رقابت پشت رقابت
تا openai اومد هوش مصنوعی خودش را معرفی کرد گوگل هم دست به کار‌ شد .
مثل اینکه گوگل امشب در مراسم Google I/O 2024 خبرای خوبی از هوش مصنوعی داره

▶️ مراسم امشب گوگل رو در ساعت8:30 می تونین از طریق لینک یوتیوب پایین مشاهده کنید.

🖥 https://www.youtube.com/live/XEzRZ35urlk

#ai #Google
💻@learn_ai1

افرادی که دیشب این لایو را نگاه کردن
شاهد بوجود آمدن یک هوش مصنوعی قدرتمند تر از سمت گوگل به نام Astra ساخته.

بریم با هم کمی با این هوش مصنوعی آشنا بشیم:
چشم به آینده با هوش مصنوعی Astra گوگل!
در رویداد Google I/O 2024، شاهد رونمایی از پروژه‌ی Astra، یک دستیار هوش مصنوعی فوق‌العاده، بودیم.

گوگل با رونمایی از «پروژه Astra» مستقیماً قابلیت‌های جدید ChatGPT را هدف گرفت.
پروژه Astra با استفاده از هوش مصنوعی قدرتمند Gemini، به شما کمک می‌کند تا با دنیای اطرافتان به گونه‌ای جدید تعامل داشته باشید.

طبق ویدئویی که گوگل گذاشت این قابلیت ها را دارد:
🔥 محیط اطراف شما را درک کند و به سوالات در مورد آن پاسخ دهد.
🔥 اشیاء گمشده شما را پیدا کند.
🔥 منابع ایجاد صدا را در محیط تان مشخص کند.
... و بسیاری کارهای شگفت‌انگیز دیگر!

پروژه Astra نه تنها روی گوشی‌های هوشمند، بلکه روی عینک‌های هوشمند نیز قابل استفاده است. ️ این امر تجربه‌ای کاملاً جدید و فراگیر از هوش مصنوعی را به ارمغان می‌آورد.

پروژه‌ی Astra هنوز در مراحل اولیه توسعه قرار دارد و به برنامه‌‌ی انتشار عمومی آن اشاره‌ای نشده است.

💻@learn_ai1

سلام بچه ها
کیا تونستن از gpt4o استفاده کنن؟
اگه نتونستی حتما با ip آمریکا برو داخل سایتش و یک پیام ساده بدید مثلا hi و وقتی جواب داد کنار دیس لایک جواب یک فلش هست روی اون بزنید و روی gpt4o بزارید
(البته بیشتر اوقات به صورت اتوماتیک روی gpt4o هست)


با ری اکشن ها جواب بدید که تونستید یا نه
و اگه مشکلی دارید حتما بگید

💻@learn_ai1

با ارسال کامنت در زیر این پست ، در صورت راه اندازی ربات به چندین نفر اشتراک رایگان اهدا خواهد شد (به قید قرعه)⚡️

چون جزو مشتریان پلاس open ai نیستم این قابلیت برای من وجود نداره ولی اگه افرادی که دارن برن و تست کنن و بگن که آیا واقعا نتیجه‌ی خوبی داخل لایو داره یا نه

باسلام. دوستان قرعه کشی اشتراک رایگان بات از اعضای کانال GPT Plus انجام میشه. افرادی که کامنت گذاشته بودن به طور خودکار به کانال اد شدن و یا لینک دعوت براشون ارسال شده.
لینک کانال : https://t.me/gpt_plus_official

هوش مصنوعی جمنای به گوگل کلب اضافه شد !
شما میتونید وقتی که در گوگل کلب کد می‌زنید همونجا با استفاده از هوش مصنوعی جمنای کدتون را دیباگ کنید، کد جدید بسازید و ...
و نکته ی جالب تر اینجا هست که وقتی هوش مصنوعی جمنای به شما کد میده یا دیباگ میکنه میتونید بهش بگید که اون‌کدی که زده را در یک cell بنویسه

نظر شما در رابطه با اضافه شدن جمنای به کلب چیه ؟

💻@learn_ai1

Overfitting (بیش‌برازش) :
- توضیح: مدل بیش از حد به جزئیات و نویز داده‌های آموزشی حساس می‌شود.
- نتیجه: عملکرد عالی روی داده‌های آموزشی، عملکرد ضعیف روی داده‌های جدید.
- راه‌حل: کاهش پیچیدگی مدل، افزایش داده‌های آموزشی، استفاده از اعتبارسنجی متقابل.

Underfitting (کم‌برازش) :
- توضیح: مدل به اندازه کافی پیچیده نیست تا الگوهای موجود در داده‌ها را یاد بگیرد.
- نتیجه: عملکرد ضعیف روی داده‌های آموزشی و داده‌های جدید.
- راه‌حل: افزایش پیچیدگی مدل، اضافه کردن ویژگی‌های بیشتر، کاهش نویز داده‌ها.

Balanced (متعادل) :
- توضیح: مدل به خوبی در هر دو داده‌های آموزشی و جدید عمل می‌کند.
- نتیجه: عملکرد مناسب و تعمیم‌پذیری خوب.
- راه‌حل: تنظیم پیچیدگی مدل، استفاده از روش‌های کاهش پیچیدگی با انتخاب مناسب، تنظیم مکرر پارامترها.

💻@learn_ai1

گوگل پکیجی بنام model_explorer داره که به شما امکان ویژوالایز کردن مدل‌ها رو میده.
لینک پکیج model_explorer:
https://github.com/google-ai-edge/model-explorer

ما هم در قالب یک نوتبوک، دستورات لازم برای نصب و استفاده از کتابخونه برای یک مدل نمونه رو گفتیم.
لینک نوتبوک هوسم:
https://github.com/howsam/mag


💻@learn_ai1 | <هوسم>

با کمک fMRI و یادگیری ماشینی محققین دریافتند که بر اساس فعالیت مناطق مختلف مغز، افسردگی خودش میتونه دست کم ۶ نوع داشته باشه. به عبارتی هر کدوم روش درمانی خودشونو میخان. مثلا میگه اونایی فعالیت مغزی مرتبط با توجهشون کمتره، مشاوره کمتر به دردشون میخوره!

ادامه ی مطالب:
https://www.nature.com/articles/s41591-024-03057-9


#یادگیری_ماشین #هوش_مصنوعی
#ml #ai


دست مریزاد واقعا🔥

#AI #ML #DL

سلام دوستان اومدم با آموزش بیز (نظریه بیز) در یادگیری ماشین و هوش مصنوعی

توجه توجه❗️❗️
در این قسمت (قسمت اول) ما میایم و قضیه بیز را یاد میگیریم و مثالی را با هم حل می‌کنیم و در قسمت های بعدی سراغ نظریه بیز در هوش مصنوعی (الگوریتم های یادگیری ماشین) می‌رویم و کاربرد های آن را می‌بینیم و مثال هایی را حل می‌کنیم.

توضیحات:
نظریه بیز به احتمال بیز اشاره داره که به صورت خاصی مدل های احتمالاتی مورد استفاده قرار می‌گیرن
نظریه بیز بر اساس قضیه بیز(Bayes theirem) بنا شده که به ما اجازه می‌دهد تا احتمال وقوع یک‌واقعه را با توجه به اطلاعات جدید بروزرسانی کنیم

قضیه بیز:
قضیه بیز رابطه ی احتمالات شرطی را فراهم می‌کند و فروملش به صورت زیر هست:

P(B|A) * P(A) / P(B) = P(A|B)

در اینجا:
‏P(A|B) احتمال وقوع واقعه ی A با توجه به وقوع واقعه ی B است(احتمال شرطی)

‏P(B|A) احتمال وقوع B با توجه به وقوع واقعه ی A است

‏P(A) احتمال وقوع A است(احتمال اولیه یا پیشین)

‏P(B) احتمال وقوع واقعه ی B است

مثالی با فرمول قضیه بیز:
حالا که فرمول قضیه بیز را یاد گرفتیم بیایم و یک مثال را باهاش حل کنیم😉

فرض کنید ما می‌خواهیم احتمال اینکه یک‌شخص آنفولانزا داشته باشه(A) با توجه به اینکه نتیجه ی آزمایش آنفولانزا اون مثبت بوده (B) را محاسبه کنیم

‏P(A) : احتمال اولیه اینکه شخص به طور کلی آنفولانزا دارد = 0.01 (1%)

‏P(A|B): احتمال اینکه تست شخصی که آنفولانزا دارد مثبت شود = 0.99 (99%)

‏P(B|-A): احتمال اینکه تست شخص مثبت باشد ولی آنفولانزا نداشته باشد = 0.05 (5%)

‏P(-A): احتمال اینکه یک شخص به طور کلی آنفولانزا نداشته باشد = 0.99 (99%)

محاسبه ی احتمال وقوع تست مثبت یا (P(B))
برای محاسبه ی P(B)، از قانون کل احتمال استفاده می‌کنیم:

P(-A) * P(B|-A) + P(A) * P(A|B) =P(B)

و حالا با استفاده از قانون بالا P(B) را بدست‌می‌آریم:

P(B) = (0.99 * 0.05) + (0.01 * 0.99)
P(B) = 0.0495 + 0.0099
P(B) = 0.0594

و حالا مرحله ی آخر 🔥
استفاده از قضیه بیز برای محاسبه ی P(A|B)

طبق اولین فرمولی که نشون دادم(برای قضیه بیز) میایم و P(A|B) را محاسبه می‌کنیم

P(A|B) = 0.01 * 0.99 / 0.0594
P(A|B) = 0.0099 / 0.0594
P(A|B) ~= 0.1667

نتیجه گیری از محاسبات :
احتمال اینکه یک شخص با نتیجه ی مثبت آنفولانزا داشته باشد حدود 0.1667 یا 16.67% است این مقدار نشان می‌دهد که اگر حتی یک شخصی تست او مثبت باشد احتمال آنفولانزا داشتن او پایین تر از 20% است
دلیلش چیه؟🧐
چون که احتمال اولیه(پیشین) ،داشتن آنفولانزا با تست مثبت بسیار کم است (1%)


#ml #ai #bayes

💻@learn_ai1

دوستان شما با زدن ری اکشن ها و فوروارد پست ها کلی به من انرژی میدید و منم سریع تر پست درست میکنم و آموزش های بیشتری را برای شما قرار میدم 🔥

ری اکشن و فوروارد فراموش نشه😉

💻@learn_ai1

ML Engineer VS Data Scientist

این دوتا چیه؟🙄

خب Data Scientist به کسی میگن که :
1⃣ داده ها و مدل ها را تحلیل میکنه

2⃣ خالق مدل های جدید و تست مدل هایی که ساختن برای انتخاب بهترین مدل

3⃣ تحقیق و توسعه ی الگوریتم های جدید برای مسائل و مشکلات متفاوت
➖➖➖➖➖➖➖➖➖➖➖➖
و ML Engineer به کسی میگن که:
1⃣ مدل هایی که Data Scientist ساخت را به کد های قابل استفاده (مدل های آماده) تبدیل میکنن

2⃣ بهینه سازی مدل هایی که Data Scientist ساختن برای کار های مختلف

3⃣ توی یک تیم کار می‌کنند تا مدل هایی که ساخته شده را بهینه سازی کنن و بهترین مدل را برای مسله ی خودشون با بهترین پارامتر ها را انتخاب کنن و مدل هایی که ساخته شده (بهینه شده) را نگه داری میکنن


نکته ی مهم:
‏Data Scientist و ML Engineer مکمل یکدیگر هستند ❗️
یعنی اگر Data Scientist نباشه مدل های جدید درست نمیشه(به وجود نمیاد) .

و اگر ML Engineer نباشه مدل های ساخته شده بهینه سازی نمیشه و مورد تست قرار نمیگیره.

شما دوست دارید Data Scientist بشید یا ML Engineer با ری اکشن نشون بدید😉
Data Scientist(🔥)
ML Engineer(❤️)

سوالات خودتون را میتونید از اینجا بپرسید:
@gap_torchino

#ML #ai
#ml_engineer #data_scientist

💻@learn_ai1

عرض ادب و احترام خدمت اساتید و نخبگان گرامی
جهت انجام یک پروژه تحقیقاتی_استارتاپی در موضوع طراحی دارو با هوش مصنوعی، از فعالان و متخصصان در این زمینه، با افتخار جهت همکاری دعوت بعمل می آید.
لطفا جهت کسب اطلاعات بیشتر به خصوصی پیام ارسال فرمایید.
آیدی: @shahabatashi

سلام دوستان دیگه از امروز میخوام استارت کار را بزنم و کلی پست بزارم
بریم برای اولین پست امروز 😉

بزنیم بریم