دوستان اگر تلگرامتون پرمیومه و براتون مقدوره لطفا یاری بدید بتونیم استوری هم بزاریم برای کانال🙏🙏

کانال خوبی در مورد معرفی رویدادهای مرتبط با هوش مصنوعی

@eventai

آقای نیکی ملکی و تیمشون، از اعضای خوب کانال در نظر دارد تا در راستای تسهیل فرایند پیدا کردن استاد و اپلای یک مدل LLM را روی حدود یک میلیون داده که از سایت‌های دانشگاهی و LinkedIn جمع آوری شده است را به طور منظم بهینه‌سازی کند تا با استفاده از این مدل، برای هر رشته، با توجه به کلمات کلیدی فرد، یک فایل اکسل حاوی اساتید شخصی سازی شده با آن رشته را مختص هر فرد آماده کند.

@prof_finder

⚡💥SegGPT💥⚡

🎯 یکی از چالش‌های موجود در استفاده از AI Assisted Labeling Tools نداشتن دقت کافی در تشخیص درست اشیایی هست که توزیع رنگی یکسانی داشته و با یکدیگر همپوشانی دارند .
ما در بلاگ پست زیر با نشون دادن یکی از این نمونه چالش ها میبینیم که چگونه استفاده از مدلSegGPT میتونه به عنوان یک مدل لیبل زن با دقت بالا برای تسک های خاص منظوره شما استفاده بشه.

ممنون میشم نگاهی بهش بندازید
👇👇

🔥SegGPTBlogPost🔥

#Labelling_Tool

این کدها هنوز فعال است و یک هفته تمدید شده بود

اگر می‌خواهید مفاهیم پایه‌ی Transformerها مثل Positional Encoing و Self-Attention و Encoder-Decoder و ... را درک کنید، تماشای این ویدئو را از دست ندهید.

https://www.youtube.com/watch?v=zxQyTK8quyY

به تازگی bishop , نویسنده ی معروف کتاب pattern recognation and machine learning کتابی تحت عنوان
Deep Learning: Foundations and Concepts
به چاپ رسانده است .

Motion Brush که به‌زودی به هوش مصنوعی مولد Gen-2 می‌آید.

قابلیت به شما اجازه می‌دهد بخش‌های مدنظرتان در تصویر را به‌راحتی متحرک کنید.

⚡ PaLM 2 LLM API Course ⚡

https://goo.gle/3su8OFR

#LLM

OpenAI fires co-founder and CEO Sam Altman for allegedly lying to company board

سم آلتمن؛ که به نحوری میشه گفت خالق chatGPT هم بوده، توسط هیات مدیره OpenAI به دلیل صادق نبودن با هیات مدیره اخراج شد
https://www.theguardian.com/technology/2023/nov/17/openai-ceo-sam-altman-fired

یه کوییز تو پرسلاین از مقدمات هوش مصنوعی و یادگیری ماشین و شبکه عصبی برای یکی از کلاسهام طراحی کردم و در نهایت روی مد فیدبک گذاشتمش که اگر کسی خواست در نهایت بهش فیدبک بده، خواستید خودتونو بسنجید شاید مفید باشه:
https://survey.porsline.ir/s/wtTFGQNR

ویدیوهای این کلاسم تو آپارات هر جلسه منتشر میشه:
https://www.aparat.com/v/x6kVB?playlist=7764320

TensorFlow Hub is moving to Kaggle Models

Read more 👇👇
https://goo.gle/3MRDAzc

#Kaggle

سم آلتمن به openAI بازگشت

Large language models, explained with a minimum of math and jargon

https://bit.ly/3DMeixz

ویدئوهای ضبط‌شده از کلاس دیپ‌لرنینگ دکتر علی قدسی استاد دانشگاه واترلو

https://youtube.com/playlist?list=PLehuLRPyt1HxuYpdlW4KevYJVOSDG3DEz&si=4eeCBn8S25oaDJbF

یان لکان :
حیوانات و انسان‌ها خیلی سریع با مقادیر بسیار کمتری از داده‌های آموزشی نسبت به سیستم‌های هوش مصنوعی فعلی بسیار باهوش می‌شوند. LLM های کنونی بر روی داده های متنی آموزش دیده اند که خواندن آن برای انسان 20000 سال طول می کشد. و هنوز، آنها یاد نگرفته اند که اگر A همان B است، پس B همان A است. انسان ها با داده های آموزشی نسبتاً کمی بسیار باهوش تر از آن می شوند. حتی کورویدها، طوطی‌ها، سگ‌ها و اختاپوس‌ها خیلی خیلی سریع باهوش‌تر می‌شوند و تنها ۲ میلیارد نورون و چند تریلیون «پارامتر» دارند. پول من روی معماری های جدیدی است که می توانند به اندازه حیوانات و انسان ها کارآمد یاد بگیرند. استفاده از داده های متنی بیشتر (مصنوعی یا غیر مصنوعی) یک توقف موقت است که به دلیل محدودیت های رویکردهای فعلی ما ضروری است. رستگاری در استفاده از داده های حسی است، به عنوان مثال. ویدئویی که دارای پهنای باند بالاتر و ساختار داخلی بیشتری است. مجموع داده های بصری دیده شده توسط یک کودک 2 ساله بزرگتر از مقدار داده های مورد استفاده برای آموزش LLM است، اما هنوز هم بسیار معقول است. 2 سال = 2x365x12x3600 یا تقریباً 32 میلیون ثانیه. ما 2 میلیون فیبر عصبی نوری داریم که هر کدام تقریباً ده بایت در ثانیه حمل می کنند. این در کل 6E14 بایت است. حجم داده برای آموزش LLM معمولاً 1E13 توکن است که حدود 2E13 بایت است. این ضریب 30 است. نکته مهم این است که چیزهای بیشتری برای یادگیری از ویدیو وجود دارد تا از متن، زیرا زیرا افزونه بیشتری دارد. و در مورد ساختار جهان چیزهای زیادی به شما می گوید.

Introducing Pika 1.0, the idea-to-video platform that brings your creativity to life.

https://pika.art