🌐 شبکه عصبی CNN چیست؟ شبکه عصبی کانولوشنال (CNN) نوعی الگوریتم یادگیری عمیق است که از مغز انسان الهام گرفته شده است. این به ویژه برای تجزیه و تحلیل داده های بصری قدرتمند است.
🧩 مولفه اصلی: لایه کانولوشنال لایه کانولوشن قلب یک CNN است. چندین فیلتر را روی تصویر ورودی اعمال می کند، هر فیلتر ویژگی های مختلفی مانند لبه ها، بافت ها و الگوها را تشخیص می دهد. این فرآیند به شبکه اجازه می دهد تا تصویر را با جزئیات درک کند.
در اینجا نحوه کار آن آمده است:
پیچیدگی: شبکه تصویر را در بخش های کوچک اسکن می کند و آن را در سه بعد (ارتفاع، عرض و عمق) بررسی می کند تا جزئیات پیچیده را ثبت کند.
فعال‌سازی: توابع غیرخطی مانند ReLU (واحد خطی اصلاح‌شده) برای معرفی غیرخطی استفاده می‌شوند و شبکه را قادر می‌سازد تا الگوهای پیچیده را بیاموزد.
ادغام: این مرحله ابعاد نقشه های ویژگی را کاهش می دهد و شبکه را از نظر محاسباتی کارآمد می کند و در عین حال اطلاعات مهم را حفظ می کند.
#CNN #DL #ML #MachineLearning #DeepLearning
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

با پایتون تبدیل به روح شو
⚪️ خیلی از سایت ها وقتی واردشون میشید یک سری اطلاعات مثل آیپی ازتون سیو میکنند با این کد میتونید اون سایت هارو ببنید بدون اینکه خودتون واردش بشید
🔗 اول از این سایت یک پروکسی دریافت کنید و بعد تو کد زیر جای گذاری و کد رو اجرا کنید یک فایل سیو می‌کنه که با باز کردنش میتونید سایت رو ببنید

import requests

# تعریف پروکسی‌ها
proxies = {
    "http": "http://your_proxy_address:port",
    "https": "http://your_proxy_address:port"
}

# تعریف آدرس URL
url = "http://yoursite.com"

response = requests.get(url, proxies=proxies)
with open("website.html", "w", encoding="utf-8") as file:
    file.write(response.text)

print("Done")

➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

یادگیری ماشین کاربردی با پایتون با کتاب آنلاین Applied ML
ایبوک دکتر مایکل پیزونکا استادیار دانشگاه تگزاس به همراه ویدئوها و تمرین ها و پروژه های عملی
https://geostatsguy.github.io/MachineLearningDemos_Book/intro.html
#هوش_مصنوعی #پایتون #یادگیری_ماشین #کتاب
#python #MachineLearning #Book
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

🔹
EVERY PROGRAMMER SHOULD KNOW
🔹
🔗 https://github.com/mtdvio/every-programmer-should-know?tab=readme-ov-file
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

سه تا از مدلهای #علوم_پزشکی توسط گوگل اوپن سورس شد.
▪️ Dermatology
▪️ Pathology
▪️ Chest X-ray
▪️ Helping everyone build AI for healthcare applications with open foundation models
#مقاله #ایده_جذاب #گوگل #مدل #علوم_پزشکی
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

این مقاله یکی از ۱۰ مقاله برتر کنفرانس ICLR 2024 هست اما این مقاله چیه: در این مقاله یک ترنسفورماتور دیفیوژن رو معرفی کردند تا بدون کاستن از کیفیت عکس ها عملکرد و قدرت پردازش بسیار بالاتری رو نسبت به ابزارهای معرفی شده ارایه بده این مدل با فشرده سازی بیشتر تصاویر استفاده کردند و یکی دیگه از مزیت های این مدل که در قبلی ها با self attention بودند VAE بوده و سعی کردند در این مدل صرفا روی بازسازی و فشرده سازی مصنوعی VAE کار کنند.
▪️ Efficient High-Resolution Image Synthesis with Linear Diffusion Transformer: Exploring the Frontiers of Efficient Generative Foundation Models
#مقاله #ایده_جذاب #علوم_پزشکی #کنفرانس
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

RoPE embedding, from scratch with all the math
▪️RoFormer: Enhanced Transformer with Rotary Position Embedding
▪️ You could have designed state of the art positional encoding
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

Seminar: A Journey into PyTorch, the Ecosystem, and Deep Learning Compilers
https://www.sscardapane.it/seminars/pytorch-journey.html
#پایتون #پایتورچ #منابع #کتابخانه #مدلسازی
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

از سایت هایی دانلود رو بستن چطوری دانلود کنیم؟
⚪️ کد زیر رو وقتی اجرا کنید ازتون لینک یک سایت یا صفحه رو میخواد و بعد سورسش رو استخراج می‌کنه و سیو می‌کنه براتون و لینک هایی تو اون سورس بوده رو نشون میده که شما میتونید بین لینک ها لینک دانلود مورد نظر رو پیدا و دانلود کنید. (بر اساس نیاز میتونید کد رو ادیت کنید.)
💻 کد مورد نیاز:

import requests
import re

url = input("لینک صفحه وب را وارد کنید: ")

try:
    response = requests.get(url)
    response.raise_for_status()  
    with open("page_source.html", "w", encoding="utf-8") as file:
        file.write(response.text)
    print("سورس صفحه با موفقیت در فایل 'page_source.html' ذخیره شد.")

    pattern = r'(https?://[^\s"\']+)'   
    all_links = re.findall(pattern, response.text)

    desired_formats = ['mp3', 'mp4', 'pdf']
    keywords = ['cdn', 'https', 'http']
    resolutions = ['720', '360', '128', '1080', '480', '144', '240']

    filtered_links = []
    for link in all_links:
        if (any(keyword in link for keyword in keywords) or 
            any(link.endswith(fmt) for fmt in desired_formats) or 
            any(res in link for res in resolutions)):
            filtered_links.append(link)
    print("\nلینک‌های فیلتر شده در صفحه:")
    for link in filtered_links:
        print(link)

except requests.exceptions.RequestException as e:
    print("خطا در دریافت صفحه:", e)

🗂 پیش نیاز ها:

pkg install python3

pip install requests

pip install re

➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

All Cheat Sheets
Machine Learning, Deep Learning,
Artificial Intelligence
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

علی‌بابا یه مدل متن‌باز جدید به اسم QwQ-32B-Preview معرفی کرده که می‌تونه مرحله‌به‌مرحله فکر کنه و تو کارای ریاضی و برنامه‌نویسی خیلی قویه.
تمرکز اصلیش اینه که مسائل پیچیده ریاضی و برنامه‌نویسی رو با یه روش استدلال عمیق حل کنه.
نوآوری اصلیش اینه که موقع حل مسائل، جواب‌هاش رو بازبینی می‌کنه و اگه لازم باشه، اصلاحشون می‌کنه. همین قابلیت باعث شده تو معیارهای ریاضی و برنامه‌نویسی از خیلی مدل‌های دیگه بهتر باشه.
https://huggingface.co/Qwen/QwQ-32B-Preview
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

Presentation Title: Counting Understanding in Visoin Lanugate Models
Presenter: Arash Marioriyad
🌀 Abstract:
Counting-related challenges represent some of the most significant compositional understanding failure modes in vision-language models (VLMs) such as CLIP. While humans, even in early stages of development, readily generalize over numerical concepts, these models often struggle to accurately interpret numbers beyond three, with the difficulty intensifying as the numerical value increases. In this presentation, we explore the counting-related limitations of VLMs and examine the proposed solutions within the field to address these issues.
📄 Papers:
- Teaching CLIP to Count to Ten (ICCV, 2023)
- CLIP-Count: Towards Text-Guided Zero-Shot Object Counting (ACM-MM, 2023)
Session Details:
- Date: Sunday
- Time: 5:00 - 6:00 PM
- Location: Online at vc.sharif.edu/ch/rohban
@RIMLLab
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

👨🏻‍💻 می‌دونید چرا لئون گلدونش رو همه جا می‌برد؟! 🎋 چون یه گلدون ساده می‌تونه 15 درصد بهره‌وری رو افزایش بده! باورتون میشه؟! 🌸 این رو بر اساس تحقیقی 🌻 از دانشگاه اکستر انگلستان گفتم که به تاثیر گل و گیاه بر روحیه کارمندان پرداخته بود. 💐
✏️🌾 یک مطالعه از Journal of Experimental Psychology، ادعا می‌کنه کارمندانی که در محیط‌های سبزتر کار می‌کنن، 32 درصد کمتر دچار استرس میشن. 🌺 علاوه‌ بر این، تحقیقی از دانشگاه نورث‌وسترن نشون داده که وجود گیاهان در محیط کار می‌تونه خلاقیت رو تا 40 درصد افزایش بده. (1), (2). 🪷
🔗🪻 طبق گزارشی از موسسه گالوپ، کارمندانی که روی میزشون گل و گیاه دارن، 39 درصد بیشتر احتمال داره که از کار خودشون راضی باشن. 🍄 یعنی اون حس فرسودگی و خستگی از محیط کار کمتر سراغشون میاد. 🪴
#لئون #تاثیر_گل #تاثیر_گلدان #علم #تکنولوژی #مقاله #تحقیقات #فیلم_لئون #گل
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

همه مدل های هوش مصنوعی روی سیستمت داشته باش
📮📊 اول وارد سایت پایتون بشید و آخرین نسخشو روی سیستم خودتون نصب کنید.
⚙🪧 سایت پایتون
⌛️🔦 حالا با دستور زیر کتابخانه g4f رو نصب کنید

pip install -U g4f[all]

‼️⌨ حتما با همین دستور نصب کنید.
⚪️💻 و بعد دستور زیر رو بزنید:

g4f gui

🛡🌐 حالا بهتون دوتا لینک نشون میده که روی لوکال خودتون ران هستند و فقط خودتون میتونید استفاده کنید وقتی بازشون کنید یک سایت دارید که با تمام مدل های هوش مصنوعی میتونید صحبت کنید.
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

Math Behind Graph Neural Networks

🔗 https://rish-16.github.io/posts/gnn-math/
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧‌ ▼꯭‌‌ ⃤

@Technical_coding 💻

https://github.com/microsoft/BitNet

🔺مایکروسافت bitnet.pp را به صورت متن باز منتشر کرد،. اکنون می توانید مدلهای زبانی بزرگ (LLM) با ۱۰۰ میلیارد پارامتر را به صورت محلی بدون نیاز به GPU اجرا کنید.
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧‌ ▼꯭‌‌ ⃤

@Technical_coding 💻

🌟 هوش مصنوعی بدون کدنویسی!
اگر می‌خوای بدون دانش کدنویسی وارد دنیای یادگیری ماشین بشی، ابزار Classification Learner در MATLAB یه راهکار فوق‌العاده‌ست!
🖋 با این ابزار می‌تونی داده‌هات رو تحلیل کنی، الگوها رو کشف کنی و مدل‌های حرفه‌ای یادگیری ماشین رو فقط با چند کلیک بسازی.
ویژگی‌های جذاب این ابزار:
✔️ تحلیل تعاملی داده‌ها و کشف الگوها
✔️ شناسایی ویژگی‌های مهم برای بهترین مدل‌سازی
✔️ ایجاد مدل‌های یادگیری ماشین در کمترین زمان
✔️ ارزیابی و مقایسه دقیق مدل‌ها برای انتخاب بهترین نتیجه
🔥 نکته طلایی؟ می‌تونی مدل آماده‌شده رو به متلب منتقل کنی یا کد تولیدشده رو تو پروژه‌های دیگه استفاده کنی!
این قابلیت از نسخه R2024a به بعد متلب در دسترسه. اگه هنوز امتحانش نکردی، وقتشه وارد دنیای بی‌مرز هوش مصنوعی بشی!
👨‍💻 لینک ابزار
#یادگیری_ماشین #متلب #هوش_مصنوعی #بدون_کدنویسی #مدلسازی #پایتون #متلب #مطلب
#DeepLearning #MachineLearning #code #ML #DL #python #matlab #DataAnalytics #DataScience #dataset #AI
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

✨ معرفی دوره های پاییزی در یک نگاه- سومین دوره
⌛عنوان دوره: «زبان برنامه نویسی R از مقدماتی تا پیشرفته؛ تحلیل حرفه ای داده با R»
🔜 زمان برگزاری جلسه اول: شنبه، 17 آذر ساعت 19
🔸سرفصل جلسات:
💥هفته اول: مبانی R و نصب برنامه
💥هفته دوم: کنترل جریان برنامه، انواع شرط ها، حلقه و توابع
💥هفته سوم و چهارم: Basic Data Management
💥هفته پنجم و ششم: Basic Graph
💥 هفته هفتم و هشتم: Basic Statistics
💥هفته نهم و دهم: Regression
💥هفته یازدهم و دوازدهم: Basic Network Analysis in R
👤با حضور:
👤 دکتر علی محمدی، مدرس جهاد دانشگاهی دانشگاه صنعتی شریف
🔣نحوه ثبت نام:
https://t.me/IDS_Math/177
🔴کسب اطلاعات بیشتر:
  @interdisciplinaryschools2
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧‌ ▼꯭‌‌ ⃤

@Technical_coding 💻