کتابخانه یادگیری ماشین برای C++ کاران
فلش لایت برای دامنه‌های مختلفی سرویسی ارائه داده.
لینک‌های زیر برای علاقه‌مندان می‌تواند مفید باشد:
🌻 تشخیص صوت (پروژه wav2letter) - آموزش (لینک)

🌻طبقه‌بندی تصاویر

🌻تشخیص شئ

🌻مدل زبانی

github
@silicon_brain

کانال سیلیکون برین هر هفته جمعه ها ساعت 22 جلسه وُیس چت با متخصصین زمینه های مختلف هوش مصنوعی برگزار میکند.
جلسه ی این هفته در مورد "آیا تحصیل در دانشگاه برای یادگیری هوش مصنوعی ضروریست؟" خواهد بود.
@silicon_brain

مشکلات شمارش کلمات در پیکره‌های بزرگ سبب میشد، این کار به خوبی انجام نشود و زمان زیادی برای گرفتن خروجی اینکار بگذاریم . wordfreq کتابخانه‌ای جدید برای تخمین تعداد تکرار کلمه در یک زبان (پشتیبانی از ۳۲ زبان مختلف) یا شمارش اون کلمه‌ در پیکره ساخته شده است.
برای کسانی که با دنیای متن سر و کار دارند، پیشنهاد ذخیره و اشتراک‌گزاری این پست رو داریم 👌🌼
Github
@silicon_brain

انسانها به مدت 20+ سال به تدریج با هوش مصنوعی ادغام شده‌اند. در برهه‌ای از قرن حاضر به عنوان یک سیستم خرد جمعی، بیش از انسان‌ها، AI خواهیم داشت و متوجه هم نخواهیم شد.
"Lex Fridman"

@silicon_brain

در مورد Categorical Data Encoding در اینستاگرام سیلیکون برین بخوانید.

https://www.instagram.com/p/CODcYwAgIfS/?igshid=1qj0e6hib7nwy

نهایتا میکروربات هایی که از اسپرم الگو گرفته شده اند، شکست های پیشین دانشمندان را جبران میکند.
در این روش میکروربات بعد از ورود به بدن، دارو را به ارگان هدف برده و سپس تزریق می‌کند.
@silicon_brain

دیتا تو نقاشی کن!
با drawdata میتونید انواع مختلفی از داده ها رو برای تسک‌های یادگیری ماشین تولید کنید

https://github.com/koaning/drawdata

@silicon_brain

فیزیکدانان با استفاده از پردازنده کوانتومی برای تک فوتون ها به عنوان ربات به این نتیجه رسیده اند که میتوان به روند یادگیری سرعت بخشید.
در اینستاگرام سیلیکون برین بخوانید:

https://www.instagram.com/p/COImbjmAyNd/?igshid=1onigjvbona2q

در این پست ۵ نمونه از مسائلی که استفاده از یادگیری_ماشین در آنها می‌تواند بسیار تاثیرگذار و مفید باشد را معرفی کردیم.

https://www.instagram.com/p/CON1yLlAtPf/?igshid=1v8b2ppbqkj0b

جلسه وویس چت کانال سیلیکون برین

مهمان: مهندس محمد فرهودی کیا از شرکت یوبی سافت

موضوع: هوش مصنوعی و صنعت بازی سازی

⏰ زمان برگزاری جمعه 10 اردیبهشت ساعت 22
@silicon_brain

اگر مدل های NLP بتوانند در وظیفه‌ای که نیاز به منطق n-order دارد ، به عملکرد انسان نزدیک شوند، می توان راهی جدید در عملکرد، به غیر از شناسایی الگو نحوی باز کرد.

مقاله جدید این پست مجموعه داده جدیدی را پر از جدول کلمات متقاطع رمزی (که نباید با جدول کلمات متقاطع سنتی اشتباه گرفت) با استفاده از مدل T5 و نتایج بنچ مارک ارائه داده است. به زودی این تحقیق تأثیر مستقیمی در یادگیری عمیق کاربردی به صورت سازمانی نخواهد داشت، اما هر نتیجه‌ای که مدل‌های NLP را به عملکرد سطح انسانی در این نوع وظایف نزدیک کند، گام مهمی برای هوش مصنوعی خواهد بود.

https://arxiv.org/pdf/2104.08620.pdf
@silicon_brain

جلسه چهارم #ویس_چت سیلیکون برین
موضوع: هوش مصنوعی و صنعت بازی سازی
مهمان برنامه: مهندس محمد فرهودی کیا از شرکت یوبی سافت
@silicon_brain

#synthetic_dataset #unity
پلتفرم بازی سازی Unity دیتاست مصنوعی با هدف تسریع در آموزش هوش مصنوعی منتشر می کند.
دیتاست جدید Unity Computer Vision شامل داده های ترکیبی است که برای پاسخگویی به نیاز های خاص تولید می شود. Unity با هدف از بین بردن مشکل به دست آوردن دیتاست مصنوعی با کیفیت بالا تلاش میکند.

تکنیکی به نام "Domain Randomisation" برای تولید دیتاست Unity استفاده می شود. این فرایند تغییراتی را در مورد نحوه قرارگیری و جهت گیری اشیا و تنوع در نور و زاویه دوربین و همچنین بسیاری از تنظیمات بی شماری که Unity فعال می کند را در بر میگیرد.
@silicon_brain

یادگیری ماشین در #numpy

مجموعه‌ای مفید و جمع و جور از الگوریتم های یادگیری ماشین برای دوست داران نامپای رو میتونید با نصب پکیج زیر امتحان کنید

pip install numpy_ml

از دستش ندید و به دوستاتون معرفی کنید ❤️

#داده_کاوی
#یادگیری_ماشین

@silicon_brain