DeepMind AI Expert
متا ورژن دوم Llama 2 خود را منتشر کرد. 🔸 Paper 🔸 Project پ.ن : اینجا هم ایده های مرتبط دیگه منتشر شده ازش . #مقاله #ایده_جذاب 🔸 مطالب بیشتر 👇👇 ✅ @AI_DeepMind
یک مدل جدیدی دیگری توسط مایکروسافت ( LLava ) اوپن سورس منتشر شده که LLama 2 رو پشتیبانی میکنه و همچنین نتایج چت بصری bard و bing بازبینی میکنه و آموزش مدل lora برای بررسی وضوح بالای تصاویر مورد استفاده قرار گرفته است
🔸 Project Page
🔸 Paper
🔸 Demo
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 Project Page
🔸 Paper
🔸 Demo
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔥4❤1
IBM is offering Deep Learning with Python and PyTorch course for FREE!
Topics covered:
- Classification
- Neural Networks
- Deep Networks
- Computer Vision Networks
- Computer Vision Networks
- Dimensionality Reduction and Auto-encoders
🔸 Course link
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
Topics covered:
- Classification
- Neural Networks
- Deep Networks
- Computer Vision Networks
- Computer Vision Networks
- Dimensionality Reduction and Auto-encoders
🔸 Course link
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
👍2🔥2
Meta-Transformer: A Unified Framework for Multimodal Learning
🔸 paper page
Multimodal learning aims to build models that can process and relate information from multiple modalities. Despite years of development in this field, it still remains challenging to design a unified network for processing various modalities (e.g. natural language, 2D images, 3D point clouds, audio, video, time series, tabular data) due to the inherent gaps among them. In this work, we propose a framework, named Meta-Transformer, that leverages a frozen encoder to perform multimodal perception without any paired multimodal training data. In Meta-Transformer, the raw input data from various modalities are mapped into a shared token space, allowing a subsequent encoder with frozen parameters to extract high-level semantic features of the input data. Composed of three main components: a unified data tokenizer, a modality-shared encoder, and task-specific heads for downstream tasks, Meta-Transformer is the first framework to perform unified learning across 12 modalities with unpaired data. Experiments on different benchmarks reveal that Meta-Transformer can handle a wide range of tasks including fundamental perception (text, image, point cloud, audio, video), practical application (X-Ray, infrared, hyperspectral, and IMU), and data mining (graph, tabular, and time-series). Meta-Transformer indicates a promising future for developing unified multimodal intelligence with transformers.
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 paper page
Multimodal learning aims to build models that can process and relate information from multiple modalities. Despite years of development in this field, it still remains challenging to design a unified network for processing various modalities (e.g. natural language, 2D images, 3D point clouds, audio, video, time series, tabular data) due to the inherent gaps among them. In this work, we propose a framework, named Meta-Transformer, that leverages a frozen encoder to perform multimodal perception without any paired multimodal training data. In Meta-Transformer, the raw input data from various modalities are mapped into a shared token space, allowing a subsequent encoder with frozen parameters to extract high-level semantic features of the input data. Composed of three main components: a unified data tokenizer, a modality-shared encoder, and task-specific heads for downstream tasks, Meta-Transformer is the first framework to perform unified learning across 12 modalities with unpaired data. Experiments on different benchmarks reveal that Meta-Transformer can handle a wide range of tasks including fundamental perception (text, image, point cloud, audio, video), practical application (X-Ray, infrared, hyperspectral, and IMU), and data mining (graph, tabular, and time-series). Meta-Transformer indicates a promising future for developing unified multimodal intelligence with transformers.
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
❤2
پاستا برا هوش مصنوعی هم اومد😂😂
🔸 PASTA: Pretrained Action-State Transformer Agents
Self-supervised learning has brought about a revolutionary paradigm shift in various computing domains, including NLP, vision, and biology. Recent approaches involve pre-training transformer models on vast amounts of unlabeled data, serving as a starting point for efficiently solving downstream tasks.
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 PASTA: Pretrained Action-State Transformer Agents
Self-supervised learning has brought about a revolutionary paradigm shift in various computing domains, including NLP, vision, and biology. Recent approaches involve pre-training transformer models on vast amounts of unlabeled data, serving as a starting point for efficiently solving downstream tasks.
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
👎4❤2👍1
🫁 CheXmask Dataset 🫁
A new large scale dataset with more than 650k anatomical segmentation masks for chest x-ray images with automatically estimated individual quality indices!
-Dataset: https://physionet.org/content/chexmask-cxr-segmentation-data/0.1
-Manuscript: arxiv.org/abs/2307.03293
#Dataset
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
A new large scale dataset with more than 650k anatomical segmentation masks for chest x-ray images with automatically estimated individual quality indices!
-Dataset: https://physionet.org/content/chexmask-cxr-segmentation-data/0.1
-Manuscript: arxiv.org/abs/2307.03293
#Dataset
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
👍5❤1🔥1
Forwarded from Meysam
یه هل بدید ۱۰ هزار نفر شدیما:
https://yangx.top/DeepLearningAIExperts
https://yangx.top/DeepLearningAIExperts
Telegram
Deep Learning Expert people
در توافقات انجام شده بین اعضا گروه جهت انجام کار و تحقیقات دانشجویان این گروه و ادمین های آن هیچ گونه مسئولیتی در قبال هر نوع بدقولی را ندارند.
#قوانین_گروه
https://yangx.top/DeepLearningAIExperts/369804
کانال گروه :
❇️ @AI_Person
❇️ @AI_DeepMind
#قوانین_گروه
https://yangx.top/DeepLearningAIExperts/369804
کانال گروه :
❇️ @AI_Person
❇️ @AI_DeepMind
👎6❤2🔥2👍1
سلام دوستان من ی ریپازیتوری در گیتهاب درست کردم قراره پراستنادترین و بهترین مقالات کنفرانسهای هوش مصنوعی که هرساله برگزار میشود رو اینجا قرار بدم، معرفی کلی ایده و ... جهت پیشرفت جامعه علوم کامپیوتر معرفی کنم خوشحال میشم ایده ها و ستاره به این ریپازیتوری جهت دیده شدن بدید. همچنین میتونین اونجا مقالات خودتون رو در قسمت گفتگو که محیا کردم معرفی کنید که در ریپازیتوری ها محقیق ایرانی معرفی کنم .
پیشاپیش از حمایت همه سپاسگزارم☺️🫠🌸
https://github.com/farzadhass/best-paper-and-high-citation
پیشاپیش از حمایت همه سپاسگزارم☺️🫠🌸
https://github.com/farzadhass/best-paper-and-high-citation
👍21❤6👎5
سلام به همه همراهان این گروه یکبار برای همیشه تذکر یک گروه آموزشی در تلگرام مشغول فعالیت است رو اینجا منتشر میکنم.
این گروه که تحت عنوان مرکز هوش مصنوعی و یادگیری عمیق ایران که در گروه های تلگرامی و فضای مجازی مشغول فعالیت هستند توجه شما رو جلب میکنم که سعی در گمراهی و کلاهبرداری و گرفتن هزینه از دانشجویان و علاقمندان هستند که به منظور استخدام،کاریابی و تهیه رزومه،اپلای و... هستند تذکر میدم که در دام این گروه نیفتید .
این گروه که تحت عنوان مرکز هوش مصنوعی و یادگیری عمیق ایران که در گروه های تلگرامی و فضای مجازی مشغول فعالیت هستند توجه شما رو جلب میکنم که سعی در گمراهی و کلاهبرداری و گرفتن هزینه از دانشجویان و علاقمندان هستند که به منظور استخدام،کاریابی و تهیه رزومه،اپلای و... هستند تذکر میدم که در دام این گروه نیفتید .
👍19👎13
Forwarded from Ali's Notes (Ali Najafi)
یکی از فیلد هایی که کمتر بهش توجه شده
Computational Social Science
هستش
اما از کجا استارت بزنم تا براتون حرف بزنم براتون:
همونطوری که از اسمش مشخصه
سوشال ساینس + محاسبات عددی ( واللا نمیدونم این کلمه درستی هستش یا نه برای ترجمه)
سوشال ساینس متشکل از فیلد هایی مثل سایکولوجی، علوم سیاسی و... هستش
توی این فیلد تیوری ها و مقاله های خیلی زیادی هستش که روشون خیلی کار شده
اما عملا بدون دیتا سعی کردن که روش کار کرده باشن، در بهترین صورت صرفا مثلا اومده یه سری survey جمع آوری کردن و روشون یه سری بحث هایی انجام دادن.
اما الان تو یه زمانی هستیم که دیتا از زمین و زمان می باره.
خب این ینی چی؟
این یعنی اینکه میتونن هر بحث و فلسفه و تیوری که روشون کار کردن بیان برحسب دیتای زیاد موجود تطبیق بدن و آنالیز کنن اتفاقات رو
مثال بگم؟
فرض کنید همین قضیه مهسا امینی رو : (
و اتفاقاتی که توی تویتر رخ داد
یادتون باشه ترندینگ تاپیک ها جابه جا میشد و خیلی اتفاقات عجیب غریبی رخ میداد
فرض کنید شما بیاید آنالیز هایی انجام بدید که بتونید Manipulation در سوشال مدیا رو دیتکت کنه
و یا سورس های این manipulation ها رو ردیابی کنید
و یا خیلی چیزهای دیگه
بعد بیاید با توجه به تیوری هایی که وجود داره تو فیلد علوم سیاسی نتایجتون رو تفسیر کنید
این فیلد یگ فیلد ترکیبی هستش
یعنی فقط مهارت تکنیکال لازم نیست بلکه خیلی مهارت های دیگه رو میطلبه
الان هم خیلی hot هستش چون به پتانسیلی که وجود داره پی بردن و خیلی از Social Scientists ها مهارت تکنیکال ندارن
این یعنی اینکه
کارهای زیادی میشه کرد
این نوشته رو اینجا میزارم و بعدا ساپورت میکنم با کارهایی که کردن
@css_nlp
Computational Social Science
هستش
اما از کجا استارت بزنم تا براتون حرف بزنم براتون:
همونطوری که از اسمش مشخصه
سوشال ساینس + محاسبات عددی ( واللا نمیدونم این کلمه درستی هستش یا نه برای ترجمه)
سوشال ساینس متشکل از فیلد هایی مثل سایکولوجی، علوم سیاسی و... هستش
توی این فیلد تیوری ها و مقاله های خیلی زیادی هستش که روشون خیلی کار شده
اما عملا بدون دیتا سعی کردن که روش کار کرده باشن، در بهترین صورت صرفا مثلا اومده یه سری survey جمع آوری کردن و روشون یه سری بحث هایی انجام دادن.
اما الان تو یه زمانی هستیم که دیتا از زمین و زمان می باره.
خب این ینی چی؟
این یعنی اینکه میتونن هر بحث و فلسفه و تیوری که روشون کار کردن بیان برحسب دیتای زیاد موجود تطبیق بدن و آنالیز کنن اتفاقات رو
مثال بگم؟
فرض کنید همین قضیه مهسا امینی رو : (
و اتفاقاتی که توی تویتر رخ داد
یادتون باشه ترندینگ تاپیک ها جابه جا میشد و خیلی اتفاقات عجیب غریبی رخ میداد
فرض کنید شما بیاید آنالیز هایی انجام بدید که بتونید Manipulation در سوشال مدیا رو دیتکت کنه
و یا سورس های این manipulation ها رو ردیابی کنید
و یا خیلی چیزهای دیگه
بعد بیاید با توجه به تیوری هایی که وجود داره تو فیلد علوم سیاسی نتایجتون رو تفسیر کنید
این فیلد یگ فیلد ترکیبی هستش
یعنی فقط مهارت تکنیکال لازم نیست بلکه خیلی مهارت های دیگه رو میطلبه
الان هم خیلی hot هستش چون به پتانسیلی که وجود داره پی بردن و خیلی از Social Scientists ها مهارت تکنیکال ندارن
این یعنی اینکه
کارهای زیادی میشه کرد
این نوشته رو اینجا میزارم و بعدا ساپورت میکنم با کارهایی که کردن
@css_nlp
👍13
دکتر Andrew NG اومده تفاوت نرم افزارهای سنتی و نرم افزارهای یادگیری ماشین رو اساسی توضیح داده مهندسان یادگیری ماشین بهدفعات این جمله رو میگن " عجیبه!!". مثلا یک ویرگی حدید رو به مدل اضافه کردیم ولی عملکردش بدتر شده یا این مدل رو مدلهای ساده عملکرد ضعیفتر از حد انتظاری داره .
حالا دکتر اومده این دغدغه رو مطرح کرده که کمکی به مهندسین کرده باشه
https://www.deeplearning.ai/the-batch/building-machine-learning-systems-is-more-debugging-than-development/
#یادگیری_ماشین #مقاله #مقدماتی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
حالا دکتر اومده این دغدغه رو مطرح کرده که کمکی به مهندسین کرده باشه
https://www.deeplearning.ai/the-batch/building-machine-learning-systems-is-more-debugging-than-development/
#یادگیری_ماشین #مقاله #مقدماتی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
Building Machine Learning Systems is More Debugging Than Development
Internalizing this mental framework has made me a more efficient machine learning engineer: Most of the work of building a machine learning system...
👍6❤3
جایزه Test of time در کنفرانس ICML مشخص شد این جایزه به پاس تحولی که مقاله در طول زمان ایجاد کرده و اثرات اون هنوز هست تعلق گرفته است.
https://icml.cc/Conferences/2023/Test-of-Time
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
https://icml.cc/Conferences/2023/Test-of-Time
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
❤3
پروژه های اوپن سورسی که توسط مدل Segment Anything تا حالا منتشر شده میتونید اینجا دنبال کنید و ایده های جدیدتری رو خودتون باهاش توسعه بدید
https://github.com/IDEA-Research/Grounded-Segment-Anything
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
https://github.com/IDEA-Research/Grounded-Segment-Anything
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔥4
اون همه مدلهای هوش مصنوعی که منتشر شده حالا خروجیشون در این تصویر خلاصه شده
#ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
#ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
👍5👎1🔥1
Forwarded from DeepMind AI Expert (Farzad 🦅)
سلام دوستان من ی ریپازیتوری در گیتهاب درست کردم قراره پراستنادترین و بهترین مقالات کنفرانسهای هوش مصنوعی که هرساله برگزار میشود رو اینجا قرار بدم، معرفی کلی ایده و ... جهت پیشرفت جامعه علوم کامپیوتر معرفی کنم خوشحال میشم ایده ها و ستاره به این ریپازیتوری جهت دیده شدن بدید. همچنین میتونین اونجا مقالات خودتون رو در قسمت گفتگو که محیا کردم معرفی کنید که در ریپازیتوری ها محقیق ایرانی معرفی کنم .
پیشاپیش از حمایت همه سپاسگزارم☺️🫠🌸
https://github.com/farzadhass/best-paper-and-high-citation
پیشاپیش از حمایت همه سپاسگزارم☺️🫠🌸
https://github.com/farzadhass/best-paper-and-high-citation
❤5👍3
Forwarded from Pythonism
🔶 میخوام راجع به statement صحبت کنم. 🦦
هر قسمت قابل اجرا در پایتون رو میگن ، statement.
مثلا :
x = 1
یک statement گفتم.
یا..
print(x)
1
به همین سادگی ، هر قسمت قابل اجرا رو چی میگن؟؟!
💥Statement !
🔸 یک بحث مهمی هم که در پایتون هست ، Operator ها هستند.
مثلا وقتی میگم : x + 1
دارم از عملگر به علاوه رو عمل وند x و یک استفاده می کنم.
تو پایتون وقتی بخواییم توان رو بگیم دوتا ستاره میذاریم : **
2 ** 8
256
یک عملگر عجیب دیگه ای هم داره پایتون که زیاد هم استفاده میشه .
که این شکلی کار میکنه ...
// : دوبار تقسیم ، اعشار به ما نمیده ، رندش میکنه.
یا : % درصد
مثلا :
17 // 3
5
17 % 3
2
بر خلاف ظاهر درصد ، خیلی هم پرکاربرده ، چرا؟؟ چون من هر عددی رو باقی موندش رو بر 10 حساب کنم باقی موندشو بهم میده.
فرض کنید :
124 % 10
120 تا که توش هست 4 رو به ما میده.
یا ..
124 % 100
دوتا رقم اخرو میده.
ی بحث ریاضی سادس ولی حواستون باشه که یادتون بمونه اینکار.
پس ما تا اینجا عملگرارو هم دیدیم .
استیتمنت) Statement(هارو هم فهمیدیم ،
هر قسمت قابل اجراس.
به همین بی نمکی :)
#Fxl
هر قسمت قابل اجرا در پایتون رو میگن ، statement.
مثلا :
x = 1
یک statement گفتم.
یا..
print(x)
1
به همین سادگی ، هر قسمت قابل اجرا رو چی میگن؟؟!
💥Statement !
🔸 یک بحث مهمی هم که در پایتون هست ، Operator ها هستند.
مثلا وقتی میگم : x + 1
دارم از عملگر به علاوه رو عمل وند x و یک استفاده می کنم.
تو پایتون وقتی بخواییم توان رو بگیم دوتا ستاره میذاریم : **
2 ** 8
256
یک عملگر عجیب دیگه ای هم داره پایتون که زیاد هم استفاده میشه .
که این شکلی کار میکنه ...
// : دوبار تقسیم ، اعشار به ما نمیده ، رندش میکنه.
یا : % درصد
مثلا :
17 // 3
5
17 % 3
2
بر خلاف ظاهر درصد ، خیلی هم پرکاربرده ، چرا؟؟ چون من هر عددی رو باقی موندش رو بر 10 حساب کنم باقی موندشو بهم میده.
فرض کنید :
124 % 10
120 تا که توش هست 4 رو به ما میده.
یا ..
124 % 100
دوتا رقم اخرو میده.
ی بحث ریاضی سادس ولی حواستون باشه که یادتون بمونه اینکار.
پس ما تا اینجا عملگرارو هم دیدیم .
استیتمنت) Statement(هارو هم فهمیدیم ،
هر قسمت قابل اجراس.
به همین بی نمکی :)
#Fxl
👍12👎2🆒1
خیلی از دوستان سوال پرسیدن که فیلترشکنی که قطع نشه و پشتیبانی بشه رو از کجا تهیه کنیم که سرعت و کیفیت خوبی داشته باشه میتونم اینو پیشنهاد بدم
@F14PanelBot
@F14PanelBot
❤8👎5🆒3👍1
سوالی که این مدت مدلهای LLM اومده دنبال جوابش بودم
Open Problems and Fundamental Limitations of Reinforcement Learning from Human Feedback
arxiv.org/abs/2307.15217
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
Open Problems and Fundamental Limitations of Reinforcement Learning from Human Feedback
arxiv.org/abs/2307.15217
#ایده_جذاب #مقاله
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
👍2❤1