اخیرا زیرمجموعه‌ای از دستورات NumPy در تنسورفلو پیاده‌سازی شده است که امکان اجرای این دستورات روی جی‌پی‌یو را فراهم می‌کند. در این شکل، تفاوت سرعت اجرای عملیات جمع بین دو آرایه‌ی ۱۰۰ میلیون عنصری با استفاده از NumPy اصلی و NumPy پیاده‌سازی شده در تنسورفلو را مشاهده می‌کنید.

مجموعه داده‌ی فارس‌تیل (FarsTail) بعنوان اولین مجموعه داده‌ی فارسی برای مسئله‌ی استنتاج زبانی با بیش از ۱۰۰۰۰ نمونه در قالب یک پروژه ۲ ساله توسط یک تیم ۶ نفره در آزمایشگاه داده‌کاوی و یادگیری ماشین دانشگاه قم تهیه شده است. برای اطمینان از کیفیت فارس‌تیل، مراحل تهیه‌ی داده براساس مجموعه داده‌های معتبر بین‌المللی (مانند SciTail) انجام شده و چند مرحله پاک‌سازی و برچسب‌زنی مجدد صورت پذیرفته است.

مقاله در آرکایو:
https://arxiv.org/pdf/2009.08820.pdf

لینک در paperswithcode:
https://paperswithcode.com/sota/natural-language-inference-on-farstail

دانلود داده برای کارهای غیرتجاری:
https://github.com/dml-qom/FarsTail

مجموعه داده‌های پردازش زبان فارسی:

وب‌سایتی برای سامان‌دهی مجموعه‌‌های موجود:
https://nlpdataset.ir

مجموعه‌ی ParsiNLU شامل شش وظیفه‌ی مختلف:
https://github.com/persiannlp/parsinlu

اسلایدهای ارائه‌ی دکتر خشابی

ویدئوی ارائه‌ی دکتر خشابی:
https://conf.ipm.ir/playback/presentation/2.0/playback.html?meetingId=5f8c24df54546e6668f301bfc0f338303ce6513f-1622559008074

کانال مرتبط مفید:
https://t.iss.one/nlp_stuff

اسلایدهای وبینار هوش مصنوعی

سلام دوستان.
گاهی عزیزانی که می‌خواهند وارد حوزه‌ی هوش مصنوعی شوند راجع به مسیر پیشنهادی سوال می‌کنند. هرچند نقشه‌ راه‌های پیشنهادی مختلفی وجود دارد، من هم سعی کردم بخشی از تجربیات خودم را در قالب یک نوشتار کوتاه مستند کنم. از طریق لینک زیر می‌توانید این فایل را مطالعه بفرمایید. خوشحال می‌شوم نظرتان را راجع به این محتوا در کامنت‌های این پست بنویسید. همچنین اگر موضوعی است که فکر می‌کنید خوب است به این سند اضافه شود یا بیشتر توضیح داده شود، لطفا بیان کنید تا به مرور سند را کامل‌تر کنم.
سپاس
https://docs.google.com/document/d/13VnNg0BxC4AqbN9SWfEaq6CQgHKJRmlW3Lkk-2SHbCo/edit?usp=sharing