💥Long Short-Term Memory (LSTM) for Time Series

🎲 Applications of LSTMs in Time Series:

1. Stock price prediction: Forecasting future stock prices based on historical data.
2. Sales forecasting: Predicting future sales trends for products or services.
3. Weather forecasting: Predicting future weather patterns.
4. Energy demand forecasting: Predicting future energy demand.


🔗Kaggle Notebook Link: link

در پکیج Liger-Kernel که توسط لینکدین برای مدلهای LLM با هدف افزایش توان GPU ها تا 20درصد و کاهش مصرف حافظه تا 60درصد تهیه شده است فقط میتوان با یک خط کد به سطح بهینه ای با این ابزار رسید . به نظرم میشه با سیستمهای شخصی ترین کرد و به نتایج قابل قبولتری رسید و حتی میتوان روی سیستمهای قدرتمندی با هدف افزایش پتانسیل و سرعت مورد استفاده قرارداد.

◾️ GitHub

#پایتون #هوش_مصنوعی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

تایم کات این رفاقت رو باید فهمید تایم خداحافظی رو باید فهمید به موقع باید خداحافظی کرد با احترام باید خداحافظی کرد با خوشحالی باید خداحافظی کرد تایم ی رفاقتی اینقد بوده....

هرکسی تویتر داره میتونیم همدیگه دنبال کنیم بیایین همدیگه رو دنبال کنیم
https://x.com/farzadhss

لینکدین من
https://www.linkedin.com/in/farzad-hassanvand-218484a4

بصری‌سازی سری‌های زمانی: از داده خام تا بینش‌های عمیق

کگل نوت‌بوک: لينك

داده‌های سری زمانی، که نشان‌دهنده یک توالی از نقاط داده‌ای است که در طول زمان جمع‌آوری شده‌اند، در زمینه‌های مختلفی مانند مالی، بهداشت، هواشناسی و اقتصاد کاربرد دارند. بصری‌سازی مؤثر این داده‌ها می‌تواند الگوها، روندها و ناهنجاری‌های پنهان را آشکار کند. در این پست وبلاگ، به بررسی برخی از رایج‌ترین و مؤثرترین تکنیک‌های بصری‌سازی سری‌های زمانی با استفاده از کتابخانه‌های محبوب پایتون، یعنی Matplotlib و Seaborn، می‌پردازیم.

📈📉درک داده‌های سری زمانی

1. وابستگی زمانی:ترتیب نقاط داده‌ای اهمیت دارد. مقادیر در نقاط زمانی اولیه می‌توانند بر مقادیر در نقاط زمانی بعدی تأثیر بگذارند.
2. ایستایی:یک سری زمانی ایستا است اگر ویژگی‌های آماری آن (میانگین، واریانس، خودهمبستگی) در طول زمان ثابت بماند. سری‌های زمانی غیرایستا اغلب قبل از تحلیل و بصری‌سازی نیاز به تبدیل (مانند تفاوت‌گیری) دارند.



#TimeSeries
👁️‍🗨️@Recomendersystem2023

در هفته ای ک گذشت چه مقالاتی در رشته علوم پزشکی منتشر شد:

◾️ Medical MLLM is Vulnerable: Cross-Modality Jailbreak and Mismatched Attacks on Medical Multimodal Large Language Models
◾️ LLMs are not Zero-Shot Reasoners for Biomedical Information Extraction
◾️ RuleAlign: Making Large Language Models Better Physicians with Diagnostic Rule Alignment
◾️ CTP-LLM: Clinical Trial Phase Transition Prediction Using Large Language Models
◾️ Hibou: A Family of Foundational Vision Transformers for Pathology
◾️ LLaVA-Surg: Towards Multimodal Surgical Assistant via Structured Surgical Video Learning
◾️ MEDCO: Medical Education Copilots Based on A Multi-Agent Framework
◾️ Clinical Insights: A Comprehensive Review of Language Models in Medicine
◾️ FEDKIM: Adaptive Federated Knowledge Injection into Medical Foundation Models
◾️ MSDiagnosis: An EMR-based Dataset for Clinical Multi-Step Diagnosis

#ایده_جذاب #علوم_پزشکی #مقاله

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

دوشنبه رو با اهنگ دلنشینی شروع کنیم

#متفرقه

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

تعدادی مقاله #هوش_مصنوعی جالب رو میتونین موضوعات رو دنبال کنید

◾️ Transfusion: Predict the Next Token and Diffuse Images with One Multi-Modal Model
◾️ To Code, or Not To Code? Exploring Impact of Code in Pre-training
◾️ Automated Design of Agentic Systems
◾️ LLM Pruning and Distillation in Practice: The Minitron Approach
◾️ Transformers to SSMs: Distilling Quadratic Knowledge to Subquadratic Models

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

این ویدئو باحاله. میاد تمام مکانیزم Feed Forward توی یه شبکه‌ی عصبی چند لایه(MLP) رو با دست و روی کاغذ جلو می‌بره و تمام محاسبات رو هم انجام می‌ده.

#video
#learning
#ML

@lifeAsAService

بسیاری از ماها که در #هوش_مصنوعی فعالیت میکنیم و سرعت انتشار مدلهای متن باز هر روز داره بیشتر میشه و میخواییم سهم کوچک خودمون رو برای زبان فارسی انجام بدیم اما با کمبود مدلهای فاین توین شده و ترین کردن طرف بودیم و الان تیمی قوی از دوستانی حرفه ای و کاربلد این کارو انجام دادند اینجا میتونین داستان اینکه چطوری بزرگترین مدل زبان فارسی منتشر شده رو بخونین و از parsbench استفاده کنید.
https://hooshio.com/parsbench-persian-llms/

https://github.com/ParsBench/ParsBench

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

چون دوسش داشتم

#متفرقه

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

آیا VLM ها می توانند اشعه ایکس قفسه سینه واقع گرایانه را از توضیحات متن تولید کنند؟

▪️ A vision-language foundation model for generating realistic chest X-rays from text prompts

#علوم_پزشکی #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

Building Robust NLP Models with Data augmentaion

#کتاب #پردازش_زبان_طبیعی #الگوریتمها
#book

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

دوستان یک سرور دیسکورد ساختن داخل اون به صورت گروهی به مطالعه پایتون،  ریاضی و هوش مصنوعی و....  میپردازند
در حال استارت زدن ریاضیات هوش مصنوعی و clean code هستند
اونجا هستیم اگه دوست داشتین بیایین اونجا رفع اشکال درس میخونیم
https://discord.com/invite/qhCqN6Am

آیا مدل های یادگیری عمیق می توانند گزارش های رادیولوژی را مانند رادیولوژیست های انسانی به درستی درک کنند؟

▪️ Uncovering Knowledge Gaps in Radiology Report Generation Models through Knowledge Graphs


#علوم_پزشکی #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

تعدادی مقاله راجب RAG که تازه به دستم رسید😁

[1] Meta Knowledge for Retrieval Augmented Large Language Models

[2] RAGLAB: A Modular and Research-Oriented Unified Framework for Retrieval-Augmented Generation

[3] Graph Retrieval-Augmented Generation: A Survey

[4] CommunityKG-RAG: Leveraging Community Structures in Knowledge Graphs for Advanced Retrieval-Augmented Generation in Fact-Checking

[5] W-RAG: Weakly Supervised Dense Retrieval in RAG for Open-domain Question Answering

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

تعدادی مقاله جالب

[1] SelectLLM: Query-Aware Efficient Selection Algorithm for Large Language Models

[2] Open-FinLLMs: Open Multimodal Large Language Models for Financial Application

[3] LLM Pruning and Distillation in Practice: The Minitron Approach

[4] A Strategy to Combine 1stGen Transformers and Open LLMs for Automatic Text Classification

[5] Flexora: Flexible Low Rank Adaptation for Large Language Models

[6] StructuredRAG: JSON Response Formatting with Large Language Models

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

#دیتاست مدل hermes منتشر شد
https://huggingface.co/datasets/NousResearch/hermes-function-calling-v1

انتشار مدل‌های قدرتمند Qwen2-VL

تیم Qwen امروز اعلام کرد که نسخه جدید مدل‌های Qwen2-VL را منتشر کرده‌اند. این مجموعه شامل مدل‌های Qwen2-VL-2B و Qwen2-VL-7B است که تحت مجوز متن‌باز Apache 2.0 عرضه شده‌اند، و API مدل قدرتمند Qwen2-VL-72B نیز در دسترس قرار گرفته است.

این مدل‌ها در فهم تصاویر، ویدیوهای طولانی و پشتیبانی چندزبانه به سطوح بی‌سابقه‌ای از دقت رسیده‌اند. همچنین، در اکثر معیارهای ارزیابی، عملکرد Qwen2-VL از مدل‌های پیشرفته‌ای مانند GPT-4 و Claude 3.5 Sonnet بهتر بوده است.

این مدل از اکثر زبان‌ها از جمله فارسی پشتیبانی می‌کند.

🔗 برای آشنایی بیشتر و دریافت این مدل‌ها، به لینک‌های زیر مراجعه کنید:
- وبلاگ Qwen2-VL
- گیت‌هاب Qwen2-VL
- هاگینگ‌فیس
- توییت مربوطه

#ایده_جذاب #مدل_متن_باز

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person