کلاس آموزشی #یادگیری_تقویتی (Reinforcement learning) دانشگاه شریف از دکتر رهبان - بهار 1403
https://www.aparat.com/playlist/9319081
#منابع #کلاس_آموزشی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://www.aparat.com/playlist/9319081
#منابع #کلاس_آموزشی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍13❤1
Forwarded from Ali's Notes (Ali Najafi)
بعد از 1.5 سال موندن تو مرحله چاپ
بالاخره به چاپ رسید :)
میتونید از طریق لینک زیر بهش دسترسی داشته باشید.
https://link.springer.com/article/10.1038/s41598-024-58006-w
@css_nlp
بالاخره به چاپ رسید :)
میتونید از طریق لینک زیر بهش دسترسی داشته باشید.
https://link.springer.com/article/10.1038/s41598-024-58006-w
@css_nlp
SpringerLink
First public dataset to study 2023 Turkish general election
Scientific Reports - First public dataset to study 2023 Turkish general election
👍10❤2👎2🔥1
اگر طبق آگهی فکر میکنید گزینه خوبی هستید و سابقه کاری مرتبط دارید اپلای کنید. حقوقش بد نیست.
https://www.linkedin.com/posts/meysam-ac_applied-ai-engineer-mfx-ultimate-activity-7188211732824174592-fMuc
https://www.linkedin.com/posts/meysam-ac_applied-ai-engineer-mfx-ultimate-activity-7188211732824174592-fMuc
Linkedin
Applied AI Engineer (m/f/x) - Ultimate | Meysam Asgari-Chenaghlu
Guess what?
We are hiring again!
apply here:
https://lnkd.in/euRCqTHn
We are hiring again!
apply here:
https://lnkd.in/euRCqTHn
❤1
ورژن جدید پایتورچ منتشر شد.
PyTorch 2.3
https://pytorch.org/blog/pytorch2-3/
#پایتون
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
PyTorch 2.3
https://pytorch.org/blog/pytorch2-3/
#پایتون
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
🆒14👍3
LaL
YAS
❤12👎9👍2🔥1
مدل
Llama-3-8B-Web
https://huggingface.co/McGill-NLP/Llama-3-8B-Web
https://github.com/McGill-NLP/webllama
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Llama-3-8B-Web
https://huggingface.co/McGill-NLP/Llama-3-8B-Web
https://github.com/McGill-NLP/webllama
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
پادکست کامل گفتگوی زاکربرگ:
- Llama 3
- open sourcing towards AGI
- custom silicon, synthetic data, & energy constraints on scaling
- Caeser Augustus, intelligence explosion, bioweapons, $10b models, & much more
https://x.com/dwarkesh_sp/status/1780990840179187715
https://open.spotify.com/episode/6Lbsk4HtQZfkJ4dZjh7E7k
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
- Llama 3
- open sourcing towards AGI
- custom silicon, synthetic data, & energy constraints on scaling
- Caeser Augustus, intelligence explosion, bioweapons, $10b models, & much more
https://x.com/dwarkesh_sp/status/1780990840179187715
https://open.spotify.com/episode/6Lbsk4HtQZfkJ4dZjh7E7k
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
❤2👍2
The Man Who Sold The World
Nirvana
#متفرقه
مردی که دنیا را فروخت - نیروانا
The man who sold the world - nirvana
پ.ن:
ممنون از همراهیتون
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
مردی که دنیا را فروخت - نیروانا
The man who sold the world - nirvana
پ.ن:
ممنون از همراهیتون
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍8❤3👎2🔥2
Forwarded from Meysam
یک سری از دوستان در مورد اینکه چطوری میتونم یادگیری ماشین رو شروع کنم سوال کرده بودند.
منابع چی هست؟
از کجا شروع کنم و ...
برای شروع میتونید اول یه نگاهی به این کتاب بندازید:
https://themlbook.com/
این کتاب خیلی مختصر ایده کلی بهتون میده و اگر پیش زمینه ای دارید میتونید سریع وارد موضوع بشید. ولی خب همه چیزهایی که نیاز دارید رو نداره و باید پایتون بلد باشید به عنوان مثال.
کتاب دیگه میتونه این باشه:
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow by Geron Aurelien
که ایده کلی و کراس و تنسورفلو و ... رو هم تا حدودی یاد میده.
ولی اگر میخواهید هوش مصنوعی رو از پایه شروع کنید، حداقل یک دوره شش ماهه تا یک ساله خواهید داشت.
چون این کتابها تیوری خیلی ضعیفی ارایه میدند. برای اینکه بتونید تیوری بحث رو متوجه بشید و بیشتر پیشرفت کنید به نظرم پایه ای تر شروع کنید.
این دوره شش ماهه بهتره این ها رو بخونید:
اول ایده کلی هوش مصنوعی رو متوجه بشید با این کتاب:
https://aima.cs.berkeley.edu/
الگوریتمهای مختلف و خوبی هم یاد میده. اشکال مختلف یادگیری هم توش مطرح شده.
اگه میخواهید وارد حوزه پردازش زبان بشید با این کتاب ادامه بدید:
https://web.stanford.edu/~jurafsky/slp3/
سعی کنید اگر واقعا میخواهید پردازش زبان کار کنید این کتاب رو کامل بخونید.
اگر میخواهید وارد حوزه پردازش تصویر بشید این رو بخونید:
https://www.amazon.de/-/en/Rafael-C-Gonzalez/dp/013168728X
این کتاب تمریناتش با متلب هست ولی میتونید با پایتون هم بزنید کدش رو.
بیشتر روشهای پایه و اساسی پردازش تصویر مطرح میشه توش. این رو بخونید مباحث دیگه مثل کانولوشن رو کاملتر و راحت تر درک میکنید.
بحث بعدی این هست که یادگیری عمیق یادبگیرید که یکی از بهترین کتابهاش این هست:
https://www.deeplearningbook.org/
جبر خطی هم توش مطرح شده. کتاب نسبتا کامل و جامعی هست. کامل میتونید ازش یادبگیرید.
ولی بحث پیاده سازی رو نباید غافل بشید، به نظرم پیاده سازی رو از این کتاب یاد بگیرید:
https://www.manning.com/books/deep-learning-with-pytorch
این بهتون یادگیری عمیق با پایتورچ یاد میده. دیگه تنسورفلو و کراس رو کم کم باید بزارید کنار چون کمتر بهش توجه میشه و اکثرا با پایتورچ کار میکنند جدیدا.
در مورد ترنسفرمرها هم کتابهای مختلفی هست، این دوتا از کتابهای خوب این زمینه است و اگر میخواهید چیزهای جدیدتر رو هم یادبگیرید بهتره اینارو هم بخونید:
https://transformersbook.com/
https://www.amazon.de/-/en/Sava%C5%9F-Y%C4%B1ld%C4%B1r%C4%B1m/dp/1801077657
مورد بعدی این هست که این مسیر یادگیری صرفا شامل یادگیری ماشین و یادگیری عمیق شد.
اگر میخواهید که به دیتاساینس هم بیشتر وارد بشید بهتره این کتاب رو بخونید:
https://www.amazon.de/-/en/Python-Data-Science-Handbook-Essential/dp/1491912057
ولی خب حوزه ها خیلی گسترده هستند، مخصوصا دیتاساینس رو باید بیشتر مطالعه کنید. صرفا با این کتابها در حد جونیور میتونید شروع کنید البته اگر همیشه سعی کنید که مطالب جدید رو دنبال کنید.
منابع چی هست؟
از کجا شروع کنم و ...
برای شروع میتونید اول یه نگاهی به این کتاب بندازید:
https://themlbook.com/
این کتاب خیلی مختصر ایده کلی بهتون میده و اگر پیش زمینه ای دارید میتونید سریع وارد موضوع بشید. ولی خب همه چیزهایی که نیاز دارید رو نداره و باید پایتون بلد باشید به عنوان مثال.
کتاب دیگه میتونه این باشه:
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow by Geron Aurelien
که ایده کلی و کراس و تنسورفلو و ... رو هم تا حدودی یاد میده.
ولی اگر میخواهید هوش مصنوعی رو از پایه شروع کنید، حداقل یک دوره شش ماهه تا یک ساله خواهید داشت.
چون این کتابها تیوری خیلی ضعیفی ارایه میدند. برای اینکه بتونید تیوری بحث رو متوجه بشید و بیشتر پیشرفت کنید به نظرم پایه ای تر شروع کنید.
این دوره شش ماهه بهتره این ها رو بخونید:
اول ایده کلی هوش مصنوعی رو متوجه بشید با این کتاب:
https://aima.cs.berkeley.edu/
الگوریتمهای مختلف و خوبی هم یاد میده. اشکال مختلف یادگیری هم توش مطرح شده.
اگه میخواهید وارد حوزه پردازش زبان بشید با این کتاب ادامه بدید:
https://web.stanford.edu/~jurafsky/slp3/
سعی کنید اگر واقعا میخواهید پردازش زبان کار کنید این کتاب رو کامل بخونید.
اگر میخواهید وارد حوزه پردازش تصویر بشید این رو بخونید:
https://www.amazon.de/-/en/Rafael-C-Gonzalez/dp/013168728X
این کتاب تمریناتش با متلب هست ولی میتونید با پایتون هم بزنید کدش رو.
بیشتر روشهای پایه و اساسی پردازش تصویر مطرح میشه توش. این رو بخونید مباحث دیگه مثل کانولوشن رو کاملتر و راحت تر درک میکنید.
بحث بعدی این هست که یادگیری عمیق یادبگیرید که یکی از بهترین کتابهاش این هست:
https://www.deeplearningbook.org/
جبر خطی هم توش مطرح شده. کتاب نسبتا کامل و جامعی هست. کامل میتونید ازش یادبگیرید.
ولی بحث پیاده سازی رو نباید غافل بشید، به نظرم پیاده سازی رو از این کتاب یاد بگیرید:
https://www.manning.com/books/deep-learning-with-pytorch
این بهتون یادگیری عمیق با پایتورچ یاد میده. دیگه تنسورفلو و کراس رو کم کم باید بزارید کنار چون کمتر بهش توجه میشه و اکثرا با پایتورچ کار میکنند جدیدا.
در مورد ترنسفرمرها هم کتابهای مختلفی هست، این دوتا از کتابهای خوب این زمینه است و اگر میخواهید چیزهای جدیدتر رو هم یادبگیرید بهتره اینارو هم بخونید:
https://transformersbook.com/
https://www.amazon.de/-/en/Sava%C5%9F-Y%C4%B1ld%C4%B1r%C4%B1m/dp/1801077657
مورد بعدی این هست که این مسیر یادگیری صرفا شامل یادگیری ماشین و یادگیری عمیق شد.
اگر میخواهید که به دیتاساینس هم بیشتر وارد بشید بهتره این کتاب رو بخونید:
https://www.amazon.de/-/en/Python-Data-Science-Handbook-Essential/dp/1491912057
ولی خب حوزه ها خیلی گسترده هستند، مخصوصا دیتاساینس رو باید بیشتر مطالعه کنید. صرفا با این کتابها در حد جونیور میتونید شروع کنید البته اگر همیشه سعی کنید که مطالب جدید رو دنبال کنید.
👍18🔥10❤6👎3
10 MILLION REAL Bing search queries with 60 MILLON+ REAL user clicks on 10 BILLION ClueWeb22 documents.
https://github.com/microsoft/MS-MARCO-Web-Search
#دیتاست #مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://github.com/microsoft/MS-MARCO-Web-Search
#دیتاست #مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍5
Yann LeCun:
The hidden mechanism behind AI regulations:
1. Claim that AI can do everything .
2. Raise tons of money from investors.
3. Tell governments that AI is very dangerous and that open source AI should be regulated out of existence.
....
4. Profits!
https://twitter.com/bgurley/status/1786073617316360670?s=19
#هوش_مصنوعی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
The hidden mechanism behind AI regulations:
1. Claim that AI can do everything .
2. Raise tons of money from investors.
3. Tell governments that AI is very dangerous and that open source AI should be regulated out of existence.
....
4. Profits!
https://twitter.com/bgurley/status/1786073617316360670?s=19
#هوش_مصنوعی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍8❤1
Forwarded from DeepMind AI Expert (Farzad)
This media is not supported in your browser
VIEW IN TELEGRAM
تا حالا به این فکر کردید که هر تصویری، فیلمی و آهنگی و... یک صدا داره الان ایده رو به واقعیت تبدیل کردند. مدل Unified-IO 2 قادر به درک و تولید تصویر، متن، صدا و طرز عملکرد است.
▪️ Unified-IO 2: Scaling Autoregressive Multimodal Models with Vision, Language, Audio, and Action
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ Unified-IO 2: Scaling Autoregressive Multimodal Models with Vision, Language, Audio, and Action
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍2❤1
Forwarded from DeepMind AI Expert (Farzad)
کتاب جدیدی که منتشر شده جالبیش در انتشار نوت بوکهاش به زبان R و پایتون هستش که میتونه توسط پژوهشگران #آمار و علوم کامپیوتر مورد استفاده قرار گیرد.
▪️ Applied Causal Inference Powered by ML and AI
#کتاب #منابع
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ Applied Causal Inference Powered by ML and AI
#کتاب #منابع
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍3🔥2
Forwarded from Recommender system (MehriMah Amiri)
This media is not supported in your browser
VIEW IN TELEGRAM
مدل xLSTM، نسخه جدیدی از مدل حافظه کوتاه مدت بلند (LSTM)، توسط سپ هوخرایتر، مخترع اصلی LSTM، منتشر شد. این نسخه دارای نوآوریهای مهمی است که در مقایسه با LSTM بهبودهای قابل توجهی ایجاد میکند، از جمله دروازهگذاری نمایی (sLSTM) و حافظه ماتریسی (mLSTM). این تغییرات باعث بهبود کارایی و عملکرد مدل میشود.
لینک مقاله :
https://arxiv.org/pdf/2405.04517
لينك گيت هاب :
https://github.com/andrewgcodes/xlstm/blob/main/mLSTM.ipynb
دو روزه منتشر شده .
لینک مقاله :
https://arxiv.org/pdf/2405.04517
لينك گيت هاب :
https://github.com/andrewgcodes/xlstm/blob/main/mLSTM.ipynb
دو روزه منتشر شده .
👍12
Forwarded from DeepMind AI Expert (Farzad)
سلام دوستان لینک دعوت فیلترشکن برای ی برنامهنویسان، گیمرها، دانشجویان، فعالین حوزه رمز ارز، فریلنسرها از لینک دعوت من استفاده کنین هم شما ی فیلترشکن مطمین استفاده کنین بدونین قطعی نداره هم من ی حجمی بدست بیارم 😂
https://news.1rj.ru/str/F14PanelBot?start=invite_56479f968ee3cd3dd92bfa05ebf07fc9
پ.ن: خدماتشون من به شدت راضیم دوستانتون رو دعوت کنید و حجم هدیه بگیرید
https://news.1rj.ru/str/F14PanelBot?start=invite_56479f968ee3cd3dd92bfa05ebf07fc9
پ.ن: خدماتشون من به شدت راضیم دوستانتون رو دعوت کنید و حجم هدیه بگیرید
👎24👍3❤1🔥1
تبدیل کلیپ یوتیوب به جزوه و یاداشت
کاملا رایگان
https://chatwith.tools/youtube-summarizer
#هوش_مصنوعی #معرفی_سایت
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
کاملا رایگان
https://chatwith.tools/youtube-summarizer
#هوش_مصنوعی #معرفی_سایت
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
❤15👍1👎1🔥1