Understanding LSTM Networks

https://colah.github.io/posts/2015-08-Understanding-LSTMs/

#شبکه_عصبی #هوش_مصنوعی #منابع

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

تبلیغ جالب Nike در عربستان برای استفاده دخترها از فرصت‌ها و پتانسیلشون:

🤖 راه تعامل و ارتباط با سیستم های Gen AI از جمله LLM ها برای کاربرها و دولوپرها از طریق پرامپت و prompt engineering هست. با وجود این که prompting مفهومی گسترده است و به شدت مورد تحقیق قرار گرفته، اما به دلیل تازگی این حوزه، اصطلاحات متناقض و درک ضعیفی از آنچه که یک پرامپت را تشکیل می‌ده، وجود داره.

💡 حالا محقق های کلی دانشگاه و کمپانی از جمله Stanford و OpenAI و Microsoft اومدن و یک مقاله ۷۶ صفحه ای از ۵۸ تکنیک برای پرامپت نوشتن متنی و ۴۰ تکنیک برای modality های دیگه دادن که با فاصله بهترین منبع برای یادگیری نوشتن پرامپت به حساب میاد. از خوندنش لذت می‌برید (برای من که اینطور بود).

💡این تکنینک‌ها زبان‌های دیگه را هم شامل می‌شه(multilingual).با نگاه به سرفصل‌های این کتابچه خودتون دستتون میاد. حالا این یک طرف، و از طرف دیگه، یک لایبرری اومده که همه این ۵۸ تا تکنیک را پیاده سازی کرده. فقط کافیه تکنیکی که می‌خواهید را روی پرامپتتون اجرا کنید تا پرامپت با کیفیت بگیرید.

📝 لینک مقاله

🖥 لینک گیت‌هاب ابزار

✍️ لینک توئیت

#LLM
#Prompt
#ML
#paper
#github

@LifeAsAService

استخدام مهندس داده با شرایط ذیل در یک شرکت معتبر بانکی با شرایط پرداخت حقوق و مزایای مناسب و عالی :

1- مسلط به ابزار دیتابیس Click House
2-آشنایی با ابزار Apache Redis
3-آشنا با اکوسیستم های بیگ دیتا و NO SQL مانند Hadoop و Hive و SPARK SQL

✍️حداقل داشتن مدرک کارشناسی در رشته مهندسی کامپیوتر،علوم کامپیوتر یا مهندسی صنایع و رشته های مرتبط
✍️درصورت تمایل به همکاری رزومه خود را به ایمیل ذیل ارسال نمائید:
aalishahi.m@ut.ac.ir

Can Machines Learn the True Probabilities?

https://arxiv.org/abs/2407.05526

#ایده_جذاب #مقاله

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

مسیر یادگیری #پایتورچ که توسط تیم متا منتشر شده است رو اینجا دنبال کنید
◾️ Meta PyTorch Team 2024 H2 Roadmaps

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

Are language models (LMs) capable of self-recognition?
◾️ Self-Recognition in Language Models

https://trdavidson.com/self-recognition

#ایده_جذاب #مقاله

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

Yoshua Bengio:

Reasoning through arguments against taking AI safety seriously

Covering topics like:
"For those who think AGI is possible but only in many decades..."
"For those concerned with the US-China cold war..."

#ایده_جذاب #مقاله

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

2:57
دونه سفیدای تو موهات منم ....🤍
#mood 🥺
#متفرقه

داستان هایی برای زندگی
فیلم Inside Out در دو نسخه منتشر شده اگه دوست داشتین ببینید
https://www.filimo.com/m/gibMk/%D8%AF%D8%B1%D9%88%D9%86_%D9%88_%D8%A8%DB%8C%D8%B1%D9%88%D9%86

#متفرقه

دانسته های خودتون رو در یادگیری ماشین به چالش بکشید گیتهاب برای جوابهاتون درست کنید
leetcode for machine learning, computing a matrix-vector product without any tensor operations (only python lists allowed)
https://www.deep-ml.com/

#هوش_مصنوعی #منابع

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

ادرس بدین اشنا شیم با هم اسون تر در ارتباط باشیم😂

#فان

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

لیست جامع از cloud coding های انلاین

🔔 https://lambdalabs.com/service/gpu-cloud

🔔 https://colab.research.google.com/

🔔 Lightning.ai

🔔 https://modal.com/pricing

🔔 https://replicate.com/

🔔 https://huggingface.co/pricing

🔔 https://www.lepton.ai/

🔔 https://aws.amazon.com/sagemaker/train/ 📣
مهم هستش و خیلی بهتر از بقیه موارد گفته شده در بالا هستش.

پ.ن : اگه چیزی دیگه وجود داره کامنت کنید تا اضافه کنم

#الگوریتمها #منابع #پردازش_آنلاین

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

چنلهای یوتیوب خوب و کاربردی الگوریتمهای هوش مصنوعی (قسمت اول)

1- Abhishek Thakur (Practical videos)
ویژگی پلی لیست :
Applied Machine Learning Framework, Tips & Tricks of machine learning

2- Ahlad Kumar (Deep learning, Theoretical )
ویژگی پلی لیست:
Deep Learning, Convolutional Neural Network, Neural Networks

3- Aladdin Persson (Content about: PyTorch, TensorFlow )
ویژگی پلی لیست:
PyTorch Tutorials, TensorFlow 2.0 Beginner Tutorials, Machine Learning Algorithms.

4- Andreas Mueller ( Content about: Machine learning )
ویژگی پلی لیست:
Applied Machine Learning

5- Data School ( Content about: Python, Machine learning, Theoretical )
ویژگی پلی لیست:
Introduction to Machine Learning , Data analysis in Python with Pandas, other talks videos and Python videos.

6-Henry AI Labs (Theoretical )
ویژگی پلی لیست:
Deep Learning Paper Summaries, Reinforcement Learning, Generative Adversarial Networks, Neural Network Design

7- Jeremy Howard (Deep learning, Theoretical )
ویژگی پلی لیست:
Deep Learning from the Foundations, Introduction to Machine Learning for Coders, Practical Deep Learning for Coders

8- Rasa ( Content about: Rasa, AI, NLP )
ویژگی پلی لیست:
NLP for Developers, Developing Contextual AI assistants with Rasa tools, Algorithm Whiteboard, Live Coding

9- Yannic Kilcher ( Content about: NLP, Machine learning, Deep learning, Theoretical )
ویژگی پلی لیست:
NLP, General Machine Learning, Deep Learning Architectures, CV, Applications of Machine Learning

10- OpenAI ( Content about: NLP, Machine learning, AI )
ویژگی پلی لیست:
Events and Talks, Research Releases, Robotics

11- Two Minute Papers ( Content about: Machine Learning and AI Research, Scientific Papers )
ویژگی پلی لیست:
Two Minute Papers, AlphaGo, Fluid, Cloth and Hair Simulations, AI and Deep Learning, Light Transport, Ray Tracing and Global Illumination

12- Machine Learnia ( Content about: Machine Learning, Scikit Learn, Python )
ویژگی پلی لیست:
Deep Learning, SKLEARN tutoriel français Machine Learning, Python Special Machine Learning

13- Mark Saroufim ( Content about: Machine Learning Engineering, Practical videos, Books review )
ویژگی پلی لیست:
Machine Learning Systems, GNN ,...

14- sentdex ( Content about: Python for AI and Finance )
ویژگی پلی لیست:
Python Programming for Finance, Machine Learning with Python, Neural Networks from Scratch in Python

#منابع #مبتدی #مقدماتی #پیشرفته #پایتون #الگوریتمها #هوش_هوصنوعی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

• how to build an LLM
• how to do pretraining
• how to do finetuning
https://www.manning.com/books/build-a-large-language-model-from-scratch

سخنرانی های #کنفرانس CVPR 2024

https://m.youtube.com/playlist?list=PL682UO4IMem8oJGT4s-3f86BSLzUVvLQD

لینک زیر لیست tutorial های cvpr 2024 هست، اکثرا فایل slide و فیلم ارائه هم دارند.

https://cvpr.thecvf.com/Conferences/2024/tutorial-list

#منابع

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

دکتر مهدی خدایار از دوستانم در دانشگاه تولسا آمریکا دانشجو پذیرش میکنه هرکسی رزومه متناسبی داره میتونه برام بفرسته براش بفرستم یا مستقیما با خودش در ارتباط باشه.
I am currently offering open PhD positions in Computer Science at the University of Tulsa. Our research projects focus on the theory and applications of generative machine learning and deep reinforcement learning, with applications in computer vision, transportation systems, and power grids.
If you are passionate about these areas and interested in joining our team, please send your CV to:
mahdi-khodayar@utulsa.edu.
گوگل اسکالر:
https://scholar.google.com/citations?user=GIn1dpUAAAAJ&hl=en

🧵#رشتو

آقامون یان لکون می‌گه حداقل تا ۱۰سال آینده خبری از AGI نیست. و بر این باوره که اگر هم ساخته بشه، از دل LLM و معماری Transformer بیرون نمیاد.
خودش داره روی JEPA کار می‌کنه. این مدل می‌تونه درک انتراعی (Abstract) خوبی از بُعد فیزیکی و مفهومی پدیده‌ها داشته باشه.
حالا مشکل LLM چیه؟
(لینک توئیت و تمام منابع داخل لینک هستش)

https://telegra.ph/JEPA-07-15

#LLM
#ML

@LifeAsAService

موقعیت های پست داک و کاری دانشگاه بوفالو
https://www.owlindex.com/service-explorer/phd-postdoc-master-explorer/?service_page=1&search_text=University+at+Buffalo

5 پلتفرم فرصت‌های کارآموزی علم داده

اگه تازه‌ کارین و دنبال یه فرصت کارآموزی در زمینه علم داده و تحلیلگری هستین، سایت‌های زیادی وجود دارن که می‌تونن بهتون کمک کنن. من چندتا از این سایت‌ها رو براتون اینجا لیست کردم:


وبسایت Forage

ارائه‌دهنده کارآموزی‌های آنلاین و رایگان علوم داده برای تقویت مهارت‌های شغلی و کسب تجربه واقعی.

لینک: Website


وبسایت Catchafire

امکان همکاری داوطلبانه با شرکت‌ها برای به‌کارگیری مهارت‌های تحلیل داده در پروژه‌های واقعی.

لینک: Website


وبسایت DataKind

ایجاد پلی بین دانشمندان داده و شرکت‌ها برای استفاده از تحلیل داده‌ها در جهت حل مسائل اجتماعی.

لینک: Website


وبسایت Statistics Without Borders

پیوند متخصصان آمار و تحلیلگران داده به پروژه‌های داوطلبانه جهانی و انسانی.

لینک: Website


وبسایت Viz for Social Good

انجمنی برای داوطلبان که از طریق تصویری‌سازی داده‌ها به پروژه‌های خیریه و اجتماعی کمک می‌کنه.

لینک: Website