اخبار هوش مصنوعی
2.83K subscribers
672 photos
354 videos
1.01K files
1.36K links
Download Telegram
@MachineLearning_ir - ML.pdf
34 MB
🖥 جزوه «یادگیری ماشین دانشگاه شریف»

👨🏻‍💻 این جزوه که توسط دکتر حمید بیگی، استاد دانشکده کامپیوتر شریف تهیه شده، مروری جامع به سه نوع یادگیری ماشین داره: یادگیری نظارت‌شده، یادگیری بدون نظارت و یادگیری تقویتی.

هدف اصلی این جزوه اینه که یه درک عمیق از یادگیری ماشین و الگوریتم‌های مهمش بدست بیارین و بدونین چطور میشه این تکنیک‌ها و الگوریتم‌ها رو در پروژه‌های واقعی به کار برد.


🌐 #یادگیری_ماشین #ML

💡 مهندس ML شوید :
💡 @MachineLearning_ir
📱 پیج اینستاگرام:
💡 @MachineLearning_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
📣 همراهان عزیز؛ شما می‌توانید به تمامی منابع دوره از جمله اسلایدها، ژوپیتر نوت‌بوک‌ها، تمرین‌ها و محتوای ترم‌های گذشته از طریق گیت‌هاب دسترسی داشته باشید.

🧡 این منابع بعد از هر جلسه به‌روز خواهند شد.

از همراهی شما عزیزان سپاس‌گزاریم.
Please open Telegram to view this post
VIEW IN TELEGRAM
شرکت OpenAI از قابلیت Canvas رونمایی کرده که مشابه Artifacts در هوش مصنوعی Claude هست و به کاربران ChatGPT این امکان رو میده که به صورت مرحله به مرحله نوشته های عادی یا کدهایی که از این هوش مصنوعی درخواست کردن رو بهبود بدن.

با فعال شدن این قابلیت در سناریوی مناسب، مثل درخواست متن یا کد، ChatGPT یک بخش جدید باز میکنه که در سمت راست صفحه قرار میگیره و خروجی رو نشون میده و در سمت چپ صفحه مکالماتی که با ChatGPT انجام شده دیده میشه. با هر تغییر جدیدی که کاربر درخواست بده، محتوای قسمت راست صفحه به طور خودکار بروزرسانی میشه و تغییرات جدید رو نشون میده.

کاربر در این بخش جدید میتونه مستقیما بخشی از متن یا کد رو تغییر بده، با انتخاب بخشی از متن از ChatGPT بخواد که فقط اون قسمت از متن یا کد رو بهتر کنه. همچنین برای متن کاربر با چند گزینه برای بهبود متن مواجه میشه که شامل گزینه هایی مثل تغییرات پیشنهادی در متن، تغییر طول اون، تغییر سطح متن از کودکستان تا دانشگاه، انجام تغییرات ریز مثل گرامر و واضح تر کردن جملات و در نهایت اضافه کردن اموجی به متن میشه.

برای کد هم گزینه های دیگه ای مثل Review code برای بهبود کد، اضافه کردن لاگ، افزودن کامنت، پیدا کردن باگها و اصلاح اونها، پورت کردن کد به زبان دیگه و در نهایت اضافه کردن مستندات میشه. اما برخلاف Artifacts، قابلیت Canvas هنوز امکان نشون دادن پیش نمایش خروجی کدهای HTML رو نداره که کمبود اون حس میشه.

این قابلیت به صورت ازمایشی از امروز برای کاربران دارای اشتراک پلاس عرضه شده و بعد از خروج از حالت ازمایشی برای همه کاربران به صورت مجانی عرضه خواهد شد.

🛍 خرید اشتراک ChatGPT Plus

🔎 techcrunch

📍 @TechTube
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Python Hints
یک پست برای مصاحبه الگوریتم توی @pyrust گذاشتم، دوستان پیام دادن پس پایتون چی

کتاب پیاده‌سازی الگوریتم و آموزش و ... توی پایتون چندتایی معرفی شده (بخش Posts کانال رو ببینید، اگر قابلیت استوری برگرده کتاب گذاشتن رو ادامه میدم، چندتا خوب یافتم)

ولی اگر فقط پیاده‌سازی می‌خواید برای تمرین مصاحبه :

https://github.com/TheAlgorithms/Python

خیلی بعید هست کسی مستقیم این پیاده‌سازی‌ها رو بپرسه (من بعضی وقتا که مصاحبه شونده سواد نداره ولی ادعا می‌کنه الگوریتم رو عالی بلد هست می‌پرسم)

معمولاً بجای پیاده‌سازی مستقیم به شما مسئله‌ای داده میشه که راهکار حل اون یک الگوریتم خاص هست و اینجوری سوالات پیاده‌سازی الگوریتمی پرسیده میشه.
This media is not supported in your browser
VIEW IN TELEGRAM
Pika 1.5
به روز شده تولید کننده ویدئو Pika.

اکنون می توان اشیاء موجود در ویدئو را باد کرد، فشرده کرد، مانند کیک برش داد، منفجر کرد و تحت فشار قرار داد. در این صورت، نسل ها کاملا واقع بینانه به نظر می رسند.

http://pika.art/

#هوش_مصنوعی
@DeepLearning_fa - Mathematical Theory of DL.pdf
8 MB
✏️ جزوه "ریاضیات یادگیری عمیق"

👨🏻‍💻 یادگیری عمیق فقط یه بحث کدنویسی نیست، بلکه نیاز به فهم ریاضیات پشت ماجرا داره تا بتونید مدل‌های دقیق و بهینه‌تری بسازین.

جزوه‌ای که بهتون معرفی می‌کنم، پایه‌ ریاضیات یادگیری عمیق رو از سه جنبه مهم پوشش میده: نظریه تقریب، بهینه‌سازی و یادگیری آماری. به زبونی ساده و قابل فهم، شما رو با مفاهیم اصلی و اساسی آشنا می‌کنه و کمک می‌کنه پایه‌ ریاضیاتی خوبی رو برای درک مدل‌های یادگیری عمیق ایجاد کنین.


🌐 #یادگیری_عمیق #DeepLearning

🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
🚀 با این تغییر کوچیک سرعت آموزش مدل‌هات رو تا 5 برابر افزایش بده!

👨🏻‍💻 پایتورچ توی آموزش مدل‌ها با GPU چند تا تنظیم پیش‌فرض داره که بهینه نیستن و من با یه تغییر کوچیک توی تنظیمات، تونستم حدود 5 برابر سرعت آموزش مدل‌ها رو افزایش بدم!

چطوری این کارو کردم؟ توی هر مدل PyTorch که با GPU کار می‌کنه، وقتی GPU در حال پردازشه، CPU بیکار می‌مونه و برعکس. اینجا جایی‌ایه که می‌تونیم با استفاده از Memory Pinning این وضعیت رو بهینه کنیم.


✔️ چطور Memory Pinning رو فعال کنیم؟

1️⃣ توی آبجکت DataLoader گزینه pin_memory=True رو فعال کن.

2️⃣ هنگام انتقال داده‌ها به GPU از این دستور استفاده کن: .to(device, non_blocking=True)

3️⃣ همچنین مقدار num_workers رو توی DataLoader تنظیم کن تا از چند هسته CPU برای تسریع انتقال داده‌ها استفاده بشه.

با این تنظیمات ساده، می‌تونی سرعت آموزش مدل‌هات رو به طور چشمگیری افزایش بدی!

🌫 Memory Pinning


🌐 #یادگیری_عمیق #DeepLearning

🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
💡 ساده‌سازی مدل‌های یادگیری عمیق
تنها با یه خط کد!

👨🏻‍💻 اگه بهینه‌سازی و کاهش حجم مدل‌های یادگیری عمیق برات دغدغه‌ست، دیگه لازم نیش بهش فکر کنی! حالا با ابزار torchao می‌تونی مدل‌هات رو به راحتی کوانتیزه کنی، اون هم فقط با یه خط کد!👌

✔️ تازه اگه شک داری که کدوم روش کوانتیزاسیون مناسب‌تره، می‌تونی از قابلیت autoquant استفاده کنی تا خودش به صورت خودکار لایه‌های مدل رو کوانتیزه کنه.

✏️ این یعنی تو به جای اینکه وقتت رو روی انتخاب روش مناسب هدر بدی، فقط یه خط کد می‌نویسی و همه چیز رو می‌سپاری به torchao. با این ابزار راحت‌تر از همیشه مدل‌های یادگیری عمیق رو بهینه کن!👇

torchao
🐱 GitHub-Repos


🌐 #یادگیری_عمیق #DeepLearning

🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
🔄 معماری شبکه‌های عصبی رو راحت و دقیق طراحی کن!

👨🏻‍💻 یکی از مشکلات مهندس‌های ML اینه که معماری شبکه‌های عصبی رو به صورت دستی طراحی می‌کنن. این کار علاوه بر زمانبر بودن، چالش‌های زیادی هم به همراه داره!

✔️ اگه می‌خواین معماری شبکه‌های عصبی‌ رو دقیق و با جزئیات فوق‌العاده طراحی کنین، ابزار NN-SVG رو امتحان کنین!

با این ابزار می‌تونین بدون دردسر و طراحی دستی، معماری شبکه‌هاتون رو به صورت پارامتریک بسازین و هر چیزی رو به راحتی تغییر بدین.

✏️ از ویژگی‌های مهم این ابزار:

1️⃣ طراحی پارامتریک: تغییر راحت معماری.
2️⃣ خروجی SVG: مناسب برای مقالات علمی.

💸 NN-SVG
💰 Website
🐱 GitHub-Repos


🌐 #یادگیری_عمیق #DeepLearning

🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
@DeepLearning_fa - DL.pdf
85.3 MB
🌫 جزوه «یادگیری عمیق دانشگاه شریف»

👩🏻‍💻 این جزوه که توسط دکتر حمید بیگی، استاد دانشکده کامپیوتر شریف تهیه شده، اصول اولیه یادگیری عمیق رو به شکلی ساده و قابل فهم توضیح میده. این دوره قدم به قدم، از مدل‌های ساده‌ای مثل پرسپترون چند لایه تا مفاهیم پیچیده‌تری مثل مدل‌های دنباله به دنباله (Sequence-to-Sequence) رو پوشش میده.

📝 از لحاظ پیاده‌سازی هم از فریم‌ورک‌های پرکاربردی مثل PyTorch و TensorFlow استفاده میشه که هر کسی که توی این حوزه فعالیت می‌کنه باید باهاشون آشنا باشه. این فریم‌ورک‌ها کمک می‌کنن تا به راحتی مدل‌ها رو اجرا و تست کنید.

اگه دنبال یادگیری دیپ لرنینگ با یه رویکرد کاربردی و عملی و در عین حال جامع هستین، این جزوه دقیقاً همون چیزیه که بهش نیاز دارین.👌


🌐 #یادگیری_عمیق #DeepLearning

🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
📂 دوره جامع «مدل‌های مولد عمیق»
🛡 از دانشگاه استنفورد

👩🏻‍💻 وقتی می‌خوای وارد دنیای مدل‌های مولد بشی، لازمه که اول مبانی رو خوب یاد بگیری، و هیچ جایی بهتر از دوره دانشگاه استنفورد نمی‌تونه کمکت کنه! این دوره، قدم‌به‌قدم تو رو با مفاهیم پایه‌ای و مدل‌های پیشرفته مولد عمیق آشنا می‌کنه و یه منبع حرفه‌ای و جامع برای یادگیری مدل‌های مولد عمیقه.

✔️ پس اگه میخوای بدونی چطور این مدل‌ها می‌تونن از پردازش تصویر تا زبان طبیعی NLP و حتی حل مسائل پیچیده مثل یادگیری تقویتی رو متحول می‌کنن، این دوره دقیقا برای توئه که هم آموزش جامع می‌ده و هم کلی مثال واقعی از پروژه‌های صنعتی رو پوشش میده.👇

🔴 Deep Generative Models
⌨️ Course Homepage
📹 Lecture Videos
🐱 GitHub-Repos


🌐 #یادگیری_عمیق #DeepLearning

🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
تمرین های مختلف ماشین لرنینگ با deep-ml

وبسایت Deep-ML پر از تمرین‌های چالش‌برانگیز توی زمینه‌های مختلف مثل یادگیری ماشین، یادگیری عمیق و جبر خطیه. از مسائل ساده مثل محاسبه‌ی ماتریس تا تمرین‌های پیشرفته مثل پیاده‌سازی رگرسیون خطی و توابع فعال‌ساز.

تمرین‌ها بر اساس سختی مرتب شدن؛ از آسون تا سخت. هر تمرین هم راهنمایی‌ها و توضیحات لازم رو داره که اگه گیر کردین، کمکتون می‌کنه.
لینک

@silicon_brain | از هوش مصنوعی عقب نمانید
نسخه جدید چت‌بات مایکروسافت Copilot
خیلی بهینه شده
قابلیت ساخت عکس با متن
حالت صوتی پیشرفته
تغییرات زیادی داده شده

روی نسخه موبایل بروزرسانی هم اکنون در دسترس است
copilot android
https://play.google.com/store/apps/details?id=com.microsoft.copilot

copilot ios
https://apps.apple.com/us/app/microsoft-copilot/id6472538445

نسخه وب رو بزارید روی کشور آمریکا
https://copilot.microsoft.com
دوستان، گوگل یه ابزار جدید و خفن به نام NotebookLM معرفی کرده که کار یادگیری و تحقیق رو خیلی راحت‌تر کرده!

NotebookLM چیه؟

یه دفترچه یادداشت هوشمندیه که با هوش مصنوعی کار می‌کنه. این دفترچه می‌تونه:

* اطلاعات رو از همه جای اینترنت برات جمع کنه: دیگه لازم نیست ساعت‌ها دنبال مقاله و کتاب بگردی.
* اطلاعات رو خلاصه و طبقه‌بندی کنه: همه چیز رو برات مرتب و قابل فهم می‌کنه.
* به سوالاتت جواب بده: هر سوالی که در مورد موضوعات مختلف داری، ازش بپرس.
* ایده‌های جدید بهت بده: اگه دنبال موضوع جدیدی برای تحقیق هستی، NotebookLM بهت کمک می‌کنه.

چرا NotebookLM خوبه؟

* زمانتو ذخیره می‌کنه: دیگه لازم نیست کلی وقت بزاری تا اطلاعات رو پیدا کنی و بخونی.
* یادگیری رو لذت‌بخش‌تر می‌کنه: با این ابزار، یادگیری مثل بازی میشه.
* بهت کمک می‌کنه تا بهتر یاد بگیری: اطلاعات رو به شکلی سازماندهی شده و قابل فهم در اختیارت قرار می‌ده.


کلام آخر

NotebookLM
در واقع میشه مغز دوم شما

https://notebooklm.google.com/

پ‌ن : ترجیحا با آی‌پی آمریکا وارد بشید
@DataScience_ir - Data Visualization.pdf
1.2 MB
📊 جزوه فارسی «مصورسازی داده‌ها»

👨🏻‍💻 مصورسازی داده‌ها یه بخش کلیدی از تحلیل داده‌هاست که کمک می‌کنه تا به جای غرق شدن توی انبوهی از اطلاعات، سریع‌تر و راحت‌تر بفهمیم داده‌هامون چی دارن بهمون میگن. وقتی داده‌ها رو به شکل گرافیکی و بصری می‌بینیم، پیدا کردن الگوها و روابطی که شاید توی اعداد و جداول پنهان مونده، خیلی ساده‌تر میشه.👌

✔️ توی این جزوه، روش‌های مختلف مصورسازی داده‌ها بر اساس اهداف مختلف معرفی شدن. این روش‌ها بهتون کمک می‌کنه تا داده‌هاتون رو با دقت بیشتری نمایش بدین و بهتر تصمیم بگیرین.


🌐 #علم_داده #DataScience

📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from آکادمی ربوتک
Media is too big
VIEW IN TELEGRAM
🤩معرفی مدل جدید شرکت 📱 که به طور خارق العاده‌ای میتونه ویدئو تولید کنه این مدل یک قابلیت دیگه هم داره که توی ویدئو بهش اشاره کردیم.

🖥لینک وبسایت معرفی شده در ویدئو

🌐وبسایت آکادمی ربوتک

📱 Instagram
📱 Telegram Channel
📱 Youtube
📱 LinkedIn
📱@robotech_support💬
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from SUT Twitter
از هوش مصنوعی تو خیلی کارا میشه استفاده کرد اما تو برنامه نویسی خیلی جلوتره 🚀

اما برای اینکه بهترین نتیجه رو داشته باشه هم باید به مدل های زبانی مختلف دسترسی داشته باشی هم بدونی بهترین پرامپت ها چیه!

برای دسترسی و مقایسه تمام مدل های زبانی میتونی از Ai.aihubchat.ir استفاده کنی.

حالا بریم چنتا از بهترین پرامپت هارو باهم ببینیم .

بهترین پرامپت‌های برنامه نویسی
Introduction to Computer Programming with Python.pdf
4.4 MB
📚 Title: Introduction to Computer Programming with Python (2024)
@DeepLearning_fa - DL Basics.pdf
1.1 MB
🖊 جزوه مبانی یادگیری عمیق
💰 از مفاهیم پایه تا پیشرفته

👨🏻‍💻 جزوه‌ای که توسط دکتر رومن تاونارد استاد دانشگاه رِن فرانسه نوشته شده، مخصوص کسایی‌ایه که می‌خوان از یادگیری عمیق رو از پایه تا مفاهیم پیشرفته یاد بگیرن.

📌 تو این جزوه، مفاهیم شبکه‌های عصبی برای دسته‌بندی و رگرسیون داده‌های جدولی، شبکه‌های عصبی پیچشی برای دسته‌بندی تصاویر، و حتی پیش‌بینی توالی‌ها به طور کامل توضیح داده شده.

علاوه بر این، یادگیری انتقالی هم که خیلی به درد کار با تصاویر می‌خوره، تو این جزوه به خوبی پوشش داده شده. پس اگه می‌خواین تو زمینه دیپ لرنینگ حرفه‌ای بشین، این جزوه می‌تونه یه منبع فوق‌العاده برای شروع یادگیری در این مسیر باشه.👌


🌐 #یادگیری_عمیق #DeepLearning

🧠 مهندس یادگیری عمیق شوید :
🧠 @DeepLearning_fa
Please open Telegram to view this post
VIEW IN TELEGRAM
#هوش_مصنوعی جدید، نگرانی های مربوط به تأیید هویت را در سراسر وب افزایش می دهد**

یک شبکه عصبی جدید به نام Flux، از سازندگان Stable Diffusion، با توانایی خود در تولید عکس های بسیار واقع گرایانه، سر و صدا به پا کرده است. این ابزار رایگان می تواند تصاویری تولید کند که علائم دست‌نویس را برای استفاده در فرآیندهای تأیید هویت در سایت‌های دوستیابی، بورس و موارد دیگر تقلید می‌کنند. توانایی‌های آن به قدری پیشرفته است که تشخیص تفاوت بین عکس‌های واقعی و جعلی آیفون تقریباً غیرممکن شده است. Flux به صورت رایگان در Hugging Face در دسترس است، جایی که کاربران می‌توانند به راحتی آن را امتحان کنند یا آن را به صورت محلی اجرا کنند.

https://huggingface.co/spaces