شرکت مایکروسافت با همکاری Anaconda قدرت پایتون رو به Excel می‌آورد.

ازین‌پس بدون نصب هیچ ابزار اضافی، می‌توان در نسخه‌های جدید Microsoft 365 (آفیس قدیم) از توابع و پکیج‌های پایتون مثل Pandas و Matplotlib برای پاکسازی، پیش‌پردازش و تحلیل داده و حتی آموزش مدل‌های یادگیری ماشین استفاده کرد. کافی‌است موقع نوشتن تابع در اکسل از py= استفاده کنید...

محققان علوم اعصاب دانشگاه UCSF توانستند با کاشت یک ایمپلنت در مغز یک خانم جوان که فلج شده و توان گفتار ندارد، افکار وی را به واژه‌گان و متن و سپس با صدای خودش به ویس تبدیل کنند.

سایت:
https://www.ucsf.edu/news/2023/08/425986/how-artificial-intelligence-gave-paralyzed-woman-her-voice-back

ویدیو:
https://youtu.be/iTZ2N-HJbwA

STUDY: Socially aware temporally causal decoder recommender systems

https://ai.googleblog.com/2023/08/study-socially-aware-temporally-causal.html

پست نامربوط!

این پست به‌ هوش مصنوعی ربطی نداره اما خواستم از تریبون استفاده کنم و بگم موقع استفاده از سرویس‌های آنلاین، حواستون به اطلاعات شخصیتون باشه.

امروز زیرساخت‌های شرکت تپسی هک شد و بخش مهمی از اطلاعات کاربران نشت کرد. قبل‌تر این اتفاق برای چندتا از استارتاپ‌های بزرگ دیگه هم که نام نمی‌برم افتاده بود.

توجه کنید که اگر به‌صورت روزمره از سرویس‌هایی مثل اسنپ و تپسی و ... استفاده می‌کنید، الگوی رفت و آمد شما به مسیر‌های مختلف به راحتی قابل پیش‌بینیه.
آدرس محل سکونت، اینکه چه زمان محل سکونت رو ترک می‌کنید و احیانا خونتون خالی میشه، این‌که چه زمان از شرکت میاید بیرون، از چه مسیری میرید، چی میخورید و چقدر از اول ماه خرج کردید و ...

شاید یه تصمیم کوچیک مثل اینکه سر کوچه سوار شید بتونه امنیت اطلاعاتتون رو حفظ کنه.

موفق باشید

پی‌نوشت: تپسی تیم بسیار خوب و قدرتمندیه و داره تلاش می‌کنه کاملا شفاف از پس این چالش بر بیاد. این مشکل برای هر کدوم از استارتاپ‌های دیگه هم ممکنه پیش بیاد. بهتره در کل محتاط بود.

زبان Mojo برای استفاده‌ی عموم باز شد...

https://github.com/modularml/mojo

Pre-processing temporal data with TensorFlow Decision Forests and Temporian

https://blog.tensorflow.org/2023/09/forecasting-with-tensorflow-decision-forests-and-temporian.html?linkId=9022947&m=1

یکی از جدیدترین و مهم‌ترین مهارت‌های موردنیاز برای ML Engineer ها، استفاده از فریم‌ورک‌های توسعه‌ی اپ‌های مبتنی بر LLM ها و RAG ها است.
و یکی از سوال‌های متداول اینه که از کدوم فریم‌ورک استفاده کنیم....

اگر به دنبال یک فریم‌ورک کامل و جامع‌ (با در نظر گرفتن پیچیدگی‌هاش) اید که بتونه به دیتاسورس‌های مختلف (دیتابیس، فایل، API و ...) و مدل‌های زبانی مختلف (مثل GPT4) متصل شده و تسک‌های مختلف مثل تولید متن و تصویر و ... رو به‌صورت همزمان انجام بده، LangChain رو انتخاب کنید. لینک زیر، کار با این فریم‌ورک رو توضیح داده:
https://lnkd.in/ehWGc9qU

اگر اپلیکیشن شما ساده‌تره و فقط به جستجوی یک کوئری یا بازیابی اطلاعات از میان حجم انبوه اطلاعات متنی (مثل سامانه‌های پیشنهاددهنده) به کمک مدل‌های زبانی محدود می‌شه، از LlamaIndex استفاده کنید. توجه کنید که این فریم‌ورک برای تحلیل معنایی، مقایسه داده‌ها و فهم زبان طبیعی مناسب نیست. لینک زیر، کار با این فریم‌ورک رو توضیح داده:
https://lnkd.in/eixPmZG7

اگر اپلیکیشن شما فهم زبان یا reasoning ساده است و به مقایسه شباهت معنایی متن‌ها و دسته‌بندی یا خوشه‌بندی آن‌ها محدود می‌شه، از فریم‌ورک EmbedChain استفاده کنید. دقت کنید این فریم‌ورک برای تولید متن مناسب نیست. لینک زیر کار با این فریم‌ورک رو توضیح داده:
https://lnkd.in/e9rHZXtV

یکی از مهم‌ترین تخصص‌های یک مهندس یادگیری ماشین، مانیتورینگ مدل‌های ML است.
مدل‌های یادگیری ماشین به مرور زمان و با تغییر در محیط یا توزیع داده‌ها ممکن است کیفیت خود را از دست بدهند و نیاز به آموزش مجدد داشته باشند. این پدیده که به Drift معروف است، با مانیتور کردن مدل قابل تشخیص است.
کورس زیر یک کورس رایگان فوق‌العاده در مورد مانیتورینگ و observability در مدل‌های یادگیری به کمک پکیج Evidently است که توسط Emeli Dral ارائه شده است.

https://www.evidentlyai.com/ml-observability-course

جف هینتون، پدرخوانده هوش مصنوعی بازنشست شد…

مرکز سامانه‌های اطلاعاتی و علوم داده دانشگاه صنعتی شریف یک بررسی عالی و کامل از مهم‌ترین پژوهش‌های حوزه‌ی NLP از Attention تا امروز انجام داده که یک دید کلی فوق‌العاده به علاقه‌مندان به پژوهش در حوزه مدل‌های زبانی می‌ده.

جلسه اول:
https://youtu.be/AjTf9_lK4iE?si=_Lr1OLDAn0zx4QBp
جلسه دوم:
https://youtu.be/TqdqVxdNmm4?si=iPCrMj6GBCAX5RZr
جلسه سوم:
https://youtu.be/PMVfnNFe044?si=xLaVZv12MAVf-81m
جلسه چهارم:
https://youtu.be/vI5WlPQsJQ4?si=rxTezgA4nusqF-Uq
جلسه پنجم:
https://www.youtube.com/watch?v=h2jWpVzq4uU

جلسه ششم:
https://www.youtube.com/watch?v=XuaHyo3fv_I

آموزش مرحله-به-مرحله‌ی کار با مدل Llama توسط شرکت متا

https://ai.meta.com/llama/get-started/

جناب دکتر توتون‌چیان، استاد دانشگاه Drexel برای جمعه‌ی این هفته (بعد از ظهر) یک جلسه‌ی آنلاین برای به‌اشتراک‌گذاری تجربه‌‌ها در زمینه‌ی کاربردهای جدید LLM ها در محیط واقعی برگزار می‌کنند.

اگر متخصص علوم داده یا یادگیری ماشین هستید و تجربه‌ای در این زمینه دارید و یا می‌خواهید از تجربه‌ی سایر متخصصین در این زمینه استفاده کنید، در این جلسه شرکت کنید.

زمان دقیق و لینک زوم متعاقبا در همین کانال و همچنین در گروه دکتر توتون‌چیان (لینک زیر) اعلام خواهد شد.

https://t.me/+8mhPMpJw97QwOWUx

آیا هوش مصنوعی برای بشر خطرناک است؟!


جو بایدن، رئیس جمهوری آمریکا، روز دوشنبه فرمان اجرایی‌ای را امضا کرد که تولیدکنندگان فناوری هوش مصنوعی را موظف می‌کند قبل از عرضه محصولات خود، آزمایش‌های ایمنی و تاثیر آن بر امنیت ملی، اقتصاد، سلامت عمومی و ایمنی مردم را در اختیار دولت قرار دهند.
https://www.whitehouse.gov/briefing-room/statements-releases/2023/10/30/fact-sheet-president-biden-issues-executive-order-on-safe-secure-and-trustworthy-artificial-intelligence/

اندرو انگ هم به تازگی پستی اعتراضی در رابطه با «ترس‌های مرتبط با انقراض بشر توسط هوش مصنوعی» منتشر کرده که کم‌کم داره حاشیه‌ساز می‌شه:
https://www.deeplearning.ai/the-batch/issue-220/

یان لیکون، طرف انگ رو گرفته و معتقده که برای کاهش ریسک باید اجازه داد هوش مصنوعی به‌صورت اوپن‌سورس پیش‌رفت کنه و دردسترس عموم قرار بگیره:
https://www.linkedin.com/posts/yann-lecun_a-nice-piece-by-andrew-ng-arguing-that-irrational-activity-7125198886436007936-H3dl

ایلان ماسک اما ظاهرا با گادفادر (هینتون) همراه‌تره و بحث بالا گرفته...

پوشش لحظه‌به‌لحظه‌ی دعوا 👇😂