اگر قصد داشته باشید که Asset هایی که ایجاد کردید رو بین ورک اسپیس های مختلف ماشین لرنینگ در مایکروسافت آژور به اشتراک بذارید می تونید از رجیستری ها استفاده کنید
Please open Telegram to view this post
VIEW IN TELEGRAM
بررسی مقاله DeepSeek OCR که به نوعی معرفی یکی از متدهای پیشرو برای Memory Comaprison هستش :
👉 @ai_python ✍️
https://youtu.be/YEZHU4LSUfU?si=pYhcCw7uG-XxSnCn
https://youtu.be/YEZHU4LSUfU?si=pYhcCw7uG-XxSnCn
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
DeepSeek OCR - More than OCR
In this video, I look at DeepSeek OCR and show that it's an experiment in using images to compress text representations better.
DeepSeek OCR Paper: https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf
For more tutorials on using…
DeepSeek OCR Paper: https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf
For more tutorials on using…
سایت Figma یک پلتفرم طراحی و همکاری آنلاین است که به تیم‌ها اجازه می‌دهد به‌صورت هم‌زمان روی پروژه‌های طراحی رابط کاربری (UI) و تجربه کاربری (UX) کار کنند.
حالا یکی از قابلیت های جالبش که تقریبن شاید بشه گفت، شبیه Lovable هست، قابلیت Figma Make هستش.
👉 @ai_python ✍️
خلاصه از طریق Ehsun عزیز، با خبر شدیم که این پلت فرم هم اکانت دانشجویی رایگان داره. (که البته متاسفانه نمی دونم که شامل دانشجوهای داخل ایران هم می شه یا نه؟)
اگر دانشجو هستید و استفاده ای از این سرویس دارید، یک سری به این قسمت از وب سایت فیگما بزنید : https://www.figma.com/de-de/education/
حالا یکی از قابلیت های جالبش که تقریبن شاید بشه گفت، شبیه Lovable هست، قابلیت Figma Make هستش.
خلاصه از طریق Ehsun عزیز، با خبر شدیم که این پلت فرم هم اکانت دانشجویی رایگان داره. (که البته متاسفانه نمی دونم که شامل دانشجوهای داخل ایران هم می شه یا نه؟)
اگر دانشجو هستید و استفاده ای از این سرویس دارید، یک سری به این قسمت از وب سایت فیگما بزنید : https://www.figma.com/de-de/education/
Please open Telegram to view this post
VIEW IN TELEGRAM
Figma
Figma für Bildungseinrichtungen | Kostenlose Tools fürs Klassenzimmer
Figma ist für Schüler*innen, Studierende und Lehrkräfte kostenlos. Nutze Figma in deinem Kurs für Präsentationen, Zusammenarbeit, Designs und Prototyping.
اینم یک ویدیو نمونه از کارایی که می شه با Figma Make کرد که نمونه خیلی Fun ای هم هست، به خصوص برای علاقه مندان به موسیقی :
https://youtu.be/OvIRNlLCB0U?si=rD5EFQ8qYfdRAViV
https://youtu.be/OvIRNlLCB0U?si=rD5EFQ8qYfdRAViV
YouTube
Figma for Edu: Prompting a DJ Mixer in Figma Make
Get a copy of the Figma Make here: https://www.figma.com/community/file/1560779378501995936An overview of how I made a functional DJ Mixer in Figma Make—it w...
شبکه‌عصبی گرافی جدیدی به نام GLSTM که برای کاهش مشکل "فشردگی بیش از حد" (over-squashing) در شبکه‌های عصبی گرافی (GNNs) طراحی شده است.
👉 @navidcasts 🎓
فشردگی بیش از حد که منجر به یک "تنگنای اطلاعاتی" (information bottleneck) می‌شود، زمانی رخ می‌دهد که اطلاعات دریافتی از یک میدان درک بزرگ در یک بردار با اندازه ثابت فشرده می‌شود. محققان این پدیده را از دریچه "ظرفیت ذخیره‌سازی و بازیابی مدل" (model storage and retrieval capacity) بازنگری می‌کنند و استدلال می‌کنند که این مشکل شامل دو جزء متمایز است: اشباع ظرفیت و حساسیت پایین.
👉 @navidcasts 🎓
برای مقابله با محدودیت ظرفیت، این مدل جدید با الهام از معماری‌های توالی‌محور مانند xLSTM، از "حافظه تداعی‌گر" (associative memory) استفاده می‌کند و عملکرد برتر خود را در یک کار مصنوعی جدید به نام "یادآوری تداعی‌گر همسایه" (Neighbor Associative Recall - NAR) و همچنین در معیارهای دنیای واقعی به نمایش می‌گذارد. ویدیو مصنوعی توضیحات فارسی در 7 دقیقه :
https://youtu.be/69BXJkAzu_A
فشردگی بیش از حد که منجر به یک "تنگنای اطلاعاتی" (information bottleneck) می‌شود، زمانی رخ می‌دهد که اطلاعات دریافتی از یک میدان درک بزرگ در یک بردار با اندازه ثابت فشرده می‌شود. محققان این پدیده را از دریچه "ظرفیت ذخیره‌سازی و بازیابی مدل" (model storage and retrieval capacity) بازنگری می‌کنند و استدلال می‌کنند که این مشکل شامل دو جزء متمایز است: اشباع ظرفیت و حساسیت پایین.
برای مقابله با محدودیت ظرفیت، این مدل جدید با الهام از معماری‌های توالی‌محور مانند xLSTM، از "حافظه تداعی‌گر" (associative memory) استفاده می‌کند و عملکرد برتر خود را در یک کار مصنوعی جدید به نام "یادآوری تداعی‌گر همسایه" (Neighbor Associative Recall - NAR) و همچنین در معیارهای دنیای واقعی به نمایش می‌گذارد. ویدیو مصنوعی توضیحات فارسی در 7 دقیقه :
https://youtu.be/69BXJkAzu_A
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
GLSTM توضیح به فارسی
https://arxiv.org/pdf/2510.08450 لینک مقاله
توضیحات کامل تر و دقیق تر به فارسی : https://t.iss.one/navidcasts/48
توضیحات کامل تر و دقیق تر به فارسی : https://t.iss.one/navidcasts/48