پرزنت های کنفرانس پایتورچ 2023 رو هم در یوتیوب بارگذاری کردن، میتونید در مورد خیلی از تاپیک های generatative AI سخنرانی های خوبی پیدا کنید
📽️👇🏼

Link

#pytorch #datascience #deeplearning #machinelearning

LLM Agents MOOC

This course covers the following topics

- Foundation of LLMs
- Reasoning
- Planning, tool use
- LLM agent infrastructure
- Retrieval-augmented generation
- Code generation, data science
- Multimodal agents, robotics
- Evaluation and benchmarking on agent applications
- Privacy, safety and ethics
- Human-agent interaction, personalization, alignment
- Multi-agent collaboration




🔗 link : https://www.youtube.com/playlist?list=PLS01nW3RtgopsNLeM936V4TNSsvvVglLc

#llms #agents #mooc #onlinecourse #nlproc #deeplearning

https://fleuret.org/public/lbdl.pdf


== Table of Content ==

I Foundations
1 Machine Learning
- 1.1 Learning from data
- 1.2 Basis function regression
- 1.3 Under and overfitting
- 1.4 Categories of models

2 Efficient Computation
- 2.1 GPUs, TPUs, and batches
- 2.2 Tensors

3 Training
- 3.1 Losses
- 3.2 Autoregressive models
- 3.3 Gradient descent
- 3.4 Backpropagation
- 3.5 The value of depth
- 3.6 Training protocols
- 3.7 The benefits of scale

II Deep Models
4 Model Components
- 4.1 The notion of layer
- 4.2 Linear layers
- 4.3 Activation functions
- 4.4 Pooling
- 4.5 Dropout
- 4.6 Normalizing layers
- 4.7 Skip connections
- 4.8 Attention layers
- 4.9 Token embedding
- 4.10 Positional encoding

5 Architectures
- 5.1 Multi-Layer Perceptrons
- 5.2 Convolutional networks
- 5.3 Attention models

III Applications
6 Prediction
- 6.1 Image denoising
- 6.2 Image classification
- 6.3 Object detection
- 6.4 Semantic segmentation
- 6.5 Speech recognition
- 6.6 Text-image representations
- 6.7 Reinforcement learning

7 Synthesis
- 7.1 Text generation
- 7.2 Image generation

8 The Compute Schism
- 8.1 Prompt Engineering
- 8.2 Quantization
- 8.3 Adapters
- 8.4 Model merging

#deeplearning

فرصت همکاری با آزمایشگاه ملی هوش مصنوعی 🚀


درباره ما
آزمایشگاه ملی هوش مصنوعی، به عنوان مرکز پیشرو در توسعه و تحقیقات هوش مصنوعی در کشور، در راستای تکمیل تیم تحقیقاتی خود به دنبال جذب نیروهای متخصص و مستعد است.


درباره موقعیت شغلی
ما به دنبال یک پژوهشگر مشتاق و با انگیزه در حوزه هوش مصنوعی برای پیوستن به تیم نوآور خود در دپارتمان توسعه هستیم.
عنوان شغلی: پژوهشگر هوش مصنوعی (AI Researcher)
واحد سازمانی: LWM
نوع همکاری: تمام وقت
محل کار: تهران

شرح وظایف
مطالعه و بررسی گسترده متون علمی در زمینه Large World Models و موضوعات مرتبط با هوش مصنوعی
مطالعه، تحلیل و خلاصه‌سازی مقالات پژوهشی از کنفرانس‌ها و ژورنال‌های معتبر حوزه هوش مصنوعی
ارائه یافته‌های پیچیده پژوهشی به صورت واضح و مختصر برای مخاطبان فنی و غیرفنی
شناسایی روندها و پیشرفت‌های کلیدی در تحقیقات Large World Models
همکاری با تیم توسعه برای کاربردی کردن یافته‌های پژوهشی در پروژه‌های جاری
مشارکت در توسعه پایگاه دانش و جهت‌گیری پژوهشی سازمان

مهارت‌های مورد نیاز
تحصیلات دکتری یا ارشد در رشته‌های علوم کامپیوتر، یادگیری ماشین یا رشته‌های مرتبط با تمرکز بر مدل‌های زبانی بزرگ یا World Models
پیشینه قوی در پردازش و درک زبان طبیعی
مهارت‌های پژوهشی عالی و توانایی اثبات شده در ترکیب اطلاعات پیچیده
مهارت‌های ارتباطی عالی (کتبی و شفاهی)
تجربه در ارائه مفاهیم فنی به مخاطبان مختلف
آشنایی با پیشرفت‌های اخیر در Large World Models (مانند سری GPT، PaLM، CLIP)
تجربه برنامه‌نویسی با Python و آشنایی با فریم‌ورک‌های یادگیری عمیق (مانند PyTorch، TensorFlow)

مزیت‌های اضافی
تجربه کار با سیستم‌های هوش مصنوعی چندوجهی (multi-modal)
پیشینه تحصیلی در علوم شناختی یا رشته‌های مرتبط
سابقه انتشار مقاله در کنفرانس‌ها یا ژورنال‌های هوش مصنوعی

مزایا
فرصت کار در یک محیط پویا و نوآورانه
امکان یادگیری و رشد حرفه‌ای
همکاری با تیمی متخصص و باتجربه
مشارکت در پروژه‌های ملی و پیشرو در حوزه هوش مصنوعی

نحوه درخواست
علاقه‌مندان می‌توانند رزومه خود را به همراه انگیزه‌نامه به آدرس زیر ارسال نمایند:
ایمیل: [email protected]

آدرس محل کار
تهران- خیابان ملاصدرا- سازمان ملی هوش مصنوعی - طبقه سوم

#استخدام #هوش_مصنوعی #فرصت_شغلی #AI #MachineLearning #آزمایشگاه_ملی_هوش_مصنوعی #NAIO #DeepLearning #LWM #LLM