Pythonic Data Structures and Algorithms

اگر در زمینه‌ی ساختمان داده و الگوریتم‌ها مطالعه کرده‌اید، اما در کدنویسی عملی در این حوزه هنوز کاری نکردید، این گیت‌هاب تمامی الگوریتم‌ها رو به زبان پایتون پیاده‌سازی کرده و می‌تونید ازش استفاده کنید.

https://github.com/keon/algorithms

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer

the 2024 edition of the Daily Dose of Data Science archive.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🌟 خبر هیجان‌انگیز برای عاشقان داده و NLP! 🌟

تصور کنید کل محتوای ویکی‌پدیای فارسی به صورت یک دیتاست مرتب و قابل استفاده، در دسترستون باشه! 🗂 این دیتاست عالی، یک گنجینه بی‌نظیر برای پروژه‌های پردازش زبان طبیعی، تحلیل داده یا حتی آموزش و یادگیریه. اگه دنبال منابع قدرتمند هستید، این دیتاست دقیقاً همون چیزیه که لازمش دارید! 🚀

لینک دیتاست:
https://huggingface.co/datasets/codersan/Persian-Wikipedia-Corpus

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

در حوزه GenAI/LLM، یوتیوبر مورد علاقه‌ام: Umar Jamil
🔹 ویدیوهاش شاید طولانی باشه، ولی محتواش عمق فوق‌العاده‌ای داره!
🔹 ترکیب عالی تئوری و کدنویسی – دقیقاً همون سبکی که می‌پسندم! 🚀

💻 اگر دنبال یادگیری جدی و مفید در این حوزه هستید، پیشنهاد می‌کنم حتماً کارهاش رو دنبال کنید. 🌟

https://www.youtube.com/@umarjamilai/videos

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

Programming PyTorch for Deep Learning

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🖥 Free Courses on Large Language Models

▪ChatGPT Prompt Engineering for Developers

▪LangChain for LLM Application Development

▪Building Systems with the ChatGPT API

▪Google Cloud Generative AI Learning Path

▪Introduction to Large Language Models with Google Cloud

▪LLM University

▪Full Stack LLM Bootcamp

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

OrientedFormer: An End-to-End Transformer-Based Oriented Object Detector in Remote Sensing Images


Publication date: IEEE Transactions on Geoscience and Remote Sensing 2024

Topic: Object detection

Paper: https://arxiv.org/pdf/2409.19648v1.pdf

GitHub: https://github.com/wokaikaixinxin/OrientedFormer

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🤖 𝐔𝐧𝐡𝐚 𝐨𝐟 𝐋𝐚𝐧𝐠𝐮𝐚𝐠𝐞 𝐌𝐨𝐝𝐞𝐥𝐬 (2018-𝐏𝐫𝐞𝐬𝐞𝐧𝐭) 🌟

از 𝐁𝐄𝐑𝐓 تا 𝐋𝐥𝐚𝐦𝐚 3.2، مدل‌های زبانی نحوه‌ی پردازش زبان طبیعی را به کلی تغییر داده‌اند! 🚀 در اینجا نگاهی به سفر آن‌ها داریم:

🔴 𝐁𝐄𝐑𝐓 𝐅𝐚𝐦𝐢𝐥𝐲 (2018):
اولین گام‌های یادگیری مبتنی بر زمینه را برداشت، و مدل‌هایی مانند RoBERTa و DistilBERT الهام گرفته شدند.
🟢 𝐓5 𝐅𝐚𝐦𝐢𝐥𝐲 (2019):
پردازش زبان طبیعی را با چارچوب text-to-text ساده‌تر کرد و نوآوری‌هایی مانند BART و Flan-T5 به وجود آمد.
🔵 𝐆𝐏𝐓 𝐒𝐞𝐫𝐢𝐞𝐬 𝐚𝐧𝐝 𝐆𝐞𝐧𝐞𝐫𝐚𝐭𝐢𝐯𝐞 𝐌𝐨𝐝𝐞𝐥𝐬 (2019-2024):
سری GPT انقلاب بزرگی ایجاد کرد و منجر به مدل‌های عظیمی مانند o1-preview، Llama 3.2 و DeepSeek 2.5 شد.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

اگر به Computer Vision علاقه دارید این کتاب رو حتما پیشنهاد میکنم بخونید✌🏻

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

Introduction to Natural Language Processing (NLP) and Sequence Problems

Example NLP inputs and outputs

The typical architecture of a Recurrent Neural Network (RNN)

Preparing a notebook for our first NLP with TensorFlow project

Becoming one with the data and visualising a text dataset

Splitting data into training and validation sets

Converting text data to numbers using tokenisation and embeddings (overview)