چه قدر از خودش تعریف می کنه. 😅👉 @ai_python 🦁 ☀️

♞ گردش اسب؛ یک مسئلهٔ کلاسیک در ریاضیات و شطرنجآیا اسب می‌تواند روی هر یک از ۶۴ خانهٔ صفحهٔ شطرنج دقیقاً یک‌بار قرار بگیرد و در پایان، تنها یک حرکت تا خانهٔ آغاز فاصله داشته باشد؟در این ویدیو یک گردش بستهٔ معتبر نمایش داده می‌شود: تمام خانه‌ها بدون تکرار بازدید می‌شوند و همهٔ جابه‌جایی‌ها حرکت قانونی اسب‌اند.در زبان نظریهٔ گراف، هر خانه یک رأس و هر حرکتِ مجاز اسب یک یال است؛ بنابراین چنین گردشی یک دور همیلتونی می‌سازد.برای انتخاب حرکت‌ها از روش ابتکاری وارنزدورف استفاده شده است: به خانه‌ای برو که کمترین تعداد حرکتِ بعدی به خانه‌های بازدیدنشده را دارد.مسئله‌ای زیبا در پیوند میان شطرنج، ترکیبیات و نظریهٔ گراف؛ مسئله‌ای که اویلر نیز آن را بررسی کرده بود.تهیه و تنظیم: گروه ریاضی مزداهیک@mazdaahik

Normal Distribution (PDF, CDF, PPF) in 3 Minutes👉 @ai_python 🦁 ☀️youtu.be/3VYupIsbLlY?si=XfHt-1z9gIOlkdnQ

ایده بسیار قشنگی هست برای اینکه Accountability داشته باشیم روی تصمیم های AI و در جایی (گراف) نگهشون داریم. 😍👉 @ai_python 🦁 ☀️

همه آنجه که نیازه از DeepSeek Harness بدونیداگر بخوایم خیلی ساده بگم، DeepSeek Harness یک framework برای ساخت و اجرای coding agentهاست که DeepSeek همراه با V4 Pro به‌صورت developer preview منتشر کرده. ایده اصلیش اینه که برخلاف coding agentهای معمولی، همه‌چیز رو یک سیستم ثابت نبینیم؛ model، tools، skills، sessions و حتی agent loop می‌تونن به شکل plugin مدیریت و جایگزین بشن.نکته جذابش اینه که DeepSeek Harness فقط برای مدل‌های DeepSeek نیست. می‌تونید providerهای دیگه رو هم بهش وصل کنید و حتی Claude Code و Codex رو به‌عنوان sub-agent وارد workflow کنید. یعنی می‌تونید یک multi-agent system بسازید که DeepSeek Harness وظیفه orchestration رو برعهده داشته باشه و هر task رو به agent مناسب بسپره.از نظر قابلیت‌ها هم دستتون نسبتاً بازه؛ می‌تونید shell، file editing، web search، planning، subagent و workflowهای مختلف رو فعال یا شخصی‌سازی کنید. حتی در Creator Mode، agent می‌تونه در حین اجرای session، plugin و tool جدید بسازه و به محیط خودش اضافه کنه.یکی از بخش‌های مهمش هم session logging هست. تقریباً هر چیزی که به model نمایش داده می‌شه ثبت می‌شه؛ از tool callها و نتیجه‌شون گرفته تا context injection و فعالیت sub-agentها. این موضوع برای debugging و فهمیدن اینکه agent دقیقاً چرا یک تصمیم رو گرفته، خیلی کاربردیه.راه‌اندازیش هم نسبتاً ساده‌ست و برخلاف Claude Code و Codex، رابط اصلیش یک local web app هست که داخل browser اجرا می‌شه. تنظیمات هم عمدتاً از طریق YAML قابل کنترل هست و می‌تونید model، provider، permission و reasoning effort رو تغییر بدید.در مورد مدل‌ها هم V4 Flash و V4 Pro قابل استفاده هستن. برای بیشتر coding taskهای معمولی، Flash احتمالاً انتخاب اقتصادی‌تریه و Pro بیشتر برای taskهای سخت‌تر و reasoning-heavy ارزش پیدا می‌کنه. البته هزینه اصلی مربوط به model API هست و خود harness رایگانه.در نهایت، چیزی که DeepSeek Harness رو مهم می‌کنه فقط این نیست که یک coding agent دیگه ساخته؛ بلکه اینه که خود harness رو هم قابل تغییر و composition کرده. یعنی به‌جای یک agent با workflow ثابت، می‌تونید محیطی بسازید که model، tools، sub-agentها و حتی agent loop رو مطابق نیاز خودتون کنار هم قرار بدید.البته فعلاً developer preview هست و طبیعتاً ممکنه breaking change و rough edge داشته باشه. ولی اگر به coding agentها، multi-agent system یا ساخت agentهای شخصی علاقه دارید، DeepSeek Harness قطعاً پروژه‌ایه که ارزش دنبال کردن داره.👑 توضیحات در مورد دوره منتورینگ🏆 نحوه ثبت‌نام در دوره منتورینگ🤝 تجارب موفق قبلی بچه‌ها از منتورینگ@reza_jafari_ai

Understanding Exponential vs Poisson Distributions👉 @ai_python 🦁 ☀️youtu.be/n7K8s4vryCQ?si=pcVzHZhnI48iNzhu

Poisson Process : 👉 @ai_python 🦁 ☀️youtu.be/5uLxFmhYnl0?si=3CbXqZbRQoAlDcX7