Machine Learning NLP + CV
286 subscribers
223 photos
53 videos
42 files
474 links
مطالب مفید در حوزه های یادگیری ماشین و بینایی کامپیوتر
Download Telegram
Forwarded from NLP stuff
تولد موازی‌سازی مدل‌ها روی هاگینگ فیس

بدانید و آگاه باشید که هفته قبل هاگینگ‌فیس طی حرکت بسیار خفنی، موازی‌سازی مدل‌ها روی جی‌پی‌یو را اضافه کرده و فعلا برای GPT-2 و T5 هم پیاده شده.
نمی‌دونیم می‌تونید یا نه؛ ولی اگر می‌تونید (یعنی چند تا جی‌پی‌یو دارید)، حالشو ببرید.


https://twitter.com/LysandreJik/status/1330964117243441153?s=20

#twitter

@nlp_stuff
#سخنرانی

"Toward Mixed-Initiatives Conversational Search"

Hamed Zamani

University of Massachusetts Amherst


‼️سخنرانی به‌صورت آنلاین می‌باشد. پس از ثبت‌نام، اطلاعات و نحوه شرکت در رویداد از طریق ایمیل اطلاع‌رسانی خواهد شد.


📆 چهارشنبه ١٩ آذرماه ۱۳۹۹

🕚 ساعت ١۶:٣٠

ثبت‌نام(الزامی):

teias.institute/zamani-talk202012/

@pasargadschools
🎯 در واقع BERT معادل واژه «نمایش رمزگذاری دوطرفه از ترانسفورماتورها» است.

📍 از آنجایی‌که بیشتر مقالاتی که راجع به BERT نوشته شده‌اند حاوی دانش پس‌زمینه‌ای زیادی هستند و ممکن است درک آن‌ها برای بسیاری از خوانندگان دشوار باشد، به همین دلیل تصمیم گرفتیم مقاله‌ای بنویسیم و در آن BERT را به گونه‌ای توضیح دهیم که درک آن برای همه آسان باشد.


📍 در حال حاضر BERT نسبتاً جدید است اما در محصولاتی که به صورت روزانه استفاده می‌کنیم، پیاده‌سازی و اجرا می‌شود.


📍 گوگل اعلام کرده که از BERT در موتور جست‌و‌جوی خود برای رتبه‌بندی و هم‌چنین Featured snippets استفاده می‌کند که یکی از چشمگیرترین پیشرفت‌ها در تاریخ جست‌و‌جو به شمار می‌رود.


📌 برای خواندن متن کامل مقاله به لینک زیر مراجعه کنید:
yun.ir/u66oc2 🔗



جدیدترین یافته‌ها و اخبار هوش مصنوعی در کانال مرکز تحقیقات هوش مصنوعی پارت
🆔 @partdpai
🔶از تجربیات مهندسین هوش مصنوعی
گوگل، اپل، مایکروسافت و eBay
به صورت یکجا در
👈🏻اولین رویداد تخصصی هوش مصنوعی ایران | فیلاگر ایونت
بهره‌مند شوید!

🔸#فیلاگر_ایونت از سال 98 هر ماه با حضور نُخبگان هوش‌مصنوعی شرکت‌های بزرگ تکنولوژی جهان و با هدف انتقال تجربیات و دانش به جامعه هوش مصنوعی ایران برگزار می‌شود.

🔺در لینک زیر میتوانید تجربیات با ارزش مهندسین هوش‌مصنوعی غول‌های تکنولوژی را به صورت ویدیویی در گفت و گو با فیلاگر ایونت، تماشا کنید:
🔗https://bit.ly/2Jne9HX

📌برای حضور در برنامه‌های آموزش رایگان زبان برنامه‌نویسی پایتون، خوانش گروهی کتاب‌های هوش‌مصنوعی و حضور در جامعه هوش مصنوعی ایران، کانال تلگرام و صفحه اینستاگرام فیلاگر را دنبال کنید:

🔸@filoger_com
🔸صفحه اینستاگرام فیلاگر برای حضور در رویدادها

🧠فیلاگر|جامعه هوش مصنوعی ایران
@filoger_com
📚ژُورنال کِلاب هوش مصنوعی | فیلاگر
📕کارگاه کدنویسی مقاله، با تسهیل‌گری نیما رفیعی، دانشجو دکتری علوم کامپیوتر از آلمان

📆شنبه 15 آذر 99
🕗ساعت 20

🔸در این برنامه، جزئیات مقاله
A Simple Framework for Contrastive Learning of Visual Representations
بررسی، و کد آن در پایتورچ توضیح داده خواهد شد.

🔺برنامه در اپ زوم برگزار می‌شود و به طور همزمان از آپارات فیلاگر، پخش زنده خواهد شد.

🔗لینک ورود به برنامه، 30 دقیقه قبل از شروع رویداد در کانال تلگرام فیلاگر و همچنین بایو اینستاگرام فیلاگر قرار خواهد گرفت.

🧠فیلاگر|جامعه هوش مصنوعی ایران
@filoger_com
روز دانشجو مبارک🌹
Alpha fold 2
حل مسئله protein folding، اما چرا این دستاورد انقدر مهم هست، البته توی این ویدئو به جزئیات از دید ML scientist نگاهی انداخته شده و شامل جزئیات بیولوژی نمی‌شه اما جالب هست

YouTube Link
گوگل ابزار یافتن اتوماتیک باگ در کدهای پایتون رو بصورت opensource در github قرار داده

Github Link

اما اگه خواستید بدونید این ابزار چقدر مهمه توجه شمارو به این خبر سال ۲۰۱۸ جلب می‌کنم

Google Automatic Bug Finder Already Found More Than 9.000 Vulnerabilities

ازین به بعد توی پروژه‌های پایتون سعی کنید ازین ابزار استفاده‌ کنید، مخصوصاً دوستانی که
Django/Flask/FastApi
کار می‌کنند، یادتون باشه این ابزار از حالا در اختیار هکرها هم هست.
اگر فکر می‌کنید سایت و پروژه شما مگه چیه که برای هکرها اهمیت داشته باشه، یادتون باشه کسی کل رزومه رو بررسی نمی‌کنه 😉😬
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
#کورس #آموزش
Probabilistic Graphical Models
10
-708 • Spring 2019 • Carnegie Mellon University
https://sailinglab.github.io/pgm-spring-2019/lectures/

ماژول 3 به همراه اسلاید - کورس نوت و ویدیو در مورد مباحث یادگیری عمیق است
Module 3: Deep Learning & Generative Models

برای مثال مطالب جالبی برای GAN ها میتوانید بخوانید
Deep generative models (part 1):
https://sailinglab.github.io/pgm-spring-2019/notes/lecture-17/

Deep Generative Models (Part 2):
https://sailinglab.github.io/pgm-spring-2019/notes/lecture-18/