اگه میخواهید از سیر تا پیازِ مدلهای زبانی و مدلهای LLM از مفاهیم اصلی تا آماده کردن دیتا، ترینینگ، fine tuning، دیپلوی و مانیتور کردن مدل در محیط production را یاد بگیرید این ۱۱۴ صفحه را بخونید. اندازهِ تمام ۲ سال گذشته مفاهیم اصلی این حوزه را یاد میگیرید.
#هوش_مصنوعی
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

پیچیدگی زمانی 10 الگوریتم محبوب یادگیری ماشین
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

Quick Start Guide to Large Language Models
راهنمای سریع:
مقدمه‌ای بر مدل‌های زبانی بزرگ (Large Language Models) ارائه می‌دهد.
راهبردها و بهترین شیوه‌های استفاده از LLMها مانند ChatGPT را معرفی می‌کند.
مناسب برای توسعه‌دهندگان، محققان داده، و علاقه‌مندان به هوش مصنوعی و کاربردهای مدل‌های زبانی است.
به عنوان مرجعی برای یادگیری نحوه استقرار و مدیریت LLMها مورد استفاده قرار می‌گیرد.
#LLM #LargeLanguageModels #ChatGPT #Book
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

کمپانی HuggingFace یک سری مدل کوچیک به اسم SmolLM2 که تا سقف ۲ میلیارد پرامتر دارند، معرفی کرده که برای خیلی از کارها از جمله بازنویسی متن (rewriting)، خلاصه کردن متن (summarization)، و function calling میتونید راحت به صورت لوکال با سرعت خیلی بالا ازشون استفاده کنید.
HuggingFace link
#LLM
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

🎞️ لينك ويديو
🎛️📡 يادگيري تقويتي يا همان Reinforcement Learning جز مباحثي هست كه خوب براي موضوع پايان نامه و جالب.
💾 از جمله ديتاست هاي معروفش:
1. OpenAI Gym
2. DeepMind Control Suite
3. Atari Games
4. MuJoCo
5. Roboschool
📄از جمله مقالات براي اشنايي:
▪️ Deep Reinforcement Learning: An Overview” by Yuxi Li (2017)
▪️ A Survey on Reinforcement Learning Algorithms for Control and Decision-Making Problems
#کلاس_آموزشی #منابع #فیلم #یادگیری_تقویتی #پیشرفته #مقاله
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

معرفی #کتاب های #یادگیری_عمیق و #یادگیری_ماشین:
✅ Data Mining and Machine Learning (Zaki)
👉link
✅ Deep Learning
Foundations and Concepts, 2023, (Bishop)
👉link
✅ Pattern Recognition and Machine Learning (Bishop)
👉link
✅ Deep Learning (Goodfellow )
👉 link
✅ Probabilistic Machine Learning_ An Introduction, 2022 , (Murphy)
👉link
✅ Probabilistic Machine Learning: Advanced Topics, 2023 , (Murphy)
👉link
✅ Dive into Deep Learning ,2023
👉link
✅ Linear Algebra and Optimization for Machine Learning
👉link
✅ Deep Learning with Python: Chollet, Francois
👉 link
✅ Deep Learning with PyTorch Step-by-Step
👉 link
✅ Mathematics for Machine Learning
👉 link
✅ Hands-On Data Preprocessing in Python
👉 link
✅ Mastering Machine Learning Algorithms
👉 link
✅ Generative Deep Learning (David Foster)
👉 link
#هوش_مصنوعی #آموزش #شبکه_عصبی #مدل_های_دیپ_لرنینگ
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

کاربرد های زبان های برنامه نویسی در عکس مشخص شدند که هر زبان برای چه کاربردی هایی هست و همچنین اگر کاربردی داشتین سراغ کدام زبان های برنامه نویسی میتونید برید.
#برنامه_نویسی #زبان_برنامه_نویسی #پایتون #مطلب #متلب #جاوا #سی #سی_پلاس_پلاس #جاوا_اسکریپت #آر #اسکالا #کد_نویسی #کدنویسی
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

Reinforcement Learning: An Overview1
کتاب یادگیری تقویتی: مروری ۱
#کتاب #منابع #یادگیری_تقویتی
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

آنالیز فعالیت ها توی تلگرام
⚪️ با اجرا کردن این کد روی اکانت تلگرام میتونید با ارسال دستور /status در هر زمان که خواستید یک آمار روزانه از فعالیت خودتون توی تلگرام ببنید با کیا بیشتر صحبت کردید چقدر توی تلگرام وقت گذروندید و ...
آموزش استفاده
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

کد مورد نیاز:

from telethon import TelegramClient, events
from datetime import datetime, timedelta
from collections import Counter

api_id = 'Api Aid'
api_hash = 'Api hash'

client = TelegramClient('user_session', api_id, api_hash)

activity_log = []

@client.on(events.NewMessage)
async def track_activity(event):
    activity_log.append({
        'chat_id': event.chat_id,
        'chat_name': (await event.get_chat()).title if event.is_channel else (await event.get_chat()).first_name,
        'time': datetime.now(),
        'type': 'channel' if event.is_channel else 'chat'
    })

@client.on(events.NewMessage(pattern='/status'))
async def send_status(event):

    now = datetime.now()
    today_log = [log for log in activity_log if log['time'].date() == now.date()]


    chat_counter = Counter(log['chat_name'] for log in today_log if log['type'] == 'chat')
    channel_counter = Counter(log['chat_name'] for log in today_log if log['type'] == 'channel')
    total_time_spent = sum((log['time'] - today_log[i - 1]['time']).seconds for i, log in enumerate(today_log[1:], 1) if today_log[i - 1]['chat_id'] == log['chat_id'])


    response = "📊 **گزارش فعالیت امروز:**\n\n"
    response += "👥 **چت‌های برتر:**\n"
    for chat, count in chat_counter.most_common(5):
        response += f"- {chat}: {count} پیام\n"
    
    response += "\n📣 **کانال‌های دنبال‌شده:**\n"
    for channel, count in channel_counter.most_common(5):
        response += f"- {channel}: {count} پیام\n"
    
    response += f"\n🕒 **زمان کل در تلگرام:** {timedelta(seconds=total_time_spent)}\n"

    await event.reply(response)

async def main():
    await client.start()
    print("کلاینت فعال شد!")
    await client.run_until_disconnected()

if __name__ == '__main__':
    import asyncio
    asyncio.run(main())

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

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧‌ ▼꯭‌‌ ⃤

@Technical_coding 💻

Python Machine Learning
یادگیری ماشین پایتون
#هوش_مصنوعی #کتاب #یادگیری_ماشین #پایتون
#MachineLearning #DeepLearning #python #AI #book
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

The Transformer Architecture: A Visual Guide
🔗 Link_discretion
#بروشور
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

گیت‌هاب نسخه رایگان هوش مصنوعی کدنویسی کوپایلت را برای برنامه‌نویسان عرضه کرد.
گیت‌هاب اعلام کرد دستیار هوش مصنوعی Github Copilot رایگان در دسترس کاربران قرار گرفته است. کاربران Github.com و Visual Studio Code از همین حالا می‌توانند از این سرویس استفاده کنند.
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

برای یادگیری Machine Learning با پروژه های واقعی، این لینک گیتهاب را از دست ندید:
https://github.com/ml-tooling/best-of-ml-python
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

کتابخانه اوپن سورس BetterWhisperX که یک فورک بهبود یافته از WhisperX هست ، برای تشخیص صحبت به همراه دیاریزاسیون
https://github.com/federicotorrielli/BetterWhisperX
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

این مقاله الگوریتم‌های حفظ حریم خصوصی را برای تحلیل تمرینات توانبخشی زانو از داده‌های ویدئویی معرفی می‌کند. این الگوریتم‌ها از Google MediaPipe برای تخمین وضعیت بدن استفاده کرده و ویدئوها را به داده‌های سری زمانی تشخیصی تبدیل می‌کنند.
الگوریتم‌ها ویدئوها را با استفاده از اسکچ‌های استخوان‌بندی و تخمین زاویه زانو تقویت کرده و به دقت 91.67% تا 100% در شناسایی تمرینات از زوایای مختلف دست یافته‌اند.
این تحقیق به هوش مصنوعی قابل تفسیر کمک کرده و توسعه پلتفرم‌های متن‌باز و غیر انحصاری برای سیستم‌های بهداشتی در آینده را تسهیل می‌کند.
▪️ Towards nation-wide analytical healthcare infrastructures: A privacy-preserving augmented knee rehabilitation case study
#مقاله #ایده_جذاب #علوم_پزشکی
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

مایکروسافت مدل زبان Phi-4 را با ۱۴ میلیارد پارامتر منتشر کرده است، که تحت مجوز MIT به صورت کامل متن‌باز در هاب هاجینگ‌فیس قرار دارد
#هوش_مصنوعی #Artificial_Intelligence
https://huggingface.co/microsoft/phi-4
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

Top 10 Machine Learning Algorithms
۱۰ تا بهترین الگوریتم های یادگیری ماشین
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

این مقاله مدل هوش مصنوعی LUNA را معرفی می‌کند که نقشه‌های هوادهی ریه را مستقیماً از داده‌های فرکانس رادیویی (RF) بازسازی می‌کند و نیاز به تفسیر تصاویر سنتی B-mode در سونوگرافی ریه را حذف می‌کند.
با استفاده از یک اپراتور عصبی فوریه (Fourier Neural Operator)، LUNA در اسکن‌های ریه خوک به‌صورت برون‌تنی، پس از آموزش با داده‌های شبیه‌سازی‌شده و واقعی، به خطای تخمین هوادهی 9% دست یافته است.
این روش کمی و مستقل از کاربر با هدف بهبود کاربرد تشخیصی و قابلیت تکرارپذیری #سونوگرافی ریه طراحی شده است.
▪️ Ultrasound Lung Aeration Map via Physics-Aware Neural Operators
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻