📚مجله MIT Technology Review یک مجله تخصصی فناوری است که مقالات و گزارش‌هایی در زمینه‌های متنوعی از جمله هوش مصنوعی، رباتیک، اینترنت اشیا و بلاکچین منتشر می‌کند. هدف اصلی این مجله، بررسی و درک عمیق‌تر تأثیرات فناوری بر جوامع است. توسط تحلیل‌گران، پژوهشگران و نویسندگان معتبر تهیه می‌شود و رویدادها و کنفرانس‌های مرتبط با فناوری را برگزار می‌کند. MIT Technology Review یک منبع مناسب برای به‌روزرسانی و آگاهی از تحولات در دنیای فناوری است.
💎 در آخرین شماره این مجله ( می و ژانویه 2023) موضوع استفاده از هوش مصنوعی در کلاس درس به عنوان موضوع اصلی مقالات مورد بررسی قرار گرفته است .
🚀 کانال" درس افزار " علاوه بر قرار دادن این شماره مجله نسبت به ترجمه برخی از مقالات آن اقدام خواهد نمود .
@darsafzaar

در آخرین شماره مجله MIT Technology Review ( می و ژانویه 2023) موضوع استفاده از هوش مصنوعی در کلاس درس به عنوان موضوع اصلی مقالات مورد بررسی قرار گرفته است .

ادیت ویدیو با هوش مصنوعی
(منبعش رو ندارم متاسفانه)

🦾🤖توصیه‌های دکتر شریفی زارچی، عضو هیئت علمی دانشگاه شریف، برای دانشجویانی که می‌خواهند هوش مصنوعی را یاد بگیرند:

https://telegra.ph/%D8%B1%D8%B4%D8%AA%D9%87-%D8%AA%D9%88%DB%8C%DB%8C%D8%AA%DB%8C-%D8%A7%D8%B2-SharifiZarchi-06-09-5

#ai #machinelearning #deeplearning
#artificialinteligence

AIwithParissan | AI Tutorials

معماری transformer که در مقاله‌ای با عنوان attention is all you need در سال ۲۰۱۷ معرفی شد، یکی از مدل‌های بسیار موفق در پردازش زبان‌های طبیعی بوده است. بعنوان مثال، BERT یکی از کاربردهای transformer بود که در تعداد زیادی از وظایف پردازش زبان دقت‌های مدل‌های پیشین را بهبود بخشید. با این وجود، آموزش transformerها برروی دنباله‌های بزرگ از لحاظ پیچیدگی محاسباتی و حافظه‌ی مورد نیاز بسیار پرهزینه است. اخیرا گوگل یک مدل جدید به نام reformer معرفی کرده است که نسبت به transformer از لحاظ سرعت و حافظه بسیار کاراتر است. مقاله‌ی reformer در لینک زیر قابل دریافت است:
https://arxiv.org/pdf/2001.04451.pdf

پست مربوطه را در بلاگ هوش مصنوعی گوگل می‌توانید در لینک زیر مشاهده نمایید:
https://ai.googleblog.com/2020/01/reformer-efficient-transformer.html

و در لینک زیر نیز می‌توانید یک اجرا از این مدل برای وظیفه‌ی تولید متون طبیعی پس از پردازش کتاب “جنایت و مکافات” داشته باشید:
https://colab.research.google.com/github/google/trax/blob/master/trax/models/reformer/text_generation.ipynb

🎯 +250 نکته/ترفند پایتون و علم داده
⏳ آپدیت جدید در 350 صفحه
✍🏼 آوی چاولا / محقق علم داده

🟣 بیش از 200 روز است که به طور مداوم از علم داده می نویسم و هر روز یک نکته جدید را به اشتراک می گذارم. بنابراین، فکر کردم خوب است که تمام نکاتم را در یک فایل PDF جمع کنم و با شما به اشتراک بگذارم.

✳️ این فایل PDF بیش از 250 نکته و ترفند علم داده و پایتون را به صورت مسئله محور پوشش می دهد و بیش از 350 صفحه دارد. در این فایل آموزشی، تقریبا هر چیزی که برای شروع پایتون و کار با داده‌ها لازم دارید، در قالب مثال‌های متعدد و بدون توضیحات اضافی آورده شده است. من این PDF را هر دو هفته یکبار به روز می کنم.

#️⃣ #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📎 @DataScience_ir