Why google Bert was ahead of it's time?

Because it was a masked language model even before COVID
😂😂😂😂😂

@ai_python

10 Free Resources To Learn PyTorch In 2022

List of curated PyTorch resources:

1) PyTorch Official Tutorials.

2) Intro to Deep Learning with PyTorch by Facebook AI.

3) PyTorch Fundamentals By Microsoft

4) PyTorch - Python Deep Learning Neural Network API by Deeplizard.

5) Deep Neural Networks with PyTorch by Joseph Santarcangelo

6) PyTorch Basics for Machine Learning by IBM

7) Deep Learning with Python and PyTorch

8) Pytorch - Deep learning with Python by Harrison Kinsley, Sentdex

9) Make Your First GAN Using PyTorch

10) PyTorch Tutorials By Morvan Zhou

Bonus:
Deep Learning with PyTorch book📚

#فیلم #کلاس_آموزشی #هوش_مصنوعی #الگوریتمها

❇️ @AI_Python

کانال ما حامی بنیاد نیکوکاری نسیم مهربانی هست . علاقمندان به شرکت در این مهربانی در حدی که علاقه دارند کمک کنید

تولید شده توسط هوش مصنوعی

عکس اول (بالا سمت چپ) چیزی هست که با توضیحات من (مهندسی) توسط stable diffusion تولید شده (اصن جذاب نیست)
برای همین از یک دوست طراح خوساتم کهکشان رو با چشم طراحی برام توصیف کنه و چندتا جمله بهم بده (درک اینکه چی میگه و تو ذهنش چی هست برام سخت بود) اما بعد از تولید stable diffusion و انتخاب بین عکسا (برای هر متن ۵ تا عسک تولید شد) قشنگ درک کردم توضیحاتش رو که خودش یک قدم بزرگی هست بنظرم.

خواستم بگم به جزئیات عکس‌ها نگاه کنید و مدل‌های هوش مصنوعیتون رو به طراح‌ها بسپارید.

پ.ن : عکس‌ها رو نذاشتم چون watermark - safety checker رو توی سورس کد خاموش کردم :
بخاطر اینکه بفهمم روی چه دیتایی آموزش دیده (بله امکانش هست)

اگر میخواید توسط بستر اسپیس هاگینگ فیس امتحان کنید (که البته اینقدر بهش هجوم آوردن سخت جواب میده)
https://huggingface.co/spaces/stabilityai/stable-diffusion

اگر هم می‌خواید خودتون کد رو ران کنید (اگر خودتون GPU دارید یا حتی با کولب هم میشه ران گرفت):
https://huggingface.co/CompVis/stable-diffusion-v1-4

کیفیت تصاویری خروجیش خیلی عالیه که نشون میده ایده ای Latent Diffusion خوب کار میکنه اما ارتباط اش با متن از اونی که توی مدل Imagen دیده بودیم خیلی کمتره. این مدل حجم Text Encoder اش تقریبا 10 برابر کوچیک تر از Imagen هست. مقاله Imagen اشاره کرده بود که حجم مدل Text Encoder خیلی مهمه و هر چقدر بزرگ تر باشه تصاویر خیلی مرتبط تری تولید می شه.
اینجا می تونید چند تا از نمونه های خروجی Imagen رو ببینید و مقایسه کنید:‌
https://imagen.research.google/

@cvisio

اگه می خواید به صورت تخصصی تر بررسی کنید از مقاله زیر استفاده کنید .
https://arxiv.org/abs/2112.10752
#مقاله

✔️ نقشه راه برای تبدیل شدن به یک Smart Contract Auditor
@ai_python
@soliditylang_fa
@theeconomicspapers

Learning Affordance Grounding from Exocentric Images

Github: https://github.com/lhc1224/Cross-View-AG

Paper: https://arxiv.org/abs/2208.13196v1

Dataset: https://paperswithcode.com/dataset/3d-affordancenet

Independent Encoder for Deep Hierarchical Unsupervised Image-to-Image Translation

Github: https://github.com/Elvinky/IEGAN

Paper: https://arxiv.org/abs/2107.02494

Datasets: https://github.com/Elvinky/IEGAN/tree/main/dataset

Image-to-Image Translation: https://paperswithcode.com/task/image-to-image-translation

اینجا کلی سرویس ابری رایگان هست که می‌تونید پروژه‌های آزمایشی خودتونو روشون پیاده کنید:
https://github.com/ripienaar/free-for-dev

#منابع

❇️ @AI_Python

مصاحبه‌ جذابی از گروه Fully connected با دکتر Vahid Behzadan و با موضوع امنیت سیستم‌های هوشمند انجام شده است. از طریق لینک زیر می‌تونید به ویدیو دسترسی داشته باشید.


https://youtu.be/8LGH9lfBDXw

#فیلم

❇️ @AI_Python

A Deep Learning Road Map And Where To Start

https://medium.com/@ArianAmani/the-deep-learning-road-map-that-i-took-c29120b0f5e2

Text-Free Learning of a Natural Language Interface for Pretrained Face Generators


pip install git+https://github.com/openai/CLIP.git

Github: https://github.com/duxiaodan/fast_text2stylegan

Paper: https://arxiv.org/abs/2209.03177v1

Dataset: https://paperswithcode.com/dataset/ffhq

100s 𝗼𝗳 𝗡𝗟𝗣 𝗣𝗮𝗽𝗲𝗿𝘀 𝘄𝗶𝘁𝗵 𝗖𝗼𝗱𝗲! 💡

I found this amazing website, it can help you keep track of recent advancements in NLP, by offering an updated list of the latest NLP research papers.

Also it provides a link to the Github repos, making it a valuable resource for ML researchers and practitioners. You can check the following link:
https://index.quantumstat.com/

#منابع #پردازش_زبان_طبیعی #مقاله #کتاب

❇️ @AI_Python

GNNs Learn To Smell & Awesome NeurReps

1) Back in 2019, Google AI started a project on learning representations of smells. From basic chemistry we know that aromaticity depends on the molecular structure, e.g., cyclic compounds. In fact, the whole group of ”aromatic hydrocarbons” was named aromatic because they actually has some smell (compared to many non-organic molecules). If we have a molecular structure, we can employ a GNN on top of it and learn some representations - that is a tl;dr of smell representation learning with GNNs.

Recently, Google AI released a new blogpost describing the next phase of the project - the Principal Odor Map that is able to group molecules in “odor clusters”. The authors conducted 3 cool experiments: classifying 400 new molecules never smelled before and comparison to the averaged rating of a group of human panelists; linking odor quality to fundamental biology; and probing aromatic molecules on their mosquito repelling qualities. The GNN-based model shows very good results - now we can finally claim that GNNs can smell! Looking forward for GNNs transforming the perfume industry 📈

2) The NeurReps commnuity (Symmetry and Geometry in Neural Representations) is curating the Awesome List of resources and research related to the geometry of representations in the brain, deep networks, and beyond. A great resource for Neuroscience and Geometric DL folks to learn about the adjacent field!

میدونستید گوگلی ها برای یافتن بهترین دسر غذاشون یه تحقیقاتی انجام دادن و مقاله هم کردن و تو nips چاپ کردن؟
@ai_python

StoryDALL-E: Adapting Pretrained Text-to-Image Transformers for Story Continuation

Github

Paper

Model

Demo

Dataset

#مقاله

❇️ @AI_Python

Machine Learning on Geographical Data

#Geodata #ML #MachineLearning #Python
#AI #DataScience #artificialIntelligence

https://reconshell.com/machine-learning-on-geographical-data/

Entity Tagging: Extracting Entities in Text Without Mention Supervision

Github: https://github.com/facebookresearch/groov

Paper: https://arxiv.org/abs/2209.06148v1

Model: https://github.com/adymaharana/storydalle/blob/main/MODEL_CARD.MD

Dataset: http://manikvarma.org/downloads/XC/XMLRepository.html

🤖 DAMO ConvAI

The official repository which contains the codebase for Alibaba DAMO Conversational AI.

⚙️ Github
➡️ Paper
📎 Tasks
🗒 Text-to-SQL Parsing

#مقاله

❇️ @AI_Python