T-UILR:
مدل بازنمایی بصری-زبانی با ۲.۵ بیلیون پارامتر
https://www.microsoft.com/en-us/research/blog/turing-bletchley-a-universal-image-language-representation-model-by-microsoft/

@ml_nlp_cv

Code for the paper of EMNLP 2021: "EfficientBERT: Progressively Searching Multilayer Perceptron via Warm-up Knowledge Distillation".
https://pythonrepo.com/repo/cheneydon-efficient-bert-python-natural-language-processing

Paper

@ml_nlp_cv

📝 برترین نرم افزار های هوش مصنوعی ۲۰۲۱

https://shahaab-co.com/mag/tech/top-ai-softwares-of-2021/

مطلبی جالب از مجله شهاب

🎉وب سامیت ۲۰۲۱ توسط خانم فرانسیس هاگن افشاگر معروف فیسبوک افتتاح شد.
مشارکت‌کنندگان وب‌سامیت طیف وسیعی از کسب‌وکارهای حوزه فناوری، از شرکت های برتر گرفته تا کسب و کارهای نوپا و نمایندگان صنایع های‌تک هستند.
تو این ویدیو قراره با هم از #وبسامیت ۲۰۲۱ بازدید کنیم.

https://youtu.be/uLLRyMHW5H0

📲 @techwich

فراگیری پایه ای مباحث یادگیری‌ ماشین و یادگیری عمیق، به کمک نوتبوک های مرحله به مرحله، ریاضیات ساده و بسیار قابل فهم:
github.com/madewithml/basics

@ml_mlp_cv

Registration is Open Party

Montreal #AI and #Neuroscience

29-30 Nov 2021

https://main2021.org

❇️ @AI_Python

Multiple Open Fully Funded PhD Student Positions in Computer Vision, Image Processing and Machine Learning


https://euraxess.ec.europa.eu/jobs/698860

🔰 @DLeX_Apply

مروری بر پیشرفت های اخیر مدل های Pre-Train شده زبانیِ مبتنی بر ترسفورمر، نظیر مدل BERT و انواع رویکردهای استفاده از آنها برای تسک های NLP:

Recent Advances in Natural Language Processing via Large Pre-Trained Language Models: A Survey

@ml_nlp_cv

GANformer: Generative Adversarial Transformers

Github,
Paper

💠دانشگاه استنفورد دوره رایگان یادگیری ماشین، بینایی ماشین و هوش مصنوعی را به صورت آنلاین برگزار می‌کند.

⚡خبر خوب برگزاری دوره‌ای تلفیقی از علوم نظری و عملی در این حوزه است. این دوره رایگان شامل پیش‌درآمدی مفصل در حوزه یادگیری ماشین، داده‌کاوی، و تشخیص الگوهای آماری است.

📌 برای خواندن متن کامل مقاله به لینک زیر مراجعه کنید:
hooshio.com/?p=20723
جدیدترین یافته‌ها و اخبار هوش مصنوعی در کانال مرکز تحقیقات هوش مصنوعی پارت
🆔 @partdpai

برگهٔ تقلبِ نحوهٔ آمادگی، برای مصاحبه یادگیری ماشین! نسخه ۲۰۲۱

@ml_nlp_cv

🔹 هوش مصنوعی GauGAN2 انویدیا از کلمات، تصاویر دقیق و گاهی دلهره‌آور تولید می‌کند

🔹 پروژه‌ی GauGAN2 انویدیا به‌کمک یادگیری عمیق می‌تواند از کلمات و عبارت‌های تایپ‌شده، تصاویری خلق کند که گاه بسیار شبیه به عبارت تایپ‌شده و گاه هنری و گاه بسیار دلهره‌آور هستند.


🔹 شما می‌توانیدبه صفحه‌ی مربوط به پروژه‌ی GauGAN2 بروید و خودتان با این پروژه کار کنید. دقت کنید پس از قبول‌کردن شرایط و ضوابط در انتهای صفحه، در قسمت Input utilization، حتما تیک text را بزنید و برای نتیجه‌ی دقیق‌تر، تیک segmentation را بردارید. سپس، عبارت مدنظرتان را در نوار Input text تایپ و روی دکمه‌ی جهت راست (render output) کلیک کنید. حواستان باشد از فشردن دکمه‌ی اینتر خودداری کنید؛ چون نتایج جست‌وجو را ریست می‌کند.

🚀 @theZoomit

Intro to Large Language Models with Cohere

https://docs.cohere.ai/intro-to-llms

A high-level look at large language models and some of their applications for language processing. It covers text generation models (like GPT) and representation models (like BERT).

❇️ @AI_Python

کتابخانه جدید تنسورفلو برای شبکه های عصبی گرافی، که به کمک آن می توان مسائل بسیاری (از قبیل موتورهای توصیه گر، پیش بینی ترافیک، شناسایی شایعه و اخبار جعلی) را به صورت گرافی مدل کرد.

https://blog.tensorflow.org/2021/11/introducing-tensorflow-gnn.html?m=1

Github

@ml_nlp_cv

معرفی مقاله خوب و جدید

Emotion Embedding Spaces for Matching Music to Stories

Github: https://github.com/minzwon/text2music-emotion-embedding

Paper: https://arxiv.org/abs/2111.13468v1

Dataset: https://paperswithcode.com/dataset/audioset

#مقاله

❇️ @AI_Python

امروز copilot ابزار کامل کردن کد openai را امتحان کردم. میزان کمکی که این ابزار می کند تقریبا باور نکردنی ست. در مثال بالا به دنبال کد کوتاهترین مسیر در گراف بودم و برای این منظور کافی است یک کامنت بنویسید و تقریبا تمام بقیه کار به صورت اتوماتیک (با فشردن دکمه تب) کامل می شود. یعنی حتی نیازی نیست که در اینترنت به دنبال کد آماده باشید. از طرفی copilot تمام کد شما رو میخواند و بنابراین نام متغیرهایی که انتخاب می کند هوشمندانه و بدون تقریبا هیچ اشتباهی و هماهنگ با بقیه کدهاست.
با این تفسیر ما وارد عصر جدیدی از برنامه نویسی می شویم که برنامه نویسی معنای متفاوتی دارد. برنامه نویس ماهر دیگر کسی نیست که الگوریتم روتین های مختلف رو حفظ می کند بلکه کسی است که می تواند قدری انتزاعی تر فکر کرده و مانند یک معمار ماهر قطعه های پیش ساخته در کارخانه را کنار هم بچیند

کوپایلت برای محصولات jet brains

AI is making applying for jobs even more miserable - Financial Times
https://californianewstimes.com/ai-is-making-applying-for-jobs-even-more-miserable/607806/?amp

@ml_nlp_cv

Seq2seq modeling is the de facto tool for advanced semantic parsers. However, the latency of auto-regressive generation (token by token) makes such models prohibitive for on-device modeling. In two new papers, we propose a
model for on-device assistants
and we show how we can
make larger server-side models
less computationally expensive.
These two new works make seq2seq modeling more efficient while retaining scalability. In our first work, we propose non-autoregressive semantic parsing, a new model to decode all tokens in parallel. Our work overcomes the latency burden of seq2seq modeling through parallel decoding, showcasing significant latency reductions (up to 81 percent benchmarked on a 2017-era Android smartphone with an eight-core processor a cell phone) along with accuracy equivalent to autoregressive models.
https://ai.facebook.com/blog/building-a-conversational-parser-for-on-device-voice-assistants

@ml_nlp_cv