دوستان اطلاع بودند که این کد تخفیف 30 درصدی مکتب خونه سهوا غیر فعال شده است.
این کد الان فعال است و تا 25 آبان اعتبار دارد

خون آزمایشگاهی برای نخستین بار به بیماران تزریق شد!
تولید این سلول‌های خونی می‌تواند فرایند انتقال خون را دگرگون کند

سلول‌های خونی که از سلول‌های بنیادی کشت‌شده در آزمایشگاه تولید شده بودند برای نخستین بار به بیماران انسانی تزریق شدند

euronews.com/next/2022/11/07/a-world-first-trial-of-lab-grown-blood-could-revolutionise-transfusions-for-sickle-cell-pa

اصطلاح data-drift یا dataset drift که در فارسی به جابجایی داده یا رانش داده ترجمه می‌شود زمانی اتفاق می‌افتد که مجموعه داده مورد استفاده در آموزش مدل تفاوت زیادی با داده‌هایی که در زمان استقرار یا محیط عملیاتی ( اصطلاحا deploy یا production) مشاهده خواهد شد دارد و در نتیجه مدل شما نتایج نامطلوب و عجیب ایجاد کرده و عملکرد ضعیفی دربرخواهد داشت.

در مقاله‌ای جدید، تیمی از محققان روش خاصی را برای برخورد با این مشکل در زمینه داده‌های تصویری ارائه کردند:

"Data Models for Dataset Drift Controls in Machine Learning With Images"

Paper: https://arxiv.org/abs/2211.02578
Code: https://github.com/aiaudit-org/raw2logit
Dataset: https://paperswithcode.com/dataset/raw-microscopy-and-raw-drone

#MachineLearning #DeepLearning #ArtificialIntelligence #ML #DL #AI

طبق صحبت های انجام شده با مادسنتر، به زودی دوره ی پایتون سایت "مرکز توسعه اقتصاد دیجتال (ماد)" که با هدف آشنایی با مفاهیم اولیه برای شروع هوش مصنوعی ضبط شده بود رایگان خواهد شد و در اختیار علاقه مندان کانال قرر داده خواهدشد.
این دوره برای کسانی که میخواهند تازه وارد دنیای هوش مصنوعی بشوند مناسب است.
https://maadcenter.com/artificialintelligence-course/

https://keywork.ir/course/python/?utm_source=landing-keywork&utm_medium=landingpage&utm_campaign=ai-landing

8 جلسه از این دوره تا الان روی سایت قرار گرفته شده و تا هفته ی آینده به مرور همه ی ویدیوها و اطلاعات مورد نیاز قرار خواهد گرفت.
برای دسترسی به کل ویدیوها باید به صورت رایگان در کورس ثبت نام کنید:

آموزش Python(پایتون) برای هوش مصنوعی

کتابخونه Embetter بهتون اجازه میده که به راحتی از تصاویر یا متن به کمک ترنسفورمر یا مدل‌های زبانی فیچر استخراج کنید و با مدل‌های ساده مثل logistic regression توی scikit-learn پایپ‌لاین بسازید تو چند خط کد!
این کمک میکنه که خیلی سریع عمکرد همه مدل‌های عمیق رو‌ برای تهیه baseline بتونید حساب کنید.

برای نصبش فقط کافیه این خط رو اجرا کنید:

python -m pip install embetter

به روز رسانی: این کد تخفیف به درخواست دوستان تا 10 ام آذر فعال خواهد ماند.

Check out this Adversarial Latent Autoencoders (CVPR2020 paper + code). That’s real time! If you have CUDA capable GPU, you can try it yourself.

Paper: https://arxiv.org/pdf/2004.04467.pdf
Code: https://github.com/podgorskiy/ALAE

واحدهای اساسی دیپ لرنینگ و تاریخ معرفی آنها:

https://class.vision/blog/deeplearning-buildingblocks/

#کاربرد #بینایی_کامپیوتر
بینایی ماشین و کاربرد پیدا کردن بهترین سایز برای بسته بندی
این تکنولوژی میتونه دورریز کاغذ را کمتر کنه!

در سال 2020، زباله های بسته بندی تولید شده به ازای هر ساکن در اتحادیه اروپا 177.2 کیلوگرم برآورد شده (از 66.0 کیلوگرم به ازای هر ساکن در کرواسی تا 225.8 کیلوگرم به ازای هر ساکن در آلمان متغیر بوده).

همچنین از سال 2009 تا 2020، "کاغذ و مقوا" اصلی ترین مواد زائد بسته بندی در اتحادیه اروپا (32.7 میلیون تن در سال 2020) بوده است.

—-
اگر به بینایی کامپیوتر علاقه مند هستید، این کورس مناسب شماست...

#خبر
Intel FakeCatcher detects deepfakes with a 96% accuracy rate

اینتل می‌گوید ابزار شناساگر FakeCatcher برای شناسایی دیپ‌فیک طراحی با دقت ۹۶ درصد به صورت بلادرنگ ویدیوهای جعلی را شناسایی می‌کند.

https://siliconangle.com/2022/11/17/intel-fakecatcher-detects-deepfakes-96-accuracy-rate/

#deepfake

چندتا سمپل لازمه برای آموزش یه مدل تا به دقت خوبی برسه؟

میتونید توی این tutorial کراس این مقدار رو تخمین بزنید:

https://keras.io/examples/keras_recipes/sample_size_estimate/?linkId=8029068

پست 1 از 5:
Toward a realistic model of speech processing in the brain with self-supervised learning

https://arxiv.org/pdf/2206.01685.pdf

مقاله شرکت متا(فیس بوک سابق) پیرامون انطباق مغز انسان با مدل wave2vec2 برای ASR (تبدیل صوت به متن)

سوال اصلی | نتیجه ی اول | نتیجه ی دوم | نتیجه 3 و نتیجه گیری

پست 2 از 5 (مرتبط با https://t.iss.one/cvision/2860)
سوال اصلی این مقاله این بوده که آیا مدلی که بر روی مقدار قابل توجهی از گفتار آموزش دیده، می تواند همزمان هم رفتار هوشمندانه و هم منطبق با مغز داشته باشه؟
برای پاسخ این سوال، wave2vec2 را روی 600 ساعت صوت آموزش دادند وفعالیت های این مدلو با مغز 417 داوطلب که فعالیت مغز آن‌ها با fMRI در هنگام گوش داد به کتاب صوتی ثبت شده بود مقایسه کردند.

پست 3 از 5 (مرتبط با https://t.iss.one/cvision/2860)
نتیجه 1: یادگیری خود نظارتی برای اینکه این الگوریتم بازنمایی های مانند مغز را بیاموزد کافی است (یعنی اکثر مناطق مغز به طور قابل توجهی با بازنمایی های پاسخ به همان ورودی گفتاری مرتبط بودند).

پست 4 از 5 (مرتبط با https://t.iss.one/cvision/2860)
نتیجه 2: نگاشتی بین سلسله مراتبی که توسط الگوریتم آموخته می شود با سلسله مراتب مغز وجود دارد.
قشر شنوایی با اولین لایه ترانسفور(آبی) ، و قشر جلوی مغز (prefrontal cortex) با عمیق ترین لایه های مدل (قرمز) منطبق است.

پست 5 از 5 (مرتبط با https://t.iss.one/cvision/2860)
نتیجه 3: با بررسی 386 نمونه دیگر، نشان داده شده که wav2vec 2.0 هم بازنمایی های خاص گفتار و هم بازنمایی های خاص زبان مربوط به قشر جلوی مغز و گیجگاهی (prefrontal and temporal cortices) را می‌آموزد.


نتیجه‌گیری: مدل‌سازی هوش در سطح انسانی یک هدف دور از دسترس است.

با این حال، مشاهده عملکردهای مغز مانند در الگوریتم‌های خودنظارتی گواه این است که احتمالا در مسیر درستی از این هدف دور از دسترس هستیم!

نسخه 2.11 تنسرفلو منتشر شد!
New features include updates to DTensor, the completion of the Keras Optimizer migration, Structured Tensor, Group Normalization, and more.

https://goo.gle/3OuefLp

Stanford Graph Learning Workshop 2022
(video lectures)

https://snap.stanford.edu/graphlearning-workshop-2022/