Forwarded from زندگی به عنوان سرویس
🔗 How (and Where) ML Beginners Can Find Papers
این مقاله یه راهنمایی برای تازهکارهای یادگیری ماشین (ML) هستش که میخوان مقالات پژوهشی پیدا کنن و بخونن. نویسنده پیشنهاد میکنه که تازهکارها روی انتشاراتpeer-reviewed از کنفرانسهای برتر ML تمرکز کنن. این کنفرانسها از فرآیندی به نام "داوری دوطرفه ناشناس" استفاده میکنن، جایی که مقاله به صورت ناشناس بررسی میشه و توسط پژوهشگران ناشناس از همون حوزه بررسی میشه. این فرآیند تضمین میکنه که مطالب منتشر شده کیفیت بالایی دارن که فهمشون رو برای تازهکارها آسونتر میکنه.
نویسنده یه فرآیند هفت مرحلهای رو توضیح میده:
* مرحله ۱: تعیین حوزه علاقهمندی. این کار رو میتونی با انجام پروژههای کدنویسی و خوندن ادبیات پژوهشی انجام بدی(literature).
* مرحله ۲: پیدا کردن یه کنفرانس ML. نویسنده تعدادی از کنفرانسهای برتر رو لیست میکنه، از جمله NeurIPS، ICML، ICLR و IJCAI.
* مرحله ۳: جستجو در مقالات کنفرانس و ساختن یه لیست خواندن. نویسنده پیشنهاد میکنه که لیست مقالات پذیرفته شده رو مرور کنی و اونا رو بر اساس عنوان و چکیده پیشفیلتر کنی.
* مرحله ۴: به دنبال منابع قدیمیتر بگرد. اینا مقالات قدیمیتر و اغلب استناد شدهای هستن که پایه محکمی برای درک روندهای پژوهشی فعلی فراهم میکنن.
* مرحله ۵: طبق لیست پیش برو. این کار زمان و تلاش میطلبه، اما در نهایت ارزشش رو داره.
* مرحله ۶: یه مقاله مروری بخون. مقالات مروری یه نمای کلی از یه حوزه پژوهشی ارائه میدن.
* مرحله ۷: لیست خودت رو تموم کن. این هرگز اتفاق نمیافته، اما اشکالی نداره.
نویسنده در پایان تازهکارها رو تشویق میکنه که به طور عمیق با ادبیات درگیر بشن و از درخواست کمک نترسن.
#paper #ML #blog
🆔 @lifeAsAService
این مقاله یه راهنمایی برای تازهکارهای یادگیری ماشین (ML) هستش که میخوان مقالات پژوهشی پیدا کنن و بخونن. نویسنده پیشنهاد میکنه که تازهکارها روی انتشاراتpeer-reviewed از کنفرانسهای برتر ML تمرکز کنن. این کنفرانسها از فرآیندی به نام "داوری دوطرفه ناشناس" استفاده میکنن، جایی که مقاله به صورت ناشناس بررسی میشه و توسط پژوهشگران ناشناس از همون حوزه بررسی میشه. این فرآیند تضمین میکنه که مطالب منتشر شده کیفیت بالایی دارن که فهمشون رو برای تازهکارها آسونتر میکنه.
نویسنده یه فرآیند هفت مرحلهای رو توضیح میده:
* مرحله ۱: تعیین حوزه علاقهمندی. این کار رو میتونی با انجام پروژههای کدنویسی و خوندن ادبیات پژوهشی انجام بدی(literature).
* مرحله ۲: پیدا کردن یه کنفرانس ML. نویسنده تعدادی از کنفرانسهای برتر رو لیست میکنه، از جمله NeurIPS، ICML، ICLR و IJCAI.
* مرحله ۳: جستجو در مقالات کنفرانس و ساختن یه لیست خواندن. نویسنده پیشنهاد میکنه که لیست مقالات پذیرفته شده رو مرور کنی و اونا رو بر اساس عنوان و چکیده پیشفیلتر کنی.
* مرحله ۴: به دنبال منابع قدیمیتر بگرد. اینا مقالات قدیمیتر و اغلب استناد شدهای هستن که پایه محکمی برای درک روندهای پژوهشی فعلی فراهم میکنن.
* مرحله ۵: طبق لیست پیش برو. این کار زمان و تلاش میطلبه، اما در نهایت ارزشش رو داره.
* مرحله ۶: یه مقاله مروری بخون. مقالات مروری یه نمای کلی از یه حوزه پژوهشی ارائه میدن.
* مرحله ۷: لیست خودت رو تموم کن. این هرگز اتفاق نمیافته، اما اشکالی نداره.
نویسنده در پایان تازهکارها رو تشویق میکنه که به طور عمیق با ادبیات درگیر بشن و از درخواست کمک نترسن.
#paper #ML #blog
🆔 @lifeAsAService
Towards Data Science
How (and Where) ML Beginners Can Find Papers | Towards Data Science
From conferences to surveys
👍14❤7🔥2
Forwarded from Intellimage ( intelligent image processing )
🆕️ رقابت چین با مدل OpenAI o1
📌 شرکت چینی Alibaba که بزرگترین شرکت خرده فروش جهان است و در فهرست بزرگترین شرکتهای تجارت الکترونیک دنیا جای دارد، از مدل هوش مصنوعی دارای قابلیت استدلال رونمایی کرده است که رقیب جدید مدل o1 از OpenAI به حساب میآید.
✅ مدل معرفی شده شامل ۳۲.۵ میلیارد پارامتر است و میتواند به درخواستهایی با حداکثر ۳۲ هزار توکن پاسخ بدهد.
✅ عملکرد این مدل مانند دیگر مدلهای بزرگ دارای قابلیت استدلال است، به این معنا که هوش مصنوعی در طول استنتاج خود، برای بررسی پاسخهایی که میخواهد به کاربر ارائه کند و تصحیح اشتباهات، از چرخههای محاسباتی بیشتری استفاده میکند.
✅ این مدل در نتیجه برای کارهایی که به استدلال منطقی و برنامهریزی نیاز دارند، مانند ریاضیات و کدنویسی، مناسب است.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#machin_vision
#top_news
📌 شرکت چینی Alibaba که بزرگترین شرکت خرده فروش جهان است و در فهرست بزرگترین شرکتهای تجارت الکترونیک دنیا جای دارد، از مدل هوش مصنوعی دارای قابلیت استدلال رونمایی کرده است که رقیب جدید مدل o1 از OpenAI به حساب میآید.
✅ مدل معرفی شده شامل ۳۲.۵ میلیارد پارامتر است و میتواند به درخواستهایی با حداکثر ۳۲ هزار توکن پاسخ بدهد.
✅ عملکرد این مدل مانند دیگر مدلهای بزرگ دارای قابلیت استدلال است، به این معنا که هوش مصنوعی در طول استنتاج خود، برای بررسی پاسخهایی که میخواهد به کاربر ارائه کند و تصحیح اشتباهات، از چرخههای محاسباتی بیشتری استفاده میکند.
✅ این مدل در نتیجه برای کارهایی که به استدلال منطقی و برنامهریزی نیاز دارند، مانند ریاضیات و کدنویسی، مناسب است.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#machin_vision
#top_news
👍12❤1😱1
رقیب ChatGPT ریلیز شد
https://chat.deepseek.com/
از زبان فارسی پشتیبانی میکنه نیازی به فیلترشکن نیست.
#متن_باز
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://chat.deepseek.com/
از زبان فارسی پشتیبانی میکنه نیازی به فیلترشکن نیست.
#متن_باز
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍39👎6🔥2❤1
Forwarded from DeepMind AI Expert (Mehdi Dehghani)
نمونه ابزار های نمایش معماری شبکه های عصبی و مدل های دیپ لرنینگ:
✅ https://texample.net/tikz/examples/neural-network/
✅ https://github.com/HarisIqbal88/PlotNeuralNet
✅ https://github.com/lutzroeder/netron
✅ https://math.mit.edu/ennui/
✅ https://tikz.net/neural_networks/
✅ https://alexlenail.me/NN-SVG/LeNet.html
✅ https://github.com/martisak/dotnets
✅ https://github.com/gwding/draw_convnet
✅ https://github.com/szagoruyko/pytorchviz
✅ https://github.com/mert-kurttutan/torchview
✅ https://keras.io/api/utils/model_plotting_utils/
✅ https://github.com/viscom-ulm/Net2Vis
✅ https://github.com/mlajtos/moniel
اگر ابزارهای دیگه ای هم برای نمایش معماری شبکه های عصبی میشناسید لطفا زیر همین پست کامنت کنید.
#Deep_learning
#Neural_Network
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
✅ https://texample.net/tikz/examples/neural-network/
✅ https://github.com/HarisIqbal88/PlotNeuralNet
✅ https://github.com/lutzroeder/netron
✅ https://math.mit.edu/ennui/
✅ https://tikz.net/neural_networks/
✅ https://alexlenail.me/NN-SVG/LeNet.html
✅ https://github.com/martisak/dotnets
✅ https://github.com/gwding/draw_convnet
✅ https://github.com/szagoruyko/pytorchviz
✅ https://github.com/mert-kurttutan/torchview
✅ https://keras.io/api/utils/model_plotting_utils/
✅ https://github.com/viscom-ulm/Net2Vis
✅ https://github.com/mlajtos/moniel
اگر ابزارهای دیگه ای هم برای نمایش معماری شبکه های عصبی میشناسید لطفا زیر همین پست کامنت کنید.
#Deep_learning
#Neural_Network
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
❤11👍1
Beyond the Matrix
Epica
برای خروج از ماتریکس این موزیکو گوش بدید ولی خیلی دیر با اپیکا اشنا شدم
#متفرقه
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
#متفرقه
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👎9👍7❤4😱1👌1
روز رشت قشنگ رو به دوستای رشتی و یک ایران خجسته باد
❤37👍7👎5😱2🔥1🆒1
منابع دانشگاهی رایگان درس هوش مصنوعی :
درس هوشمصنوعی پیشرفته
دکتر رهبان استاد دانشگاه شریف
▪️ Aparat Playlist
درس هوش مصنوعی
مدرس دکتر سلیمانی استاد دانشگاه شریف
▪️ درس افزار دانشگاه شریف
درس هوش مصنوعی
دکتر رضوی استاد سابق دانشگاه تبریز
▪️ YouTube Playlist
درس هوش مصنوعی
دکتر محمدی استاد دانشگاه علم و صنعت
▪️ Aparat Playlist
#هوش_مصنوعی #منابع #فیلم #کلاس_آموزشی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
درس هوشمصنوعی پیشرفته
دکتر رهبان استاد دانشگاه شریف
▪️ Aparat Playlist
درس هوش مصنوعی
مدرس دکتر سلیمانی استاد دانشگاه شریف
▪️ درس افزار دانشگاه شریف
درس هوش مصنوعی
دکتر رضوی استاد سابق دانشگاه تبریز
▪️ YouTube Playlist
درس هوش مصنوعی
دکتر محمدی استاد دانشگاه علم و صنعت
▪️ Aparat Playlist
#هوش_مصنوعی #منابع #فیلم #کلاس_آموزشی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
❤5👍4
Forwarded from Intellimage ( intelligent image processing )
1_16090429800.pdf
1.3 MB
📚 تازه های دنیای پژوهش
🌐 nature communication:
📃 Stratifying vascular disease patients into homogeneous subgroups using machine learning and FLAIR MRI biomarkers
❇ این مطالعه چارچوبی را پیشنهاد میکند که بیماران مبتلا به بیماری عروق را بر اساس سلامت مغز و خطر بیماری عروق مغزی (CVD) با استفاده از بیومارکرهای ناحیهای Fluid-Attenuated Inversion Recovery (FLAIR) طبقهبندی میکند.
❇ محققان بیومارکرهای موثر را از حجم FLAIR 379 بیمار آترواسکلروزی استخراج کرده و از خوشهبندی K-Means برای شناسایی زیرگروه های همگن استفاده کردند.
❇ بیومارکرهای مهم با استفاده از طبقهبندی جنگل تصادفی برای تمایز زیر گروه ها شناسایی شده و این مطالعه با استفاده از بیومارکرهای FLAIR از درمان شخصیسازی شده و طبقهبندی ریسک بیماران مبتلا به بیماری عروقی پشتیبانی میکند.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#article
🌐 nature communication:
📃 Stratifying vascular disease patients into homogeneous subgroups using machine learning and FLAIR MRI biomarkers
❇ این مطالعه چارچوبی را پیشنهاد میکند که بیماران مبتلا به بیماری عروق را بر اساس سلامت مغز و خطر بیماری عروق مغزی (CVD) با استفاده از بیومارکرهای ناحیهای Fluid-Attenuated Inversion Recovery (FLAIR) طبقهبندی میکند.
❇ محققان بیومارکرهای موثر را از حجم FLAIR 379 بیمار آترواسکلروزی استخراج کرده و از خوشهبندی K-Means برای شناسایی زیرگروه های همگن استفاده کردند.
❇ بیومارکرهای مهم با استفاده از طبقهبندی جنگل تصادفی برای تمایز زیر گروه ها شناسایی شده و این مطالعه با استفاده از بیومارکرهای FLAIR از درمان شخصیسازی شده و طبقهبندی ریسک بیماران مبتلا به بیماری عروقی پشتیبانی میکند.
🆔️ telegram channel:
https://news.1rj.ru/str/Intellimage
#image_processing
#article
❤4👍2
Forwarded from DeepMind AI Expert
لیست کانال و گروه های ما :
▪️ گروه هوش مصنوعی: یادگیری عمیق و...
https://news.1rj.ru/str/DeepLearningAIExperts
▪️ گروه هوش مصنوعی: پردازش زبان طبیعی
https://news.1rj.ru/str/NLPExperts
▪️ کانال دکتر میثم عسگری
https://news.1rj.ru/str/ai_person
▪️ گروه لینوکس و پایتون و سایر...
https://news.1rj.ru/str/PythonLinuxExperts
با اشتراک گذاشتن این پست به دیده شدن و پیشرفت هموطنان خود کمک کنید. جایی برای پرسش و پاسخ و ارتباط با پژوهشگران علوم کامپیوتر و صنعت پیدا کنند.
▪️ گروه هوش مصنوعی: یادگیری عمیق و...
https://news.1rj.ru/str/DeepLearningAIExperts
▪️ گروه هوش مصنوعی: پردازش زبان طبیعی
https://news.1rj.ru/str/NLPExperts
▪️ کانال دکتر میثم عسگری
https://news.1rj.ru/str/ai_person
▪️ گروه لینوکس و پایتون و سایر...
https://news.1rj.ru/str/PythonLinuxExperts
با اشتراک گذاشتن این پست به دیده شدن و پیشرفت هموطنان خود کمک کنید. جایی برای پرسش و پاسخ و ارتباط با پژوهشگران علوم کامپیوتر و صنعت پیدا کنند.
👌5👍1👎1
Forwarded from زندگی به عنوان سرویس
دانشگاه استنفورد ابزاری به نام STORM رو ساخته که با کمک هوش مصنوعی میتونه در لحظه صدها سایت و مقاله مرتبط با موضوع شما رو اسکن کنه و یه مقاله خلاصه ازش بسازه و بهتون بده.
لینک
#paper
#tool
🆔 @lifeAsAService
لینک
#paper
#tool
🆔 @lifeAsAService
❤21👍6😱5🔥1
Forwarded from Machine learning application (Kartal)
فارسی: چطور وارد حوزه هوش مصنوعی شویم و در آن پیشرفت کنیم را کوتاه و زیبا نوشته.
تۆرکجه: یاپای ذکاء ساحسینده نئجه باشلایاق و نئجه یاخشی قاباغا گئدمگی خیردا یازیدا گوزل آراشدیریب.
کانالیمیزی جانلی یایین:
https://news.1rj.ru/str/Machinelearning_Kartal
تۆرکجه: یاپای ذکاء ساحسینده نئجه باشلایاق و نئجه یاخشی قاباغا گئدمگی خیردا یازیدا گوزل آراشدیریب.
کانالیمیزی جانلی یایین:
https://news.1rj.ru/str/Machinelearning_Kartal
👍23👎6❤4🔥1
Deep Learning Interviews: Hundreds of fully solved job interview questions from a wide range of key topics in AI
https://arxiv.org/abs/2201.00650
#کتاب #منابع
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://arxiv.org/abs/2201.00650
#کتاب #منابع
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
🔥8❤2
بنا بر ادعای نویسندگان این مقاله سرعت این مدل برای تولید فیلم خیلی بیشتر از مدلهای دیگه است.
▪️ LTX-Video: Realtime Video Latent Diffusion
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ LTX-Video: Realtime Video Latent Diffusion
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍2🔥1
مدل جدیدی منتشر شده که کیفیت بسیار قابل توجهی نسبت به مدلهای دیگه داره
▪️ 2 OLMo 2 Furious
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ 2 OLMo 2 Furious
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👎4👍2
اگر دنبال دیتاست در زمینه Reasoning هستین اینجا منتشر کردند.
▪️ لینک
#مقاله #ایده_جذاب #دیتاست
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ لینک
#مقاله #ایده_جذاب #دیتاست
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍6❤5👎1