مقاله یکی از همراهان کانال در حیطه فشن و مد منتشر شده علاقمندان به این حوزه میتونین مطالعه و موضوع تحقیقاتی خودتون رو این موضوع انتخاب کنید
▪️ PRFashion24: A Dataset for Sentiment Analysis of Fashion Products Reviews in Persian
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ PRFashion24: A Dataset for Sentiment Analysis of Fashion Products Reviews in Persian
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Forwarded from A. Ashofteh
در طی چند سال گذشته افتخار داشتم ضمن تدریس در دانشگاه، یکی از چهار مشاور مرکز آمار کشور پرتغال هم باشم. خرسندم به همراه دو نفر دیگر از این مرکز آمار رسمی (دکتر ژوا و دکتر پدرو)، نتیجه بخشی از تحقیقات چهار سال گذشته را در کنفرانس اروپایی کیفیت آمار رسمی 2024 (Q2024) ارایه می کنیم.
تولید آمار رسمی در مورد چگونگی زندگی و دسترسی به کالاها برای گروه های مختلف جامعه بسیار مهم است مخصوصا زمانی که تفاوت های نژادی و قومی و کاهش جمعیت فعال به عنوان یک چالش مهم جمعیتی معاصر می توانند در نتایج مطالعه موثر باشند ولی در اینگونه مطالعات، جمع آوری داده ها برای اقلیت ها و بر اساس خصوصیات قومی و نژادی با چالش هایی همراه است. در این مطالعه، یک بررسی نمونهگیری با کمک روشهای یادگیری ماشین و بیگ دیتا برای کشور پرتغال طراحی شده است و از فناوری های جدید برای غلبه بر این چالش ها استفاده شد و در سه مرحله مطالعه، طراحی، بررسی نمونه گیری اولیه، و بررسی نمونه ای در سطح ملی اجرا شد و نتایج نهایی این مطالعه نیز به زودی توسط این مرکز آمار رسمی منتشر می شود. ما از روشهای خوشهبندی و دادههای سرشماری برای شناسایی متغیرهای اساسی و از روش های داده های فضایی برای تعیین گروه های نمونه گیری همگن برای توزیع حجم نمونه استفاده کردیم. علاوه بر این، مناطق مختلف کشور تقسیمبندی شدند و خوشهها برای به حداقل رساندن خطاهای عدم پاسخ و پوشش مورد تجزیه و تحلیل و بحث قرار گرفتند. روش پیشنهادی یک طرح نمونه گیری بهینه بر مبنای داده های فضایی را با کمک روش های یادگیری ماشین و داده های حجیم (بیگ دیتا) ارایه می دهد و از فناوری های مختلفی مانند سس، آر، اسپارک و اس کیو ال استفاده شد./افشین آشفته
آدرس کنفرانس برای علاقه مندان:
https://www.q2024.pt/
آدرس مجموعه خلاصه مقالات:
https://www.q2024.pt/abstract/book-of-abstracts
تولید آمار رسمی در مورد چگونگی زندگی و دسترسی به کالاها برای گروه های مختلف جامعه بسیار مهم است مخصوصا زمانی که تفاوت های نژادی و قومی و کاهش جمعیت فعال به عنوان یک چالش مهم جمعیتی معاصر می توانند در نتایج مطالعه موثر باشند ولی در اینگونه مطالعات، جمع آوری داده ها برای اقلیت ها و بر اساس خصوصیات قومی و نژادی با چالش هایی همراه است. در این مطالعه، یک بررسی نمونهگیری با کمک روشهای یادگیری ماشین و بیگ دیتا برای کشور پرتغال طراحی شده است و از فناوری های جدید برای غلبه بر این چالش ها استفاده شد و در سه مرحله مطالعه، طراحی، بررسی نمونه گیری اولیه، و بررسی نمونه ای در سطح ملی اجرا شد و نتایج نهایی این مطالعه نیز به زودی توسط این مرکز آمار رسمی منتشر می شود. ما از روشهای خوشهبندی و دادههای سرشماری برای شناسایی متغیرهای اساسی و از روش های داده های فضایی برای تعیین گروه های نمونه گیری همگن برای توزیع حجم نمونه استفاده کردیم. علاوه بر این، مناطق مختلف کشور تقسیمبندی شدند و خوشهها برای به حداقل رساندن خطاهای عدم پاسخ و پوشش مورد تجزیه و تحلیل و بحث قرار گرفتند. روش پیشنهادی یک طرح نمونه گیری بهینه بر مبنای داده های فضایی را با کمک روش های یادگیری ماشین و داده های حجیم (بیگ دیتا) ارایه می دهد و از فناوری های مختلفی مانند سس، آر، اسپارک و اس کیو ال استفاده شد./افشین آشفته
آدرس کنفرانس برای علاقه مندان:
https://www.q2024.pt/
آدرس مجموعه خلاصه مقالات:
https://www.q2024.pt/abstract/book-of-abstracts
www.q2024.pt
European Conference on Quality in Official Statistics 2024
Welcome to the European Conference on Quality in Official Statistics, which brings together statisticians, academics, and external stakeholders to foster the dissemination of knowledge and research on emerging issues related to quality in official statistics.
Forwarded from Ali (Ali Najafi)
خب سلامی دوباره!
Engineer
یا همون مهندس خودمون، یک شخص practitioner هستش
یعنی اینکه ایده رو به عمل میرسونه!
مثلا ساخت و تولید یک چیزی!
حالا شاید شما بپرسید که خب طرف نمیشینه این رو فکر کنه که چطوری بسازه و فلان؟!
جواب اینکه فکر میکنه که چطوری بسازه و به عمل برسونه اما! سوال نمیپرسه!!!!!!!!!!!!!
سوال پرسیدن سخته!
قاضی بودن سخته!
بزارید با یه مثالی این قضیه رو براتون بشکنم.
مثالم میشه همین ChatGPT که یهو ترکید و همه ازش حرف زدن.
تکنولوژی و علم ساخت ChatGPT از سال 2015 بوده، اما ما ChatGPT رو اون موقع ندیدیم
Engineer
های محترم اومدن و با داشتن ایده و علم که بوده( نه شاید متمرکز) با گرفتن Consulting از researcher های محترم
تونستن تحت عنوان شرکت OpenAI این محصول(ChatGPT) رو بسازن و ما شاهد این زیبایی باشیم.
ریسرچر فقط به رسیدن جواب بسنده نمیکنه!
میشینه فکر میکنه که چرا این جواب ها بیرون اومدن
یا اصلا چرا جواب درست شد
سوال میپرسه و از سوال پرسیدن دست نمیکشه و اینطوری هستش که دنیای علم بزرگ و بزرگ تر میشه
یه مثال دیگه میشه هم این باشه که یه دولوپر وبسایت میاد میسازه یه محصولی رو بلی روی ساختش فکر میکنه
اما تکنولوژی ساخت وبسایت رو ایشون پیدا نکرده. بلکه توسط اشخاصی(ریسرچر های حوزه وب) بالا اومده و این دولوپر از نتیجه کار اون ها استفاده میکنه
و یک وبسایت رو ایجاد میکنه.
من فارسیم زیاد خوب نیست اگر غلط املایی بوده باشه از قبل عذرخواهی میکنم.
@css_nlp
Engineer
یا همون مهندس خودمون، یک شخص practitioner هستش
یعنی اینکه ایده رو به عمل میرسونه!
مثلا ساخت و تولید یک چیزی!
حالا شاید شما بپرسید که خب طرف نمیشینه این رو فکر کنه که چطوری بسازه و فلان؟!
جواب اینکه فکر میکنه که چطوری بسازه و به عمل برسونه اما! سوال نمیپرسه!!!!!!!!!!!!!
سوال پرسیدن سخته!
قاضی بودن سخته!
بزارید با یه مثالی این قضیه رو براتون بشکنم.
مثالم میشه همین ChatGPT که یهو ترکید و همه ازش حرف زدن.
تکنولوژی و علم ساخت ChatGPT از سال 2015 بوده، اما ما ChatGPT رو اون موقع ندیدیم
Engineer
های محترم اومدن و با داشتن ایده و علم که بوده( نه شاید متمرکز) با گرفتن Consulting از researcher های محترم
تونستن تحت عنوان شرکت OpenAI این محصول(ChatGPT) رو بسازن و ما شاهد این زیبایی باشیم.
ریسرچر فقط به رسیدن جواب بسنده نمیکنه!
میشینه فکر میکنه که چرا این جواب ها بیرون اومدن
یا اصلا چرا جواب درست شد
سوال میپرسه و از سوال پرسیدن دست نمیکشه و اینطوری هستش که دنیای علم بزرگ و بزرگ تر میشه
یه مثال دیگه میشه هم این باشه که یه دولوپر وبسایت میاد میسازه یه محصولی رو بلی روی ساختش فکر میکنه
اما تکنولوژی ساخت وبسایت رو ایشون پیدا نکرده. بلکه توسط اشخاصی(ریسرچر های حوزه وب) بالا اومده و این دولوپر از نتیجه کار اون ها استفاده میکنه
و یک وبسایت رو ایجاد میکنه.
من فارسیم زیاد خوب نیست اگر غلط املایی بوده باشه از قبل عذرخواهی میکنم.
@css_nlp
Forwarded from AI DeepMind (Farzad 🦅)
This media is not supported in your browser
VIEW IN TELEGRAM
این استاد سابق دانشگاه هاروارد خیلی جالب آینده پروگرمینگ و تغییر جهت به سمت آموزش llm ها برای یادگیری مهارتهای مختلف از جمله برنامه نویسی را توضیح میده. اینک ویدیو کامل هم هست.
https://m.youtube.com/watch?v=JhCl-GeT4jw&t=252s&ab_channel=CS50
#مقاله #منابع #ایده_جذاب #فیلم #کلاس_آموزشی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://m.youtube.com/watch?v=JhCl-GeT4jw&t=252s&ab_channel=CS50
#مقاله #منابع #ایده_جذاب #فیلم #کلاس_آموزشی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
This media is not supported in your browser
VIEW IN TELEGRAM
How can an RL agent successfully solve a task while showcasing versatility of behaviors a property intuitive to intelligent systems like humans?
▪️ Learning Multimodal Behaviors from Scratch with Diffusion Policy Gradient
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ Learning Multimodal Behaviors from Scratch with Diffusion Policy Gradient
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Can an emerging field called ‘neural systems understanding’ explain the brain?
This mashup of neuroscience, artificial intelligence and even linguistics and philosophy of mind aims to crack the deep question of what “understanding” is, however un-brain-like its models may be.
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
This mashup of neuroscience, artificial intelligence and even linguistics and philosophy of mind aims to crack the deep question of what “understanding” is, however un-brain-like its models may be.
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
محدودیت معماری ترنسفورمر
▪️ On Limitation of Transformer for Learning HMMs
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ On Limitation of Transformer for Learning HMMs
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
arXiv.org
On Limitation of Transformer for Learning HMMs
Despite the remarkable success of Transformer-based architectures in various sequential modeling tasks, such as natural language processing, computer vision, and robotics, their ability to learn...
Safety Alignment Should Be Made More Than Just a Few Tokens Deep
1. Crrent LLM safety alignment is only a few tokens deep.
2. Deepening the safety alignment can make it more robust against multiple jailbreak attacks.
3. Protecting initial token positions can make the alignment more robust against fine-tuning attacks.
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
1. Crrent LLM safety alignment is only a few tokens deep.
2. Deepening the safety alignment can make it more robust against multiple jailbreak attacks.
3. Protecting initial token positions can make the alignment more robust against fine-tuning attacks.
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
As an alternative to RLHF and adversarial training, we released short-circuiting.
It makes models ~100x more robust. It works for LLMs, multimodal models, and agents.
Unlike before, I now think robustly stopping models from generating harmful outputs may be highly tractable and not hopeless.
▪️ Improving Alignment and Robustness with Short Circuiting
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
It makes models ~100x more robust. It works for LLMs, multimodal models, and agents.
Unlike before, I now think robustly stopping models from generating harmful outputs may be highly tractable and not hopeless.
▪️ Improving Alignment and Robustness with Short Circuiting
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
GPTs are generating sequences in a left-to-right order. Is there another way?
▪️ σ-GPTs: A New Approach to Autoregressive Models
▪️ Project
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ σ-GPTs: A New Approach to Autoregressive Models
▪️ Project
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
در آپدیت جدید مرورگر Opera با فریمورک Ollama کار میکنه
این یعنی هر کسی که دانش برنامه نویسی نداره الان میتونه به مدل های اپن سورس دسترسی داشته باشه و هزینه ای پرداخت نکنه.
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
این یعنی هر کسی که دانش برنامه نویسی نداره الان میتونه به مدل های اپن سورس دسترسی داشته باشه و هزینه ای پرداخت نکنه.
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
BERTs are not dead!
▪️ BERTs are Generative In-Context Learners
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ BERTs are Generative In-Context Learners
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Andrej Karpathy:
▪️ Let’s reproduce GPT-2 (124M)
The video ended up so long because it is... comprehensive: we start with empty file and end up with a GPT-2 (124M) model:
- first we build the GPT-2 network
- then we optimize it to train very fast
- then we set up the training run optimization and hyperparameters by referencing GPT-2 and GPT-3 papers
- then we bring up model evaluation, and
- then cross our fingers and go to sleep.
In the morning we look through the results and enjoy amusing model generations. Our "overnight" run even gets very close to the GPT-3 (124M) model. This video builds on the Zero To Hero series and at times references previous videos. You could also see this video as building my nanoGPT repo, which by the end is about 90% similar.
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ Let’s reproduce GPT-2 (124M)
The video ended up so long because it is... comprehensive: we start with empty file and end up with a GPT-2 (124M) model:
- first we build the GPT-2 network
- then we optimize it to train very fast
- then we set up the training run optimization and hyperparameters by referencing GPT-2 and GPT-3 papers
- then we bring up model evaluation, and
- then cross our fingers and go to sleep.
In the morning we look through the results and enjoy amusing model generations. Our "overnight" run even gets very close to the GPT-3 (124M) model. This video builds on the Zero To Hero series and at times references previous videos. You could also see this video as building my nanoGPT repo, which by the end is about 90% similar.
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Forwarded from AI DeepMind (Farzad 🦅)
Ten Years of Generative Adversarial Nets (GANs)_ A survey.pdf
868.1 KB
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
#کتاب #ایده_جذاب #منابع
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Forwarded from Meysam
This media is not supported in your browser
VIEW IN TELEGRAM
دوره جدید ماشین لرنینگ و یادگیری عمیق با تدریس استاد تیت و ترامپ
هزینه دوره فقط ۵۰ هزار تومان
هزینه دوره فقط ۵۰ هزار تومان
تولید طرح های خالکوبی با هوش مصنوعی🖋
اگر ایده ای برای خالکوبی دارید اما نمیتونید طرح مناسب رو پیدا کنید ؛ این کار رو در اختیار هوش مصنوعی tattoosai قرار بدید.
این هوش مصنوعی به شما این امکان رو میده که بر اساس آنچه دوست دارید طراحی کاملی ایجاد کنید تا دست خالی ازش خارج نشید.
www.tattoosai.com
اگر ایده ای برای خالکوبی دارید اما نمیتونید طرح مناسب رو پیدا کنید ؛ این کار رو در اختیار هوش مصنوعی tattoosai قرار بدید.
این هوش مصنوعی به شما این امکان رو میده که بر اساس آنچه دوست دارید طراحی کاملی ایجاد کنید تا دست خالی ازش خارج نشید.
www.tattoosai.com
به طور خلاصه این مقاله پیشنهاد میکنه از توابع کسری برای KAN استفاده کنیم که باعث میشه نتایج بهتری بدست بیاد. در مقاله از توابع تطبیق پذیر کسری متعامد ژاکوبی استفاده شده و به کمک اون چندین مسئله مختلف مثل کلاسیفیکیشن، نویززدایی تصویر، تحلیل احساسات حل شده. به علاوه چندین معادله دیفرانسیل معمولی، با مشتقات جزیی و کسری هم حل شده که نتایج خیلی خوبی داشته.
https://medium.com/@alirezaafzalaghaei/fractional-kolmogorov-arnold-networks-fkans-edf713da5425
▪️ fKAN: Fractional Kolmogorov-Arnold Networks with trainable Jacobi basis functions
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://medium.com/@alirezaafzalaghaei/fractional-kolmogorov-arnold-networks-fkans-edf713da5425
▪️ fKAN: Fractional Kolmogorov-Arnold Networks with trainable Jacobi basis functions
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person