#مقاله جدید دکتر Yoshua Bengio

This figure illustrates why we use the word “flow” in GFlowNets. We think about the flow of unnormalized probabilities, similar to the amount of water flowing from an initial state (s0 on the left) in a directed acyclic graph (that may be exponentially large, so we don’t need to represent it explicitly in computers) whose trajectories correspond to all the possible sequences of actions, actions that determine state transitions) in order to sequentially construct complicated objects like molecular graphs, causal graphs, explanations for a scene, or (and this is the real inspiration) thoughts in our mind.

Generative Flow Networks

❇️ @AI_Python

مهمترین مطالب برای یادگیری ماشین

#منابع #یادگیری_ماشین

❇️ @AI_Python

جوری که شرکت‌های ایرانی نیروی تخصصی می‌خوان

#مهمونی

آموزش درخت تصمیم برای مدلهای طبقه بندی


#منابع #الگوریتمها #یادگیری_ماشین #آمار

❇️ @AI_Python

دوره
Natural Language Processing with Sequence Models
سایت کورسرا
10 Traditional Language models

#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم

❇️ @AI_Python

دوره
Natural Language Processing with Sequence Models
سایت کورسرا
11 Recurrent Neural Networks

#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم

❇️ @AI_Python

دوره
Natural Language Processing with Sequence Models
سایت کورسرا
12 Applications of RNNs

#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم

❇️ @AI_Python

🙋🏻‍♀️ 20 topics you’ll never regret learning before your SQL interview!

1. CASE WHEN. Shows up all the time.
2. Self joins. Common in product.
3. DISTINCT and GROUP BY.
4. Left vs outer joins.
5. UNION. Rarely discussed but frequent.
6. SUM and COUNT.
7. Date-time manipulation.
8. String formatting, substring.
9. Window functions like rank and row.
10. Subqueries.
11. HAVING vs WHERE.
12. LAG and LEAD.
13. Understanding indexing.
14. Running totals.
15. MAX and MIN.
16. Using SUM CASE WHEN to count.
17. COUNT DISTINCT.
18. How to debug a query.
19. How to speed up a query.
20. Rank and dense rank.

By Eric Weber, on LinkedIn.

❇️ @AI_Python

دوره
Natural Language Processing with Sequence Models
سایت کورسرا
14 Cost Function for RNNs

#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم

❇️ @AI_Python

دوره
Natural Language Processing with Sequence Models
سایت کورسرا
13 Math in Simple RNNs

#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم

❇️ @AI_Python

Comprehensive Python Cheatsheet

#منابع #پایتون

❇️ @AI_Python

Rethinking Portrait Matting with Privacy Preserving

Code: https://github.com/mingjiechen/dyganvc

Paper: https://arxiv.org/abs/2203.16828v1

Dataset: https://github.com/vitae-transformer/vitae-transformer-matting#ppt-setting-and-p3m-10k-dataset

خلاصه #بینایی_کامپیوتر و شبکه های عصبی کانولوشنی
#منابع #شبکه_عصبی_کانولوشن

❇️ @AI_Python

Dalle2
میتونید زیر این تویت ‌بنویسید که چی براتون جنریت کنه:
https://twitter.com/sama/status/1511724264629678084?t=eIOoyECbKRxD-GE44nhFPg&s=19

مقاله این مدل:

https://cdn.openai.com/papers/dall-e-2.pdf

دمو این مدل
https://openai.com/dall-e-2/
اینجا میتونید انتظارات خودتون رو برای توسعه این مدل بنویسید اگه قابل قبول بود دسترسی بهتون بدن
https://labs.openai.com/waitlist

دوست داشتید کامنتها رو هم یه دور ببینید خروجی‌های خیلی خوبی داره :)
#مقاله

@ai_python

آموزشهای مقدماتی و پیشرفته منتشر شده برای ابزارهای #هوش_مصنوعی

Hot topics:
1. Stanford CS229: Machine Learning
2. Practical Deep Learning for Coders (2020)
3. Deep Unsupervised Learning
4. Advanced NLP
5. Deep Learning for Computer Vision
6. Deep Reinforcement Learning
7. Full Stack Deep Learning
8. Self-Driving Cars (Tübingen)


https://github.com/dair-ai/ML-YouTube-Courses

#منابع #فیلم #کلاس_آموزشی


❇️ @AI_Python

لیست مقالات مدلهای NLP


https://github.com/thunlp/PLMpapers

#منابع #مقاله #پردازش_زبان_طبیعی

❇️ @AI_Python

نسخه جدید کتابخانه بورس تهران در پایتون منتشر شد!
https://youtu.be/5ktBsR9Em58

کار اصلی این کتابخانه دریافت اطلاعات مالی موجود در سایت tsetmc است، در نسخه جدید امکانات زیادی به کتابخانه اضافه شده و البته بهبودهای خوبی هم در عملکردش انجام شده:

- راه‌اندازی ابتدایی و دریافت اطلاعات کلی شرکت‌ها بلافاصله بعد از این اجرا
- دریافت اطلاعات کامل قیمت شامل بیش از ۱.۲ میلیون قیمتی و ۲۱ سال تاریخچه سهام
- دریافت اطلاعات آنی از روی تابلو
- دریافت اطلاعات مربوط به افزایش سرمایه و تعدیل قیمت
- سازگار با pandas
- پشتیبانی کامل از تاریخ شمسی با کمک کتابخانه jalali-pandas
- قابلیت انتقال دیتابیس از sqlite به هر دیتابیس دیگری مانند postgresql با تغییر در فایل config
- امکان بک‌تست استراتژی‌ها با بسامد روزانه
- ...


برای دریافت کتابخانه و راهنمای نصب و استفاده می‌تونید به صفحه گیتهاب اون مراجعه کنید:
https://github.com/ghodsizadeh/tehran-stocks


برای راهنمای کامل می‌تونید به پست بلاگ مراجعه کنید:

https://learnwithmehdi.ir/posts/tehran-stocks-python/

برای مشاهده ویدیوی معرفی و مشاهده عملی کار با کتابخانه از لینک زیر استفاده کنید:
https://youtu.be/5ktBsR9Em58

راه‌های حمایت از این کتابخانه در صفحه گیتهاب توضیح داده شده ولی مهمترین حمایت چیزی جز انتشار این کتابخانه و معرفی کتابخانه و کانال یوتوب به دیگرانه.

پیشاپیش ممنون از حمایت شما.


@learn_with_mehdi

دوره
Natural Language Processing with Attention Models
سایت کورسرا
9 Sampling and Decoding

#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا

❇️ @AI_Python

#الگوریتم_ژنتیک #پایتون #الگوریتمها

❇️ @AI_Python