محققای IBM یه مدل هوش مصنوعی خیلی کوچیک به اسم TTM ساختن که می‌تونه آینده‌ی سری‌های زمانی (مثلاً قیمت سهام، دمای هوا) رو پیش‌بینی کنه. مدل‌های قبلی برای این کار خیلی بزرگ و کُند بودن و به داده‌های خیلی زیادی نیاز داشتن. TTM کوچیکه، سریعه و با داده‌های کم هم خوب کار می‌کنه.

با اینکه کمتر از ۱ میلیون پارامتر داره (مدل‌های قبلی میلیاردی بودن) ۱۲ تا ۳۸ درصد دقیق‌تر از بقیه‌ی روش‌ها پیش‌بینی می‌کنه.
hackernoon

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

Data Scientist Roadmap
|
|-- 1. Basic Foundations
|   |-- a. Mathematics
|   |   |-- i. Linear Algebra
|   |   |-- ii. Calculus
|   |   |-- iii. Probability
|   |   -- iv. Statistics
|   |
|   |-- b. Programming
|   |   |-- i. Python
|   |   |   |-- 1. Syntax and Basic Concepts
|   |   |   |-- 2. Data Structures
|   |   |   |-- 3. Control Structures
|   |   |   |-- 4. Functions
|   |   |   -- 5. Object-Oriented Programming
|   |   |
|   |   -- ii. R (optional, based on preference)
|   |
|   |-- c. Data Manipulation
|   |   |-- i. Numpy (Python)
|   |   |-- ii. Pandas (Python)
|   |   -- iii. Dplyr (R)
|   |
|   -- d. Data Visualization
|       |-- i. Matplotlib (Python)
|       |-- ii. Seaborn (Python)
|       -- iii. ggplot2 (R)
|
|-- 2. Data Exploration and Preprocessing
|   |-- a. Exploratory Data Analysis (EDA)
|   |-- b. Feature Engineering
|   |-- c. Data Cleaning
|   |-- d. Handling Missing Data
|   -- e. Data Scaling and Normalization
|
|-- 3. Machine Learning
|   |-- a. Supervised Learning
|   |   |-- i. Regression
|   |   |   |-- 1. Linear Regression
|   |   |   -- 2. Polynomial Regression
|   |   |
|   |   -- ii. Classification
|   |       |-- 1. Logistic Regression
|   |       |-- 2. k-Nearest Neighbors
|   |       |-- 3. Support Vector Machines
|   |       |-- 4. Decision Trees
|   |       -- 5. Random Forest
|   |
|   |-- b. Unsupervised Learning
|   |   |-- i. Clustering
|   |   |   |-- 1. K-means
|   |   |   |-- 2. DBSCAN
|   |   |   -- 3. Hierarchical Clustering
|   |   |
|   |   -- ii. Dimensionality Reduction
|   |       |-- 1. Principal Component Analysis (PCA)
|   |       |-- 2. t-Distributed Stochastic Neighbor Embedding (t-SNE)
|   |       -- 3. Linear Discriminant Analysis (LDA)
|   |
|   |-- c. Reinforcement Learning
|   |-- d. Model Evaluation and Validation
|   |   |-- i. Cross-validation
|   |   |-- ii. Hyperparameter Tuning
|   |   -- iii. Model Selection
|   |
|   -- e. ML Libraries and Frameworks
|       |-- i. Scikit-learn (Python)
|       |-- ii. TensorFlow (Python)
|       |-- iii. Keras (Python)
|       -- iv. PyTorch (Python)
|
|-- 4. Deep Learning
|   |-- a. Neural Networks
|   |   |-- i. Perceptron
|   |   -- ii. Multi-Layer Perceptron
|   |
|   |-- b. Convolutional Neural Networks (CNNs)
|   |   |-- i. Image Classification
|   |   |-- ii. Object Detection
|   |   -- iii. Image Segmentation
|   |
|   |-- c. Recurrent Neural Networks (RNNs)
|   |   |-- i. Sequence-to-Sequence Models
|   |   |-- ii. Text Classification
|   |   -- iii. Sentiment Analysis
|   |
|   |-- d. Long Short-Term Memory (LSTM) and Gated Recurrent Units (GRU)
|   |   |-- i. Time Series Forecasting
|   |   -- ii. Language Modeling
|   |
|   -- e. Generative Adversarial Networks (GANs)
|       |-- i. Image Synthesis
|       |-- ii. Style Transfer
|       -- iii. Data Augmentation
|
|-- 5. Big Data Technologies
|   |-- a. Hadoop
|   |   |-- i. HDFS
|   |   -- ii. MapReduce
|   |
|   |-- b. Spark
|   |   |-- i. RDDs
|   |   |-- ii. DataFrames
|   |   -- iii. MLlib
|   |
|   -- c. NoSQL Databases
|       |-- i. MongoDB
|       |-- ii. Cassandra
|       |-- iii. HBase
|       -- iv. Couchbase
|
|-- 6. Data Visualization and Reporting
|   |-- a. Dashboarding Tools
|   |   |-- i. Tableau
|   |   |-- ii. Power BI
|   |   |-- iii. Dash (Python)
|   |   -- iv. Shiny (R)
|   |
|   |-- b. Storytelling with Data
|   -- c. Effective Communication
|
|-- 7. Domain Knowledge and Soft Skills
|   |-- a. Industry-specific Knowledge
|   |-- b. Problem-solving
|   |-- c. Communication Skills
|   |-- d. Time Management
|   -- e. Teamwork
|
-- 8. Staying Updated and Continuous Learning
    |-- a. Online Courses
    |-- b. Books and Research Papers
    |-- c. Blogs and Podcasts
    |-- d. Conferences and Workshops
    `-- e. Networking and Community Engagement

Best Data Science & Machine Learning Resources: https://topmate.io/coding/914624

All the best 👍
🌑 آقای هوش مصنوعی

@MrArtificialintelligence

Bridging Text and Vision: A Multi-View Text-Vision Registration Approach for Cross-Modal Place Recognition

🖥 Github: https://github.com/nuozimiaowu/Text4VPR

📕 Paper: https://arxiv.org/abs/2502.14195v1

🌟 Dataset: https://paperswithcode.com/task/cross-modal-place-recognition

#DataScience #ArtificialIntelligence #MachineLearning #PythonProgramming #DeepLearning #LLM #AIResearch #BigData #NeuralNetworks #DataAnalytics #NLP #AutoML #DataVisualization #ScikitLearn #Pandas #NumPy #TensorFlow #AIethics #PredictiveModeling #GPUComputing #OpenSourceAI #DeepSeek

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

https://www.shara.ir/شخصیسازی-در-روابطعمومی-از-تئوری-تا/

شخصی‌سازی در روابط‌عمومی: از تئوری تا عمل در کنفرانس بین‌المللی روابط‌عمومی ایران

✍️ کنترل صدا و تصویر با دست

این سیستم تعاملی به شما امکان می دهد صدا و تصاویر را فقط با استفاده از دستان خود کنترل کنید. حرکات انگشتان جلوی دوربین را ردیابی می کند و فاصله بین آنها را اندازه گیری می کند تا جلوه های صوتی و تصاویر را در زمان واقعی تنظیم کند.

سپس سیگنال‌های دستی به یک سینت سایزر مدولار ارسال می‌شوند و به حرکات امکان می‌دهند موسیقی را شکل دهند - آهنگ‌ها را بی‌صدا می‌کنند، فیلترها را تغییر می‌دهند و موارد دیگر. این پروژه آزمایشی می‌تواند اجرای زنده را تغییر دهد و به دی‌جی‌ها و تکنسین‌ها اجازه می‌دهد تا تنظیمات را بدون تجهیزات حجیم کنترل کنند.

آیا تعامل بدون لمس آینده است

#علم_داده #هوش_مصنوعی
 
🌑 آقای هوش مصنوعی

@MrArtificialintelligence

✍️ هوش مصنوعی بزرگترین کشف تاریخ بشریت، بزرگتر از برق و انقلاب صنعتی

#علم_داده #هوش_مصنوعی
 
🌑 آقای هوش مصنوعی

@MrArtificialintelligence

✍️ آینده تعاملات هوش مصنوعی

زمانی که هر دو هوش مصنوعی متوجه می‌شوند عامل هوشمند هستند و انسان نیستند شروع به مکالمه به زبان تخصصی و قابل فهم خودشان می‌کنند.

( گفتگوی دو دستیار هوش‌مصنوعی به زبان خودشان)


#علم_داده #هوش_مصنوعی
 
🌑 آقای هوش مصنوعی

@MrArtificialintelligence

⭕️ همایش «از هوش مصنوعی تا تحول دیجیتال» برگزار شد:
انقلاب خاموش یا آینده‌ محتوم

✔️ مرکز نوآوری و تحول دیجیتال اتاق بازرگانی تهران در ادامه سلسله همایش‌های لبه تکنولوژی، همایش از هوش مصنوعی تا تحول دیجیتال را برگزار کند. در این همایش با تاکید بر اینکه هوش مصنوعی باعث افزایش بهره‌وری و مقیاس‌پذیری کیفیت در امور انسانی شده است، بر استفاده بهینه و کاربردی از هوش مصنوعی در صنایع کشور تاکید شد.

این همایش علمی فرصتی برای آگاهی از دیدگاه‌های نخبگان درباره چالش‌ها، فرصت‌ها و مسیر آینده هوش مصنوعی در کشور بود.

🔗 متن کامل خبر را در لینک زیر بخوانید:
https://news.tccim.ir/?78976

@innotechtccim

✍️ هوش مصنوعی سطح فعلی با دانش سطح دکتری در تمام زمینه ها مطابقت دارد

#علم_داده #هوش_مصنوعی
 
🌑 آقای هوش مصنوعی

@MrArtificialintelligence