Quote of the day

GFPGAN (CVPR 2021)

ی مدل فوق‌العاده، با خروجی فوق‌العاده (نتایج تست شده) برای تعمیر و بازسازی بسیار عالی تصاویر قدیمی مختص چهره

شاید تسک برای شما خیلی جذاب نباشه، اما همونطور که قبلتر گفتم برای تسک‌های دیگه بسیار کاربردی می‌تونه باشه

البته منتظر اپلیکیشن موبایلش هم هستیم 😉

Code Available on GitHub

ی مقاله فوق‌العاده دیگه از
deepmind
توی این روش دیتای ورودی فرقی نداره دیگه چی باشه، قبل از این هر مدل طراحی می‌شد برای یک ورودی خاص و تسک خاص(مثلاً تصویر، متن، ویدئو) مدل‌هایی که هم متن و هم تصویر بعنوان ورودی بگیره برای یک تسک خاص هم وجود داره (Transformers base) اما سربار محاسباتی و مموری زیادی لازم داشت

این مشکلات توی این روش برطرف شده
کدهای این مقاله هم توی گیت‌هاب بصورت پابلیک در دسترس قرار گرفت :

Github : Preceiver IO
.

NeuralHash

پروژه‌ای از اپل برای یافتن تصاویر مربوط به آزار جنسی کودکان در iDevice ها قبل از آپلود در iCloud

با اینکه به تازگی اپل راجبش صحبت کرده و گفته که عمومی می‌شه و حتماً اجرایی (که خودش بحث‌های جدی در زمینه privacy هم راه انداخت) اساتید
Jailbreaker
نشون دادند که از نسخه ۱۴.۳ به بعد توی iOS این مدل موجود هست.

ی بنده خدایی هم اومده گفته که چطور میشه این مدل رو از
MacOS, iOS

اکسترکت کرد بصورت ONNX و بهش با پایتون request فرستاد و خروجی گرفت (خلاصه برای بیزینس خودتون می‌تونید استفاده کنید بدون هزینه 😅)

NeuralHash Python Github

دستش گرم‌ شده 😉
FastAPI
بنظرم فقط همینو کم داشت که راحت تر از چیزی که هست بشه

pip install devreminder

نوتیف اجرا شدن کد(سل) مدنظر رو توی تلگرام بگیرید.

Ploomber production ready pipeline

بنظر نجات بخش و بسیار کاربردی می‌رسه
شخصاً هنوز تست نگرفتم

GitHub Link

#ExplainedByScience

یک توضیح علمی و منطقی برای تجربیات و اتفاقات غیر منطقی (خطاهای کامپیوتری)

خیلی جوانتر که بودم (زمانی که توی کار شبکه بودم) یک بحثی داشتیم راجب اینکه چرا دیتا سنتر رو به ارتفاعات منتقل نکنیم (مشکل شدید گرما، کابل‌کشی و ... داشتیم و این موضوع خیلی روی تجهیزات و درآمد شرکت اثر میذاشت)

مشاور ساخت دیتا سنتر یک ایرانی بود که با غول‌های تکنولوژی کار میکرد
اون زمان می‌گفت این کار باعث افزایش خطای محاسباتی می‌شه و نباید از یک ارتفاعی بالاتر دیتاسنتر ساخت،
دیروز توی کانال یوتیوب Veritasium این موضوع و دلیل بعضی از خطاهای بدون منطق و بدون دلیل کامپیوتری رو نشون داد

پیشنهاد می‌کنم حتماً این ویدئو رو ببینید :

Youtube Link

همراه با Nitin از گوگل، همین حالا می‌توانید عضو بشید.

سوال و جواب 👌


https://www.clubhouse.com/room/M65yLz7J

ی روش خیلی جالب برای ارزیابی رزومه و دعوت به همکاری.

شمارو نمی‌دونم ولی وقتی قرار هست ی نیروی جدید مصاحبه کنم یا رزومه بخونم و تایید کنم، برای من خیلی خیلی کار سخت و بدی هست (بنظرم نمی‌شه آدمارو با ۴ تا سوال اونم تحت شرایطی که بالاخره استرس وجود داره بطور کامل سنجید و درک کرد)

از اینا بگذریم، کلی دروغ توی بعضی رزومه‌ها هست که با سوال اول مشخص می‌شه و باقی جلسه فقط وقتت گرفته می‌شه

من با یک شرکت چندروز قبل مصاحبه HR داشتم، امروز تایید گرفتم و مرحله اول مصاحبه فنی بود توقع داشتم بهم زمان داده بشه
ی نفر چندتا سوال بپرسه و ....

اما بخاطر ی سری مشکلات سریع اعلام کردم تا آخر هفته، امکان مصاحبه ندارم، که برام توضبح دادند می‌تونم هر زمان که دوس دارم مصاحبه رو انجام بدم توی ۲ روز وقتی که دارم و بعد می‌مونه مصاحبه فنی تخصصی.

ی لینک و یک اکانت برای من فرستاده شد و بهم گفتند که آزمون ‌های مربوط
ML, Python, Docker, English Listening
رو انجام بدم (برای پوزیشن درخواستی) و نتایج رو خودشون می‌بینند، اینجوری شرکت بدون دردسر اونایی که بدردش نمی‌خوره رو حذف می‌کنه، وقت نیروهای تخصصی هم گرفته نمی‌شه.

اگر کسی ازین سایتها با قابلیت
Customization
می‌شناسه حتماً بهم خبر بده

ایده خوبی هم هست برای دوستانی که می‌تونند و حوصله دارند استارتاپ بزنن برای استخدامی 😉

آدرس سایت :

https://developers.turing.com

GSLM ( Generative Spoken Language Model )

The first textless language model

خب دیگه برای
Language model
هم نیازی به دیتای Text نیست 🤯🤯🤯


Facebook Ai blog post

باید ۱۰۰۰ نسخه ازین کتاب سفارش بدم،
مخصوصاً برای اونایی که با
Pandas
ی nan فیچرها رو با average پر کردند و توی رزومه نوشتن, تجربه دیتا ساینس .

Mobileye
شرکتی از مجموعه اینتل، بطور رسمی سال دیگه جایگزین مناسب برای تاکسی در مونیخ آلمان

Lvl 4 Autonomous driving
طراحی و ویژگی‌های خودروهای این شرکت بسیار جالب هست

البته سرویس‌های این شرکت بطور محدود (همانند ویمو گوگل) در برخی از کشورها و همچنین مونیخ اکنون در دسترس هست.

کار جدید OpenAI خلاصه سازی کتاب با توجه به فیدبک خواننده

مدل بر اساس GPT-3

Blog Post

Session base recommendation

اسمش کاملاً توضیح میده که چطور عمل می‌کنه، اگر ریکامندر شما تاریخچه از کاربر نهایی نداشته باشه
یا کاربر تازه‌ای به سیستم اضافه بشه و ....

توی ریکامندرهای قبلی به مشکلات زیادی میخورید
یا حتی وقتی کاربر شما رفتارش عوض می‌شه و تاریخچه قبلیش با سرعت بیشتری تغییر می‌کنه

شاید راهکار retrain مدل باشه ولی همیشه جوابگو نیست (مخصوصاً وقتی تعداد یوزر خیلی خیلی زیاد باشه)

این دست مشکلات رو به کمک
Session base recommender
می‌شه حل کرد، راهکار خیلی ساده اما برای استفاده از این روش :

ابزاری هست که Nvidia بصورت open source در اختیار گذاشته (لازم نیست اشاره کنم که دقت فوق‌العاده ای هم داره)

Github Link

پ.ن :
Production Ready

خواستم بگم
نسخه
Pro +
گوگل کولب حالا A100 هم می‌ده 👌