💠 The AI Podcast Recursion CEO Chris Gibson on Accelerating the Biopharmaceutical Industry With AI - Ep. 230

🌐 Reference
#پادکست
🆔@IDS_AI_ML
🆔@IDSchools

🎥 سریال The Mind, Explained یک سریال مستند است که در Netflix قابل دسترسی است. این سریال به پیچیدگی‌های ذهن انسان می‌پردازد و جنبه‌های مختلف فرآیندهای ذهنی و رفتارها را مورد بررسی قرار می‌دهد. هر قسمت از این سریال بر روی یک موضوع متفاوت مرتبط با ذهن تمرکز دارد، مانند حافظه، رویاها، اضطراب، تمرکز حواس و داروهای روان‌گردان.

✅ این سریال به خاطر ارائه جذاب و بصری خود شناخته شده است و با ترکیبی از مصاحبه‌های تخصصی، انیمیشن‌ها و مثال‌های دنیای واقعی، مفاهیم علمی پیچیده را به شکلی قابل فهم و ساده ارائه می‌دهد. روایت این سریال توسط افراد مشهوری مانند اما استون انجام می‌شود و آن را برای مخاطبان گسترده‌ای قابل دسترس می‌کند. این نمایش نگاهی به چگونگی عملکرد مغز، تأثیرات آن بر زندگی روزمره ما، و جدیدترین تحقیقات در زمینه علوم اعصاب و روانشناسی دارد.

🌐 The Mind, Explained

🆔@IDS_AI_ML
🆔@IDSchools

💠 فریمورک PyTorch یک کتابخانه‌ی متن‌باز برای یادگیری ماشین است که توسط آزمایشگاه تحقیقاتی هوش مصنوعی فیسبوک (FAIR) توسعه یافته است. این کتابخانه به طور گسترده برای کاربردهایی مانند بینایی کامپیوتر، پردازش زبان طبیعی و سایر وظایف پیشرفته هوش مصنوعی مورد استفاده قرار می‌گیرد. .

ویژگی‌های کلیدی PyTorch

🔸سهولت در استفاده: سینتکس و طراحی PyTorch بسیار شهودی و شبیه به پایتون است که آن را برای مبتدیان قابل دسترسی و در عین حال برای کاربران پیشرفته قدرتمند می‌سازد.

🔸پشتیبانی قوی از GPU: این فریم‌ورک به صورت یکپارچه با شتاب‌دهنده‌های GPU کار می‌کند که منجر به انجام محاسبات کارآمدتر و زمان آموزش سریع‌تر برای مدل‌های بزرگ می‌شود.

🔸پذیرش گسترده در صنعت و جامعه: PyTorch در هر دو حوزه دانشگاهی و صنعتی به طور گسترده مورد استفاده قرار می‌گیرد و بسیاری از پروژه‌های پژوهشی و برنامه‌های تجاری را پشتیبانی می‌کند.

🆔@IDS_AI_ML
🆔@IDSchools

❇️ Deep Learning With PyTorch

🌐 Youtube Playlist

🆔@IDS_AI_ML
🆔@IDSchools

💠 محققان MIT از مدل های زبان بزرگ برای شناسایی مشکلات در سیستم های پیچیده استفاده می کنند

پژوهشگران MIT استفاده از مدل‌های زبانی بزرگ (LLM) را برای شناسایی ناهنجاری‌ها در داده‌های سری زمانی مربوط به توربین‌های بادی بررسی کرده‌اند. به‌طور سنتی، مدل‌های یادگیری عمیق برای این کار به کار می‌روند، اما آموزش آن‌ها پیچیده و پرهزینه است. در مقابل، مدل‌های زبانی بزرگ یک راه‌حل کارآمدتر و از پیش آماده ارائه می‌دهند که نیازی به آموزش مجدد ندارند.

پژوهشگران چارچوبی به نام SigLLM توسعه داده‌اند که داده‌های سری زمانی را به متنی تبدیل می‌کند که مدل‌های زبانی بتوانند آن را پردازش کنند. اگرچه مدل‌های زبانی نتوانستند از مدل‌های پیشرفته یادگیری عمیق پیشی بگیرند، اما در برخی موارد عملکردی مشابه با دیگر روش‌های هوش مصنوعی داشتند. در این تحقیق، دو روش معرفی شده است: Prompter (که مستقیماً ناهنجاری‌ها را شناسایی می‌کند) و Detector (که با پیش‌بینی مقادیر آینده، ناهنجاری‌ها را پیدا می‌کند). روش Detector عملکرد بهتری داشت، اما هنوز هم از مدل‌های یادگیری عمیق پیشرفته عقب‌تر است.

بهبودهای آینده می‌تواند شامل تنظیم دقیق LLM‌ها و افزایش سرعت آن‌ها باشد. در صورت موفقیت، مدل‌های زبانی بزرگ می‌توانند راه‌حلی ساده‌تر و در دسترس‌تر برای وظایف پیچیده‌ای مانند شناسایی ناهنجاری‌ها در صنایعی مانند ماشین‌آلات سنگین و ماهواره‌ها ارائه دهند.

🌐 Reference

🆔@IDS_AI_ML
🆔@IDSchools

🔰تنسورفلو (TensorFlow) یک کتابخانه منبع‌باز برای یادگیری ماشین است که توسط گوگل توسعه داده شده و به‌طور گسترده‌ای برای انواع مختلف وظایف از جمله یادگیری عمیق، شبکه‌های عصبی و مدل‌های یادگیری ماشین در مقیاس بزرگ استفاده می‌شود.

ویژگی‌های کلیدی تنسورفلو:

اکوسیستم جامع یادگیری ماشین: تنسورفلو یک اکوسیستم شامل کتابخانه اصلی، TensorFlow Extended (TFX) برای پایپ‌لاین‌های تولید یادگیری ماشین، TensorFlow Lite برای دستگاه‌های موبایل و لبه، و TensorFlow.js برای برنامه‌های یادگیری ماشین مبتنی بر جاوا اسکریپت را ارائه می‌دهد.

معماری انعطاف‌پذیر: تنسورفلو به شما اجازه می‌دهد تا محاسبات را به یکی یا چندین CPU یا GPU در یک دسکتاپ، سرور یا دستگاه موبایل با یک API واحد منتقل کنید.

کراس Keras : تنسورفلو شامل یک API سطح بالا به نام Keras است که ساخت و آموزش مدل‌ها را ساده می‌کند. Keras کاربرپسند است و به‌سرعت امکان نمونه‌سازی مدل‌های پیچیده را فراهم می‌آورد.

🆔@IDS_AI_ML
🆔@IDSchools