"TRFL (pronounced "truffle"): a library of reinforcement learning building blocks"

By the Research Engineering team at DeepMind: https://lnkd.in/eumHdxQ

#artificialintelligence #deeplearning #reinforcementlearning

🙏Thanks to: @vahidreza01

Key Papers in Deep RL

https://spinningup.openai.com/en/latest/spinningup/keypapers.html

#artificialintelligence #deeplearning #reinforcementlearning

🙏Thanks to: @vahidreza01

Better Language Models and Their Implications

یک مدل زیانی جدید با قدرت خیلی زیاد که از ترس سوء استفاده نسخه کامل منتشر نشده!

#gpt2

OpenAI has a new language model, so powerful they aren't releasing the full version! I know, it sounds like some bad sci fi.

The results are absolutely stunning. Prepare to be flooded in a year or so with high-quality text hallucinated by neural nets.

It's another transformer-based model, yet again cementing the dominance of transformer architectures in NLP. It has 1.5 billion parameters.

Paper: https://d4mucfpksywv.cloudfront.net/better-language-models/language-models.pdf
Code: https://github.com/openai/gpt-2
Blog: https://blog.openai.com/better-language-models/


—————————————-
اخبار و توئیت های مرتبط:
🖊توئیت Andrej Karpathy - خطر نوشتن بیشتر در فاضای مجازی ...
🖊تولید شعر با مدل GPT2
🖊هوش مصنوعی openAI میتواند اخبار جعلی بنویسد
🖊 لینک کد روی گوگل کولب برای تست سریع
🖊توئیت در مورد خطرناک بودن GPT2 و سیاست های ایلان ماسک! و پاسخ ایلان ماسک
🖊 تست و خروجی خشونت آمیز !
🙏Thanks to: @vahidreza01
#deeplearning #artificialintelligence #machinelearning #nlp

#سورس_کد
همین الان بدون نصب هیچ کتابخانه ای چند مثال عملی در مورد gpt2 در گوگل کولب اجرا کنید...

in this Jupyter notebook you can play around with the small version (117M) of Open AI's GPT-2 Model from the paper Language Models are Unsupervised Multitask Learners.

https://colab.research.google.com/github/ilopezfr/gpt-2/blob/master/gpt-2-playground_.ipynb#scrollTo=tI-HVDbQS9dF

#gpt2

#ژورنال جدید برای بیومتریک
Mayank :
It gives me immense pleasure to announce that my efforts on starting an IEEE Transactions is now successful. The first issue of IEEE T-BIOM is now online. It took me about 4 years to give the Biometrics Community its own IEEE Transactions:

https://lnkd.in/fABn2X3

My editorial, jointly with Mark Nixon, appears as Vol.1, No.1, Pages 1-2 :-)

Details of the Transactions are available at: https://lnkd.in/fhJ-Aur

#biometrics #ieeetransactions #artificialintelligence #ieee


https://www.linkedin.com/feed/update/urn:li:activity:6508952101203337216

@Machinelearning_Kartal

The evolution of art through the lens of deep convolutional networks

“The Shape of Art History in the Eyes of the Machine”, Elgammal et al.: https://lnkd.in/dgjmqYc

#art #artificialintelligence #deeplearning

✴️ @AI_Python_EN

آ#موزش
قبلا نوت بوک آموزشی تنسرفلو 2 که توسط Chollet منتشر شد را به اشتراک گذاشتم (اینجا)
خوبه این نوت بوک هم با موضوع
TensorFlow 2.0: basic ops, gradients, data preprocessing and augmentation, training and saving
هم ببینیم

https://colab.research.google.com/github/zaidalyafeai/Notebooks/blob/master/TF_2_0.ipynb

#ArtificialIntelligence #DeepLearning #TensorFlow

#وبینار_رایگان object detection

تشخیص اشیا یک روش بینایی کامپیوتر برای تعیین نوع و مکان اشیا در تصاویر یا فیلم ها است. بر خلاف بازشناسی اشیاء در این دسته از الگوریتم‌ها ممکن است چند شئ مختلف در تصویر وجود داشته باشد که به جای برنده اعلام کردن تنها یک شئ باید تمام اشیاء داخل تصویر را تشخیص داده و مکان دقیق آن‌ها را مشخص کنیم. از مهم ترین کاربردهای الگوریتم های تشخیص اشیا در خودروهای بدون سرنشین است، اما این فناوری در زمینه های مختلف دیگر نظیر نظارتی، تحلیل تصاویر پزشکی و سایر زمینه ها کابرد دارد.

دوره تشخیص اشیا، از ششم تیرماه توسط آکادمی ماد برگزار خواهد شد. ثبت نام در این دوره رایگان بوده و افراد براساس رزومه‌های ارسالی انتخاب خواهند شد.
جهت ثبت نام و کسب اطلاعات بیشتر به آدرس زیر مراجعه نمایید:

http://maadcenter.com/object-detection-resume

#objectdetection #ai #artificialintelligence #convolutionalneuralnetwork #tenserflow #bootcamp #technology
#شبکه_های_عصبی
➖➖➖➖➖➖➖➖➖
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورک‌شاپ، کلاس و ... تشکیل شده است.

@eventai

اصطلاح data-drift یا dataset drift که در فارسی به جابجایی داده یا رانش داده ترجمه می‌شود زمانی اتفاق می‌افتد که مجموعه داده مورد استفاده در آموزش مدل تفاوت زیادی با داده‌هایی که در زمان استقرار یا محیط عملیاتی ( اصطلاحا deploy یا production) مشاهده خواهد شد دارد و در نتیجه مدل شما نتایج نامطلوب و عجیب ایجاد کرده و عملکرد ضعیفی دربرخواهد داشت.

در مقاله‌ای جدید، تیمی از محققان روش خاصی را برای برخورد با این مشکل در زمینه داده‌های تصویری ارائه کردند:

"Data Models for Dataset Drift Controls in Machine Learning With Images"

Paper: https://arxiv.org/abs/2211.02578
Code: https://github.com/aiaudit-org/raw2logit
Dataset: https://paperswithcode.com/dataset/raw-microscopy-and-raw-drone

#MachineLearning #DeepLearning #ArtificialIntelligence #ML #DL #AI

Yann LeCun :

My Distinguished Lecture at the Institute for Experiential AI at Northeastern University on May 24.

"From Machine Learning to Autonomous Intelligence"
How could machines learn as efficiently as humans and animals?
How could machines learn to reason and plan?

Video: youtu.be/mViTAXCg1xQ

Slides: https://lnkd.in/ebkqZH_J

EAI seminar page: https://lnkd.in/e3ZR8KTy