#Paper
#Article

Enhancing Language Learning through Technology:Introducing a New English-Azerbaijani Parallel Corpus

This paper introduces a pioneering English-Azerbaijani (Arabic Script) parallel corpus, designed to bridge the technological gap in language learning and machine translation (MT) for under-resourced languages. Consisting of 548,000 parallel sentences and approximately 9 million words per language, this dataset is derived from diverse sources such as news articles and holy texts, aiming to enhance natural language processing (NLP) applications and language education technology. This corpus marks a significant step forward in the realm of linguistic resources, particularly for Turkic languages, which have lagged in the neural machine translation (NMT) revolution. By presenting the first comprehensive case study for the English-Azerbaijani (Arabic Script) language pair, this work underscores the transformative potential of NMT in low-resource contexts. The development and utilization of this corpus not only facilitate the advancement of machine translation systems tailored for specific linguistic needs but also promote inclusive language learning through technology. The findings demonstrate the corpus's effectiveness in training deep learning MT systems and underscore its role as an essential asset for researchers and educators aiming to foster bilingual education and multilingual communication. This research covers the way for future explorations into NMT applications for languages lacking substantial digital resources, thereby enhancing global language education frameworks. The Python package of our code is available at this https URL, and we also have a website accessible at this https URL.

Full paper:
https://arxiv.org/abs/2407.05189

کانالیمیزی جانلی یایین:
https://t.me/Machinelearning_Karta

🔴 یک خبر داغ:
ایلان ماسک مدیر عامل اینستاگرام و توییتر پروکسیهایی رو طراحی کرده که به طور خودکار به اینترنت استارلینک وصل میشن.
فعلا تعدادی از این پروکسی ها در اختیار کاربران ایرانی قرار داده شده، و ما براتون اینجا گذاشتیم:

جان عزیزانتون از این چرت و پرتهای تبلیغاتی دس بردارید ی کمی حداقل متنوع باشین کمی ایده بدید چیه اینا کسی بخواد استفاده میکنه گذشت این دوره ها فقط باید بگی فیلترشکن فروشی😂😂

ترامپ رئیس جمهور امریکا شد و اخرین پایگاه جمهوری خواهان و ازادی خواهان امریکا در دست مردمش باقی ماند.

تویت مارکو روبیو سناتور جمهوری خواه ما با "حمایت مردم" برنده شدیم نه "حمایت سلیبریتی ها"

مردم فهمیدن دنیا جایی برای چپ ها نیست

سیاهی لشکر نیاید به کار،
یکی مردِ جنگی بِه از صدهزار

قطعا از پیروزی ترامپ نمیشه تاثیر ایلان ماسک رو کتمان کرد

پس حواستون باشه با چه کسایی معاشرت میکنید

#متفرقه


🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

مدل جدید متن باز که امروز توسط هاگینگ فیس منتشر شد

SmolLM2 is a family of compact language models available in three size: 135M, 360M, and 1.7B parameters. They are capable of solving a wide range of tasks while being lightweight enough to run on-device.

◾️ SmolLM2


#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

◾️ Stable Diffusion 3.5 Medium :A 2B image generation model with a permissive license
◾️ LongVU : a video LM that can handle long videos (1to7B params)
◾️ MaskGCT: A SoTA model for text-to-speech (including long-form generation) and bilingual (Chinese+English)
◾️ MobileLLM: Small models(125M-1B) with NC license and some nice capabilities for on-device usage.
◾️ PD12M: A dataset with 12M image-caption pairs using only public domain data+initially filtered
◾️ Sparsh: An encoder for vision-based tactile sensing.
◾️ SmolLM2: Smol models(135M-1.7B) trained with 11T tokens with very strong metrics (and they compared to Qwen too!
◾️ CogVideoX fine-tuned: A video generation model fine-tuned with 10 million image-to-video examples. The 2B model matches the original 5B one.
◾️ AMD-OLMo: A series of 1B LLMs trained, and one of AMD first releases
◾️ Oasis: A diffusion transformer model that generates Minecraft-like gameplay. This is the downscaled 500M model

#مقاله #ایده_جذاب #متن_باز

✅ @AI_DeepMind
🔸 @AI_Person

آلبر کامو در افسانه سیزیف جمله‌ی وحشتناکی دارد که می‌گوید: “شکاف عمیقی وجود دارد بین آرزوهای انسان و تلاش‌هایی که برای رسیدن به آن آرزوها انجام می‌دهد.“

انسان، دست خودش نیست. رویا می‌پرورد و لزوما هرچقدر خودش را به آب و آتش بزند به تمامیت رویاهایش نمی‌رسد.
در آن شکاف، در آن شکاف که لزوما با تلاش آدمی پر نمی‌شود… در آن شکاف که رویاهایی دست نخورده و نرسیده و کال باقی می‌مانند به زعم من، تمامی دردها و ملال‌های یک انسان نهفته است. شکافی که مملو از نرسیدن‌ها و شکست‌ها و خیرگی‌های انسان به آرزوهای ممتد و مدامش هستند.
و روزی می‌رسد که انسان می‌پذیرد، بعضی از آرزوها قرار است در شکوه یک رویا باقی بماند. نه برای آنکه انسان از تلاش دست کشیده. نه … بعضی از آرزوها باید آرزو بمانند. و انسان تنها خودش می‌داند که چرا دست از خیرگی به آن بر نمی‌دارد

اگر به من باشد، من در تمام عمرم به بافتن رویا مشغولم. بی‌آنکه حریص رسیدن به آن باشم. رویا با تمام جزئیاتش، شکوه تخیل یک انسان است. و تخیل تنها چیزیست که تقدیر، قدرت ستاندن آن را از انسان ندارد.

تولد کامو مبارک

#متفرقه

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

تا حالا سوال شده بپرسی امبدینگ که میگن چیه؟! اگه هنوز شروع نکردی امبد چیه و میخایی nlp یادبگیری اینو پیشنهاد میدم مطالعه کنی

#منابع #کتاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

سکوت علامت صمیمیت است.

چند وقت پیش، چند دقیقه‌ای کنار یکی از دوستای صمیمیم، ساکت نشسته بودیم و با موبایل‌هامون ور می‌رفتیم. یهو دوستم برگشت گفت یکی از نشانه‌های صمیمیت با کسی اینه که چه قدر می‌تونی جلوش ساکت باشی. در واقع ساکتی، چون نگران نیستی که حتما باید رضایت اون فرد رو جلب کنی.

امشب با یکی از دوستان نزدیک چت میکردم. یکسری حرفها زدم که شاید در حالت عادی نمی‌زدم، اون هم یک سری حرفها زد و مشورت طور از من پرسید. من هم راحت مقداری فحشش دادم و گفتم به نظرم چرت فکر میکند و دارد به بخت خودش لگد میزند. برای لحظاتی احساس کردم جنس گفتگویمان با دفعات قبلی برای لحظاتی متفاوت شده. نه دنبال اینم که رضایت او را بیشتر جلب کنم و نه نگران اینم که او از من چه برداشتی در ذهنش شکل می‌گیرد و نه او متقابلاً. دیالوگ متفاوتی این جور مواقع شکل می‌گیرد که آدم در آن برای لحظاتی هم که شده احساس سبک‌شدن و راحتی می‌کند. درست مانند همان سکوت دو رفیق صمیمی در مجاورت یکدیگر. البته که با همگان نمی‌توان این چنین کرد. به همه نباید و نمیشود و نباید اعتماد کرد.

خلاصه که یکی از نشانه‌های نزدیکی، این است که دو طرف به دنبال و نگران کسب رضایت طرف مقابل نباشند.

#تجارب

سلام دوستان 🙋‍♀️

ما داریم گفتا رو هر روز بزرگتر از قبل میکنیم و اتفاقای جذابی رقم میزنیم 🩵

اگه دوست دارین در این مسیر کنار ما باشید و با تواناییتون میتونین مارو همراهی کنین، حتما به من پیام بدید :
@leilaSadatAlavi

ممکنه از نظر فنی یا رسانه ای یا هر نوع همکاری دیگه، بتونیم در کنار هم باشیم پس حتما پیام بدید تا با هم گپ بزنیم 😌

تنها کسی ک میتونیم امید و جنگیدن و تلاششو باور کرد و حرفهاش انگیزه ای برای جنگیدن باشه و الگو قرارش داد.

مقاله ای Survey از مدل GAN اینجا میتونین اطلاعات جامعتری که دوستان سوال داشتن بدس بیارن

#کتاب #ایده_جذاب #منابع

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

𝗗𝗮𝘁𝗮 𝗦𝗰𝗶𝗲𝗻𝗰𝗲 𝗜𝗻𝘁𝗲𝗿𝘃𝗶𝗲𝘄 𝗤𝘂𝗲𝘀𝘁𝗶𝗼𝗻:
Why is it important to maximize margin in SVM?

Some of the advantages include -


1. Improved Generalization:
وقتی فاصله رو زیاد می‌کنیم، مدل تصمیم می‌گیره که تا جایی که می‌تونه از نزدیک‌ترین نقطه‌های هر دسته دورتر باشه. اینطوری احتمال اینکه داده‌های جدید اشتباه پیش‌بینی بشن کمتر میشه، چون یه فضای امن اطراف مرز تصمیم‌گیری ایجاد شده. فاصله بزرگتر باعث میشه مدل به تغییرات کوچیک یا نویز توی داده‌ها حساسیت نشون نده.

2.Focus on Critical Points:
وقتی فاصله زیاد میشه، مدل بیشتر داده‌های تمرینی رو بی‌خیال میشه و فقط به نقاط مهمی که نزدیک مرز تصمیم‌گیری هستن توجه می‌کنه. اینطوری مدل ساده‌تر و سریع‌تر کار می‌کنه، چون فقط با چند تا نقطه سروکار داره.

3.Robustness to Outliers:
هرچند که SVM کاملاً در برابر نویز مقاوم نیست، ولی با فاصله بیشتر، نسبت به تغییرات کوچیک یا نویز توی داده‌های آموزشی مقاومت بیشتری پیدا می‌کنه. اگه یه نقطه دورتر از مرز باشه، تاثیرش روی مدل کمتره.

Link

#MachineLearning #DataScience #SVM

آموزش نوشتن پروپوزال

#علوم_پزشکی #مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

بنچمارک frontiermath

امروز خبر از بنچمارک سوالات ریاضی شد که ادعا کرده که بهترین LLM‌های فعلی عملکردشون روش فقط ۲ درصده. تهیه کنندگانش گفتند که برای جمع آوری این بنچمارک از کلی ریاضی‌دان خفن استفاده کردند و حل کردن هر کدوم از سوالات این بنچمارک هم از چند ساعت تا چند روز وقت می‌بره.

لینک:
https://epochai.org/frontiermath

چهاردهمین نمایشگاه کار #دانشگاه_شریف از یکشنبه ۲۰ آبان تا ۲۲ سه شنبه شروع به کار خواهد کرد.
این نمایشگاه با همکاری #جاب_ویژن در محل سالن شهید جباری در دانشگاه شریف برگزار می شود.
بازدید برای عموم آزاد می باشد
شرکتهای بزرگی اینجا هستن
http://jobfair.sharif.edu/

داستان هوش مصنوعی هم اینه همه از اسمش خوششون میاد تا الگوریتمهاش خیلیا بعدش به خاطر این الگوریتمهاش رفیق نیمه راه شدن😀

#فان #هوش_مصنوعی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
💠 @Recomendersystem2023
🔸 @AI_Person

هدف modeltime اینه که پیش‌بینی‌های سری‌های زمانی رو با سرعت و مقیاس‌پذیری بالا و به ساده‌ترین شکل ممکن در R انجام بده!

ویژگی‌های modeltime:

1. کار با مدل‌های مختلف سری زمانی
• از ARIMA و Exponential Smoothing تا Prophet و رگرسیون خطی، Elastic Net، XGBoost و حتی بیشتر!

2. جریان کاری یادگیری ماشین برای پیش‌بینی
• برخلاف پکیج‌های قدیمی مثل forecast و fable، modeltime از یک جریان کاری مشابه یادگیری ماشین استفاده می‌کنه که شامل مجموعه‌های آموزشی/آزمایشی و فواصل همسانی هست.

3. مقایسه بصری مدل‌ها
• یکی از مزایای بزرگ modeltime، توانایی مقایسه سریع و بصری مدل‌های مختلفه.

4. معیارهای دقت
• علاوه بر نمایش‌های بصری، می‌تونیم معیارهای دقت هر مدل و گروه‌های سری زمانی مختلف رو هم دریافت کنیم.

5. پیش‌بینی نهایی
• پس از انتخاب مدل یا مدل‌های مناسب، پیش‌بینی نهایی سریع و آسونه!




https://business-science.github.io/modeltime/articles/getting-started-with-modeltime.html


#علم_داده #پیش‌بینی #R #مدل_سازی #سری_زمانی #یادگیری_ماشین #تحلیل_داده