داستان ما 😉

تصور کنید از یک مدل زبانی مانند GPT-3 درباره آخرین رییس جمهور آمریکا و یا وضعیت پاندمی سوال می‌پرسید.

هرچند این مدل زبانی توانایی تولید متن ساختار یافته و قابل درک را دارد ولی با توجه به اینکه با داده‌هایی قبل از شیوع پاندمی یا ریاست جمهوری جو بایدن آموزش دیده، جواب بی‌ربطی ارایه خواهد کرد.

یکی از روندهای فعلی اتصال این مدل‌های زبانی به سیستم‌های خبره‌ای است که توانایی جستجو در پایگاه داده خود را دارند.

از آخرین تلاش‌هایی که در این حوزه صورت گرفته مدل MRKL از AI21Labs است.

در مثالی که اینجا می‌بینید من از مدل، درباره‌ی میانگین سنی مسافران کشی تایتاینک پرسیدم.

مدل با استفاده از مدل زبانی Jurassic-X قادر به درک ساختار زبان و با استفاده از پایگاه داده تایتانیک قادر به یافتن پاسخ صحیح سوال است.

https://www.ai21.com/blog/jurassic-x-crossing-the-neuro-symbolic-chasm-with-the-mrkl-system

یک ابزار جالب و کاربردی برای ساخت‌ چت‌بات برای مسنجرها، مخصوصا تلگرام

https://github.com/guidone/node-red-contrib-chatbot

ادرس سایتهایی برای پیدا کردن فاندها و موسسات کمک کننده

🔹 www.dfg.de/en

🔸 www.daad.de/en

🔹 www.humboldt-foundation.de

🔸 www.aif.de

🔹 www.stipendiumplus.de

🔸 www.gerit.org

🔹 www.phdgermany.de

🔸 www.hochschulkompass.de

🔹 www.higher-education-compass.de

🔸 www.dfg.de

🔹 www.helmholtz.de

🔸 www.leibniz-association.eu

🔹 www.mpg.de

🔸 www.maxplanckschools.de

Time-series Transformer Generative Adversarial Networks

Github: https://github.com/jsyoon0823/TimeGAN

Paper: https://arxiv.org/abs/2205.11164v1

Stock data: https://finance.yahoo.com/quote/GOOG/history

Energy data: http://archive.ics.uci.edu/ml/datasets/Appliances+energy+prediction

Imagen unprecedented photorealism × deep level of language understanding From Google

Home: https://gweb-research-imagen.appspot.com/

Paper: https://gweb-research-imagen.appspot.com/paper.pdf

❇️ @AI_Python

Perturbation Augmentation for Fairer NLP

Responsible NLP projects from Meta AI.

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

Paper: https://arxiv.org/abs/2205.12586v1

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

❇️ @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

Text2Human - Official PyTorch Implementation

Github:
https://github.com/yumingj/Text2Human

Project:
https://yumingj.github.io/projects/Text2Human.html

StyleGAN:
https://github.com/stylegan-human/stylegan-human

Paper:
https://arxiv.org/abs/2205.15996v1

Dataset:
https://github.com/yumingj/DeepFashion-MultiModal

❇️ @AI_Python

Python Flask Cheat Sheet

Cheat sheet

❇️ @AI_Python

انتشار دوره کلاسی جدید دانشگاه استنفورد
NLP with Deep Learning

Find links on:
1. lecture slides & videos
2. notes
3. codes
4. suggested readings

All is here⬇️
http://web.stanford.edu/class/cs224n/

#فیلم #کلاس_آموزشی #منابع #پردازش_زبان_طبیعی

❇️ @AI_Python

با تشکر از یکی از دوستان بابت ارسال این پیام یگ ورکشاپ در مورد

Learn medical image analysis and deep learning in Python

از اساتید و پژوهشگران دانشگاه های مقیم کانادا و آمریکا این ورکشاپ برگزار میگردد علاقمندان میتوانند ثبت نام کنند

پ.ن: محدودیتی برای شرکت ایرانیها در سایت ذکر نگردیده است.

❇️ @AI_Python

Deep Learning for NLP

If you want to learn about Deep Learning for NLP through tutorials, we published a few here: https://github.com/dair-ai/ML-Notebooks

From a simple bag of words classifier to more advanced uses of Transformers.

❇️ @AI_Python

📣 فیلم های کوتاه و آموزش یادگیری عمیق شبکه عصبی با ماژول کراس

#فیلم #آموزش #کراس #یادگیری_عمیق #شبکه_عصبی #پایتون #منابع

🌎 Link Review

❇️@AI_Python

سایت دیتا برای nlp و ریکامندرها
http://jmcauley.ucsd.edu/data/amazon/

#دیتاست

❇️@AI_Python

‌
مجموعه پادکست
کاربردهای هوش مصنوعی در کسب و کار

بخش پانزدهم: والمارت – Walmart

اهم مطالب:
– تاریخچه و سوابق والمارت
– روش کار والمارت در بازار خرده‌فروشی
– اهمیت انبارداری و کنترل موجودی در خرده‌فروشی
– تحلیل و پیش‌بینی تقاضا
– نوآوری‌های والمارت برای بهبود تجربه مشتریان
– اپلیکیشن والمارت
– روبات‌های مستقر فروشگاه‌های والمارت
– ابزارها و فناوری‌های مورد استفاده
– کلان‌داده یا بیگ‌دیتا در والمارت
– نتایج، چالش‌ها و ایده‌ها


📚 مراجع:

1️⃣ کتاب Artificial Intelligence in Practice، انتشارات وایلی، ۲۰۱۹

2️⃣ مدخل والمارت در ویکی‌پدیا

3️⃣ رقابت والمارت و آمازون

4️⃣ روبات‌های مستقر در شعب والمارت

5️⃣ استفاده از روبات‌ها در فروشگاه‌های والمارت

6️⃣ اخبار مربوط به بوسا نووا

7️⃣ کلان‌داده یا بیگ‌دیتا در والمارت

8️⃣ بینایی ماشین در والمارت

9️⃣ کاربرد هوش مصنوعی در والمارت


✴️ شنیدن این اپیزود در دیگر پلتفرم‌ها

🔗 کست‌باکس [+]

🔗 اینستاگرام [+]

#پادکست #هوش_مصنوعی
ـــــــــــــــــــــــــــــــــ

سید مصطفی کلامی هریس
وبسایت: kalami.ir
کانال رسمی: ‎@KalamiHeris

کانال پرسش و پاسخ: ‎@Kalami_QA

‌

GraphML arXiv: Hypergraph NNs, GNNs are dynamic programmers, latent graph learning, 3D equivariant molecule generation, and a new GNN library for Keras.

△ Hypergraph Neural Networks:
- Message Passing Neural Networks for Hypergraphs
- Hypergraph Convolutional Networks via Equivalency between Hypergraphs and Undirected Graphs ft. Yu Rong.
- Preventing Over-Smoothing for Hypergraph Neural Networks

⅀ Theory:
- Graph Neural Networks are Dynamic Programmers ft. Petar Veličković.
- OrphicX: A Causality-Inspired Latent Variable Model for Interpreting Graph Neural Networks
- Shift-Robust Node Classification via Graph Adversarial Clustering ft. Jiawei Han.
- Mutual information estimation for graph convolutional neural networks
- Graph-in-Graph (GiG): Learning interpretable latent graphs in non-Euclidean domain for biological and healthcare applications ft. Michael Bronstein.

🏐 Equivariance and 3D Graphs:
- Equivariant Diffusion for Molecule Generation in 3D ft. Max Welling.
- 3D Equivariant Graph Implicit Functions

📚 Libraries and Surveys:
- GNNkeras: A Keras-based library for Graph Neural Networks and homogeneous and heterogeneous graph processing ft. Franco Scarselli.
- Graph Neural Networks in IoT: A Survey

🔨 Applications:
- Graph similarity learning for change-point detection in dynamic networks ft. Xiowen Dong.
- Multilingual Knowledge Graph Completion with Self-Supervised Adaptive Graph Alignment ft. Yizhou Sun.
- A Simple Yet Effective Pretraining Strategy for Graph Few-shot Learning
- Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling and Design ft. Pieter Abbeel.

#مقاله

❇️@AI_Python

🔰 گفتگو با دکتر حمید عرب نیا استاد دانشگاه جورجیا

📣 موضوع گفتگو :
استارت آپ : از ایده تا عمل

در تاریخ جمعه 10 june ساعت 21 به وقت تهران

گوگل اسکالر :
https://scholar.google.com/citations?user=g86VLOUAAAAJ&hl=en

🔔لینک گفتگو به زودی منتشر میگردد

🔰 گفتگو با دکتر حمید عرب نیا استاد دانشگاه جورجیا

📣 موضوع گفتگو :
استارت آپ : از ایده تا عمل

در تاریخ جمعه ۲۰ خرداد ساعت 21 به وقت تهران
🔰 https://instagram.com/ai_python_podcast