Forwarded from AI DeepMind (Farzad 🦅)
تا الان شاید براتون سوال بوده "یادگیری" برای الگوریتم که میگن به چه معنا هستش؟!
زمانی که فرد برای اولین بار با یادگیری ماشینی مواجه می شود، اغلب الگوریتم ها را پشت سر می گذارد، تکنیک به تکنیک و معادله به معادله را دنبال می کند. اما پس از آن است که می توان در مورد روندهای کلی دانشی که آنها به دست آورده اند فکر کرد. معنای «یادگیری» مفهومی بسیار انتزاعی است. هدف این مقاله ارائه دو تفسیر کلی از معنای یادگیری ماشین است. همانطور که خواهیم دید، این دو تفسیر، دو روی یک سکه هستند و همه جا در یادگیری ماشین با آنها برخورد می شود.
وضعیت یک الگوریتم با مقادیر مجموعه پارامترهای آن تعریف میشود. پارامترها، در این زمینه، مقادیر غیر استاتیکی هستند که نحوه رفتار یک الگوریتم را تعیین میکنند. به عنوان مثال، سعی کنید بازی بولینگ خود را بهینه کنید. چندین پارامتر در دسترس است: وزن توپ بولینگ، پیکربندی انگشتان شما در سوراخ کاسه یا توپ، سرعت شما هنگام آماده شدن برای کاسه، سرعت بازو، زاویه ای که در آن کاسه می زنی، چرخش در لحظه آزاد کردن، و غیره. هر بار که کاسه میزنید، وضعیت جدیدی را تعریف میکنید، زیرا شما - به عنوان یک الگوریتم بهینهسازی - در حال آزمایش پارامترهای جدید هستید (مگر اینکه دقیقاً مانند قبل کاسه میزنید، در این صورت به حالت قبلی برمیگردید، اما این یک اتفاق نادر است. هم در بولینگ و هم در یادگیری ماشینی).
هر یک از ضرایب در رگرسیون خطی و رگرسیون لجستیک یک پارامتر است. مدلهای مبتنی بر درخت تعداد پارامترهای ثابتی ندارند، زیرا عمق آنها تطبیقی است. در عوض، آنها می توانند شرایط کمتر یا بیشتر را برای بهینه سازی معیارهای کسب اطلاعات ایجاد کنند، اما اینها همه پارامترها هستند.
https://towardsdatascience.com/what-does-it-really-mean-for-an-algorithm-to-learn-1f3e5e8d7884
#مقاله #هوش_هوصنوعی #مبتدی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
زمانی که فرد برای اولین بار با یادگیری ماشینی مواجه می شود، اغلب الگوریتم ها را پشت سر می گذارد، تکنیک به تکنیک و معادله به معادله را دنبال می کند. اما پس از آن است که می توان در مورد روندهای کلی دانشی که آنها به دست آورده اند فکر کرد. معنای «یادگیری» مفهومی بسیار انتزاعی است. هدف این مقاله ارائه دو تفسیر کلی از معنای یادگیری ماشین است. همانطور که خواهیم دید، این دو تفسیر، دو روی یک سکه هستند و همه جا در یادگیری ماشین با آنها برخورد می شود.
وضعیت یک الگوریتم با مقادیر مجموعه پارامترهای آن تعریف میشود. پارامترها، در این زمینه، مقادیر غیر استاتیکی هستند که نحوه رفتار یک الگوریتم را تعیین میکنند. به عنوان مثال، سعی کنید بازی بولینگ خود را بهینه کنید. چندین پارامتر در دسترس است: وزن توپ بولینگ، پیکربندی انگشتان شما در سوراخ کاسه یا توپ، سرعت شما هنگام آماده شدن برای کاسه، سرعت بازو، زاویه ای که در آن کاسه می زنی، چرخش در لحظه آزاد کردن، و غیره. هر بار که کاسه میزنید، وضعیت جدیدی را تعریف میکنید، زیرا شما - به عنوان یک الگوریتم بهینهسازی - در حال آزمایش پارامترهای جدید هستید (مگر اینکه دقیقاً مانند قبل کاسه میزنید، در این صورت به حالت قبلی برمیگردید، اما این یک اتفاق نادر است. هم در بولینگ و هم در یادگیری ماشینی).
هر یک از ضرایب در رگرسیون خطی و رگرسیون لجستیک یک پارامتر است. مدلهای مبتنی بر درخت تعداد پارامترهای ثابتی ندارند، زیرا عمق آنها تطبیقی است. در عوض، آنها می توانند شرایط کمتر یا بیشتر را برای بهینه سازی معیارهای کسب اطلاعات ایجاد کنند، اما اینها همه پارامترها هستند.
https://towardsdatascience.com/what-does-it-really-mean-for-an-algorithm-to-learn-1f3e5e8d7884
#مقاله #هوش_هوصنوعی #مبتدی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
چت بات Grok توئیتر سابق اوپن سورس شد
https://github.com/xai-org/grok-1
📣 مقاله:
▪️ OLMo: Accelerating the Science of Language Models
#هوش_مصنوعی #الگوریتمها #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://github.com/xai-org/grok-1
📣 مقاله:
▪️ OLMo: Accelerating the Science of Language Models
#هوش_مصنوعی #الگوریتمها #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
آموزش رایگان و دائمی فعالسازی آنتن در آیفون ۱۴ و ۱۵ بدون ردگیری و بسته شدن با دو روش مختلف، به همراه سورس کد و فایل ساخت UUID یکتا
https://github.com/AiGptCode/Iphone-14-15-IRAN-Anten
پ.ن: اینو دیدم و اصلا شخصی ازش برای انبلاک کردن آنتن موبایل مورد استفاده قرار نگرفته است. فقط دیدم متن باز منتشر شده خواستم منتشر کنم. اگه استفاده کردید و مفید بود به دیگران هم توصیه کنید
#متفرقه
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://github.com/AiGptCode/Iphone-14-15-IRAN-Anten
پ.ن: اینو دیدم و اصلا شخصی ازش برای انبلاک کردن آنتن موبایل مورد استفاده قرار نگرفته است. فقط دیدم متن باز منتشر شده خواستم منتشر کنم. اگه استفاده کردید و مفید بود به دیگران هم توصیه کنید
#متفرقه
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
سلام دوستان لینک دعوت فیلترشکن برای ی برنامهنویسان، گیمرها، دانشجویان، فعالین حوزه رمز ارز، فریلنسرها از لینک دعوت من استفاده کنین هم شما ی فیلترشکن مطمین استفاده کنین بدونین قطعی نداره هم من ی حجمی بدست بیارم😁، هم شما به فیلترشکنی قابل پشتیبان دسترسی داشته باشید
https://t.me/F14PanelBot?start=invite_56479f968ee3cd3dd92bfa05ebf07fc9
پ.ن: خدماتشون من به شدت راضیم دوستانتون رو دعوت کنید و حجم هدیه بگیرید
https://t.me/F14PanelBot?start=invite_56479f968ee3cd3dd92bfa05ebf07fc9
پ.ن: خدماتشون من به شدت راضیم دوستانتون رو دعوت کنید و حجم هدیه بگیرید
Bahar Oomad
Shervin
نوروزتون پیروز امیدوارم روشنایی بر زندگی همه شماها چیره شود برای همتون موفقیت و مسیری سبز آرزومندم
#متفرقه
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
#متفرقه
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
This media is not supported in your browser
VIEW IN TELEGRAM
. هربار این فیلم را میبینم بخصوص در ایام نوروز حسی مرا منقلب میکند. این دختری که میرقصد با این جامه سپید برای من چهره ندارد. او را یک دختر نمیبینم. او تمام فرهنگ ماست. او تمام امید زیبای پنهان ماست. او همه هویت ماست. او سپیدجامه امید ماست که در آرزویش نسلها تلاش کردند و غم و سختی بجان داشتند. او همان آه بلندی ست که روزانه بارها بر زبان میاوریم. او چون خیال و آرزویی برنیامده است که اینچنین زیبا و دلربا میرقصد. آرزوهای ما چون او زیبایند که همچنان میباید با ما و بیما زنده بمانند. به امید روزی که زیبایی اینگونه سرزمین ما را از آن خود کند.
یلدا ابتهاج
یلدا ابتهاج
Forwarded from AI DeepMind (Mahdi Akhi)
1686406377213.pdf
3.5 MB
اگه به دنبال منبعی هستین که خلاصه به مباحث ریاضیات و فنی #یادگیری_ماشین و #یادگیری_عمیق سری زده باشه، خوندن این هندبوک میتونه خیلی براتون مفید باشه.
#منابع #مبتدی #ریاضی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
#منابع #مبتدی #ریاضی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
Ay Eshgh
Dariush Ft.Faramarz Aslani
چون خاطرات اهنگهای فرامرز اصلانی رو دوست داشتم.
خاطرات همیشه زنده میمانند❤️
پ.ن: یادو خاطرش گرامی
#متفرقه
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
خاطرات همیشه زنده میمانند❤️
پ.ن: یادو خاطرش گرامی
#متفرقه
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Forwarded from AI DeepMind (Farzad 🦅)
آموزش Data Science دانشگاه هاروارد
1. Lecture notes
2. R code, Python notebooks
3. Lab material
4. Advanced sections
https://harvard-iacs.github.io/2019-CS109A/pages/materials.html
#منابع_پیشنهادی #منابع #علم_داده #آمار
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
1. Lecture notes
2. R code, Python notebooks
3. Lab material
4. Advanced sections
https://harvard-iacs.github.io/2019-CS109A/pages/materials.html
#منابع_پیشنهادی #منابع #علم_داده #آمار
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
Forwarded from AI DeepMind (Farzad 🦅)
اگه برنامه نویس اید و رشته دانشگاهیتون کامپیوتر نبوده یا اگه کامپیوتر خوندین ولی درس ها رو خوب پاس نکردین، با خوندن این ۲ تا کتاب میتونید به دید خیلی خوبی از مدار منطقی، معماری کامپیوتر، سیستم عامل، کامپایلر، شبکه، دیتا استراکچر و الگوریتم برسین.
از این کورس هم خیلی مفیده میتونید استفاده کنید.
https://m.youtube.com/watch?v=g_xpA_mZFkk
#کتاب_مقدماتی #منابع #الگوریتمها #مقدماتی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
از این کورس هم خیلی مفیده میتونید استفاده کنید.
https://m.youtube.com/watch?v=g_xpA_mZFkk
#کتاب_مقدماتی #منابع #الگوریتمها #مقدماتی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
Forwarded from AI DeepMind (a)
whats embeddings.pdf
5.8 MB
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
#منابع #کتاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
از آگهی استخدام تسلا:
What You’ll Bring:
Strong experience with Python and software engineering best practices
Experience with Pytorch or another major deep learning framework
An “under the hood” knowledge of deep learning: layer details, loss functions, optimization, etc.
Proven expertise in deploying production ML models for self-driving, computer vision, or natural language processing at scale.
Experience with Imitation Learning, Reinforcement Learning (offline/off-policy), modern Neural Network architectures (e.g., GPT, Diffusion), or related techniques.
https://www.tesla.com/careers/search/job/research-engineer-reinforcement-learning-and-imitation-learning-autopilot-ai-187690
#منابع #کتاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
What You’ll Bring:
Strong experience with Python and software engineering best practices
Experience with Pytorch or another major deep learning framework
An “under the hood” knowledge of deep learning: layer details, loss functions, optimization, etc.
Proven expertise in deploying production ML models for self-driving, computer vision, or natural language processing at scale.
Experience with Imitation Learning, Reinforcement Learning (offline/off-policy), modern Neural Network architectures (e.g., GPT, Diffusion), or related techniques.
https://www.tesla.com/careers/search/job/research-engineer-reinforcement-learning-and-imitation-learning-autopilot-ai-187690
#منابع #کتاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
چهار مدل در یک مدل تلفیق شده Beyonder-4x7B
- Chat: AlphaMonarch-7B
- Code: CodeNinja-1.0-OpenChat-7B
- RP: Kunoichi-DPO-v2-7B
- Math: NeuralDaredevil-7B
https://huggingface.co/mlabonne/Beyonder-4x7B-v3
https://huggingface.co/mlabonne/Beyonder-4x7B-v3-GGUF
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
- Chat: AlphaMonarch-7B
- Code: CodeNinja-1.0-OpenChat-7B
- RP: Kunoichi-DPO-v2-7B
- Math: NeuralDaredevil-7B
https://huggingface.co/mlabonne/Beyonder-4x7B-v3
https://huggingface.co/mlabonne/Beyonder-4x7B-v3-GGUF
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
نسخه جدید ابزار YouTube Smart Transcription منتشر شد.
- تبدیل ویدیو های یوتیوب به متن در قالب پست وبلاگ و ساختاربندی شده (Markdown) با دو آپشن Mistral و Gpt-4
http://youtube2text.streamlit.app/
#هوش_مصنوعی #منابع
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
- تبدیل ویدیو های یوتیوب به متن در قالب پست وبلاگ و ساختاربندی شده (Markdown) با دو آپشن Mistral و Gpt-4
http://youtube2text.streamlit.app/
#هوش_مصنوعی #منابع
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
دریافت صدا و خلاصه ویدیو (یا هر درخواستی) از یوتوب با هوش مصنوعی با ربات تلگرامی
https://github.com/AiGptCode/YDS-YOUTUBE-DOWNLOADER-AND-SUMMERIZE
#هوش_مصنوعی #منابع #پروژه
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://github.com/AiGptCode/YDS-YOUTUBE-DOWNLOADER-AND-SUMMERIZE
#هوش_مصنوعی #منابع #پروژه
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
تجربه، من بعد از چند ماه دنبال کار گشتن (برای پوزیشن های data scientist و machine learning engineer ):
۱. الان دیگه سال ۲۰۱۹ نیست که همه دربهدر دنبال یه دیتا ساینتیست باشن که بیاد یه مدلی رو train کنه و data analysis انجام بده. این کارارو همه بلدن. مارکت الان data engineer و mlops engineer میخواد.
۲. مشکل اینکه همه میرن دیتا ساینس میخونن ولی دانشگاه اون چیزی که صنعت میخواد رو به شما یاد نمیده. Train و test کردن مدل اونم تو نوت بوک برای پروژههای دانشگاس. صنعت از شما میخواد که بتونید مدل رو ببرید پروداکشن، scaling ،monitoring و orchestration بلد باشید. در واقع machine learning engineer باشید.
پس باید کار کردن با RestAPIs، Docker، Kubernetes رو یاد بگیرید. و از همه اینا مهم تر کار کردن با cloud مثلا AWS. اینکه چطور مدل رو دیپلوی کنید و پرفرومنسش رو مانیتور کنید خیلی مهمه. (لازم نیست همه اینارو فول باشید، ولی یادگیری هر کدوم ازینا یه قدم شمارو به آفر نزدیک تر میکنه)
۳. حتما MLOps یاد بگیرید. اینکه با continuous integration/continuous delivery بتونید کل flow طراحی و دیپلوی مدل رو automate کنید. هرچی از اهمیت continuous integration/continuous delivery بگم کمه. به نظرم GitHub Actions بهترین ابزار برای continuous integration/continuous delivery عه.
کار کردن با ابزار experiment tracking و hyper parameter optimization رو یادبگیرد. مثل clearML یا MLFlow.
۴. تیر آخر: Data Engineering یاد بگیرید. هم خودش خیلی پوزیشن داره، هم data scientist ای که Data Engineering بلد باشه رو هوا میزن. شرکتها در به در دنبال Data Engineering هستن. یکی که بلد باشه دیتا رو از سورس ها مختلف جمع کنه، integrate کنه، clean کنه و preprocessing رو انجام بده.حالا کسی که بتونه کل کارای data pipeline رو automate کنه، مثلا با Airflow دیگه واقعاً خواهان داره.
به نظر من کسی Data Engineering و MLops بلد باشه واقعاً غیر ممکنه بیکار بمونه تو این مارکت. رقابت برای Data Engineering بالاس، چون همه بلدن دیتا تمیز آنالیز کنن، مدل رو دیتا تمیز train کنن. ولی هرکسی Data Engineering و Mlops و بردن مدل رو پروداکشن رو بلد نیست.
سعی کنید یک machine learning engineer خوب باشید، تا یه دیتا ساینتیست.
پ.ن: چیزایی که نیازه یک machine learning engineer بدونه در عکس قابل بررسی هست.
پ.ن: نظر و پیشنهادات خودتون رو کامنت کنین.
#هوش_مصنوعی #منابع #پروژه
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
۱. الان دیگه سال ۲۰۱۹ نیست که همه دربهدر دنبال یه دیتا ساینتیست باشن که بیاد یه مدلی رو train کنه و data analysis انجام بده. این کارارو همه بلدن. مارکت الان data engineer و mlops engineer میخواد.
۲. مشکل اینکه همه میرن دیتا ساینس میخونن ولی دانشگاه اون چیزی که صنعت میخواد رو به شما یاد نمیده. Train و test کردن مدل اونم تو نوت بوک برای پروژههای دانشگاس. صنعت از شما میخواد که بتونید مدل رو ببرید پروداکشن، scaling ،monitoring و orchestration بلد باشید. در واقع machine learning engineer باشید.
پس باید کار کردن با RestAPIs، Docker، Kubernetes رو یاد بگیرید. و از همه اینا مهم تر کار کردن با cloud مثلا AWS. اینکه چطور مدل رو دیپلوی کنید و پرفرومنسش رو مانیتور کنید خیلی مهمه. (لازم نیست همه اینارو فول باشید، ولی یادگیری هر کدوم ازینا یه قدم شمارو به آفر نزدیک تر میکنه)
۳. حتما MLOps یاد بگیرید. اینکه با continuous integration/continuous delivery بتونید کل flow طراحی و دیپلوی مدل رو automate کنید. هرچی از اهمیت continuous integration/continuous delivery بگم کمه. به نظرم GitHub Actions بهترین ابزار برای continuous integration/continuous delivery عه.
کار کردن با ابزار experiment tracking و hyper parameter optimization رو یادبگیرد. مثل clearML یا MLFlow.
۴. تیر آخر: Data Engineering یاد بگیرید. هم خودش خیلی پوزیشن داره، هم data scientist ای که Data Engineering بلد باشه رو هوا میزن. شرکتها در به در دنبال Data Engineering هستن. یکی که بلد باشه دیتا رو از سورس ها مختلف جمع کنه، integrate کنه، clean کنه و preprocessing رو انجام بده.حالا کسی که بتونه کل کارای data pipeline رو automate کنه، مثلا با Airflow دیگه واقعاً خواهان داره.
به نظر من کسی Data Engineering و MLops بلد باشه واقعاً غیر ممکنه بیکار بمونه تو این مارکت. رقابت برای Data Engineering بالاس، چون همه بلدن دیتا تمیز آنالیز کنن، مدل رو دیتا تمیز train کنن. ولی هرکسی Data Engineering و Mlops و بردن مدل رو پروداکشن رو بلد نیست.
سعی کنید یک machine learning engineer خوب باشید، تا یه دیتا ساینتیست.
پ.ن: چیزایی که نیازه یک machine learning engineer بدونه در عکس قابل بررسی هست.
پ.ن: نظر و پیشنهادات خودتون رو کامنت کنین.
#هوش_مصنوعی #منابع #پروژه
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
خلاصه ای مفید و جامع از مدلهای دیفیوژن
▪️ Tutorial on Diffusion Models for Imaging and Vision
#هوش_مصنوعی #منابع #کتاب #الگوریتمها
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ Tutorial on Diffusion Models for Imaging and Vision
#هوش_مصنوعی #منابع #کتاب #الگوریتمها
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
آینده ی خرید آنلاین اینطوریه! همین چند ماه دیگه به نظرم میان به بازار!
شما عکست رو آپلود میکنی (سمت چپ تصویر) بعد انواع لباسایی که میخوای رو میتونی امتحان کنی و ببینی چطوری میشی توشون!
▪️ GitHub
▪️ Outfit Anyone: Ultra-high quality virtual try-on for Any Clothing and Any Person
#ایده_جذاب #مقاله
پ.ن: دوستان استارت اپ موری کمی متحول تر بشید چندتا مقاله بالاتر وجود داره نگاه کنید
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
شما عکست رو آپلود میکنی (سمت چپ تصویر) بعد انواع لباسایی که میخوای رو میتونی امتحان کنی و ببینی چطوری میشی توشون!
▪️ GitHub
▪️ Outfit Anyone: Ultra-high quality virtual try-on for Any Clothing and Any Person
#ایده_جذاب #مقاله
پ.ن: دوستان استارت اپ موری کمی متحول تر بشید چندتا مقاله بالاتر وجود داره نگاه کنید
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
This media is not supported in your browser
VIEW IN TELEGRAM
اگه درگیر تقویت (یا یادگیری) SQL هستین یا میخواین برای پوزیشن های Data Engineer یا Data Analyst اقدام کنید👇
https://dataexpert.io/questions
یه سری سوال با لول های سختی متفاوت گذاشته که میتونید توی همون وبسایتشون هم کد بزنید و هم خروجی بگیرید!
#پایگاه_داده #کتاب #الگوریتمها
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://dataexpert.io/questions
یه سری سوال با لول های سختی متفاوت گذاشته که میتونید توی همون وبسایتشون هم کد بزنید و هم خروجی بگیرید!
#پایگاه_داده #کتاب #الگوریتمها
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person