Future – Telegram
Future
683 subscribers
90 photos
103 videos
73 files
201 links
توی این کانال یه سری از موضوعات علمی که ازشون خوشم میاد رو میذارم
خیلی جنراله موضوعات
و یکی دو تا نیس:)
ولی بیشتر این موضوعاته
1. Neural network
2. Casual network
3. Chaos theory
4. Dynamical modelling
5. Reinforcement learning
6. Robotic
Download Telegram
Future
یکی از پارامتر های انتخاب فیلد تحقیقاتی، بررسی ترند ها و نیاز های بازاره ولی اونقد این مسیر میتونه سخت و پیچیده باشه و نیاز به تحقیق زیاد داره که گاها نادیده گرفته میشه و فقط نگاه به علاقه شخصی میشه حالا سوال اینه که چجوری بفهمیم ترند ها چی هستن به نظرم رد…
قبلا در مورد پارامتر های انتخاب فیلد تحقیقاتی صحبت کرده بودم و یکی از ایجنسی هایی که در تامین فاند دانشجو ها (یعنی NSERC) بود رو در موردش توضیح داده بودم
حالا میخوام از یه ایجنسی دیگه ای که خیلی خیلی جالبتر هستش حرف بزنم یعنی mitacs
مایتکس یک نهاد متصل کننده صنعت به دانشگاهه که این امکان رو برای شرکت ها فراهم میکنه که پروژه های تحقیقاتیشون رو از طریق دانشگاه ها انجام بدن
و در این رابطه شرکت ها رو در تامین نیروی انسانی هم کمک میکنه
در واقع نیمی از حقوق افراد رو از طریق بودجه دولتی تامین میکنه (اگه جاییش رو اشتباه میگم تو کامنت ها بهم بگید)
حالا مجموعه از پروژه هایی که توی فیلد های مختلف انجام میشه رو در این سایت آورده شده
میتونید ببینید که فیلدتون در چه حالت صنعتی میتونه کاربردی باشه و عملا میتونه یه راهی باشه که بین نیاز بازار و علاقه شخصی یه نقطه اشتراکی پیدا کرد
https://www.mitacs.ca/en/projects
#science
👍2
یک از مشکلاتی که شبکه عصبی های ساده باهاش درگیر هستن، "مسئله چند جوابی" عه
یعنی چی؟
فرض کنید میخوایم ببینیم جواب دنباله زیر چی میشه
1,2,3,?
خب این مسئله بیشمار جواب داره
جواب طبیعیش میتونه عدد 4 باشه
ولی اگه با دنباله فیبوناچی بریم به عدد 5 میرسیم
مسئله چند جوابی برای شبکه عادی قابل انجام نیست!
یه مثال دیگه اش دو نمودار بالاس که توی سمت چپی شبکه فوق العاده عمل کرده و تونسته رابطه رو تشخیص بده، اما توی سمت راستی چون هر نقطه x به چندین نقطه y مربوط شده، شبکه نتونسته رابطه رو تشخیص بده
حالا راه حل چیه؟
اینجاست که الگوریتم های Mixure density networks به کار میان و مسئله رو به حالت توزیع های احتمال میبرن
https://github.com/hardmaru/pytorch_notebooks/blob/master/mixture_density_networks.ipynb
#reasoning
Future
اکسترکت کردن بدن انسان از یک عکس https://ieeexplore.ieee.org/document/9276402 #Vision
ساخت مدل سه بعدی انسان از یک عکس
فک کنم کاربرد های جالبی بتونه توی فشن داشته باشه
بتونی لباسی که آنلاین میخوای بخری رو چک کنی اندازته یا نه
https://arxiv.org/abs/2204.08906
#Vision
4👏3
حل سودوکو با الگوریتم های reinforcement learning
https://github.com/adityapujari98/Solving-Sudoku-using-Deep-Q-learning
#RL
👍4
This media is not supported in your browser
VIEW IN TELEGRAM
خیلی برام سوال بود که این ویدئوهای قشنگ ریاضی رو چجوری درست میکنن که به این رسیدم :))
مناسب برای تدریس و پرزنتیشن
https://github.com/manimCommunity/manim
#Math
👍13
یکی از چالش هایی که هنوزم که هنوزه یه چالشه برای سیستم های AI، تحلیل یه همچین عکس هاییه!
چجور ممکنه که ما به این سادگی بتونیم تحلیل کنیم چرا آدم های توی این عکس دارن میخندن؟
https://karpathy.github.io/2012/10/22/state-of-computer-vision/
#vision
#nlp
👍5
یه فریمورک جدید برای Web development برپایه پایتون :))
Let's remove PHP🐍
https://anaconda.cloud/pynoscript-python-in-the-browser
👍4👎1😁1
https://podcasts.apple.com/us/podcast/reid-hoffman-and-ben-casnocha-on-the-startup-of-you
مجموعه اتفاقاتی که در این چن ساله رخ داده (کرونا، جنگ، ریزش بازار سهام و کریپتو و ... ) باعث شده زندگی آدم ها از حالت روتین خارج بشه.
دیگه اون مسیر آسانسورواری که شاید در دهه ها 1980 و 1990 برای آدم ها وجود داشت که میتونستن یه زندگی استیبلی رو بسازند، تقریبا از دست رفته.
این پادکست به یک نگرشی اشاره میکنه که شاید کمک کننده باشه در این شرایط عدم قطعیت.
نگرشی که متفاوته و تضاد داره با اون نگرش "علاقه اتو دنبال کن".
(راستش عمیقا از شرایطی که در ایران پیش اومده ناراحتم و فک نمیکنم واقعا الان زمان خوبی برای محتوای علمی گذاشتن باشه.)
3😢2
عینک AR گوگل
چیزی که خیلی واسم جالب بود توی این پروداکت، نه تکنولوژی، بلکه انتخاب early adopter برای مارکت بود
این تکنولوژی مدت هاست که پتنتش ثبت شده، اما نیازی در بازار برای اون حس نمیشد که منطقی هم بود. انتخاب گوگل برای اولین مارکت این پروداکت، مشتری هاییه که نیاز آنی به ترجمه از یه زبان به یه زبان دیگه دارند.
به نظر میرسه که مارکت خوبی رو انتخاب کرده باشن.
https://www.youtube.com/watch?v=SQd394a4qEo
👍2
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0194889
این مقاله ادعا میکنه توی مسائل سری زمانی روش های آماری خیلی خیلی بهتر از روش های یادگیری ماشین عمل میکنه :))
این روش های آماری پیاده سازی ساده تر و نیاز به پردازش پایین تری دارن
👍21👏1
بالاخره یه نسخه از Dali e رو تست کردم و نتیجه به نظرم فراتر از حد انتظارم بود:)))
مدلی که میتونه از یه جمله یه سری نقاشی بده بیرون
https://huggingface.co/spaces/dalle-mini/dalle-mini
#vision
توی این دو عکس به خوبی تونسته یه تصویر نمادین از یک مفهوم انتزاعی بسازه
توی "نسبی بودن زمان" تصویر اخر توجهم رو جلب کرد که یک ساعت در حال melting رونمایش میده
منو یاد اون نقاشی معروف سالوادور دالی میندازه :))
👍5
این نقاشی منظورمه از سالوادوردالی
به نظرم علت نام گذاری این الگوریتم هم همینه
حس میکنم با یه مدلی مواجهیم که میتونه #reasoning و استنتاج رو یاد بگیره و احتمالا برپایه ی #symbolic_ai ساخته شده
اگه واقعا این مدل تونسته باشه مسئله کامن سنس رو حل کرده باشه، میشه گفت واقعا با یه انقلاب دیگه مواجهیم
#commonsense
👍3
شاید بشه گفت ریاضیات و هندسه جزو چیزایی هستن که برخلاف سایر علوم، اسیر کامن سنس نمیشن
این ویدئو خلاف این قضیه رو نشون میده :))
جایی که جواب ها به ظاهر منطقی به نظر میان ولی کاملا غلطن
https://www.youtube.com/watch?v=VYQVlVoWoPY&feature=youtu.be
#science
👍21🔥1
اولین چیزی که توی این عکس برام عجیب بود Diffraction Spikes هایی بود که از شی های نورانی بزرگتر دیده میشد
عملا انگار تلسکوپ آستیگماته
حالا سوال واسم این بود که آیا این فیچره یا باگه :))
👍5