در این کتاب یادگیری ماشین جدیدی که پابلیک شده اکثر مباحث کاربردی رو پوشش داده در اکثر کتابها اینطوری جامع ذکر نشده

Mathematical Analysis of Machine Learning Algorithms

tongzhang-ml.org/lt-book.html

#منابع #کتاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

بچه‌ها اگر nlp رو فارسی کار می‌کنید parsinorm خیلی خفنه، من تا حالا ندیده بودمش اما برای نرمالایز و اینا خیلی خفنه حتی بهتون مخفف‌ها هم میده

پایتورچ 2.1 همراه با کتابخانه های جدیدی آمد 😍

این به‌روزرسانی‌ها نشان می‌دهند که تمرکز تیم توسعه دهنده بر توسعه رابط‌های برنامه‌نویسی (APIs) مشترک و قابل گسترش در تمام زمینه‌ها است تا برای جامعه ما آسان‌تر شود تا پروژه‌های اکوسیستمی را بر پایه PyTorch ایجاد کنند 💪🏻

به همراه انتشار 2.1، به‌روزرسانی‌های بتا را برای کتابخانه‌های حوزه PyTorch از جمله TorchAudio و TorchVision منتشر شده.

New Library Updates in PyTorch 2.1

سری های زمانی و مدلهای LLMs

🔸 Large Language Models Are Zero-Shot Time Series Forecasters

1) they were not trained on the same data they are being benchmarked on.
2) large scale testing against all other non transformer forecasting models.

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

جلسه دفاع دانشجوی ممتاز دانشگاه صنعتی امیرکبیر در حوزه هوش مصنوعی (پردازش زبان طبیعی) در تاریخ ۲۹ مهر ماه ساعت ۱۲ ظهر در اتاق دفاع دانشکده مهندسی کامپیوتر برگزار خواهد شد.

بازدید برای عموم آزاد است

The easiest way to learn neural network optimizers

https://youtube.com/playlist?list=PL2Yggtk_pK6_G2wS4aiqkc7gF2mLoGECu&si=wfLqPa-n40FS_WhF

چگونه یک ریسرچر معمولی نباشیم
https://twitter.com/_jasonwei/status/1715080315587440719?t=hig8BsRvdnFSvW80pvwKcQ&s=19

سلام دوستان
پروژه دادماتولز یک ابزار همه منظوره در حوزه NLP هست که قابلیت های زیر را دارد:
1- قابلیت دانلود دیتاست های معروف فارسی و انجام Prepraccess های آنها به صورت خودکار.
2- محاسبه embedding کلمات.
3- نرمالایزر
4- دارای یک pipeline که ویژگی های زیر را از یک متن استخراج می‌کند:
Named Entity Recognition
Part of speech tagging
Dependency parsing
Constituency parsing
Kasreh Ezafe Detection
Chunking
Lemmatizing
Tokenizing
Spellchecker
--------------------------
تا پایان ماه آتی(آبان) ویژگی های زیر به پروژه اضافه می‌شود:
1- تبدیل محاوره به رسمی
2- تحلیل احساسات
3- تحلیل هیجان
4- استفاده از تکنیک adapter(در این روش تنها از یک مدل پایه برای همه تسک های pipeline استفاده می‌شود و درنتیجه استفاده از رم سیستم به‌شدت کاهش می‌یابد و محاسبات سریع تر میشود.)

لطفا با ستاره دادن به پروژه گیت‌هاب ما را در ایجاد این ابزار رایگان و مفید حمایت کنید و موجب دلگرمی و انگیزه ما شوید. 🙏🙏😊

https://github.com/Dadmatech/DadmaTools

https://github.com/ashishpatel26/LLM-Finetuning
This project focuses on efficiently fine-tuning large language models using LoRA and Hugging Face's transformers library.

یه خبر عالی!
دانشکده کامپیوتر دانشگاه شریف این ترم درس LLM با تدریس اساتید دکتر رهبان، دکتر سلیمانی و دکتر عسگری گذاشته!

لینک سرفصل‌ها

لینک ویدیوها

اگر چه مطالبی که عنوان میشه رو میتونید تو دوره‌های کوتاه کورسرا پیدا کنید، اما دیدن این درس نگاه جامعی بهتون می‌ده و قطعا خالی از لطف نیست.
@Ai_Events

Microsoft, LinkedIn, and ... released a professional certificate in Generative Al🚀
No prerequisites or fees are required.

LinkedIn Post: https://www.linkedin.com/feed/update/urn:li:activity:7128196033808928773/
Website Link: https://365datascience.com/free-weeks-2023/

دوره جدید دانشگاه استنفورد
Stanford.Game Theory Free Course

▪️Game Theory
▪️Game Theory II: Advanced
▪️Deep Multi-Task and Meta Learning
▪️Game Theory for Machine Learning
▪️ Algorithmic Game Theory

#منابع #الگوریتمها #نظریه_بازی #فیلم #آموزش_کلاسی

🗨 @AI_Python

⚡️ مرکز سیستم های اطلاعات و علوم داده شریف با همکاری انجمن علمی رسانا برگزار می‌کند:

رمزگشایی مدل های بزرگ زبانی

🔻سخنرانان:
آقای حسین اخلاقپور
مهندس ارشد یادگیری ماشین در سیلیکون ولی
دکتر بابک حسین خلج
رئیس دانشکده مهندسی برق شریف

📌 جلسه به دو صورت حضوری و مجازی می‌باشد.

🔗جهت آشنایی بیشتر با ارائه دهنده این برنامه و موضوع هایی که در ارائه بحث خواهد شد، می توانید این ویدیو را مشاهده کنید.

🗓 سه شنبه، ۳۰ آبان
🕔ساعت ۱۶ الی ۱۸:۳۰

📝 جهت شرکت رایگان در جلسه، این فرم را تکمیل فرمایید.

🔴 شرکت در جلسه همایش، برای عموم آزاد است.

‼️مهلت ثبت نام جهت شرکت حضوری، دوشنبه ۲۹ آبان ، ۱۲:۰۰ شب

🔍تاریخ و مهلت ثبت‌نام ورکشاپ‌های این دوره نیز به زودی اعلام می‌شود.

📍نشانی محل برگزاری: دانشگاه صنعتی شریف، دانشکده مهندسی برق، سالن کهربا

🔗 لینک شرکت به صورت مجازی

📆 اضافه کردن به تقویم

🔍 جهت اطلاعات بیشتر عضو کانال شوید.
🆔@ISDS_Sharif
🆔@EEResana

ویدئوهای ضبط‌شده از کلاس دیپ‌لرنینگ دکتر علی قدسی استاد دانشگاه واترلو

https://youtube.com/playlist?list=PLehuLRPyt1HxuYpdlW4KevYJVOSDG3DEz&si=4eeCBn8S25oaDJbF

فریمورک جدید mlx که توسط Apple برای اجرا روی پردازنده‌های اپل طراحی شده

https://twitter.com/deliprao/status/1732250132614184970?t=fRv3O5KowpH_JAIDFQ5h0Q&s=19

باید با ترنسفورمرها خداحافظی کنیم؟!

What is State Space Sequence Models (SSMs):** SSMs have emerged as a promising architecture for sequence modeling, combining aspects of recurrent neural networks (RNNs), convolutional neural networks (CNNs), and classical state space models. They offer efficient computation, either as a recurrence or convolution, with linear or near-linear scaling in sequence length. Despite their success in continuous signal data like audio and vision, SSMs have been less effective in modeling discrete and information-dense data such as text.

📌 Selective State Space Models (SSMs): The paper introduces a new class of selective SSMs, designed to achieve the modeling power of Transformers while maintaining linear scaling in sequence length. This involves a selection mechanism allowing the model to selectively propagate or forget information along the sequence length dimension, based on the input. The innovation also includes a hardware-aware parallel algorithm to address the computational challenges posed by making SSMs time- and input-variant.

📌 The selection mechanism in Mamba It allows filtering out irrelevant tokens, resetting the state to remove extraneous history, and managing how information propagates or interacts along the sequence dimension. This mechanism is also connected to the gating mechanisms of RNNs and can be applied to traditional RNNs or CNNs.

📌 Empirical Validation: Mamba's effectiveness is empirically validated in several domains, including language modeling, DNA sequencing, and audio waveform modeling. It outperforms previous state-of-the-art models in these domains and shows superior performance in both pretraining quality and domain-specific task performance.

▪️ Mamba: Linear-Time Sequence Modeling with Selective State Spaces
▪️ GitHub

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

سایت زیر اومده ابزارهای هوش‌مصنوعی در حوزه‌های مختلف رو لیست کرده، اینجوری میتونید راحت بین این ابزارها بگردید و بهترین رو متناسب با نیازتون انتخاب کنید.

https://www.aixploria.com/en/

@Ai_Events

ظاهرا قرار نیست مدل Mamba پایانی برای سلطه ترنسفورمرها باشد. RWKV مدل جدیدی که اخیرا ادعای بیشتری رو در این حیطه مطرح کرده است خواندنی هست.

▪️ RWKV: Reinventing RNNs for the Transformer Era

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person