Algorithm design & data structureچ

2DMatGMM: یک پلتفرم متن‌باز و قدرتمند در یادگیری ماشین برای تشخیص و طبقه‌بندی بلادرنگ پوسته‌های مواد دو‌بعدی این ترجمه با تاکید بر ارائه مفهوم کلی انجام شد. در صورت نیاز به تغییرات یا توضیحات بیشتر، لطفاً اعلام کنید. Github: https://github.com/jaluus/2dmatgmm Paper: https://arxiv.org/abs/2412.09333v1 Dataset: https://paperswithcode.com/task/instance-segmentation #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

DATA SCIENCE ROADMAP 🔗 https://github.com/marantmir/Data-Science-Roadmap-2023 #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

LLM Fine-Tuning Course (Offered by Hugging Face) این دوره‌ای کاربردی درباره Fine-Tuning مدل‌های زبانی برای کاربردهای خاص شماست. این دوره که توسط Hugging Face ارائه شده، بر پایه مدل‌های سری SmolLM2 طراحی شده است. مطالبی که در این دوره پوشش داده می‌شود: ✅ Instruction Tuning ✅ Preference Alignment ✅ Parameter-efficient Fine-tuning ✅ Evaluation ✅ Vision-language Models ✅ Synthetic Datasets ✅ Inference https://github.com/huggingface/smol-course #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

تبدیل متن به صوت در پایتون! جهت تبدیل متن به سیگنال صوتی میشه از سرویس هایی به اسم TTS استفاده کرد. TTS مخفف Text To Speech هست که متن رو به عنوان ورودی دریافت و در خروجی یک سیگنال صوتی که شامل همون متن است داده میشه, یعنی برعکس ASR یا همون STT هست. به کمک این سه تا لایبرری در پایتون می تونید ساده و کاربردی این تسک رو پیاده سازی کنید. لینک این سه تا لایبرری: https://pypi.org/project/TTS/ https://pypi.org/project/gTTS/ https://pypi.org/project/pyttsx3/ برای زبان فارسی هم نرم افزار زیر جواب میده: https://www.samisoft.ir/speech_to_text/پ #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

📚 Probability for Computer Scientists - Stanford از مفاهیم پایه‌ای مثل ترکیبیات (Combinatorics) تا موضوعات پیشرفته‌ای مانند Naive Bayes، Bootstrapping و Maximum Likelihood. Link : https://www.youtube.com/playlist?list=PLoROMvodv4rOpr_A7B9SriE_iZmkanvUg #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

Fundamentals of Deep Learning 📚 Download Link: https://drive.google.com/file/d/1LIwo1q81T2OskjhbsInT5eYFf0XNm8CI/view?usp=drive_link #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

🌐 اگر به یادگیری ماشین و موضوعات پیشرفته در هوش مصنوعی علاقه‌مندید، سایت Deep-ML.com منبعی فوق‌العاده برای شماست. این سایت شامل مقالات تخصصی، پروژه‌های عملی و منابع آموزشی به‌روز در زمینه‌های مختلف یادگیری عمیق و شبکه‌های عصبی است. 📂 از ویژگی‌های جذاب این سایت: ارائه پروژه‌های عملی برای درک عمیق‌تر مفاهیم مقالات آموزشی مناسب برای مبتدی‌ها و متخصص‌ها بررسی تکنیک‌های نوین در حوزه یادگیری ماشین 🔗 حتماً از این سایت بازدید کنید و دانش خود را در دنیای یادگیری عمیق گسترش دهید! #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

OmniDocBench is a benchmark for evaluating diverse document parsing in real-world scenarios, featuring the following characteristics Github: https://github.com/opendatalab/OmniDocBench Paper: https://arxiv.org/abs/2412.07626 Dataset: https://huggingface.co/datasets/opendatalab/OmniDocBench #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

📚 جدیدترین مقالات در حوزه عوامل هوشمند و مدل‌های زبانی بزرگ (LLM) اگر می‌خواهید در این حوزه به‌روز بمانید، این ۶ مقاله جدید را از دست ندهید! هر یک از این مقالات با ایده‌های نوآورانه و کاربردی ارائه شده‌اند. ✨ نکته ویژه: تمام مقالات همراه با کدهای اجرایی هستند، که می‌توانید برای درک بهتر مفاهیم و پیاده‌سازی عملی از آن‌ها استفاده کنید. ReAct: Synergizing Reasoning and Acting in Language Models paper :https://arxiv.org/abs/2210.03629 Code:https://github.com/ysymyth/ReAct Reflexion: Language Agents with Verbal Reinforcement Learning Paper:https://arxiv.org/abs/2303.11366 Code:https://github.com/noahshinn/reflexion LLM+P: Empowering Large Language Models with Optimal Planning Proficiency Paper:https://arxiv.org/abs/2304.11477 Code:https://github.com/Cranial-XIX/llm-pddl Agent-FLAN: Designing Data and Methods of Effective Agent Tuning for Large Language Models Paper:https://arxiv.org/abs/2403.12881 Code:https://github.com/InternLM/Agent-FLAN ReWOO: Decoupling Reasoning from Observations for Efficient Augmented Language Models Paper:https://arxiv.org/abs/2305.18323 Code:https://github.com/billxbf/ReWOO Reasoning with Language Model is Planning with World Model Paper:https://arxiv.org/abs/2305.14992 Code:https://github.com/maitrix-org/llm-reasoners #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

HOW AI WORKS?💡 #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

جمع‌آوری منابع و جزوه‌های دانشگاهی در این مخزن GitHub، من در حال جمع‌آوری منابع آموزشی و جزوه‌های دانشگاهی دروس مهم رشته مهندسی کامپیوتر هستم. این مجموعه شامل جزوه‌ها و مطالبی است که می‌تواند به دانشجویان و علاقه‌مندان کمک کند تا مفاهیم را بهتر یاد بگیرند و در مسیر تحصیلی خود موفق‌تر عمل کنند. 📘 اگر به دنبال منابع معتبر برای یادگیری یا مرور هستید، حتماً سری به این مخزن بزنید. با استفاده از این منابع می‌توانید به دانش خود عمق بیشتری بدهید و برای پروژه‌ها و امتحانات آماده‌تر شوید! برای دسترسی به منابع، لطفاً به لینک زیر مراجعه کنید: https://github.com/MohammadHossini/Computer-Engineering-Slides #الگوریتم 📣👨‍💻 @AlgorithmDesign_DataStructuer

معرفی مقاله: "LLMs-as-Judges: A Comprehensive Survey on LLM-based Evaluation Methods" این مقاله به بررسی جامع روش‌های ارزیابی مبتنی بر مدل‌های زبانی بزرگ (LLMs) می‌پردازد. در این پژوهش، کاربرد این مدل‌ها به‌عنوان "داور" در ارزیابی کیفیت محتوا، استدلال و دیگر خروجی‌های تولید شده توسط هوش مصنوعی مورد بررسی قرار گرفته است. این مطالعه به مزایا، چالش‌ها و مسیرهای آینده در استفاده از LLMها برای ارزیابی می‌پردازد. paper:https://arxiv.org/abs/2412.05579 #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

Reconstructing the Mind’s Eye: fMRI-to-Image with Contrastive Learning and Diffusion Priors 🧠🔬 مقاله‌ای که در دنیای هوش مصنوعی و علوم اعصاب توجه بسیاری را جلب کرده، روش جدیدی برای بازسازی تصاویر از فعالیت مغزی ارائه می‌دهد. این پژوهش با استفاده از یادگیری متضاد (Contrastive Learning) و اولویت‌های انتشار (Diffusion Priors)، مدلی طراحی کرده که از داده‌های تصویربرداری fMRI برای بازآفرینی تصاویر بصری استفاده می‌کند. این رویکرد نوآورانه به محققان اجازه می‌دهد که سیگنال‌های پیچیده مغزی را با دقتی بالا به تصاویر واقعی تبدیل کنند. مدل معرفی‌شده ترکیبی از معماری‌های پیشرفته هوش مصنوعی است که امکان بهبود چشمگیر در فهم تعاملات مغزی و تصاویر بصری را فراهم می‌کند. Paper:https://arxiv.org/abs/2305.18274 #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

12 Papers You Should Read to Understand Object Detection in the Deep Learning Era https://towardsdatascience.com/12-papers-you-should-read-to-understand-object-detection-in-the-deep-learning-era-3390d4a28891 #هوش_مصنوعی 📣👨‍💻 @AlgorithmDesign_DataStructuer

قدرتمندترین مدل زبانی فارسی به‌روزرسانی شد در دنیای شتابان فناوری، هر به‌روزرسانی یعنی یک پنجره به افق‌های نوآوری! مرکز تحقیقات هوش مصنوعی پارت این بار با یک جهش چشمگیر، درنا ۸ میلیاردی از گروه LLM های درنا را به قله‌ای جدید رسانده است. نسخه به‌روزرسانی شده درنا ۸ میلیارد پارامتری با بهبود 16 برابری داده‌ها و امکان اتصال به APIها، به خوبی می‌تواند از عهده چت‌های طولانی برآید و به سوالات کاربران پاسخ‌های باکیفیت‎‌تر و دقیق‌تری دهد. در گامی دیگر، پارت عضوی جدید از گروه مدل زبانی توکا با عنوان «اس‌برت» (SBert) را به صورت منبع‌باز منتشر کرده تا توسعه‌دهندگان بتوانند از این مدل کوچک اما باکیفیت برای توسعه چت‌بات‌ها و سایر محصولات هوشمند بهره ببرند. مرکز تحقیقات هوش مصنوعی پارت با این حرکت بار دیگر ثابت کرد در راستای توسعه فناوری‌ هوش مصنوعی در کشور تلاش می‌کند. هر دو مدل درنا ۸ میلیاردی و توکا (SBert) در سنجه Persian LLM Leaderboard در هاگینگ فیس بنچ‌مارک شده‌اند و کیفیت بالای آن‌ها به اثبات رسیده است. برای دسترسی به لینک اینجا کلیک کنید . 🆔 @Partdpai

قدرتمندترین مدل زبانی فارسی به‌روزرسانی شد در دنیای شتابان فناوری، هر به‌روزرسانی یعنی یک پنجره به افق‌های نوآوری! مرکز تحقیقات هوش مصنوعی پارت این بار با یک جهش چشمگیر، درنا ۸ میلیاردی از گروه LLM های درنا را به قله‌ای جدید رسانده است. نسخه به‌روزرسانی شده درنا ۸ میلیارد پارامتری با بهبود 16 برابری داده‌ها و امکان اتصال به APIها، به خوبی می‌تواند از عهده چت‌های طولانی برآید و به سوالات کاربران پاسخ‌های باکیفیت‎‌تر و دقیق‌تری دهد. در گامی دیگر، پارت عضوی جدید از گروه مدل زبانی توکا با عنوان «اس‌برت» (SBert) را به صورت منبع‌باز منتشر کرده تا توسعه‌دهندگان بتوانند از این مدل کوچک اما باکیفیت برای توسعه چت‌بات‌ها و سایر محصولات هوشمند بهره ببرند. مرکز تحقیقات هوش مصنوعی پارت با این حرکت بار دیگر ثابت کرد در راستای توسعه فناوری‌ هوش مصنوعی در کشور تلاش می‌کند. هر دو مدل درنا ۸ میلیاردی و توکا (SBert) در سنجه Persian LLM Leaderboard در هاگینگ فیس بنچ‌مارک شده‌اند و کیفیت بالای آن‌ها به اثبات رسیده است. برای دسترسی به لینک اینجا کلیک کنید . 🆔 @Partdpai