DLeX: AI Python

Real-time Online Video Detection with Temporal Smoothing Transformers git clone --recursive git@github.com:zhaoyue-zephyrus/TeSTra.git ⚙️ Github 🗒 Paper 🦾 Dataset #مقاله

🎁🎁 هدیه ۵۰ هزار تومنی فرادرس ویژه کاربران اپلیکیشن 🤩 با اپلیکیشن فرادرس، همه‌ی آموزش‌های «هوش مصنوعی و یادگیری ماشین» تو موبایل کنار دستِته!! 🎁 کد هدیه ۵۰ هزار تومنی: FRAPP اپلیکیشن فرادرس رو نصب کن و ۵۰ هزار تومن تخفیف بگیر👇 ✅ دریافت اپلیکیشن فرادرس از گوگل پلی - [کلیک کنید] 🔗 همه‌ی آموزش‌های رایگان فرادرس - [شروع یادگیری] @FaraDars‌ — ‌‌فرادرس

Google at Interspeech 2022 http://ai.googleblog.com/2022/09/google-at-interspeech-2022.html

📚 Weekend Reading This week brought quite a few interesting papers and resources - we encourage you to invest there some time: Geometric multimodal representation learning by Yasha Ektefaie, George Dasoulas, Ayush Noori, Maha Farhat, and Marinka Zitnik. A survey of 100+ papers on graphs combined with other modalities and a framework of multi-modal approaches for natural sciences like physical interaction, molecular reasoning, and protein modeling. Clifford Neural Layers for PDE Modeling by Johannes Brandstetter, Rianne van den Berg, Max Welling, Jayesh K. Gupta. If you thought you know all the basics from the Geometric Deep Learning Course - here is something more challenging. The authors introduce the ideas from Geometric Algebra into ML tasks, namely, Clifford Algebras that unify numbers, vectors, complex numbers, quaternions, and have additional primitives to incorporate plane and volume segments. The paper gives a great primer on the math and applications. You can also watch a very visual YouTube lecture on Geometric Algebras. Categories for AI (Cats4AI) - an upcoming open course on Category Theory created by Andrew Dudzik, Bruno Gavranović, João Guilherme Araújo, Petar Veličković, and Pim de Haan. “This course is aimed towards machine learning researchers, but approachable to anyone with a basic understanding of linear algebra and differential calculus. The material is self-contained and all the necessary background will be introduced along the way.” Don’t forget your veggies ❇️ @AI_Python

اگه به برنامه‌نویسی علاقه داری و میشه روی همت و پشت‌کارت حساب کرد، در استعدادسنجی ما شرکت کن و استعدادت رو برای ورود به دنیای برنامه‌نویسی محک بزن! 📎 شرکت در آزمون و دورۀ آماده‌سازی رایگان و یا برای کسب اطلاعات بیشتر کافیه به آی‌دی ما پیام بدی! 🔽‌‌‌‌ 🆔 @Maktab_Sharif_Admin ▪️▫️▪️▫️▪️▫️▪️▫️▪️▫️ 🌐 وبسایت |📱کانال تلگرام | 📲 اینستاگرام 💻 #استخدام_با_طعم_آموزش

Robust Online Allocation with Dual Mirror Descent http://ai.googleblog.com/2022/09/robust-online-allocation-with-dual.html

مهدسین داده

دوره رایگان شامل رشته های physics, chemistry, computer science, game theory, systems theory, database theory, and most importantly for us, machine learning از محققان شرکت DeepMind و Qualcomm و دانشگاه MIT برگزار میگردد. Learn category theory foundations from the lens of ML, grounded in concrete papers. Open to all! Sign up: https://cats.for.ai #منابع ❇️ @AI_Python

📌 جذب ۱۰ همکار جدید در فرادرس — شهریور و مهر ۱۴۰۱ فردارس، به عنوان بزرگ‌ترین و قدیمی‌ترین پلتفرم آموزش آنلاین ایران، ۱۰ همکار جدید در شهریور و مهر ۱۴۰۱، جذب خواهد کرد. در صورتی که تمایل به همکاری اجرایی در فرادرس دارید؛ لطفا فرم زیر را تکمیل کنید: 🔗 فرم درخواست همکاری اجرایی — [کلیک کنید]‎ 🔻 فرصت ویژه برای افراد بدون تجربه کاری: داشتن تجربه کاری قبلی، برای موقعیت‌های کاری لینک بالا، امتیاز است اما الزامی نیست. در فرادرس با هم و در کنار هم تجربه کسب می‌کنیم. این موقعیت همکاری را به سایر دوستان و آشنایان علاقه‌مند خود اطلاع دهید. ‌@FaraDars — فرادرس

CLIP-ViP: Adapting Pre-trained Image-Text Model to Video-Language Representation Alignment Github Paper Dataset #مقاله ❇️ @AI_Python

📌📌همه چیز برای پیشرفت شما آماده است 🔷دوره جامع طراحی محصول ⏰ 93 ساعت آموزش 🔶آموزش جامع از مقدماتی تا پیشرفته(همراه با کارگاه های متنوع و کاربردی) 🔶آموزش براساس نیاز بازار کار ✅ همراه با مدرک معتبر و قابل ترجمه ➖➖➖➖➖➖➖➖➖➖ ‼️برای کسب اطلاعات بیشتر وارد لینک زیر شوید⬇️ http://link.jsharif.com/public/uk57k ➖➖➖➖➖➖➖➖➖➖ ☎️ شماره تماس: 021-67641999 ➖➖➖➖➖➖➖➖➖➖ با ما در تلگرام همراه باشید https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow

🤖 DAMO ConvAI The official repository which contains the codebase for Alibaba DAMO Conversational AI. ⚙️ Github ➡️ Paper 📎 Tasks 🗒 Text-to-SQL Parsing

Entity Tagging: Extracting Entities in Text Without Mention Supervision Github: https://github.com/facebookresearch/groov Paper: https://arxiv.org/abs/2209.06148v1 Model: https://github.com/adymaharana/storydalle/blob/main/MODEL_CARD.MD Dataset: http://manikvarma.org/downloads/XC/XMLRepository.html

Machine Learning on Geographical Data #Geodata #ML #MachineLearning #Python #AI #DataScience #artificialIntelligence https://reconshell.com/machine-learning-on-geographical-data/

#استخدام https://jobinja.ir/companies/maralhost/jobs/CSWl

StoryDALL-E: Adapting Pretrained Text-to-Image Transformers for Story Continuation Github Paper Model Demo Dataset #مقاله ❇️ @AI_Python

میدونستید گوگلی ها برای یافتن بهترین دسر غذاشون یه تحقیقاتی انجام دادن و مقاله هم کردن و تو nips چاپ کردن؟ @ai_python

♨️ آخرین فرصت‌ها — تا ۲۲۰ هزار تومان هدیه آموزشی در طرح تخفیف «به سوی مهر فرادرس»   🔻 مجموعه آموزش‌های «پایتون و هوش مصنوعی» با تخفیف‌های متنوع 🔻   👈 کار با داده ‎های اکسل در پایتون   👈 پیاده سازی شبکه های عصبی مصنوعی در پایتون   👈 کتابخانه SciPy برای محاسبات علمی در پایتون   👈 یادگیری عمیق - شبکه های GAN با پایتون    👈 امنیت اطلاعات و رمزنگاری با پایتون   🎁 سایر آموزش‌ها و کد تخفیف - [کلیک کنید]   @FaraDars - فرادرس

👃 GNNs Learn To Smell & Awesome NeurReps 1) Back in 2019, Google AI started a project on learning representations of smells. From basic chemistry we know that aromaticity depends on the molecular structure, e.g., cyclic compounds. In fact, the whole group of ”aromatic hydrocarbons” was named aromatic because they actually has some smell (compared to many non-organic molecules). If we have a molecular structure, we can employ a GNN on top of it and learn some representations - that is a tl;dr of smell representation learning with GNNs. Recently, Google AI released a new blogpost describing the next phase of the project - the Principal Odor Map that is able to group molecules in “odor clusters”. The authors conducted 3 cool experiments: classifying 400 new molecules never smelled before and comparison to the averaged rating of a group of human panelists; linking odor quality to fundamental biology; and probing aromatic molecules on their mosquito repelling qualities. The GNN-based model shows very good results - now we can finally claim that GNNs can smell! Looking forward for GNNs transforming the perfume industry 📈 2) The NeurReps commnuity (Symmetry and Geometry in Neural Representations) is curating the Awesome List of resources and research related to the geometry of representations in the brain, deep networks, and beyond. A great resource for Neuroscience and Geometric DL folks to learn about the adjacent field!

📌📌همه چیز برای پیشرفت شما آماده است 🔷دوره جامع طراحی محصول ⏰ 93 ساعت آموزش 🔶آموزش جامع از مقدماتی تا پیشرفته(همراه با کارگاه های متنوع و کاربردی) 🔶آموزش براساس نیاز بازار کار ✅ همراه با مدرک معتبر و قابل ترجمه ➖➖➖➖➖➖➖➖➖➖ ‼️برای کسب اطلاعات بیشتر وارد لینک زیر شوید⬇️ http://link.jsharif.com/public/q7gg0 ➖➖➖➖➖➖➖➖➖➖ ☎️ شماره تماس: 021-67641999 ➖➖➖➖➖➖➖➖➖➖ با ما در تلگرام همراه باشید https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow