درود
دنیای nlp زیادی ترسناک شده، تا همین چند روز پیش باید کلی تلاش می کردیم بفهمیم self-attention چیه و کاربردش توی برت چی هست که انصافا مفاهیمش آسون هم نبود. حالا دوستامون توی گوگل اومدن یه مقاله دادن تحت عنوان "FNet: Mixing Tokens with Fourier Transforms" که به جای self-attention از تبدیل فوریه استفاده کردن که اجراش روی gpu هفت برابر سریع تره و دقتش هم خوب بود و روی GLUE به دقت 92 درصد رسیده(منظور همون accuracy هستش که البته بهتره به جای دقت از واژه صحت استفاده کنیم). خلاصه که دیگه کم کم باید قید attention mechanisms بزنیم...

@data_hub_ir
واسه کسب اطلاعات بیشتر مقاله زیر از دست ندین
https://medium.com/syncedreview/google-replaces-bert-self-attention-with-fourier-transform-92-accuracy-7-times-faster-on-gpus-7a78e3e4ac0e

3) coursera —structuring machine learning prrojects
@data_hub_ir

✅زیرنویس انگلیسی

درود
❇️ همون طور که می دونید پایه ای ترین مساله تو حوزه دیتاساینس این هست که نوع داده هایی که داریم استفاده می کنیم رو بشناسیم. تو این فایل این دسته بندی خیلی خلاصه و خوب آورده شده.
❇️ @data_hub_ir
#تحلیل_داده
#هوش_مصنوعی
#یادگیری_ماشین

📣 دوست دارین با ایرانیایی که توی حوزه هوش مصنوعی کار می‌کنن، بیشتر آشنا بشین؟
📊 هم‌تیمی بشین؟
📉پروژه انجام بدین؟
📝 مقاله بنویسین؟
📈 یا اینکه توی مسابقات Kaggle شرکت کنین؟

🥇 میخوایم یک گروهی واسه شبکه سازی تشکیل بدیم. این گروه واسه اولین بار توی ایران با هدف ارتباط بین فعالین حوزه هوش مصنوعی و شبکه سازی ایجاد میشه.

✅ واسه مفیدتر شدن فعالیت گروه، شروع کار، افراد باتجربه اولیه به گروه اضافه میشن.(هیچ پیش شرط دیگه ای نداره و شناخت اولیه کفایت می کنه)

✅ واسه عضویت توی گروه کافیه رزومه خودتونو به @mohamad_dehqani بفرستین. بعد از بررسی اولیه، توی گروه عضو میشین.

⭕️ با هدف آشنایی بیشتر و ایجاد ارتباطات بهتر، در ابتدای عضویت شما در گروه، صفحه لینکدین شما معرفی خواهد شد.

درود
❇دررابطه با کوییز هفته گذشته، میخوایم مقاله‌ای رو برررسی کنیم که متدهای Regularization همراه با مثال توضیح داده.

لینک مقاله 👇🏻
https://www.analyticsvidhya.com/blog/2017/06/a-comprehensive-guide-for-linear-ridge-and-lasso-regression/


❇ @data_hub_ir
#مقاله
#مقاله_آموزشی‌

4) machine-learning-projects - Satisficing and Optimizing Metric

@data_hub_ir

english sub

Types of Machine Learning

@data_hub_ur

درود
❇ دررابطه با کوییز هفته گذشته، برای اکثریت دوستان گزینه criterion ناآشنا بوده. برای همین میخوایم مقاله‌ای رو بررسی کنیم که هایپرپارامترهای decision tree رو توضیح داده.

لینک مقاله 👇🏻
https://towardsdatascience.com/how-to-tune-a-decision-tree-f03721801680


❇ @data_hub_ir
#مقاله
#مقاله_آموزشی‌

5) machine-learning-projects - Train Dev Test Distributions

✅@data_hub_ir

english sub

همونطور که میدونین لینکدین یه شبکه اجتماعی برای حرفه ای هاست. شبکه ای که تونسته تو 18 سال بیشتر از 750 میلیون کاربر داشته باشه. فرقی نمیکنه که شما دانشجو، متخصص یه فیلد یا حتی مدیر عامل یه شرکت باشین، اگر میخواین تو حرفه خودتون فعالیت کنین و دنبال ارتباط و آشنایی با حرفه ای های کار خودتون هستین، لینکدین بهترین انتخابه.
میخوایم که توی چند تا آموزش کوچیک با همدیگه، پروفایلامون رو قوی کنیم تا بتونیم هر چه بیشتر و مفیدتر از این شبکه اجتماعی خفن استفاده کنیم.


آموزش اولمون نحوه خلاصه کردن لینک پروفایله که هم سادس و هم کاربردی
توی ویرگول منتشرش کردیم، اینم لینکش

https://lnkd.in/efFCTbF

#لینکدین
#برندینگ

درود
❇ میخوایم باهم مقاله ای رو بررسی کنیم که تمامی جزئیات Confusion Matrix مثل Precision و recall و ... رو توضیح داده.

لینک مقاله 👇🏻
https://www.analyticsvidhya.com/blog/2020/04/confusion-matrix-machine-learning/?utm_source=blog&utm_medium=auc-roc-curve-machine-learning


❇ @data_hub_ir
#مقاله
#مقاله_آموزشی‌

درود
❇️ امروز می خوایم با یه سری سوالهایی که معمولاً تو مصاحبه های موقعیت شغلی Machine Learning Engineer پرسیده میشه، رو بدونیم.
❇️ @data_hub_ir