دیگه ستاره به کانال نمیدین چرا یا boost کانال رو نمیزنین؟! و چرا دیگه اینترکشن روی پست ها ندارین واقعا ک 🚶‍♂

بگین ببینم مشکل کجاست؟!

به من ناشناس پیام بده.

http://t.me/HidenChat_Bot?start=7214197958

ی سری سعی دارن دوره های رایگان andrew ng رو بفروشن فعلا اینو داشته باشین تا این پست رو اپدیت کنم 😂
https://m.youtube.com/@Deeplearningai/playlists

کلاسها و آموزشهای رایگان دانشگاه استنفورد
https://m.youtube.com/@stanfordonline/playlists

اینتراکشن این پست کم باشه لینک نمیدم تا سرتون کلاه بزن اه گفته باشم😂😂

#یادگیری_عمیق #منابع #کلاس_آموزشی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

اینتراکشن این پست باید رکورد بشکنه تا نزارم سرتون کلان بزارن مطالب رایگانو بدم بهتون چ ساده میگیرم قدربدونین😂
https://t.me/AI_DeepMind/2338

#tool
#paper

معرفی ابزار LatteReview ☕️

اگه پروژه‌های ریسرچ Systematic Review و Meta Analysis انجام دادین، حتما با فرایند طاقت‌فرسای title / abstract ریویو کردن آشنایین.

این ابزار مبتنی بر AI Agent ها که پوریای عزیز develop اش کرده، این فرایند رو اتومات می‌کنه و پروسه‌ای رو که ساعت‌ها و روزها میتونه طول بکشه رو در چند دقیقه برای شما انجام میده.

جهت مقایسه‌ی عملکردش با human researcher ها میتونین به جدول شماره ۲ مقاله مراجعه کنید؛ این اعداد برای یک workflow خیلی بیسیک و ارزان قیمت محاسبه شده و منطقا با computation بیشتر و ورک‌فلو‌های پیچیده‌تر، دقتش بالاتر هم خواهد رفت.

در صورتی که خواستید از این ابزار در کارهای تحقیقاتی‌تون استفاده کنین و نیاز به مشاوره داشتین، میتونین به من یا پوریا پیام بدین (آیدی خودم در بیو).

📄 Paper
🧑‍💻 GitHub

اینتراکشن این پست کانالو به 100 تا برسونین تا لیستو منتشر کنم
https://t.me/AI_DeepMind/2338

در این مقاله معماری جدیدی به نام Titans معرفی شده است. این معماری، با ترکیب حافظه‌های بلندمدت و کوتاه‌مدت، توانایی مدل‌های یادگیری ماشینی را در حل مسائل پیچیده و با وابستگی‌های بلندمدت افزایش می‌دهد. خلاصه‌ای از محتوای اصلی مقاله:
هدف مقاله

معرفی یک ماژول حافظه بلندمدت جدید برای یادگیری در زمان آزمون و ایجاد معماری‌های جدید برای حل مسائل مبتنی بر داده‌های طولانی و پیچیده.
ویژگی‌ها و نوآوری‌ها
حافظه بلندمدت عصبی:
امکان ذخیره اطلاعات تاریخی طولانی با بهینه‌سازی وزن‌ها در زمان آزمون.
استفاده از متریک "تعجب" (Surprise) برای یادگیری داده‌های جدید.
مکانیزم فراموشی تطبیقی برای مدیریت حافظه در دنباله‌های طولانی.

معماری Titans:
ترکیبی از حافظه‌های کوتاه‌مدت و بلندمدت.
سه نسخه اصلی:
ا MAC: حافظه به‌عنوان متن.
ا MAG: حافظه به‌عنوان گیت.
ا MAL: حافظه به‌عنوان لایه.
قابلیت بهینه‌سازی و یادگیری حتی در زمان آزمون.

مقایسه با مدل‌های موجود:
عملکرد برتر در مدل‌سازی زبان، استدلال منطقی، و وظایف با داده‌های طولانی.
مقایسه با مدل‌های مشهور مانند Transformers، DeltaNet، و GPT-4 نشان‌دهنده مزیت‌های معماری Titans است.

نتایج آزمایش‌ها

بهبود قابل‌توجه در وظایف مدل‌سازی زبان و پیش‌بینی سری‌های زمانی.
کارآمدی در ذخیره و بازیابی اطلاعات از دنباله‌های طولانی (مانند بیش از 2 میلیون توکن).
سازگاری با ساختارهای مختلف داده و وظایف، از جمله پیش‌بینی داده‌های ژنومی و مدل‌سازی DNA.

مدل Titans توانایی حل مسائل پیچیده‌تر را با هزینه محاسباتی پایین‌تر و دقت بالاتر نسبت به مدل‌های مشابه فراهم می‌کند و راه جدیدی برای ترکیب حافظه بلندمدت و کوتاه‌مدت در معماری‌های یادگیری ماشینی ارائه می‌دهد.

▪️ Titans: Learning to Memorize at Test Time

پ.ن: ایا این مقاله ورژن دوم ترنسفومرزها هست؟!

#ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

اگر قصد فراگیری رایگان #یادگیری_ماشین و #یادگیری_عمیق کد بیس بودن رو دنبالش هستین اینجا دکتر جرمی هاوراد این دوره رایگان و کامل رو اماده کرده و میتونین بصورت #رایگان این آموزش رو ببینید

▪️ کتابی که از اون تدریس میکنه
▪️ لینک دوره رایگان

پ.ن: لیست ادامه دارد

#منابع #کلاس_آموزشی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

یک سری دوستان میگن ک ما از کانال گروه ریمو شدیم چرا بعد بررسی میکنم میبینم ایدیشون شبیه اسپمرهاست و الکی ی چیزی و پر کردن، اگه اینطوری میخوایین وارد کانال بشین دقت کنین که میبینین که چقد ریموی دارم. پس ایدی و اسمتون ی چیزی واقعی‌تر باشه تا ریمو نکنم مرسی از همراهیتون❤️🌻

آیا #هوش_مصنوعی می تواند با تولید گزارش های دقیق و قابل تفسیر #رادیولوژی را متحول کند؟

▪️ RadAlign: Advancing Radiology Report Generation with Vision-Language Concept Alignment
این مقاله نسخه بهتری از مقاله بالا هست
▪️ ReXplain: Translating Radiology into Patient-Friendly Video Reports

#مقاله #ایده_جذاب #علوم_پزشکی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

جایگزین bert معرفی شد:

در حالی که مدل‌های مبتنی بر دیکودر (مانند GPT-style LLMs) توجه بسیاری جلب کرده‌اند، مدل‌های مبتنی بر انکودر مانند BERT کمتر مورد توجه قرار گرفته‌اند. ModernBERT، انکودر جدیدی که توسط Answer.AI و LightOn توسعه یافته است، این شکاف را پر کرده و انکودرها را با قابلیت‌های پیشرفته‌تر به روزرسانی کرده است.

چرا مدل‌های انکودر؟
انکودرها برخلاف دیکودرها، توکن تولید نمی‌کنند؛ بلکه بردارهای تعبیه‌ای (embedding vectors) ایجاد می‌کنند که نمایانگر ارزش معنایی متن هستند. این ویژگی آن‌ها را برای وظایفی مانند طبقه‌بندی، اندازه‌گیری شباهت و ایجاد پلتفرم‌های بازیابی اطلاعات (مانند RAG) مناسب‌تر می‌کند.
در مقایسه با دیکودرها، انکودرها:

سریع‌تر و کم‌هزینه‌تر هستند.
می‌توانند روابط توکن‌ها را در هر دو جهت (پیش و پس‌رو) بررسی کنند.
در وظایف embedding محور عملکرد بهتری دارند.

ویژگی‌های ModernBERT:

افزایش ظرفیت و عملکرد:
افزایش طول پنجره متنی از 512 به 8000 توکن.
مناسب برای وظایف کدنویسی و جستجوی کد.
امتیازدهی بهتر در بنچمارک‌هایی مثل SQA و GLUE.
معماری بهینه:
استفاده از تکنیک‌های پیشرفته مانند روتاری جای‌گذاری موقعیتی (RoPE) برای پردازش متون بلند.
به‌کارگیری FlashAttention-2 برای کارایی بیشتر روی GPUهای پیشرفته.
ترکیب توجه محلی و جهانی برای مدیریت بهتر توالی‌های بلند.
اولین مدل انکودر با داده‌های آموزشی قابل توجه از کدهای برنامه‌نویسی.
کارایی بالا:
دو برابر سریع‌تر از DeBERTa و مصرف حافظه یک‌پنجم کمتر.
قابلیت اجرا روی سیستمهای معمولی (حداقل GPUبرای اجرا 4090)

ا ModernBERT در نسخه‌های Base (149 میلیون پارامتر) و Large (395 میلیون پارامتر) ارائه شده و به زودی به کتابخانه Transformers اضافه می‌شود.
مناسب‌تر برای وظایفی مانند بازیابی اطلاعات، طبقه‌بندی و استخراج.

▪️ Replacement for BERT: ModernBERT
▪️ Smarter, Better, Faster, Longer: A Modern Bidirectional Encoder for Fast, Memory Efficient, and Long Context Finetuning and Inference

#پایتون #الگوریتمها #هوش_مصنوعی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

معرفی CT-FM: یک #مدل_بنیادی بینایی برای توموگرافی کامپیوتری CT-FM یک مدل pre-training مبتنی بر تصویر 3d در مقیاس بزرگ برای کارهای #رادیولوژی طراحی شده است.

▪️ Vision Foundation Models for Computed Tomography

بیشتر مقالات دارن به سمتrobust شدن میرن اگه میتونین اینطوری با این ایده هم ی مقاله بنویسید

#علوم_پزشکی #مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

📍 چرا آمریکا بهترین کشور برای استارتاپ‌هاست؟

💡 به عقیده جف بزوس دلیل موفقیت آمریکا یک چیزه، پذیرش ریسک!
بزوس میگه:
"آمریکا موفقه چون بنیان‌گذارها می‌تونن حتی با ۱۰٪ احتمال موفقیت، ۵۰ میلیون دلار سرمایه جمع کنن."

▫️موضوع فقط استعداد نیست، موضوع اینه که تو آمریکا سرمایه‌گذاری روی ایده‌هایی که شاید موفق نشن، پذیرفته شده است.

▫️اروپا یا جاهای دیگه دنیا هم هم استعداد و ایده کم نداره، اما چیزی که کمه، جرأت سرمایه‌گذاری روی ریسک‌های بزرگه. اگه کشوری می‌خواد تو حوزه‌هایی مثل هوش مصنوعی و بیوتکنولوژی رقابت کنه، باید روی ایده‌های پررسک سرمایه‌گذاری کنه، حتی وقتی احتمال موفقیتشون کم باشه.

📌 مزیت کارآفرینی آمریکا در فرهنگی هست که ریسک‌های بزرگ رو پاداش می‌ده و شکست رو بخشی از نوآوری می‌دونه. موفقیت فقط به استعداد یا ایده‌ها وابسته نیست، دسترسی به سرمایه‌های ریسک‌پذیر و طرز فکری که از چشم‌اندازهای تحول‌ساز حمایت می‌کنه، نقش اصلی رو بازی می‌کنه.

@investingfund

مقایسه همه مدل ها حدود 190 مدل
اطلاعات بیشتر راجب همه مدلها

https://llmexplorer.org/

خیلی جالبه بگم که اینو تویتر دیدم بعد طرف اینو فارسی نوشته حاصل کاری طاقت فرسا لطفا حمایتم کنین خب رفیق این کار سرقت نیست به نظرت بگو من این کارو ترجمه کردم و نتیجه شده این سایت😂😕

https://devs.maux.site/
وقتی از چیزی استفاده میکنین رفرنس بدین که این کار من هست از اینس سایت نسخه فارسیش حمایت کنین منم چون رفرنس ندادی قرار نیست بهت تذکر ندم

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

اگر کاربر #تلگرام Premium هستید، و محتویات و پست‌های کانال مورد توجهت قراره گرفته با Boost کردن کانال ما، در فعال کردن قابلیت انتشار استوری به ما کمک کنید تا بتوانیم محتواهای جذاب را در استوری تلگرام با شما به اشتراک بگذاریم 🚶‍♂️🚶‍♂️❤️🌻
👇👇
https://t.me/boost/AI_DeepMind

امازون داره روی یک #هوش_مصنوعی برای قسمت فروش لباسش کار میکنه تا مشتریان بتونن لباسای فیت خودشون رو راحتتر انتخاب کنن و مرجوعی رو به حداقل ممکن برسونن

https://www.techradar.com/computing/artificial-intelligence/amazon-thinks-ai-helping-you-buy-clothes-is-better-than-you-sending-back-whatever-doesnt-fit

#خبر

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

Stanford CS234 - Reinforcement Learning 🚀

Stanford released a new course that focuses on reinforcement learning. Prof Emma Brunskill teaches this full-semester course, which provides an introduction to the field. It includes basics topics of reinforcement learning and as well advanced topics such as deep reinforcement learning. The course required proficency with Python, basic knowledge of linear algebra, probability, and machine learning.

https://www.youtube.com/playlist?list=PLoROMvodv4rN4wG6Nk6sNpTEbuOSosZdX

#علوم_پزشکی #مقاله #ایده_جذاب #کلاس_آموزشی #فیلم

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

متخصصان #علوم_اعصاب شرکت FinalSpark یک شبیه‌سازی سه‌بعدی ایجاد کرده‌اند که یک پروانه را به تصویر می‌کشد و این شبیه‌سازی توسط سلول‌های مغزی انسانی که در یک آزمایشگاه رشد داده شده‌اند، هدایت می‌شود.
این کار نمایانگر یک گام مهم به سمت تحقق مفاهیمی است که پیش‌تر تنها به داستان‌های علمی‌تخیلی، مانند فیلم ماتریکس، محدود می‌شدند و راه‌های جدیدی برای تحقیق در زمینه حفظ شناخت و انتقال ذهن باز می‌کند.

به عنوان نمونه‌ای از پلتفرم، برگر و همکارانش یک دنیای مجازی با یک مدل پروانه ایجاد کردند. ارگانوئیدهای مغزی منتظر سیگنال‌های ورودی انسانی می‌مانند که در این مورد به شکل کلیک روی صحنه دنیای مجازی است. نرم‌افزار مرتبط با پایتون محاسبه می‌کند که آیا رویداد کلیک در محدوده دید پروانه اتفاق افتاده است یا خیر. سپس نورون‌های مغزی به تحریکات پاسخ می‌دهند و به مدل پروانه دستور می‌دهند که به سمت مکان کلیک پرواز کند یا نکند.

https://www.theregister.com/2024/10/22/human_brain_tissue_butterfly_simulation/

#هوش_مصنوعی #بیوتکنولوژی #علوم_پزشکی #مقاله #ایده_جذاب #نروساینس

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

🔥 مدل Omni-RGPT: انقلاب در درک منطقه‌ای تصاویر و ویدئوها! 🔥

ایده اصلی: درک یکپارچه و دقیق مناطق در تصاویر و ویدئوها همیشه چالش‌برانگیز بوده، اما تیمی از محققان NVIDIA و دانشگاه Yonsei مدل چندوجهی Omni-RGPT رو طراحی کردن که با معرفی Token Mark، مفهوم درک منطقه‌ای رو متحول کرده.

چی جوری کار می‌کنه؟
با استفاده از Token Mark، این مدل توکن‌ها رو مستقیماً به مناطق خاص (مثل باکس‌ها یا ماسک‌ها) اختصاص می‌ده و اون‌ها رو به متن‌ها متصل می‌کنه. این یعنی ارتباطی قوی‌تر و دقیق‌تر بین تصویر و متن!

ویژگی‌های مهم:
✅ Token Mark:
مناطق هدفمند رو به صورت مستقیم تو فضای بصری مشخص می‌کنه و اون‌ها رو تو پردازش متن لحاظ می‌کنه.
✅ Auxiliary Task:
تداوم توکن‌ها رو تضمین می‌کنه و باعث می‌شه مناطق در ویدئوها پایدار و قابل فهم باشن.
✅ RegVID-300k Dataset:
دیتاست عظیم ویدئویی که مدل رو برای درک دقیق‌تر آموزش می‌ده.

📄 جزئیات بیشتر: مطالعه مقاله

#OmniRGPT #AI
💎@Recomendersystem2023

آیا ترکیب تخصص انسانی با همیارهای هوش مصنوعی میتواند در یادگیری ماشینی داده‌محور انقلابی ایجاد کند؟

▪️ Towards Human-Guided, Data-Centric LLM Co-Pilots

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person