Forwarded from Deep Time
Deep Time
به چیزی فراتر از Transformerها، Diffusion مدل‌ها و chatGPT نیاز داریم! به این مقدار دلخوش نباشید! همیشه گفته میشه که هوش مصنوعی از زمان پیدایش Deep Learning تونست مراحل feature selection و feature extraction رو حذف و اتومات سازی کنه و به نوعی مسائل end-to…
راه حل؟ باید به مفاهیم برگشت. به بایاس‌ها و کمبود‌های جزئی و کلی. جزئی مثل سلول‌های این سیستم یعنی attention mechanism یا حتی بنیادی تر یعنی back propagation. نیاز به سلول‌های قوی تری برای رسیدن AGI هست. کلی هم مثل توسعه RL و Self Supervised و ترکیب و استفاده بهتر از اونها.
سوال اصلی هم همچنان مثل همیشه این هست که نوزاد چطور فرآیند یادگیری در نوزاد انسان و انسان بالغ رو بفهمیم و بهتر مدل کنیم. قبلا درباره راه آینده برای AI پست‌هایی مثل این مورد و این مورد درباره سنجش هوش از گذاشته بودم.
@deeptimeai
سوال اصلی هم همچنان مثل همیشه این هست که نوزاد چطور فرآیند یادگیری در نوزاد انسان و انسان بالغ رو بفهمیم و بهتر مدل کنیم. قبلا درباره راه آینده برای AI پست‌هایی مثل این مورد و این مورد درباره سنجش هوش از گذاشته بودم.
@deeptimeai
Telegram
Deep Time 🏴
این هم توضیح مقاله یان لکان برای دوستانی که وقت یا حوصله خوندن مقاله رو ندارن میشه تو یک ساعت ویدئوی توضیحات رو دید
YouTube Link
@deeptimeai
YouTube Link
@deeptimeai
Forwarded from Bag of Words
روز یکشنبه‌ای موضوعی حوصله‌سربرتر (؟!) از این پیدا نمیشه ولی اگر کار تحقیقاتی NLP می‌کنین و با ظهور مدل‌های زبانی بزرگ موجی از ناامیدی شمارو فراگرفته که الان دیگه اصلا کارهای ما به چه دردی می‌خوره! اینجا ایده‌هایی براتون هست:
A PhD Student’s Perspective on Research in NLP in the Era of Very Large Language Models
https://arxiv.org/pdf/2305.12544.pdf
A PhD Student’s Perspective on Research in NLP in the Era of Very Large Language Models
https://arxiv.org/pdf/2305.12544.pdf
👌3
Forwarded from DeepMind AI Expert (Farzad 🦅)
۸۰۰ کلاس درس دانشگاهی، عموما از دانشگاه های Ivy League آمریکا و معتبر در زمینه Computer Science. فرصت خوبی برای یادگیری و یا آشنایی با نحوه تدریس و کلاس های دانشگاهی.
bit.ly/3472Iia
#منابع #منابع_پیشنهادی #فیلم #کلاس_آموزشی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
bit.ly/3472Iia
#منابع #منابع_پیشنهادی #فیلم #کلاس_آموزشی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
👍1
Forwarded from Meysam
یادگیری آمار و احتمال به شکل کاملا بصری:
https://seeing-theory.brown.edu/index.html
اگه همیشه دنبال این بودید که آمار و احتمال رو به شکلی یاد بگیرید شاید برای شروع خوب باشه.
https://seeing-theory.brown.edu/index.html
اگه همیشه دنبال این بودید که آمار و احتمال رو به شکلی یاد بگیرید شاید برای شروع خوب باشه.
🤩5
Forwarded from AI with Papers - Artificial Intelligence & Deep Learning
This media is not supported in your browser
VIEW IN TELEGRAM
🌻 Extending Mona Lisa with AI 🌻
👉 A guy on Reddit extends Mona Lisa Painting with #Photoshop AI. The result is surprising.
😎More https://t.ly/j_2r
👉 A guy on Reddit extends Mona Lisa Painting with #Photoshop AI. The result is surprising.
😎More https://t.ly/j_2r
👍1
Forwarded from Meysam
آلفادو مدل جدید گوگل تونسته روش مرتب سازی سریع تری ابداع کنه!
https://www.linkedin.com/posts/meysam-ac_another-ai-accomplishment-alphadev-discovers-activity-7072257889112870912-hhIc?utm_source=share&utm_medium=member_android
https://www.linkedin.com/posts/meysam-ac_another-ai-accomplishment-alphadev-discovers-activity-7072257889112870912-hhIc?utm_source=share&utm_medium=member_android
Linkedin
Meysam Asgari-Chenaghlu on LinkedIn: Another AI accomplishment: AlphaDev discovers faster sorting…
Another AI accomplishment: AlphaDev discovers faster sorting algorithms!
It is one of the momentums of AI in my opinion. An AI model capable of discovering…
It is one of the momentums of AI in my opinion. An AI model capable of discovering…
🔥4
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
گوگلی ها با استفاده از RL در هوش مصنوعی یه روش سورت کردن جدید ابداع کردند.
این مقاله در Natute چاپ شده و کد سورت هم به زبان c++ نیز در گیتهاب به صورت اوپن سورس گذاشته شده.
این اولین باریه که یه هوش مصنوعی تو ابداع یه روش طراحی الگوریتمی/ساختمان داده ای داره دخالت میکنه :)
https://www.deepmind.com/blog/alphadev-discovers-faster-sorting-algorithms
این مقاله در Natute چاپ شده و کد سورت هم به زبان c++ نیز در گیتهاب به صورت اوپن سورس گذاشته شده.
این اولین باریه که یه هوش مصنوعی تو ابداع یه روش طراحی الگوریتمی/ساختمان داده ای داره دخالت میکنه :)
https://www.deepmind.com/blog/alphadev-discovers-faster-sorting-algorithms
🔥5
Forwarded from رویدادهای هوش مصنوعی
⚡️ سمپوزیوم AIMI 2023 استنفورد با بحث در زمینه جدیدترین‌های AI در مراقبت‌های بهداشتی و بهره‌گیری از نظرات متخصصین این حوزه
- ثبت نام شرکت آنلاین در این رویداد، رایگان و آزاد است.
📌 لینک ثبت نام:
🌐https://aimi.stanford.edu/aimi23/registration
〰️〰️〰️〰️〰️
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورک‌شاپ و کلاس تشکیل شده است.
@eventai
- ثبت نام شرکت آنلاین در این رویداد، رایگان و آزاد است.
📌 لینک ثبت نام:
🌐https://aimi.stanford.edu/aimi23/registration
〰️〰️〰️〰️〰️
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورک‌شاپ و کلاس تشکیل شده است.
@eventai
Forwarded from PyTorch Howsam (Howsam Support)
This media is not supported in your browser
VIEW IN TELEGRAM
یک مقاله جالب
اگه کمی با ساختار مغز آشنا باشید، میدونید که در مغز انسان نورونهای مختلفی وجود داره.
اما اکثر شبکه های عصبی ما ساختار یکسانی برای نورون درنظر میگیرن که یک تابع فعالساز مثل سیگموید، رلو یا موارد دیگه داره. حالا در مقاله ای اومدن شبکه Neural Diversity رو معرفی کردن که میتونه با وزنهای رندوم مسائل RL رو حل کنه.
به ویدئوی بالا نگاه کنید؛ سمت چپی، یک شبکه عصبی استاندارد و سمت راستی شبکه پیشنهاد شده در این مقاله هست. به توابع فعالساز دو شبکه نگاه کنید؛ ببینید تفاوت قالب توجهی باهم دارند. درعین حال، به نقطه چینهای قرمز و سبز هم دقت کنید. قرمزها قابل آموزش و سبزها ثابت هستن. میبنید که دو شبکه برعکس همدیگه هستن.
در شبکه استاندارد، نورونها ثابت و اتصالات بین نورونها قابل یادگیری هست. اما در شبکه پیشنهادی، نورونها قابلیت یادگیری دارن و اتصالات ثابت و صرفا اعدادی رندوم هستن. هر نورون در این شبکه ساختاری مشابه با RNN داره و به قول مولفهای مقاله، یک TinyRNN هست. این نورونها یکسری وزن دارن که قابلیت یادگیری دارن. به اکتیویشنها در ویدئو دقت کنید. اکتیویشنهای متنوعی میبینید.
مقاله | رفرنس
@pytorch_howsam
اگه کمی با ساختار مغز آشنا باشید، میدونید که در مغز انسان نورونهای مختلفی وجود داره.
اما اکثر شبکه های عصبی ما ساختار یکسانی برای نورون درنظر میگیرن که یک تابع فعالساز مثل سیگموید، رلو یا موارد دیگه داره. حالا در مقاله ای اومدن شبکه Neural Diversity رو معرفی کردن که میتونه با وزنهای رندوم مسائل RL رو حل کنه.
به ویدئوی بالا نگاه کنید؛ سمت چپی، یک شبکه عصبی استاندارد و سمت راستی شبکه پیشنهاد شده در این مقاله هست. به توابع فعالساز دو شبکه نگاه کنید؛ ببینید تفاوت قالب توجهی باهم دارند. درعین حال، به نقطه چینهای قرمز و سبز هم دقت کنید. قرمزها قابل آموزش و سبزها ثابت هستن. میبنید که دو شبکه برعکس همدیگه هستن.
در شبکه استاندارد، نورونها ثابت و اتصالات بین نورونها قابل یادگیری هست. اما در شبکه پیشنهادی، نورونها قابلیت یادگیری دارن و اتصالات ثابت و صرفا اعدادی رندوم هستن. هر نورون در این شبکه ساختاری مشابه با RNN داره و به قول مولفهای مقاله، یک TinyRNN هست. این نورونها یکسری وزن دارن که قابلیت یادگیری دارن. به اکتیویشنها در ویدئو دقت کنید. اکتیویشنهای متنوعی میبینید.
مقاله | رفرنس
@pytorch_howsam
👍2🔥2
Forwarded from DeepMind AI Expert (Farzad 🦅)
Transformers as Statisticians
Unveiling a new mechanism "In-Context Algorithm Selection" for In-Context Learning (ICL) in LLMs/transformers.
arxiv.org/abs/2306.04637
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
Unveiling a new mechanism "In-Context Algorithm Selection" for In-Context Learning (ICL) in LLMs/transformers.
arxiv.org/abs/2306.04637
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔥1
Forwarded from Meysam
اگر دنبال دوره خوب برای یادگیری عمیق هستید که با مثال و عملی و تیوری بهتون یاد بده، این صفحه رو حتما ببینید:
https://dataflowr.github.io/website/modules/
https://dataflowr.github.io/website/modules/
👍5
Forwarded from DataDays 2022
Media is too big
VIEW IN TELEGRAM
📌 ویدیوی کارگاه هفتم -طراحی Machine Learning Pipelines
👥 عنوان کارگاه:
Productionizing Machine Learning Models: Designing ML Pipelines
📱 Instagram | Twitter | LinkedIn
🆔 @Datadays_Sharif
👥 عنوان کارگاه:
Productionizing Machine Learning Models: Designing ML Pipelines
📱 Instagram | Twitter | LinkedIn
🆔 @Datadays_Sharif
👌2
یه منبع خوب و (نسبتا) جمع و جور برای هر چیزی که در رابطه با ماتریس بهش نیاز دارید و خواهد داشت
Matrix Cookbook:
https://www.math.uwaterloo.ca/~hwolkowi/matrixcookbook.pdf
Matrix Cookbook:
https://www.math.uwaterloo.ca/~hwolkowi/matrixcookbook.pdf
👍2🤩1
Forwarded from PyTorch Howsam (Howsam Support)
در مطالب آموزشی درس یادگیری ماشین، کمتر به بحث بهینه سازی (Optimization) پرداخته میشه. درحالیکه در یادگیری ماشین حضور پررنگی داره. اصلا قلب تپنده خیلی از الگوریتمهای یادگیری ماشین هست.
اگه یادگیری ماشین رو در سطح خوبی یاد گرفتید، مطالعه Convex Optimization براتون مفیده و میتونه دید شما رو در یادگیری ماشین ارتقا بده.
اینجا یک اسلاید قدیمی و تروتمیز از دانشگاه برکلی براتون گذاشتیم که نگاهی بهش بندازید. قطعا کافی نیست، ولی برای دیدن رئوس مطالب و آشنایی با کلیدواژه ها خوب هست.
https://people.eecs.berkeley.edu/~jordan/courses/294-fall09/lectures/optimization/slides.pdf
@pytorch_howsam
اگه یادگیری ماشین رو در سطح خوبی یاد گرفتید، مطالعه Convex Optimization براتون مفیده و میتونه دید شما رو در یادگیری ماشین ارتقا بده.
اینجا یک اسلاید قدیمی و تروتمیز از دانشگاه برکلی براتون گذاشتیم که نگاهی بهش بندازید. قطعا کافی نیست، ولی برای دیدن رئوس مطالب و آشنایی با کلیدواژه ها خوب هست.
https://people.eecs.berkeley.edu/~jordan/courses/294-fall09/lectures/optimization/slides.pdf
@pytorch_howsam
👍2
Forwarded from Scientific Society of Computer Engineering - UB (𝔽𝕒𝕣𝕚𝕓𝕠𝕣𝕫 𝕛𝕖𝕝𝕧𝕖)
✨✨✨ انجمن علمی دانشکده مهندسی برگزار می کند. ✨✨
✔️ مقدمه ای بر پردازش زبان طبیعی، روش طبقه بندی متون و تعبیه کلمات
📌 با حضور دکتر محمد حاجی آبادی (استاد دانشگاه واترلو کانادا)
مدرس:فرهان فرسی (محقق هوش مصنوعی دانشگاه صنعتی امیر کبیر)
🗓 زمان : سه شنبه ٣٠ خرداد ساعت ١٢ الی ١٣
🏢 مکان: سالن همایش های مجازی پردیس مهندسی
⚠️ حضور برای عموم افراد مجاز است.
___
@SSOCS
✔️ مقدمه ای بر پردازش زبان طبیعی، روش طبقه بندی متون و تعبیه کلمات
📌 با حضور دکتر محمد حاجی آبادی (استاد دانشگاه واترلو کانادا)
مدرس:فرهان فرسی (محقق هوش مصنوعی دانشگاه صنعتی امیر کبیر)
🗓 زمان : سه شنبه ٣٠ خرداد ساعت ١٢ الی ١٣
🏢 مکان: سالن همایش های مجازی پردیس مهندسی
⚠️ حضور برای عموم افراد مجاز است.
___
@SSOCS
🤩10
Forwarded from Deep Time
مسیر تحصیل رایگان و خودخوان computer science دانشگاه MIT
Path to a free self-taught education in Computer Science!
لینک توییت
حتما یک سر به این ریپو بزنید توش موارد جالبی هست. مثل این بحث یادگیری ابزار دانشگاه MIT که قبلا هم اشاره شد.
The Missing Semester of Your CS Education
@deeptimeai
Path to a free self-taught education in Computer Science!
لینک توییت
حتما یک سر به این ریپو بزنید توش موارد جالبی هست. مثل این بحث یادگیری ابزار دانشگاه MIT که قبلا هم اشاره شد.
The Missing Semester of Your CS Education
@deeptimeai
GitHub
GitHub - ossu/computer-science: 🎓 Path to a free self-taught education in Computer Science!
🎓 Path to a free self-taught education in Computer Science! - ossu/computer-science
Forwarded from DeepMind AI Expert (Farzad 🦅)
بهترین مقالات برگزیده در کنفرانس CVPR 2023
1) Visual Programming for Compositional Visual Reasoning
https://prior.allenai.org/projects/visprog
2) Planning-oriented Autonomous Driving
https://opendrivelab.github.io/UniAD/
3) DynIBaR Neural Dynamic Image-Based Rendering
https://dynibar.github.io/
4) 3D Registration with Maximal Cliques
https://arxiv.org/abs/2305.10854
5) DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation
https://dreambooth.github.io/
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
1) Visual Programming for Compositional Visual Reasoning
https://prior.allenai.org/projects/visprog
2) Planning-oriented Autonomous Driving
https://opendrivelab.github.io/UniAD/
3) DynIBaR Neural Dynamic Image-Based Rendering
https://dynibar.github.io/
4) 3D Registration with Maximal Cliques
https://arxiv.org/abs/2305.10854
5) DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation
https://dreambooth.github.io/
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
👍3
Forwarded from DeepMind AI Expert (Farzad 🦅)
قبلتر یک سری منابع اینجا معرفی کردم جال در ادامه یک منبعی کاربردی و عملی که چگونه #الگوریتمها را بهینه سازی کنیم
Optimization: Principles and Algorithms by Michel Bierlaire
https://optimizationprinciplesalgorithms.com/
#منابع #متوسط #پیشرفته #ریاضی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
Optimization: Principles and Algorithms by Michel Bierlaire
https://optimizationprinciplesalgorithms.com/
#منابع #متوسط #پیشرفته #ریاضی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind