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

مقاله خوانی در حوزه یادگیری ماشین و یادگیری عمیق

موضوع چهارمین ارائه:
Vehicle behavior prediction for autonomous driving robots, a generalization perspective

ارائه دهنده: محمدحسین بهاری (دانشجو دکتری دانشگاه EPFL)

زمان ارائه: چهارشنبه 8 دی ساعت 10:00

محل برگزاری: اتاق مجازی دکتر رهبان


@RIMLLab
@Ai_Events

Training Machine Learning Models More Efficiently with Dataset Distillation

https://ai.googleblog.com/2021/12/training-machine-learning-models-more.html

@ml_nlp_cv

Swin Transformers: The most powerful tool in Computer Vision
https://sieunpark77.medium.com/swin-transformers-the-most-powerful-tool-in-computer-vision-659f78744871

@ml_nlp_cv

چند ماه پیش OpenAI مدل ای معرفی کرد به اسم CLIP که می تونه تصاویر و متن رو به صورت معنایی بهم وصل کنه. مثلا تصویر بارون روی شیشه با متن "قطرات باران روی شیشه" بازنمایی های نزدیکی رو در فضای برداری تولید می کنند.
خب به چه دردی می خوره؟
با این مدل می تونید بازیابی تصویر انجام بدید (تصاویر رو با متن سرچ کنید)
یک عکس و چند تا کلاس بدید و به صورت zero shot تشخیص می ده عکس متعلق به کدوم کلاس است.
یک کاربرد دیگش چیزی شبیه به analogies در word2vec هست مثلا بازنمایی برداری تصویر یک سیب قرمز رو با بازنمایی کلمه "سبز" جمع می کنید و بازنمایی نهایی شبیه به تصویر یک سیب سبز می شه.

نسخه ای فارسی این مدل رو با ۴۰۰ هزار (جفت تصویر و متن) آموزش دادیم. که قطعا قدرت مدل انگیلیسی رو نداره ولی به دقت خوبی رسیده و همه می تونند ازش استفاده کنن. توضیحات بیشتر راجب مدل، دیتاست، کاربردها و نحوه دسترسی بهشون به گیتهاب زیر سربزنید و با استار حمایت کنید🙏 سوالی هم هست بفرمایید.

https://github.com/sajjjadayobi/CLIPfa

نمونه analogy با مدل فارسی: تصویر ورودی سمت چپ با کلمه "دریای آبی" جمع شده و نزدیک ترین تصویر که سمت راستی باشه رو خروجی داده.

نمونه جستجوی "گل صورتی"
دموی لایو اش رو می تونید با لینک زیر تست کنید.
https://huggingface.co/spaces/SajjadAyoubi/CLIPfa-Demo

Masked image modeling with Autoencoders
https://keras.io/examples/vision/masked_image_modeling/

@ml_nlp_cv

✅ آموزش برگزار شده
Tutorial on Adversarial Robustness: Theory and Practice
در 31امین کنفرانس
NeurIPS
پردازش اطلاعات با شبکه های عصبی

#هوش_مصنوعی #منابع #آموزش #کنفرانس

🌎 Link Review

❇️ @AI_Python
✴️ @AI_Python_EN

⭕️ علم داده، پرتقاضاترین حرفه بازارکار رو آسان یاد بگیر!

📍📍 علم داده یکی از شغل‌های پردرآمد دنیاست! همین حالا که این مطلب رو می‌خونین، خیلی‌ها در حال یادگیری اون هستن تا بتونن هر چه سریع‌تر وارد بازارکار بشن و زندگی‌شون رو تغییر بدن.

▫️ نقشه راه یادگیری علم داده
▫️ ویدئوهای آموزشی برای هر رشته‌ای
▫️ وبینارهای رایگان پرسش و پاسخ

🔸 برای شروع کافیه عضو کانال زیر بشین:

👉🔗 https://t.iss.one/+auLRQUYLjd4yZWQ0

🌟 پردازش تصویر ایران🌟
🧠مرجع رسمی هوش مصنوعی ایران

📕 بینایی ماشین و یادگیری عمیق در سیستم عامل ویندوز
📅سال چاپ: 2021
📝چاپ کننده: APress
🧷لینک دانلود:
Imageprocessing.ir

#یادگیری_عمیق #دیپ_لرنینگ #بینایی_ماشین #ماشین_ویژن #هوش_مصنوعی #پایتون #آناکوندا #پردازش_تصویر #پردازش_ویدیو #یادگیری_تقویتی
#DeepLearning #MachineVision #AI #Python #Anaconda #CNN #OpenCV #MNIST #TransferLearning #Reinforcement #ImageProcessing #VideoProcessing
@Digital_Image_Processing

🌟 پردازش تصویر ایران🌟
Imageprocessing.ir

@Digital_Image_Processing

📚 معرفی کتاب: Natural Language Processing with Python از Steven Bird

این کتاب برای اون‌هایی مناسبه که دوس دارن تو حوزه پردازش زبان طبیعی یا NLP فعالیت کنن و رو تسک‌های معروفی مثل فیلتر کردن ایمیل‌های اسپم یا تحلیل احساسات کاربر رو از روی متنی که نوشته و تسک‌هایی شبیه به این کار کنن. این حوزه در کنار بینایی ماشین یکی از حوزه‌های پرطرفدار محسوب می‌شه.

🔶 قبل از شروع کتاب، مطالعه مقاله معرفی پردازش زبان طبیعی هم ایده خوبیه:

👉🔗 https://ctdrs.ir/ds0010

#NLP

@DSLanders | دی‌اس‌لندرز

این سری لایو‌هایی که OpenCV توی لینکدین قرار میده رو از دست ندید (حتی اگر لایو رو ندید)

توی این سری موضوع YOLOv5 هست؛ و البته پارت اول

Opencv yolov5 series