DLeX: AI Python

دیتاست حاوی ۳۴۰MB متن است.

دیتاست مجموعه اخبار تسنیم نیوز هست که اخبار label نوع خبر هم دارند. خود خزشگر رو داخل گیت هابم به آدرس زیر گذاشتم
https://github.com/pourmand1376/TasnimNewsCrawler
و #دیتاست هم در kaggle اپلود شده است.
https://www.kaggle.com/datasets/amirpourmand/tasnimdataset

اینم فقط برا تسنیمه
دیتاستی که اسکریپ شده رو هم گذاشته

❇️ @AI_Python

GitHub

GitHub - pourmand1376/PersianCrawler: Open source crawler for Persian websites.

Open source crawler for Persian websites. . Contribute to pourmand1376/PersianCrawler development by creating an account on GitHub.

👍7👏4❤2👎1

4.14K viewsFarzad 🦅, edited 08:29

DLeX: AI Python

exercises (with solutions) in Machine learning.

Paper: https://arxiv.org/abs/2206.13446
Github repo: https://github.com/michaelgutmann/ml-pen-and-paper-exercises

#کتاب #مقاله

❇️ @AI_Python

👍1

4.09K viewsFarzad 🦅, 17:11

DLeX: AI Python

ICML 2022 - Graph Workshops

ICML starts today with the full week of tutorials, main talks, and workshops. While we are preparing a blog post about interesting graph papers, you can already check the contents of graph- and related workshops to be held on Friday and Saturday.

- Topology, Algebra, and Geometry in Machine Learning (TAG in ML)
- Knowledge Retrieval and Language Models (KRLM)
- Beyond Bayes: Paths Towards Universal Reasoning Systems
- Machine Learning in Computational Design
#مقاله

❇️ @AI_Python

3.66K viewsFarzad 🦅, 07:04

DLeX: AI Python

Forwarded from Learn With Mehdi

سلام سلام
ویدیوی جدید آماده شد و یک استراتژی واقعی رو با کمک دیتای بورس تهران و پایتون بررسی می‌کنیم.

توی این ویدیو با کمک یک استراتژی ساده یعنی میانگین متحرک ساده (SMA) یک برنامه‌می‌نویسیم که موقعیت‌های خرید و فروش رو برامون مشخص می‌کنه و بازده تاریخی استراتژی رو در مقایسه با خرید و نگه‌داری اون سهم بهمون نشون می‌ده:

در مورد سهامی که توی این ویدیو بررسی کردیم بازدهی خیلی خوبتری از بازار داشت!!!!

البته برای این استراتژی کارهای متفاوتی رو انجام دادیم:
- دریافت اطلاعات قیمتی سهام با کمک بسته بورس تهران
- پیاده‌سازی فیچرهای مورد نیاز برای استراتژی با کمک pandas
- مشخص کردن موقعیت خرید و فروش و محاسبه بازده سهام و استراتژی با کمک matplotlib
- ساخت یک تابع برای پیاده‌سازی استراتژی با پارامتر‌ها و سهام مختلف

این ویدیو رو میتونید از طریق لینک زیر تماشا کنید:

https://bit.ly/lwm-algo05-sma

————————————————-

لینک عضویت در کانال:
https://bit.ly/lwm-youtube

لینک گیتهاب پروژه الگوریتم تریدینگ:
https://github.com/ghodsizadeh/algo-trading-yt

لینک گیتهاب پروژه بورس تهران در پایتون:
https://github.com/ghodsizadeh/tehran-stocks

@learn_with_mehdi

YouTube

معاملات الگوریتمی در پایتون | الگوریتم SMA در بورس ایران | قسمت پنجم

در این قسمت بالاخره به صورت #الگوریتم‌تردینگ می شیم و. یکی از ساده‌ترین و قدیمی‌ترین الگوریتم‌ها که باکمک میانگین متحرک ساده سیگنال خرید و فروش رو می‌ده رو بررسی می‌کنم و نتیجه استراتژی رو با اینکه خود سهم رو می‌خریدیم مقایسه می‌کنیم.

spoiler:
بازدهی خیلی…

👍4

2.95K viewsFarzad 🦅, 17:08

DLeX: AI Python

Forwarded from NLP stuff

ارمغانی دیگر از قلمرو مولتی‌مودال! تولید تصاویر انسانی با استایل‌های مختلف.

جذابیت مدل‌‌های generative مخصوصا در حوزه تصویر داره میل به بی‌نهایت می‌کنه. مدل‌هایی مثل deep fake قبلا خیلی گرد و خاک کردند. اخیرا مدلی به‌نام Text2Human معرفی شده که با استفاده از جملات متنی یک استایل از انسان واقعی رو تولید می‌کنه. روش کارش به این صورته که شما در ورودی وضعیت بدنی (human pose) رو به صورت تصویر می‌دید (که هر تصویری می‌تونه باشه و خود دمو هم چندین مثال داره) و فرم لباس و بافت لباس مورد نظرتون رو به صورت جملات متنی می‌دید و مدل براتون تصاویر آدم‌هایی با همان ویژگی توصیف‌شده توسط شما رو تولید می‌کنه. شیوه کار کلی این مدل در دو گام اصلی خلاصه میشه. در گام اول یک تصویرخام از فرم بدن انسان (human pose)، تبدیل به یک قالب کلی انسان با یک لباس بدون بافت و شکل مشخص میشه (human parsing). سپس در گام دوم خروجی گام اول گرفته می‌شه و بافت و فرم لباس رو به تصویر گام قبل اضافه می‌کنه. نمای کلی مدل در تصویر زیر اومده. برای گام اول و تولید بردار بازنمایی قالب بدن انسان از جملات ورودی، از یک شبکه با چندین لایه fully connected استفاده می‌شه و این بردار بازنمایی به همراه تصویر خام به یک شبکه Auto Encoder داده میشه تا در خروجی یک قالب کلی از بدن انسان که فرم لباس در اون مشخصه ولی رنگ و بافت خاصی نداره رو خروجی بده. سپس برای گام دوم، خروجی تصویر گام اول به دو شبکه Auto Encoder همکار داده میشه که یکی مسوول بررسی ویژگی‌های سطح بالای تصویر استایل انسان هست و دیگری به صورت ریزدانه‌تری فیچر‌ها رو در نظر می‌گیره (فرض کنید در شبکه اول هر چند ده پیکسل مجاور هم تجمیع می‌شوند و به شبکه داده می‌شوند در حالیکه در شبکه دوم هر پیکسل یک درایه از بردار ورودی را تشکیل می‌دهد). از طرفی بازنمایی جملات نیز به این شبکه‌ها داده می‌شود. سپس برای اینکه این دو شبکه همکاری داشته باشند خروجی دیکودر شبکه اول به ورودی دیکودر شبکه دوم داده میشه. یعنی شبکه دوم علاوه بر دریافت خروجی encoder خودش، خروجی دیکودر شبکه اول رو هم دریافت می‌کنه و بعد اقدام به بازسازی تصویر نهایی می‌کنه. معماری این قسمت رو هم در تصاویر می‌تونید ببینید. این مدل بر روی هاگینگ‌فیس هم serve شده و می‌تونید دموش رو به صورت رایگان مشاهده کنید.

لینک مقاله:
https://arxiv.org/abs/2205.15996

لینک دمو:
https://huggingface.co/spaces/CVPR/Text2Human

لینک گیت‌هاب:
https://github.com/yumingj/Text2Human

#read
#paper

@nlp_stuff

stuff

👍4

3.16K viewsFarzad 🦅, 13:40

DLeX: AI Python

Forwarded from Farzad 🦅

👍6🤩3

4.72K viewsFarzad 🦅, 09:05

DLeX: AI Python

Forwarded from NLP stuff

رهایی از دوراهی سخت؛ هم تنسورفلو، هم پایتورچ با IVY

تا به حال احتمالا با چالش سخت انتخاب بین تنسورفلو و پای‌تورچ مواجه شده باشید. اخیرا با اضافه شدن Jax هم این انتخاب سخت‌تر شده. اما تیم unifyai یه فریم‌ورک جدید به نام IVY معرفی کرده که یک syntax یکپارچه برای توسعه مدل‌های دیپ داره و صرفا با تنظیم backend این پکیج روی هر یک از فریم‌ورک‌های تنسورفلو، پای‌تورچ و یا jax می‌تونید از عایدات همون ابزار بهره‌مند بشید. البته این فریم‌ورک در مسیر توسعه است و با توجه به عمر کوتاهش اما تعداد استار بسیار زیادی گرفته که نشون میده به نظر راه درستی رو داره میره.

لینک گیت‌هاب:
https://github.com/unifyai/ivy

#tool

@nlp_stuff

stuff

👍13👎2🔥2❤1😁1

2.76K viewsFarzad 🦅, 17:25

DLeX: AI Python

Forwarded from DLeX: AI Python (Deleted Account)

Applying Unsupervised Learning.pdf

1.2 MB

✔️ یادگیری غیرنظارتی متناسب برای دانش آموزان و دانشجویان

🔸 چه موقع از الگوریتمهای کلاسترینگ استفاده کنیم ؟
▫️ تعاریف و کاربردهای یادگیری غیر نظارتی کجاست؟
🔸 برای بهبود مدلهای با بعد کاهشی و تکنیکها چی هستند؟
🔸 چه موقع از PCA استفاده میکنیم؟
🔸 و چه موقع از تحلیل فاکتوری استفاده میشود؟

#یادگیری_ماشین #منابع #یادگیری_غیرنظارتی #الگوریتمها #کتاب #فیلم #کلاس_آموزشی

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

👍4

2.77K viewsFarzad 🦅, 15:25

DLeX: AI Python

ایا میدونستید با سرچ این میتونید با گوگل بازی دوز کنید . بازیهای دیگه گوگل براتون میاره

👍10

3.16K viewsFarzad 🦅, 07:46

DLeX: AI Python

Forwarded from DLeX: AI Python

Learn_Python_Visually.pdf

3.2 MB

2.27K viewsFarzad 🦅, 15:30

DLeX: AI Python

https://adaptivetokensampling.github.io/

2.3K viewsFarzad 🦅, 19:47

DLeX: AI Python

https://adaptivetokensampling.github.io/

In conventional neural networks, the amount of computation used is proportional to the size of the inputs, instead of the complexity of the content of the data being processed. However, the time needed to process input data is a function of more than just the size of the inputs. Common input data for neural architectures also have an inherent complexity that is independent of the input size. Conventional neural architectures do not adjust their computational budget based on the complexity of the data they are processing, or arguably, such adaptation is done manually by the machine learning practitioner. In this work, we, therefore, introduce a differentiable parameter-free Adaptive Token Sampler (ATS) module, which can be plugged into any existing vision transformer architecture. ATS empowers vision transformers by scoring and adaptively sampling significant tokens. As a result, the number of tokens is not constant anymore and varies for each input image. By integrating ATS as an additional layer within the current transformer blocks, we can convert them into much more efficient vision transformers with an adaptive number of tokens. Since ATS is a parameter-free module, it can be added to the off the-shelf pre-trained vision transformers as a plug-and-play module, thus reducing their GFLOPs without any additional training. Moreover, due to its differentiable design, one can also train a vision transformer equipped with ATS. We evaluate the efficiency of our module in both image and video classification tasks by adding it to multiple SOTA vision transformers. Our proposed module improves the SOTA by reducing their computational costs (GFLOPs) by 2X.

👍2

2.66K viewsFarzad 🦅, 19:47

DLeX: AI Python

Very interesting idea on how to move 'common sense' in AI forward. It is always great to explore different ideas and directions and have different perspectives to increase chances of success and advancement.
https://www.technologyreview.com/2022/06/24/1054817/yann-lecun-bold-new-vision-future-ai-deep-learning-meta/

#ai #ml #dl #artificialintelligence #machinelearning #deeplearning

👍3

2.78K viewsFarzad 🦅, 06:41

DLeX: AI Python