ـGrok أصبح مفتوح المصدر! أول تحليل للكود
نشرنا فيديو قصير عنه: https://youtube.com/shorts/gqwofvkp2sE?feature=share



غوص عميق في بنية جروك (Grok) 🤖
هذا ملخص لمحتويات ملف http://model.py لنموذج Grok الذي يحتوي على 314 مليار معلمة (parameter) مفتوحة المصدر:
https://github.com/xai-org/grok-1

1. المعلومات الأساسية:
ـ حجم النموذج: 314 مليار
ـ مزيج من 8 خبراء (experts)، 2 منهم نشطين
ـ 86 مليار معلمة نشطة
ـ يستخدم Rotary Embeddings بدلاً من Positional Embeddings الثابتة

2. معلومات Tokenizer:
ـ حجم المفردات (vocab size): 131,072 (مشابه لـ GPTـ4)
ـ حجم Embedding: 6,144 (48*128)
ـ عدد طبقات Transformer: 64

3. كتلة الانتباه متعدد الرؤوس (Multihead Attention Block):
ـ 48 رأس (head) للاستعلامات (queries)
ـ 8 رؤوس للمفاتيح والقيم (keys/values)
ـ حجم المفاتيح والقيم: 128

4. كتلة الكثافة (Dense Block):
ـ عامل التوسيع (widening factor): 8
ـ حجم الطبقة المخفية: 32,768
ـ يتم اختيار خبيرين من أصل 8 لكل رمز (token)

5. معلومات أخرى:
ـ حجم Rotary Positional Embeddings: 6144
ـ أقصى طول للسياق (context length): 8192 رمز
ـ دقة الأرقام: bfloat16

🧠 هذه المعلومات توضح الهندسة المعمارية لهذا النموذج الضخم ذو الأداء العالي. استخدام تقنيات مثل Rotary Embeddings وMixture of Experts تساهم في تحسين قدراته.

#Grok

#أسئلة_المبرمجين : أنا أحب علم البيانات، ماذا تنصحني؟

✨التعلم:

- تعلم أساسيات علم البيانات:
- الإحصاء
- البرمجة (Python و R)
- تعلم الآلة
- تحليل البيانات
- تعمق في مجالات محددة:
- تحليل البيانات المالية
- علم البيانات للرعاية الصحية
- تحليل البيانات النصية
- تعلم الآلة العميقة
- ابحث عن دورات وكورسات:
- Hsoub academy
- Coursera
- Udacity
- Udemy
- edX
- Andrew Ng's Machine Learning Course
- Python arabic communty

✨الممارسة:

- شارك في مشاريع البيانات:
- Kaggle
- Hackathons
- مشاريع مفتوحة المصدر

- ابني محفظة أعمال:
- اعرض مشاريعك على GitHub
- اكتب مقالات عن علم البيانات
- شارك في المؤتمرات وورش العمل

✨التواصل:

- تواصل مع مجتمع البيانات:
- انضم إلى مجموعات LinkedIn
- تابع خبراء البيانات على Twitter
- احضر فعاليات علم البيانات
- ابحث عن فرص عمل:
- وظائف علم البيانات
- وظائف تحليل البيانات
- وظائف مهندس تعلم الآلة

✨نصائح إضافية:

- كن فضوليًا:
- ابحث عن أسئلة مثيرة للاهتمام للإجابة عليها باستخدام البيانات
- استكشف تقنيات جديدة
- لا تتوقف عن التعلم
- كن مبدعًا:
- استخدم البيانات لحل المشكلات بطرق جديدة
- طور أفكارًا جديدة
- فكر خارج الصندوق
- كن مثابرًا:
- علم البيانات مجال صعب
- لا تستسلم بسهولة
- استمر في التعلم والممارسة

لديك أي سؤال؟ نحن نجيب عن معظم أسئلة متابعينا🧡

#علم_البيانات #مجال_البيانات #نصائح_مهنية

🔥 من أجل التحديثات السريعة تابعونا على تويتر:
https://twitter.com/python_ar

#أسئلة_المبرمجين ما الفرق بين شخص يعتمد على المكتبات دون تعمق في الذكاء الاصطناعي، وبين من يغوص في الخوارزميات والرياضيات قبل استخدامها في مشاريعه؟ 🤔

• مستخدم المكتبات:
- سرعة الإنجاز: ⚡️ يُنجز المهام بشكل أسرع باستخدام حلول جاهزة.
- التخصص: 👨‍💻 يُركز على مجال تخصصه دون الخوض في تفاصيل تقنية معقدة.
- الاعتمادية: 🔌 يعتمد على مكتبات خارجية، مما قد يُحد من إبداعه ومرونته.
- فهم محدود: 🤔 قد لا يفهم عمق العمل أو كيفية تخصيص المكتبات لاحتياجاته.

• مبرمج الذكاء الاصطناعي:
- فهم عميق: 🧠 يفهم مبادئ الذكاء الاصطناعي، مما يُمكنه من تقييم وتعديل المكتبات.
- إبداع ومرونة: 🎨 يُطور حلولًا مُخصصة تلبي احتياجاته بشكل دقيق.
- تحكم: 🛠 يُسيطر على سير العمل بشكل كامل، ويُحدد الخوارزميات المناسبة لكل مهمة.
- وقت أطول: ⏳ قد يستغرق وقتًا أطول لإنجاز المهام، لكن النتيجة تكون مُخصصة ومُتحكمة.


الخلاصة: 🏆
• استخدام المكتبات: 🏃‍♂️ يُناسب من يبحث عن حلول سريعة وفعالة، مع تركيزه على مجال تخصصه.
• مبرمج الذكاء الاصطناعي: 👨‍🔬 يُناسب من يُريد فهمًا عميقًا للذكاء الاصطناعي، مع القدرة على ابتكار حلول مُخصصة.

• المكتبات: أداة قوية لتسريع عملية التطوير.
• الفهم العميق: ضروري لفتح إمكانيات واسعة والتحكم بشكل أفضل في أدوات الذكاء الاصطناعي.

🤔 ماذا تختار؟
• سرعة الإنجاز: ركز على استخدام المكتبات.
• الفهم العميق: تعلم الخوارزميات والرياضيات.
• التوازن: إجمع بين استخدام المكتبات والفهم العميق.

هذه المواضيع وغيرها نتطرق إليها في قناتنا على اليوتيوب، فعليك بالإشتراك وتفعيل الجرس إذا كنت مهتم:
https://www.youtube.com/@PythonArab/
#ذكاء_اصطناعي #برمجة

واجهة ذكية من GoogleAI لتمكين أطباء الأشعة من الكشف عن سرطان الرئة 🫁 🧑‍⚕️
سرطان الرئة هو القاتل الأول بين السرطانات عالمياً، حيث تسبب في 1.8 مليون وفاة عام 2020.
يقدم نظام GoogleAI واجهة مستخدم سهلة الاستخدام لمساعدة أطباء الأشعة على تحليل صور الأشعة المقطعية للصدر (CT) للكشف عن سرطان الرئة بدقة عالية.

كيف يعمل النظام؟ 🤔

1. إدخال صور الأشعة المقطعية: 📤
- قم بتحميل صور الأشعة المقطعية للصدر (CT) على النظام.
2. تحليل الصور باستخدام الذكاء الاصطناعي: 🤖
- سيقوم نموذج التعلم الآلي بفحص الصور للبحث عن علامات سرطان الرئة.
3. عرض النتائج: 📊
- ستحصل على تقييم لاحتمالية الإصابة بسرطان الرئة مع تحديد المناطق المشتبه بها.

مميزات النظام: 👍

سهل الاستخدام: واجهة بسيطة وواضحة تناسب جميع مستويات الخبرة.
دقيق: يعتمد على نماذج ذكاء اصطناعي متطورة لضمان أعلى دقة في الكشف.
فعال: يساعد أطباء الأشعة على تحليل الصور بشكل أسرع وأكثر دقة.

تعرف على المزيد: ➡️ [https://goo.gle/3IHYbng](https://goo.gle/3IHYbng)

#تكنولوجيا_حديثة #ذكاء_اصطناعي #صحة #سرطان_الرئة #طب_الأشعة

معًا، نستطيع إنقاذ المزيد عبر تمكين تقنيات الكشف المبكر! 💪

دمج 500,000 نموذج مفتوح المصدر في محاولة لبناء نماذج ذكاء اصطناعي عام (AGI) 🚀

ـ Sakana AI تطلق طريقة ثورية لدمج 500,000 نموذج مفتوح المصدر لبناء نماذج ذكاء اصطناعي جديدة. 🤯


دمج النماذج التطوري (Evolutionary Model Merge) يستخدم تقنيات تطورية لإنشاء نماذج أساسية جديدة تلقائيًا مع القدرات المطلوبة. 🧬


اكتشافات مذهلة:

اكتشاف طرق جديدة لدمج نماذج مختلفة من مجالات مختلفة 🧠
تطوير 3 نماذج أساسية قوية لليابان:نموذج لغة كبير (EvoLLM-JP) 🗣
نموذج رؤية اللغة (EvoVLM-JP) 👀
نموذج إنشاء الصور (EvoSDXL-JP) 🖼

نتائج مذهلة:
تفوق النماذج على معايير LLM و Vision 🏆
لم يتم تحسين النماذج صراحةً لهذه المعايير! 😲
هذه تقنية ثورية تمهد الطريق للذكاء الاصطناعي العام (AGI) 🎉

هل أنت مهتم بمعرفة المزيد؟ تابعونا لمعرفة آخر التطورات في مجال الذكاء الاصطناعي! 🧠

الورقة العلمية: https://arxiv.org/pdf/2403.13187.pdf

💥 خبر عاجل لجميع المبرمجين ! 💥
ـ Stability AI تطلق Stable Code Instruct 3B! 🚀

ـ Stability Code Instruct 3B نموذج فائق السرعة والخفة 🪶 يساعدك على البرمجة بلغات البرمجة الأكثر شيوعًا مثل Python و Javascript و SQL. 🎉

ما الذي يفعله؟
يُكمل كودك تلقائيًا بناءً على سياقه. 🤖
يُدرج أقسام الكود المفقودة عند تزويده بالكود المحيط. 🧩
يُنشئ كودًا للتفاعل مع قواعد البيانات. 🗃
يُترجم الكود من لغة برمجة إلى أخرى. 🔁
يُفسر وظائف الكود الموجود. 💡
يُنشئ كودًا جديدًا بناءً على تعليمات المستخدم. 📝

مميزاته:
سريع وخفيف
دقيق وفعال
سهل الاستخدام
يدعم مختلف لغات البرمجة

استخدمه بنفسك: https://huggingface.co/spaces/stabilityai/stable-code-instruct-3b

#تكنولوجيا_حديثة #ذكاء_اصطناعي #برمجة #لغة_البرمجة #StableCodeInstruct3B

هل أنت مستعد لتجربة مستقبل البرمجة؟ 🚀

شاركنا رأيك في التعليقات! 👇

🤯فيلم "رأس الهواء"؟ هو أول فيلم قصير احترافي تم إنشاؤه باستخدام أداة Sora المذهلة من OpenAI.
شاهدُه وأخبرني أليست صناعة الأفلام في خبر كان!
https://youtube.com/shorts/Ylq9AqXlfNo?feature=share

🎂 عيد ميلاد سعيد لمكتبة Keras! 🎉
كيراس 🧠 هي مكتبة مفتوحة المصدر للشبكات العصبية 🤖 تم إطلاقها عام ٢٠١٥، وأصبحت الآن واحدة من أكثر أدوات البرمجيات استخدامًا في العالم 🌎.

ما هي كيراس؟ 🤔

-أداة قوية لبناء وتدريب 🧠 الشبكات العصبية 🤖.
-سهلة الاستخدام 🧠 للمبتدئين والخبراء على حدٍ سواء 😎.
-تدعم مختلف أنواع الشبكات العصبية 🤖

https://youtu.be/DhR_junruyI

🏆لقد أثار Claude-3 Haiku إعجاب الجميع، حتى أنه وصل إلى مستوى GPT-4 وفقًا لتفضيلات المستخدمين! 🤩

سرعته وقدراته وطول السياق لا مثيل لها الآن في السوق! 🔥

لن نتحدث عن Claude-3 Opus فهو فعلاً يتفوق على الجميع!

نهنئ Anthropic AI على إطلاق Claude-3 المذهل! 🎉

مفاجآت أخرى مثيرة:

ـ Starling-LM-7B-beta، يتسلق بسرعة على لوحة الترتيب. أفضل نموذج مفتوح بسعة 7B الآن!

هذه الإحصائيات مقتطفة عن LMSYS Chatbot Arena للمفاضلة بين نماذج الذكاء الاصطناعي، مع أكثر من 70 ألف صوت من المستخدمين

#تكنولوجيا_حديثة #ذكاء_اصطناعي #تعلم_عميق #أرينا #Claude_3 #GPT_4 #Starling_LM

هل تريد معرفة المزيد عن هذه النماذج المذهلة؟ 🤔

تابعنا للمزيد من المعلومات! 😎

بحثنا عن أفضل دورات الذكاء الاصطناعي في العالم العربي ، وحصلنا على واحدة من أشهرها، هدفنا هو مراجعتها بشكل شامل، لنعرف هل تفي بالوعود وهل ترقى بالمطلوب.
https://youtu.be/NTGB1gXkrbQ

في غضون عام واحد فقط، حققت نماذج Mistral و Grok 1.5 قفزة هائلة، وباتت تقترب من قدرات نموذجي Claude / GPT4.

وبحلول نهاية 2024، نتوقع أن نشهد 7-8 نماذج بحجم GPT-4، مع إتاحة بعضها كمصدر مفتوح!

ولكن هذا ليس كل شيء، فمن المرجح أن نرى أيضًا GPT-5! مع قدرات أعلى حيث سترتفع معايير المنافسة من جديد.

مع هذا التطور السريع، قد نصل إلى نقطة نفقد فيها القدرة على متابعة جميع الأسماء والمقاييس، ونكتفي باستخدام نموذج الذكاء الاصطناعي الكبير الذي يلبي احتياجاتنا.