانش خود را ارتقاء دهید و مطالب پیشرفته‌تری را یاد بگیرید، همین حالا در دوره جامع Deep Learning ثبت‌نام کنید.

## مدرسان
- [علیرضا اخوان پور](https://class.vision/teacher/%d8%b9%d9%84%db%8c%d8%b1%d8%b6%d8%a7-%d8%a7%d8%ae%d9%88%d8%a7%d9%86-%d9%be%d9%88%d8%b1/): درباره علیرضا اخوان پور بیشتر بدانید

## 
- [Agent2](https://class.vision/?p=5855)

## هدر ها
- [هدر](https://class.vision/blog/herowpheader-item/%d9%87%d8%af%d8%b1/): هنوز هیچ محصولی خریداری نکرده اید.

## فوتر ها
- [فوتر](https://class.vision/blog/herowpfooter-item/%d8%ae%d8%a7%d9%86%d9%87/): یک سایت مستقل با هدف ارتقاء دانش هوش مصنوعی

## دسته‌ها
- [Agent](https://class.vision/blog/category/agent/)
- [ChatGPT و LLMها](https://class.vision/blog/category/chatgpt-%d9%88-llm%d9%87%d8%a7/)
- [CLIP](https://class.vision/blog/category/clip/)
- [Contrastive Learning](https://class.vision/blog/category/%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d8%b9%d9%85%db%8c%d9%82/contrastive-learning/)
- [midjourney](https://class.vision/blog/category/%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d9%85%d9%88%d9%84%d8%af-generative/midjourney/)
- [Object Detection](https://class.vision/blog/category/%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c-%da%a9%d8%a7%d9%85%d9%be%db%8c%d9%88%d8%aa%d8%b1-%d9%85%d8%a7%d8%b4%db%8c%d9%86/object-detection/)
- [pytorch](https://class.vision/blog/category/%d8%a7%d8%a8%d8%b2%d8%a7%d8%b1%d9%87%d8%a7-%d9%88-%da%a9%d8%aa%d8%a7%d8%a8%d8%ae%d8%a7%d9%86%d9%87-%d9%87%d8%a7%db%8c-%d9%87%d9%88%d8%b4-%d9%85%d8%b5%d9%86%d9%88%d8%b9%db%8c/pytorch/)
- [smolagents](https://class.vision/blog/category/agent/smolagents/)
- [Tensorflow-Keras](https://class.vision/blog/category/%d8%a7%d8%a8%d8%b2%d8%a7%d8%b1%d9%87%d8%a7-%d9%88-%da%a9%d8%aa%d8%a7%d8%a8%d8%ae%d8%a7%d9%86%d9%87-%d9%87%d8%a7%db%8c-%d9%87%d9%88%d8%b4-%d9%85%d8%b5%d9%86%d9%88%d8%b9%db%8c/tensorflow-keras/)
- [VLM](https://class.vision/blog/category/vlm/)
- [ابزارها و کتابخانه های هوش مصنوعی](https://class.vision/blog/category/%d8%a7%d8%a8%d8%b2%d8%a7%d8%b1%d9%87%d8%a7-%d9%88-%da%a9%d8%aa%d8%a7%d8%a8%d8%ae%d8%a7%d9%86%d9%87-%d9%87%d8%a7%db%8c-%d9%87%d9%88%d8%b4-%d9%85%d8%b5%d9%86%d9%88%d8%b9%db%8c/)
- [اخبار تکنولوژی و هوش مصنوعی](https://class.vision/blog/category/%d8%a7%d8%ae%d8%a8%d8%a7%d8%b1-%d8%aa%da%a9%d9%86%d9%88%d9%84%d9%88%da%98%db%8c-%d9%88-%d9%87%d9%88%d8%b4-%d9%85%d8%b5%d9%86%d9%88%d8%b9%db%8c/)
- [استقرار مدل (Model Deployment)](https://class.vision/blog/category/%d8%a7%d8%b3%d8%aa%d9%82%d8%b1%d8%a7%d8%b1-%d9%85%d8%af%d9%84-model-deployment/)
- [بلاگ‌پست](https://class.vision/blog/category/%d8%a8%d9%84%d8%a7%da%af-%d9%be%d8%b3%d8%aa/)
- [بینایی کامپیوتر و بینایی ماشین](https://class.vision/blog/category/%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c-%da%a9%d8%a7%d9%85%d9%be%db%8c%d9%88%d8%aa%d8%b1-%d9%85%d8%a7%d8%b4%db%8c%d9%86/)
- [پردازش ویدیو](https://class.vision/blog/category/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d9%88%db%8c%d8%af%db%8c%d9%88/)
- [پیشگامان هوش‌مصنوعی](https://class.vision/blog/category/%d8%a7%d9%81%d8%b1%d8%a7%d8%af-%d8%b4%d9%86%d8%a7%d8%b3-%d8%af%d8%b1-%d9%87%d9%88%d8%b4-%d9%85%d8%b5%d9%86%d9%88%d8%b9%db%8c/)
- [تخفیف دوره](https://class.vision/blog/category/%d8%aa%d8%ae%d9%81%db%8c%d9%81-%d8%af%d9%88%d8%b1%d9%87/)
- [ترنسفورمرها](https://class.vision/blog/category/%d8%aa%d8%b1%d9%86%d8%b3%d9%81%d9%88%d8%b1%d9%85%d8%b1%d9%87%d8%a7/)
- [تمرین](https://class.vision/blog/category/%d8%aa%d9%85%d8%b1%db%8c%d9%86/)
- [تمرینهای دوره‌ی OpenCV](https://class.vision/blog/category/%d8%aa%d9%85%d8%b1%db%8c%d9%86/%d8%aa%d9%85%d8%b1%db%8c%d9%86%d9%87%d8%a7%db%8c-%d8%af%d9%88%d8%b1%d9%87%db%8c-opencv/)
- [چاپ مقاله](https://class.vision/blog/category/%da%86%d8%a7%d9%be-%d9%85%d9%82%d8%a7%d9%84%d9%87/)
- [چالشها و مشکلات](https://class.vision/blog/category/%da%86%d8%a7%d9%84%d8%b4%d9%87%d8%a7-%d9%88-%d9%85%d8%b4%da%a9%d9%84%d8%a7%d8%aa/)
- [دسته‌بندی نشده](https://class.vision/blog/category/%d8%af%d8%b3%d8%aa%d9%87%e2%80%8c%d8%a8%d9%86%d8%af%db%8c-%d9%86%d8%b4%d8%af%d9%87/)
- [دیتاست](https://class.vision/blog/category/%d8%af%db%8c%d8%aa%d8%a7%d8%b3%d8%aa/)
- [دیتاست تصویری](https://class.vision/blog/category/%d8%af%db%8c%d8%aa%d8%a7%d8%b3%d8%aa/%d8%af%db%8c%d8%aa%d8%a7%d8%b3%d8%aa-%d8%aa%d8%b5%d9%88%db%8c%d8%b1%db%8c/)
- [دیتاست های فارسی](https://class.vision/blog/category/%d8%af%db%8c%d8%aa%d8%a7%d8%b3%d8%aa/%d8%af%db%8c%d8%aa%d8%a7%d8%b3%d8%aa-%d9%87%d8%a7%db%8c-%d9%81%d8%a7%d8%b1%d8%b3%db%8c/)
- [دیتاست یادگیری‌ماشین](https://class.vision/blog/category/%d8%af%db%8c%d8%aa%d8%a7%d8%b3%d8%aa-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c%d9%85%d8%a7%d8%b4%db%8c%d9%86/)
- [دیتاست‌های بینایی کامپیوتر](https://class.vision/blog/category/%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c-%da%a9%d8%a7%d9%85%d9%be%db%8c%d9%88%d8%aa%d8%b1-%d9%85%d8%a7%d8%b4%db%8c%d9%86/%d8%af%db%8c%d8%aa%d8%a7%d8%b3%d8%aa-%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c-%da%a9%d8%a7%d9%85%d9%be%db%8c%d9%88%d8%aa%d8%b1/)
- [دیتاست‌های صوتی](https://class.vision/blog/category/%d8%af%db%8c%d8%aa%d8%a7%d8%b3%d8%aa/%d8%af%db%8c%d8%aa%d8%a7%d8%b3%d8%aa%d9%87%d8%a7%db%8c-%d8%b5%d9%88%d8%aa%db%8c/)
- [دیتاست‌های گرافی](https://class.vision/blog/category/%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c-%da%af%d8%b1%d8%a7%d9%81%db%8c-gnn/%d8%af%db%8c%d8%aa%d8%a7%d8%b3%d8%aa%d9%87%d8%a7%db%8c-%da%af%d8%b1%d8%a7%d9%81%db%8c/)
- [دیتاست‌های متنی و NLP](https://class.vision/blog/category/%da%a9%d8%a7%d8%b1-%d8%a8%d8%a7-%d8%af%d8%a7%d8%af%d9%87%d9%87%d8%a7%db%8c-%d9%85%d8%aa%d9%86%db%8c-%d9%88-nlp/%d8%af%db%8c%d8%aa%d8%a7%d8%b3%d8%aa%d9%87%d8%a7%db%8c-%d9%85%d8%aa%d9%86%db%8c-%d9%88-nlp/)
- [سرفصل دوره‌ها](https://class.vision/blog/category/%d8%b3%d8%b1%d9%81%d8%b5%d9%84-%d8%af%d9%88%d8%b1%d9%87%d9%87%d8%a7/)
- [سوالات و quizها](https://class.vision/blog/category/%d8%b3%d9%88%d8%a7%d9%84%d8%a7%d8%aa-%d9%88-quiz%d9%87%d8%a7/)
- [سیستم‌ توصیه‌گر مبتنی بر گراف](https://class.vision/blog/category/%d8%b3%db%8c%d8%b3%d8%aa%d9%85%d9%87%d8%a7%db%8c-%d8%aa%d9%88%d8%b5%db%8c%d9%87%da%af%d8%b1/%d8%b3%db%8c%d8%b3%d8%aa%d9%85-%d8%aa%d9%88%d8%b5%db%8c%d9%87%da%af%d8%b1-%d9%85%d8%a8%d8%aa%d9%86%db%8c-%d8%a8%d8%b1-%da%af%d8%b1%d8%a7%d9%81/)
- [سیستم‌های توصیه‌گر](https://class.vision/blog/category/%d8%b3%db%8c%d8%b3%d8%aa%d9%85%d9%87%d8%a7%db%8c-%d8%aa%d9%88%d8%b5%db%8c%d9%87%da%af%d8%b1/)
- [شبکه های عصبی گرافی (GNN)](https://class.vision/blog/category/%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c-%da%af%d8%b1%d8%a7%d9%81%db%8c-gnn/)
- [شبکه های مولد (Generative)](https://class.vision/blog/category/%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d9%85%d9%88%d9%84%d8%af-generative/)
- [کار با داده‌های متنی و NLP](https://class.vision/blog/category/%da%a9%d8%a7%d8%b1-%d8%a8%d8%a7-%d8%af%d8%a7%d8%af%d9%87%d9%87%d8%a7%db%8c-%d9%85%d8%aa%d9%86%db%8c-%d9%88-nlp/)
- [کاربردها](https://class.vision/blog/category/%da%a9%d8%a7%d8%b1%d8%a8%d8%b1%d8%af%d9%87%d8%a7/)
- [کتابخانه‌های مرتبط با گراف](https://class.vision/blog/category/%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c-%da%af%d8%b1%d8%a7%d9%81%db%8c-gnn/%da%a9%d8%aa%d8%a7%d8%a8%d8%ae%d8%a7%d9%86%d9%87%d9%87%d8%a7%db%8c-%d9%85%d8%b1%d8%aa%d8%a8%d8%b7-%d8%a8%d8%a7-%da%af%d8%b1%d8%a7%d9%81/)
- [مدل‌های استدلالی (Reasoning Models)](https://class.vision/blog/category/%d9%85%d8%af%d9%84%d9%87%d8%a7%db%8c-%d8%b2%d8%a8%d8%a7%d9%86%db%8c-%d8%a8%d8%b2%d8%b1%da%af-llm/%d9%85%d8%af%d9%84%d9%87%d8%a7%db%8c-%d8%a7%d8%b3%d8%aa%d8%af%d9%84%d8%a7%d9%84%db%8c-reasoning-models/)
- [مدلهای دیفیوژن (Diffusion)](https://class.vision/blog/category/%d9%85%d8%af%d9%84%d9%87%d8%a7%db%8c-%d8%af%db%8c%d9%81%db%8c%d9%88%da%98%d9%86-diffusion/)
- [مدل‌های زبانی بزرگ (LLM)](https://class.vision/blog/category/%d9%85%d8%af%d9%84%d9%87%d8%a7%db%8c-%d8%b2%d8%a8%d8%a7%d9%86%db%8c-%d8%a8%d8%b2%d8%b1%da%af-llm/)
- [مدل‌های زبانی بینایی](https://class.vision/blog/category/%d9%85%d8%af%d9%84%d9%87%d8%a7%db%8c-%d8%b2%d8%a8%d8%a7%d9%86%db%8c-%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c/)
- [مفاهیم پایه NLP](https://class.vision/blog/category/%d9%85%d9%81%d8%a7%d9%87%db%8c%d9%85-%d9%be%d8%a7%db%8c%d9%87-nlp/)
- [مفاهیم پایه بینایی کامپیوتر](https://class.vision/blog/category/%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c-%da%a9%d8%a7%d9%85%d9%be%db%8c%d9%88%d8%aa%d8%b1-%d9%85%d8%a7%d8%b4%db%8c%d9%86/%d9%85%d9%81%d8%a7%d9%87%db%8c%d9%85-%d9%be%d8%a7%db%8c%d9%87-%d8%a8%db%8c%d9%86%d8%a7%db%8c%db%8c-%da%a9%d8%a7%d9%85%d9%be%db%8c%d9%88%d8%aa%d8%b1/)
- [مفاهیم پایه شبکه عصبی](https://class.vision/blog/category/%d9%85%d9%81%d8%a7%d9%87%db%8c%d9%85-%d9%be%d8%a7%db%8c%d9%87-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c/)
- [مفاهیم پایه گراف](https://class.vision/blog/category/%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c-%da%af%d8%b1%d8%a7%d9%81%db%8c-gnn/%d9%85%d9%81%d8%a7%d9%87%db%8c%d9%85-%d9%be%d8%a7%db%8c%d9%87-%da%af%d8%b1%d8%a7%d9%81/)
- [مفاهیم پایه هوش مصنوعی](https://class.vision/blog/category/%d9%85%d9%81%d8%a7%d9%87%db%8c%d9%85-%d9%be%d8%a7%db%8c%d9%87-%d9%87%d9%88%d8%b4-%d9%85%d8%b5%d9%86%d9%88%d8%b9%db%8c/)

## دسته‌های محصولات
- [دوره آموزشی قدیمی (لینک)](https://class.vision/product-category/%d8%af%d9%88%d8%b1%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%82%d8%af%db%8c%d9%85%db%8c-%d9%84%db%8c%d9%86%da%a9/)
- [دوره های آموزشی](https://class.vision/product-category/%d8%af%d9%88%d8%b1%d9%87-%d9%87%d8%a7%db%8c-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c/)
- [دوره های آموزشی (لینک)](https://class.vision/product-category/%d8%af%d9%88%d8%b1%d9%87-%d9%87%d8%a7%db%8c-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%84%db%8c%d9%86%da%a9/)
- [دوره های سازمانی](https://class.vision/product-category/%d8%af%d9%88%d8%b1%d9%87-%d9%87%d8%a7%db%8c-%d8%b3%d8%a7%d8%b2%d9%85%d8%a7%d9%86%db%8c/)
- [رویداد آنلاین](https://class.vision/product-category/%d8%b1%d9%88%db%8c%d8%af%d8%a7%d8%af-%d8%a2%d9%86%d9%84%d8%a7%db%8c%d9%86/)
- [فیلم های وبینار](https://class.vision/product-category/%d9%81%db%8c%d9%84%d9%85-%d9%87%d8%a7%db%8c-%d9%88%d8%a8%db%8c%d9%86%d8%a7%d8%b1/)

## برچسب‌ها