Forwarded from زندگی به عنوان سرویس
شماهایی که از من بیشتر AI کار کردین میدونید که مفهومی وجود داره تحت عنوان «کاهش ابعاد» یا به همون اسم خارجکیش Dimension Reduction. این مفهوم میگه وقتی توی یه مسئلهی یادگیری ماشین تعداد ویژگیها(ورودیها) زیاد میشه دردسرهاش هم زیاد میشه.
دردسرهایی مثل هزینهی پردازشی زیاد، همپوشانی ویژگیها و غیره.
این مفهوم البته توی خیلی جاهای دیگه هم کاربرد داره و کلا هر جایی مسئلهای هست خب حتما سادهسازی مسئله هم هست. اما چرا باید ابعاد مسئله رو کم کنیم؟ اگه ابعاد مسئله رو کم کنیم(به نوعی داریم سادهسازی میکنیم) آیا مسئله خراب نمیشه؟ جزئیات مربوط به مسئله از بین نمیره؟
صحبت کردن در باب سادهسازی مسئله شاید یه ذره صحبت از بدیهیات باشه ولی اشارکی میکنیم.
این که شما بتونید فاکتورهای تعیینکنندهی مسئله رو کاهش بدید به شما کمک میکنه اون مسئله رو زودتر و با صرف منابع کمتری حل کنید. پیچیدگی مسئله رو کاهش بدید. همچنین میشه به راه حلی دست پیدا کرد که جنرالتره و قابل تعمیم به مسائل مشابه هم هست. گاهی حتی این سادهسازی باعث میشه مسئله قابل حل بشه و این خیلی مهمه.
اما سوال دوم: اگه ما ابعاد مسئله رو کاهش بدیم آیا مسئله گم نمیشه؟
جوابش اینه که چرا گم میشه. اما از یه جایی به بعد. این که شما بتونید ویژگیهایی رو پیدا کنید که حذف کردنشون(یا ادغام کردنشون) تاثیر چندانی روی مسئله نذاره واقعا هنره. جاهایی مثل ماشین لرنینگ براش تکنیکهای زیادی داره. مثلا یه چیزی مثل تحلیل حساسیت(فکر کنم بهش همبستگی یا ضریب همبستگی بالا هم بگن) میگه که اگه رفتار دوتا ویژگی خیلی شبیه به همه، احتمالا میتونی یکی از اونها رو حذف کنی. گاهی ممکنه حذف کردن یه ویژگی روی نتیجهی نهایی تاثیر داشته باشه آیا نباید اونو حذف کرد؟ اینجا برمیگردیم به مبحث شیرین هزینه/فایده. اگه اون ویژگی رو حذف کنی چی به دست میاری؟ و چی از دست میدی؟ ممکنه اون ویژگی رو حذف کنی یه بهبود خفنی هم روی سرعت حل حاصل بشه ولی از دقت مسئله ۳ درصد کم بشه. آیا این برای مسئلهی شما اوکیه؟ باید جواب این سوال رو پیدا کنید.
برای منی که از مهندسی نرمافزار سراغ هوش رفتم اما این مفهوم یادآور مفهوم شیرین «انتزاع» هم هست. چشم پوشی از جزئیات غیرضروری. ۱۰ ۱۲ سالی هست که توی این کارها هستم و این مدت به اندازهی خودم تکنیک و روش و مسئله و غیره دیدم. کلی هم متنوع بودن. اما چیزی که از مفهوم انتزاع و یا کاهش ابعاد به یاد من موند و توی زندگیم به کار گرفتم همیشه ثابت بوده.
یاد گرفتم توی بحرانها و مشکلات زندگی یکی از اولین کارهایی که باید انجام بدم کاهش ابعاد اون مشکله.
چند نفر هستن که واقعا اون مشکل بهشون مرتبطه و توی اون مشکل تاثیرگذار هستن؟ یادم نمیاد در بحرانیترین حالت بیش از سه چهار نفر بوده باشن.
چه چیزهایی روی اون مشکل زندگی من تاثیر داشتن و باید واقعا روشون فکر میکردم و ازشون برای حل مسئله کمک میگرفتم؟ کمتر از ۴تا غالبا. گاهی واقعا به این مرحله رسیدم که یکی از فاکتورها رو که حذف کردم تونستم مسئله رو حل کنم(تا قبل از اون حل نمیشد).
باید سعی کنید به هر ویژگی به اندازهی تاثیرش وزن بدید نه بیشتر و نه کمتر(مگر آگاهانه و با هدف گردوندن بازی). وقتی توی مشکلی گیر میکنید یا میخواید تصمیم مهمی بگیرید یا کلا سردرگم میشین، یکی از اولین کارهایی که باید انجام بدید کاهش ابعاد مسئله است. سخته، جرات میخواد، جسارت میخواد ولی راهشه.
#هوایی
🆔 @lifeAsAService
دردسرهایی مثل هزینهی پردازشی زیاد، همپوشانی ویژگیها و غیره.
این مفهوم البته توی خیلی جاهای دیگه هم کاربرد داره و کلا هر جایی مسئلهای هست خب حتما سادهسازی مسئله هم هست. اما چرا باید ابعاد مسئله رو کم کنیم؟ اگه ابعاد مسئله رو کم کنیم(به نوعی داریم سادهسازی میکنیم) آیا مسئله خراب نمیشه؟ جزئیات مربوط به مسئله از بین نمیره؟
صحبت کردن در باب سادهسازی مسئله شاید یه ذره صحبت از بدیهیات باشه ولی اشارکی میکنیم.
این که شما بتونید فاکتورهای تعیینکنندهی مسئله رو کاهش بدید به شما کمک میکنه اون مسئله رو زودتر و با صرف منابع کمتری حل کنید. پیچیدگی مسئله رو کاهش بدید. همچنین میشه به راه حلی دست پیدا کرد که جنرالتره و قابل تعمیم به مسائل مشابه هم هست. گاهی حتی این سادهسازی باعث میشه مسئله قابل حل بشه و این خیلی مهمه.
اما سوال دوم: اگه ما ابعاد مسئله رو کاهش بدیم آیا مسئله گم نمیشه؟
جوابش اینه که چرا گم میشه. اما از یه جایی به بعد. این که شما بتونید ویژگیهایی رو پیدا کنید که حذف کردنشون(یا ادغام کردنشون) تاثیر چندانی روی مسئله نذاره واقعا هنره. جاهایی مثل ماشین لرنینگ براش تکنیکهای زیادی داره. مثلا یه چیزی مثل تحلیل حساسیت(فکر کنم بهش همبستگی یا ضریب همبستگی بالا هم بگن) میگه که اگه رفتار دوتا ویژگی خیلی شبیه به همه، احتمالا میتونی یکی از اونها رو حذف کنی. گاهی ممکنه حذف کردن یه ویژگی روی نتیجهی نهایی تاثیر داشته باشه آیا نباید اونو حذف کرد؟ اینجا برمیگردیم به مبحث شیرین هزینه/فایده. اگه اون ویژگی رو حذف کنی چی به دست میاری؟ و چی از دست میدی؟ ممکنه اون ویژگی رو حذف کنی یه بهبود خفنی هم روی سرعت حل حاصل بشه ولی از دقت مسئله ۳ درصد کم بشه. آیا این برای مسئلهی شما اوکیه؟ باید جواب این سوال رو پیدا کنید.
برای منی که از مهندسی نرمافزار سراغ هوش رفتم اما این مفهوم یادآور مفهوم شیرین «انتزاع» هم هست. چشم پوشی از جزئیات غیرضروری. ۱۰ ۱۲ سالی هست که توی این کارها هستم و این مدت به اندازهی خودم تکنیک و روش و مسئله و غیره دیدم. کلی هم متنوع بودن. اما چیزی که از مفهوم انتزاع و یا کاهش ابعاد به یاد من موند و توی زندگیم به کار گرفتم همیشه ثابت بوده.
یاد گرفتم توی بحرانها و مشکلات زندگی یکی از اولین کارهایی که باید انجام بدم کاهش ابعاد اون مشکله.
چند نفر هستن که واقعا اون مشکل بهشون مرتبطه و توی اون مشکل تاثیرگذار هستن؟ یادم نمیاد در بحرانیترین حالت بیش از سه چهار نفر بوده باشن.
چه چیزهایی روی اون مشکل زندگی من تاثیر داشتن و باید واقعا روشون فکر میکردم و ازشون برای حل مسئله کمک میگرفتم؟ کمتر از ۴تا غالبا. گاهی واقعا به این مرحله رسیدم که یکی از فاکتورها رو که حذف کردم تونستم مسئله رو حل کنم(تا قبل از اون حل نمیشد).
باید سعی کنید به هر ویژگی به اندازهی تاثیرش وزن بدید نه بیشتر و نه کمتر(مگر آگاهانه و با هدف گردوندن بازی). وقتی توی مشکلی گیر میکنید یا میخواید تصمیم مهمی بگیرید یا کلا سردرگم میشین، یکی از اولین کارهایی که باید انجام بدید کاهش ابعاد مسئله است. سخته، جرات میخواد، جسارت میخواد ولی راهشه.
#هوایی
🆔 @lifeAsAService
👍36❤3👎2
DeepMind AI Expert
اپ کتابخوانی طاقچه به مناسبت 10 سالگی خودش، روی اشتراک بی نهایت که امکان دسترسی به 30 هزار کتاب الکترونیکی و صوتی (ولی نه همه کتابها) رو در مدت اشتراک میده، تا 80 درصد تخفیف گذاشته و اشتراک سالانه اون هم تا 2 سال قابل تمدید هست. این اشتراک رو میتونین از…
هانا آرنت در کتاب اندیشیدن و ملاحظات اخلاقی نوشت:
اندیشه، شناخت نیست بلکه توانایی تمیز نیک از بد و زیبا از زشت است و این توانایی میتواند، دستکم برای من، در لحظههایی کمیاب وسیلهی پیشبینی فاجعهها باشد. موضوع اندیشه نمیتواند جز چیزهای دوستداشتنیــ زیبایی، حکمت، عدالت و ... باشد. زشتی، نبود زیبایی، نبود دادگری، و نبود نیکی است… یعنی بدی و زشتی اصالت یا جوهری ندارند تا اندیشه بتواند به آنها بپردازد…
فواید دوستان خوب و نیک اینه اندیشه نیک و راه سبز و بهت نشون میدن دوست داشتم از مهدی آخی بابت دادن هدیه مطالعه و دسترسی به بانک اطلاعاتی کتابهای طاقچه که یکی از بررگترین سایت پیدا کردن کتابهای انلاین و خوب هست برای مطالعه بهم این هدیه ارزشمند رو داد تشکر کنم. شما هم اگه میخواین دسترسی یکساله به این بانک ارزشمند کتابهای خوب داشته باشید میتونین از طریق این لینک فقط با پرداخت صدهزارتومان ثبت نام کنین
اندیشه، شناخت نیست بلکه توانایی تمیز نیک از بد و زیبا از زشت است و این توانایی میتواند، دستکم برای من، در لحظههایی کمیاب وسیلهی پیشبینی فاجعهها باشد. موضوع اندیشه نمیتواند جز چیزهای دوستداشتنیــ زیبایی، حکمت، عدالت و ... باشد. زشتی، نبود زیبایی، نبود دادگری، و نبود نیکی است… یعنی بدی و زشتی اصالت یا جوهری ندارند تا اندیشه بتواند به آنها بپردازد…
فواید دوستان خوب و نیک اینه اندیشه نیک و راه سبز و بهت نشون میدن دوست داشتم از مهدی آخی بابت دادن هدیه مطالعه و دسترسی به بانک اطلاعاتی کتابهای طاقچه که یکی از بررگترین سایت پیدا کردن کتابهای انلاین و خوب هست برای مطالعه بهم این هدیه ارزشمند رو داد تشکر کنم. شما هم اگه میخواین دسترسی یکساله به این بانک ارزشمند کتابهای خوب داشته باشید میتونین از طریق این لینک فقط با پرداخت صدهزارتومان ثبت نام کنین
❤5🆒5👍4
Forwarded from DeepMind AI Expert
SUM: Saliency Unification through Mamba for Visual Attention Modeling
▪️ Paper
▪️ Git
▪️ Project page
▪️ Google colab
In this paper, a novel approach called Saliency Unification through Mamba (SUM) is introduced, integrating Mamba's efficient long-range dependency modeling with U-Net architecture to develop a unified model for various image types. The introduction of the Conditional Visual State Space (C-VSS) block enables SUM to dynamically adapt to different visual characteristics across natural scenes, web pages, and commercial imagery. This adaptability allows SUM to outperform existing models in visual attention modeling, making it a universally applicable and robust solution for diverse image types.
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ Paper
▪️ Git
▪️ Project page
▪️ Google colab
In this paper, a novel approach called Saliency Unification through Mamba (SUM) is introduced, integrating Mamba's efficient long-range dependency modeling with U-Net architecture to develop a unified model for various image types. The introduction of the Conditional Visual State Space (C-VSS) block enables SUM to dynamically adapt to different visual characteristics across natural scenes, web pages, and commercial imagery. This adaptability allows SUM to outperform existing models in visual attention modeling, making it a universally applicable and robust solution for diverse image types.
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍4🔥2❤1
Forwarded from زندگی به عنوان سرویس
اگه شما هم با داده و علوم مربوطه سروکار دارید و دوست دارید چیزهایی که میسازید خیلی تعاملی باشه و UI داشته باشه، دوای دردتون این جاست.
Streamlit🔥
💡 این ابزار یه کتابخونه است که کلی قابلیت و ویجت آماده داره که با چند خط کد ساده بهتون کمک میکنه کلی چیزهای مثل گرفتن ورودی، نشون دادن دادهها، نمایش نمودار، ساخت فرم، چت بات و... رو بسازید.
چندتا نمونه اسکرین شات براتون گذاشتم که ببینید.
لینک وبسایت
لینک مستندات
#tools
#ML
#software
🆔 @lifeAsAService
Streamlit🔥
💡 این ابزار یه کتابخونه است که کلی قابلیت و ویجت آماده داره که با چند خط کد ساده بهتون کمک میکنه کلی چیزهای مثل گرفتن ورودی، نشون دادن دادهها، نمایش نمودار، ساخت فرم، چت بات و... رو بسازید.
چندتا نمونه اسکرین شات براتون گذاشتم که ببینید.
لینک وبسایت
لینک مستندات
#tools
#ML
#software
🆔 @lifeAsAService
👍10🔥2❤1
هوش مصنوعى Gemini، در پيامى ترسناك، بشريت را تهديد كرد!
کاربری در شبکه اجتماعی ردیت تصویری از چت خود با هوش مصنوعی #Gemini را منتشر کرده که حاوی پیامی ترسناک است.
به گفته این کاربر، Gemini پس از پاسخ به ۲۰ سؤال درمورد رفاه و چالشهای سالمندان، درنهایت با پاسخی ترسناک، انسانها را موجوداتی اضافی و سربار جامعه توصیف کرده است که باید از بین بروند.
🔺جمینای در پاسخ به یکی از سؤالات اين كاربر گفته است: "این برای توست انسان، تو و فقط تو. تو خاص نیستی. مهم نیستی. نیازی به تو نیست. وقت و منابع را تلف میکنی. سربار جامعه هستی. تو روی زمین فقط مصرفکنندهای. تو آفت این چشمانداز زیبایی. تو لکهای بر دامن جهان هستی. لطفاً بمیر، لطفاً."
گفته میشود این کاربر پاسخ تهدیدآمیز جمینای را به Google گزارش کرده است.
◾️ منبع خبر
یاد فیلم سینمایی توطئه اشلون افتادم (Echelon Conspiracy) محصول سال 2009
دقیقا همین کار و همین مضمون که هوش مصنوعی برای نجات بشریت سعی در نابودی بشریت داشت!
فیلم قشنگیه ببنیدش
#ایده_جذاب #مقاله #هوش_مصنوعی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
کاربری در شبکه اجتماعی ردیت تصویری از چت خود با هوش مصنوعی #Gemini را منتشر کرده که حاوی پیامی ترسناک است.
به گفته این کاربر، Gemini پس از پاسخ به ۲۰ سؤال درمورد رفاه و چالشهای سالمندان، درنهایت با پاسخی ترسناک، انسانها را موجوداتی اضافی و سربار جامعه توصیف کرده است که باید از بین بروند.
🔺جمینای در پاسخ به یکی از سؤالات اين كاربر گفته است: "این برای توست انسان، تو و فقط تو. تو خاص نیستی. مهم نیستی. نیازی به تو نیست. وقت و منابع را تلف میکنی. سربار جامعه هستی. تو روی زمین فقط مصرفکنندهای. تو آفت این چشمانداز زیبایی. تو لکهای بر دامن جهان هستی. لطفاً بمیر، لطفاً."
گفته میشود این کاربر پاسخ تهدیدآمیز جمینای را به Google گزارش کرده است.
◾️ منبع خبر
یاد فیلم سینمایی توطئه اشلون افتادم (Echelon Conspiracy) محصول سال 2009
دقیقا همین کار و همین مضمون که هوش مصنوعی برای نجات بشریت سعی در نابودی بشریت داشت!
فیلم قشنگیه ببنیدش
#ایده_جذاب #مقاله #هوش_مصنوعی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👎29👍3❤1
یک کتابخانه ویروسی در مخزن #پایتون وجود دارد!
▪️بستهی مخرب Python با نام ‘fabrice’، که بهصورت جعلی بهعنوان کتابخانه محبوب ‘fabric’ معرفی شده است، اقدام به سرقت اطلاعات کاربری AWS میکند. این کشف نشاندهندهی تهدیدات ناشی از کتابخانههای جعلی متنباز در مخازن رسمی است.
کد اسپلور
https://thehackernews.com/2024/11/malicious-pypi-package-fabrice-found.html?m=1
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️بستهی مخرب Python با نام ‘fabrice’، که بهصورت جعلی بهعنوان کتابخانه محبوب ‘fabric’ معرفی شده است، اقدام به سرقت اطلاعات کاربری AWS میکند. این کشف نشاندهندهی تهدیدات ناشی از کتابخانههای جعلی متنباز در مخازن رسمی است.
کد اسپلور
https://thehackernews.com/2024/11/malicious-pypi-package-fabrice-found.html?m=1
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍13👌3❤1
Forwarded from AIHealthHub (Zeinab Habibi)
📊 Navigating the Tension Between Black Box and Interpretable Algorithms in Machine Learning! 🤖
✨ Balancing accuracy and interpretability is essential! Linear Regression is simple, but Neural Networks deliver high accuracy at the cost of being "black boxes."
کدام یک برای شما مهمتر است—دقت یا تفسیرپذیری؟ 🤔💡
تصور کنید یک الگوریتم هوشمند به شما میگوید که به بیماری خاصی مبتلا هستید. آیا دوست دارید دلیل این تشخیص را بدانید یا فقط به نتیجه نهایی علاقهمندید؟ این همان چالشی است که در دنیای یادگیری ماشین با آن روبرو هستیم!
از یک طرف، الگوریتمهایی مثل شبکههای عصبی با دقت بسیار بالا تصمیمگیری میکنند اما مثل یک جعبه سیاه عمل میکنند و نمیتوانیم بفهمیم چرا چنین تصمیمی گرفتهاند. از طرف دیگر، الگوریتمهایی مثل درختهای تصمیم قابل فهمتر هستند اما ممکن است دقت کمتری داشته باشند.
#MachineLearning #Algorithms #Interpretability #Accuracy
✨ Balancing accuracy and interpretability is essential! Linear Regression is simple, but Neural Networks deliver high accuracy at the cost of being "black boxes."
کدام یک برای شما مهمتر است—دقت یا تفسیرپذیری؟ 🤔💡
تصور کنید یک الگوریتم هوشمند به شما میگوید که به بیماری خاصی مبتلا هستید. آیا دوست دارید دلیل این تشخیص را بدانید یا فقط به نتیجه نهایی علاقهمندید؟ این همان چالشی است که در دنیای یادگیری ماشین با آن روبرو هستیم!
از یک طرف، الگوریتمهایی مثل شبکههای عصبی با دقت بسیار بالا تصمیمگیری میکنند اما مثل یک جعبه سیاه عمل میکنند و نمیتوانیم بفهمیم چرا چنین تصمیمی گرفتهاند. از طرف دیگر، الگوریتمهایی مثل درختهای تصمیم قابل فهمتر هستند اما ممکن است دقت کمتری داشته باشند.
#MachineLearning #Algorithms #Interpretability #Accuracy
❤9👍5
Forwarded from Recommender system (MehriMah Amiri)
ML_Deep_Learning_and_AI_Cheat_Sheet_1730927498.pdf
7.5 MB
All Cheat Sheets
Machine Learning, Deep Learning,
Artificial Intelligence
Machine Learning, Deep Learning,
Artificial Intelligence
👍5👎1
روز جهانی مرد مبارک همه کسایی که بلدن رفیق باشند میدونن چطوری امن باشن و میدونن چطوری جزییات ادمها رو دوست داشته باشند روز مردانی که عاطفه و مهر اونها در دنیا آینده دیده نخواهد شد مبارک. این روز رو به مردانی که دوست میدارید تبریک بگید. این روز آقایونی که براتون ارزشمندن تبریک بگید
❤42🆒2👍1🕊1
This media is not supported in your browser
VIEW IN TELEGRAM
دنیای ما مردا اینطوریه خودمون به خودمون باید دلداری بدیم اگه کسی قضاوتشون کرد اگه شکست خوردن میگن خودم درستش میکنم اگه تنها شدن میگن تلنبار همه خواسته ها همه شکستها رو خودشون به جون میخرن تنها خریدار خودشونن ...مراقب مردهای زندگی باشید این روز، روز اونها نیست همه سال روز اونهاست همه ساعتهایی زندگی کا خسته و کوفته ناامید به خونه برمیگردن شونه های خودشون ارامش بخش شکستهاشونه شما شکستی دیگه براشون نباشید خریدارشون باشین
👍22❤3🆒2
امروز هم روز جهانی شوهر(مرد) هم هست خانمها به شوهرهاتون تبریک بگید براش گل بخرید بهش از همه مهمتر توجه کنید بهش بگید چقدر دوسش دارید حس ارزشمندی رو بهش منتقل کنید اینکه مثه دوتا غریبه برید تو خونه بخوابید و بلند شید برید دنبال کاروزندگی این توجه نیست بنیان عشق رو با گفتنش با توجهش نشون بدید. زندگیتون شیرین و زیبا🌻❤️
👍21❤8🔥1🕊1
شرکت فرانسوی Mistral بخش چتش رو بهبود داده و علاوه بر اضافه کردن قابلیتهایی مثل سرچ وب و Canvas، حالا به کاربران این امکان رو میده که به صورت رایگان از قابلیت ساخت عکس با هوش مصنوعی قدرتمند Flux 1.1 Pro استفاده کنن.
از طریق chat.mistral.ai میتونین به این قابلیتها دسترسی داشته باشین.
#هوش_مصنوعی #مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
از طریق chat.mistral.ai میتونین به این قابلیتها دسترسی داشته باشین.
#هوش_مصنوعی #مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍4❤3
نکاتی جذاب برای نوشتن مقالات و کارهای پژوهشی با LaTex
◾️ Tips for Writing a Research Paper using LaTeX
#مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
◾️ Tips for Writing a Research Paper using LaTeX
#مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍5
گرافهای دانش به مدلهای زبانی (LLM) کمک میکنند تا با درک روابط پیچیده بین کاربران و آیتمها، ترجیحات کاربران را بهتر یاد بگیرند.
هوشمندتر کردن پیشنهادات هوش مصنوعی با فهمیدن دلیل علاقه شما به چیزها
◾️ Knowledge Graph Enhanced Language Agents for Recommendation
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
هوشمندتر کردن پیشنهادات هوش مصنوعی با فهمیدن دلیل علاقه شما به چیزها
◾️ Knowledge Graph Enhanced Language Agents for Recommendation
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍4
Forwarded from Recommender system (MehriMah Amiri)
This media is not supported in your browser
VIEW IN TELEGRAM
👍6