تک تیک، رسانه فارسی زبان جامعه آی تی، از دسامبر 2016 تا به امروز 🖥

@TechTik 👨‍💻

بیش از هزار توتوریال رایگان در حوزه های :
وویپ 📞
امنیت شبکه ✉️
لینوکس 🐧
سیسکو
میکروتیک
مجازی سازی 💻
و مایکروسافت 👨‍💻

ترنسفورمرها چه قدر در پیش بینی Time Series موثر هستند؟ 🧐
#timeseries
#forecasting

این مقاله رو بخونیم ، ببینیم چی به چیه ...

✍️ arxiv

اسپویل برای مهندسین عجول (لینک گیت هاب) :

Tranformers Are What You Dont Need !!! 🫤

🚀 ابزار تازه ای در دنیای تایم سریز و فورکستینگ ایجاد شده، که نظر بسیاری از محققین داده رو به خودش جلب کرده. به همین دلیل کمی از قابلیت هاش رو بررسی می کنیم:

MFLES :

🔴 Multiple Seasonality Support
🔴 Conformal Prediction Intervals
🔴 Seasonality Decomposition
🔴 Parameter Optimization
و ...
🔜 Custom Exogenous Models (Coming Soon)

اما چیزی که باعث شد نظر من بهش جلب بشه و توی DLeX دربارش بنویسم، بنچ مارکی بود که نتایجش رو در تصویر مشاهده می کنید.

این بنچ مارک بر روی سناریوهایی صورت پذیرفته است که multiple seasonality در آن ها وجود داشته است.

در صورتی که تجربه ای در استفاده از MFLES دارید ، خوشحال می شیم که در IT and Binary به اشتراک بذارید. 💬

نوید داریا

#TimeSeries #Forecasting #DataScience #MachineLearning

توی این پلی لیست، گوگل یه سری ویدیو خیلی کوتاه ساخته، درباره مفاهیم، ابزارها و LLM های مخلتف :
https://www.youtube.com/playlist?list=PL95lT3XlM14QywYg8k6utMOQVyvZHT2vi

از جمله این موارد :
🔴 Responsible AI
🔴 Chirp
🔴 Codey
🔴 MedPaLM 2
and ... ... ...

@ai_python

آینده می‌تواند بر اساس تصمیماتی که ما امروز می‌گیریم تغییر کند. بنابراین این امکان بسیار خوبی است که به جای نشان دادن فقط یک اتفاق مشخص، با تصاویر مختلفی از آینده آشنا شویم:
@ai_python
حالا، فرض کنید که یک بستنی فروشی 🍦 دارید و می‌خواهید حدس بزنید تابستان آینده چند بستنی فروخته می‌شود؟

یک مدل احتمالی یا بهتر بگویم probabilistic model مثل گوی جادویی پیش بینی آینده برای اعداد است. ولی این مدل، فقط یک عدد را حدس نمی‌زند؛ به شما مجموعه‌ای از اعداد مختلف نشان می‌دهد که ممکن است درست باشند، مثلاً شاید ۱۰۰، یا ۱۵۰، یا ۲۰۰ بستنی. به این ترتیب، تو می‌توانی در مورد اتفاقات مختلفی که ممکن است بیفتد فکر کنی، مثلاً اگر تعداد زیادی بستنی بفروشی یا فقط چندتا، و برای هر دو حالت برنامه‌ریزی کنی.

کتابخانه GluonTS کار با probabilistic model ها را برای حدس زدن چیزهایی در مورد زمان، مثل تعداد بستنی‌هایی که هر ماه می‌فروشید، آسان‌تر می‌کند.

در واقع :

GluonTS streamlines the process of using probabilistic models for #timeseries data

فکر کردم قرار دادن منابع آموزشی Amazon در حوزه ماشین لرنینگ، خالی از لطف نباشه. به خصوص که این منابع رایگان هستن :

لینک دسترسی به دوره ماشین لرنینگ AWS

هرچند که بهتره به جای دوره ماشین لرنینگ، همون طور که خود AWS Skill Builder نام گذاری کرده، Machine Learning Learning Plan رو استفاده کنم. 😅 (اشتباه تایپی نیست. دو تا لرنینگ پشت سر هم میاد)

@ai_python

خبر خوب این که در این دوره به Sage Maker هم پرداخته شده. البته برنامه ما اینه که درباره Sage Maker بیش تر در کانال تلگرامی @WearebiTs صحبت کنیم در آینده. که بیش تر به مباحث کلاود می پردازه.

یادگیری ماشین به شیوه Reinforcement Learning یکی از تکنیک هایی هست که کاربردهای بسیاری به خصوص در صنعت رباتیک 🤖 🤖 داره. پلی لیست زیر که حدود 2 سال پیش در یوتیوب منتشر شده ، چشم انداز مناسبی در رابطه با RL در اختیار ما قرار می دهد :

Reinforcement Learning - Fall 2021

@ai_python

سرفصل ها :

🎓 Introduction to RL
🎰 Multi-armed Bandits
📈 Policy Gradient Methods
🎯 Contextual Bandits
🔄 Finite Markov Decision Process
💻 Dynamic Programming
🔄 Policy Iteration, Value Iteration
🎲 Monte Carlo Methods

پی نوشت برای مبتدی ها و علاقه مندان : RL مثل این می مونه که ماشین با شیوه پاداش و تنبیه راه حرکت کردن توی یک هزارتو رو یاد بگیره. یعنی هر چی به هدف نزدیک تر شد پاداش بگیره و هر چه قدر به بن بست نزدیک شد ، جریمه بشه.

اگه بیش تر به مثالی که گفتم فکر کنید ، می تونید تصور کنید چرا توی رباتیک کاربرد داره. برای مثال آموزش راه رفتن به ربات ها، ماشین های خودران، بازی سازی (حتی مسائل ساده تری مثل بازی شطرنج) و شاید به نظر من یکی از مهم ترین کاربردها در صنعت Health Care برای شخصی سازی پلن های درمان و در نهایت حوزه مالی 🤑🤑 و حتی خود NLP !!!

خلاصه که فعلن جا برای مطالعه و یادگیری زیاد داره 🔖