DLeX: AI Python

من بودم ، دیجی نصرت ، کاله پونصد ، میهن فرصت ، آره و اینا خیلی بودیم ، اسنپ مونم بود . اسنپ آق فاکتور ، میشناسیش ‌ !! آره ، از ما نه ، از اونا آره ، که بریم ناهار خوری !! تو نمیری به موت قسم ، اصلا ما تو نخش نبودیم ! آره ، نه ، گاز ، دنده ، دم هتل نهاد پاستور اومدیم پایین !! یکی چپ ، یکی راست ، یکی بالا ، یکی پایین ، ناهارم جور شد !! رو تخت نشسته بودیم داشتیم میخوردیم ، سبزی پلو رو رفتیم بالا به سلامتی رفقا ، لول لول شدیم ، ماهی رو زدیم به رگ به سلامتی جمع ، پاتیل پاتیل شدیم !! پریدیم تو اتول ، اومدیم دم شرکت ، بغل این نرقه فروشیه . یه پسر وجدان میزونه ، جادی نامی ، زد بهم ، افتادم تو تور !! گفتم : هته ته ، گفت : توئیته ! گفتم : بیخیال با ، دومیشم اینستا کرد از اولی قایم تر . چشامو وا کردم دیدم تو فضای مجازی رسوام . حالا ما به همه گفتیم ما نبودیم . شومام بگین نبوده ، آره خوبیت نداره ، واردی که !!!!! #ابرآوران #جادی

نگارش نسخه دوم کتاب: Mastering Transformers رو شروع کردیم. دوستانی که نسخه قبلی رو خوندن و اگر موضوعی یا مطلبی به نظرتون جذاب میاد و فکر میکنید که باید اضافه بشه بفرمایید خوشحال میشم نظراتتون رو بدونم. @ai_person

Molecular dynamics is one of the booming Geometric DL areas where equivariant models show the best qualities. The two cool recent papers on that topic: ⚛️ Forces are not Enough: Benchmark and Critical Evaluation for Machine Learning Force Fields with Molecular Simulations by Fu et al. introduces a new benchmark for molecular dynamics - in addition to MD17, the authors add datasets on modeling liquids (Water), peptides (Alanine dipeptide), and solid-state materials (LiPS). More importantly, apart from Energy as the main metric, the authors consider a wide range of physical properties like Stability, Diffusivity, and Radial Distribution Functions. Most SOTA molecular dynamics models were probed including SchNet, ForceNet, DimeNet, GemNet (-T and -dT), NequIP. Density Functional Theory (DFT) calculations are one of the main workhorses of molecular dynamics (and account for a great deal of computing time in big clusters). DFT is O(n^3) to the input size though, so can ML help here? Learned Force Fields Are Ready For Ground State Catalyst Discovery by Schaarschmidt et al. present the experimental study of models of learned potentials - turns out GNNs can do a very good job in O(n) time! 🪐 For astrophysics aficionados: Mangrove: Learning Galaxy Properties from Merger Trees by Jespersen et al. apply GraphSAGE to merger trees of dark matter to predict a variety of galactic properties like stellar mass, cold gas mass, star formation rate, and even black hole mass. The paper is heavy on the terminology of astrophysics but pretty easy in terms of GNN parameterization and training. Mangrove works 4-9 orders of magnitude faster than standard models (that is, 10 000 - 1 000 000 000 times faster). Experimental charts are pieces of art that you can hang on a wall. 🤖 Compositional Semantic Parsing with Large Language Models by Drozdov, Schärli et al. pretty much solve the compositional semantic parsing task (natural language query - structured query like SPARQL) using only code-davinci-002 language model from OpenAI (which is InstructGPT fine-tuned on code). No need for hefty tailored semantic parsing models - turns out a smart extension of the Chain-of-thought prompting (aka "let's think step by step") devised as Least-to-Most prompting (where we first answer easy subproblems before generating a full query) yields whopping 95% accuracy even on hardest Compositional Freebase Questions (CFQ) dataset. CFQ was introduced at ICLR 2020, and just after two years LMs cracked this task - looks like it's time for the new, even more complex dataset. #مقاله

This week was dominated by molecular ML and drug discovery events: - Broad Institute published a YouTube playlist of talks from the recent Machine Learning and Drug Discovery Symposium and leading drug discovery researchers. - ELLIS Machine Learning for Drug Discovery Workshop will take place online in Zoom and GatherTown on Nov 28th, registration is free! - Valence Discovery launched a blog platform for Drug Discovery related posts, the inaugural post by Clemens Isert talks about Quantum ML for drug-like molecules. And a new work from GemNet authors: How robust are modern graph neural network potentials in long and hot molecular dynamics simulations? The work supports a recent line of works (see the Halloween post) on ML force fields particularly focusing on hot dynamics where low test MAE does not necessarily correspond to good simulations. The most important robustness factor seems to be more training data!

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! 🔽‌‌‌‌ 🆔 @MaktabSharif_Admin ▪️▫️▪️▫️▪️▫️▪️▫️▪️▫️ 🌐 وبسایت |📱کانال تلگرام | 📲 اینستاگرام 💻 #استخدام_با_طعم_آموزش

آموزش رایگان یادگیری ماشین از دکتر شریفی زارچی استاد دانشگاه شریف https://mktb.me/b1zp #آموزش_کلاسی #منابع #یادگیری_ماشین #فیلم ✳️ @AI_Python

⭕️دوره جامع دیتاساینتیست Data Scientist ⏰ 92 ساعت آموزش ✅ارائه مدرک قابل ترجمه ➖➖➖➖➖➖➖➖➖➖➖➖ ☎️مشاوره وثبت نام ۰۲۱-۶۷۶۴۱۹۹۹ 📲تلگرام و واتساپ 09222477250 ➖➖➖➖➖➖➖➖➖➖➖➖ جزئیات دوره آنلاین دانشمند داده ↙️ http://link.jsharif.com/public/fq5xr ➖➖➖➖➖➖➖➖➖➖➖➖ 🔷با کانال ما در تلگرام همراه باشید🔷 https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow

https://twitter.com/msaveski/status/1589540732679118848 #اپلای

https://www.linkedin.com/jobs/view/3346079750 تویتر یک موقعیت شغلی ریموت داده که اصلا خوراک ایرانیاس که تویتهایی رو ازش حذف کنن و افرادی ک نباید باشند رو محدود کنن😂

#آکادمی_همراه_اول برگزار می‌کند: 🛎 دوره حضورى «فناوری‌ بلاکچین: کاربردها و نوآوری در کسب‌وکار» ➕دانش‌های بنیادین فناوری بلاکچین کریپتوکارنسی ➕آموزش راه‌اندازی و مدیریت موفق یک کسب‌وکار بلاکچینی ➕کاربرد بلاکچین در کسب‌وکارهای کوچک و متوسط ➕تاثیر بلاکچین در اقتصاد دیجیتال 🎤 مدرس: پروفسور رضا قلی حمزه‌ای 🔸 عضو هیئت علمی و رئیس سابق دانشکده مدیریت و اقتصاد دانشگاه ایالتی میزوری آمریکا ⏱ این دوره در روزهای ۲۵ و ۲۶ آبان ماه (خیابان ونک) برگزار می‌شود. 🏅همراه با ارائه استارت‌آپ‌های این حوزه 🔗 مشاهده اطلاعات بیشتر و ثبت‌نام: 🌐 evnd.co/wfRhL ❓پاسخ به سوالات: 🆔 @AcademyHamrah1

اسم من میثمه، در این کانال فقط چیزهایی که به نظر خودم جالب هستند رو پست میکنم. هوش مصنوعی یکی از موضوعاتی هست که در موردش می‌نویسم. دوست داشتید دنبال کنید دوست نداشتید میوت نکنید لفت بدید. مرسی. @ai_person

🎞 DOVER: the Disentangled Objective Video Quality Evaluator git clone https://github.com/teowu/DOVER.git cd DOVER pip install . 🖥 Github: https://github.com/teowu/dover 🗒 Paper: https://arxiv.org/abs/2211.04894v1 ➡️ Dataset: https://paperswithcode.com/dataset/youtube-ugc #مقاله ✳️ @AI_Python

https://www.linkedin.com/posts/sunghoon-ivan-lee-96617347_available-position-activity-6996495877104091136-Gtp8?utm_source=share&utm_medium=member_android #اپلای

دوره کلاسی جدید دانشگاه کارنگی ملون Advanced NLP - Carnegie Mellon 2022 https://m.youtube.com/playlist?list=PL8PYTP1V4I8D0UkqW2fEhgLrnlDW9QK7z #پردازش_زبان_طبیعی #منابع #فیلم #کلاس_آموزشی #NLP ✳️ @AI_Python

👉 Foundations Of Machine Learning Using this repo, you can learn the foundations of ML through intuitive explanations, clean code and visuals. Also, you can learn how to apply ML to build a production grade product to deliver value. 🔗 https://github.com/GokuMohandas/Made-With-ML #یادگیری_ماشین #منابع ✳️ @AI_Python

‌ ✳️ ‌آموزش رایگان داده ساختارها و الگوریتم‌ها در برنامه نویسی پایتون چکیده — در این آموزش ما سعی می‌کنیم که جنبه‌های مختلفی از برنامه‌نویسی پایتون و مخصوصا، داده ساختارها، الگوریتم‌ها و رشته و متن را آموزش دهیم. با رنج وسیعی از عملیات بر روی داده ساختارها و الگوریتم‌های بهینه برای این عملیات آشنا می‌شوید، با رشته‌ها و فایل‌‌های متنی کار کرده و برای عملیات پرتکرار و پر استفاده با رشته‌ها و متن‌ها، روش‌های بهینه‌ای را فرا می‌گیرید. در واقع در این فرادرس سعی بر این است تا المان‌های لازم برای برنامه‌نویسی حرفه‌ای با پایتون آموزش داده شود. ما در اين آموزش قصد داريم تا داده‌ساختارها و الگوریتم‌ها در برنامه‌نویسی پایتون را مورد بررسی قرار دهيم. 💯 مشاهده ویدئوی آموزش 👇👇 🔗 آموزش داده ساختارها و الگوریتم‌ها در برنامه نویسی پایتون — [کلیک کنید] @FaraDars — فرادرس

اصطلاح data-drift یا dataset drift که در فارسی به جابجایی داده یا رانش داده ترجمه می‌شود زمانی اتفاق می‌افتد که مجموعه داده مورد استفاده در آموزش مدل تفاوت زیادی با داده‌هایی که در زمان استقرار یا محیط عملیاتی ( اصطلاحا deploy یا production) مشاهده خواهد شد دارد و در نتیجه مدل شما نتایج نامطلوب و عجیب ایجاد کرده و عملکرد ضعیفی دربرخواهد داشت. در مقاله‌ای جدید، تیمی از محققان روش خاصی را برای برخورد با این مشکل در زمینه داده‌های تصویری ارائه کردند: "Data Models for Dataset Drift Controls in Machine Learning With Images" Paper: https://arxiv.org/abs/2211.02578 Code: https://github.com/aiaudit-org/raw2logit Dataset: https://paperswithcode.com/dataset/raw-microscopy-and-raw-drone #MachineLearning #DeepLearning #ArtificialIntelligence #ML #DL #AI #یادگیری_ماشین #مقاله ✳️ @AI_Python

Paint-with-Words, Implemented with Stable diffusion https://github.com/cloneofsimo/paint-with-words-sd

خدمت دوستان تفرقه انداز و بی اعصاب که صرفا دنبال کسی هستند که متهم بکنند عرض بکنم که: برای بار صدهزارم، ما هیچ شبکه اجتماعی داخلی هیچ کانال و گروهی نداریم، نداشتیم و نخواهیم داشت. از روز اول که تلگرام فیلتر شد اینطور ادامه دادیم: https://t.me/ai_python/3698 هم اکنون هم اینطور ادامه می دهیم. خدمت این دوستان عرض کنم که به صورت سوسکی زیر یک پست نامربوط شبکه اجتماعی خاصی را تبلیغ نکنند. پست قبلی که اشاره داشت به اینکه در شبکه اجتماعی تویتر هم دروغ هم واقعیت، هم کاربر واقعی و هم کاربر فیک بخشی از این شبکه را تشکیل می‌دهند نه گفته من، گفته خود مدیر این شبکه اجتماعی، ایلان ماسک بود. گرچه هزاران تحقیقات و ... انجام شده در مورد شبکه اجتماعی و misinformation و... که نشون میده این مشکل این شبکه بخصوص نیست بلکه اکثر شبکه ها این مشکل را دارند. بدیهی است که فیسبوک، تلگرام، شبکه داخلی خارجی، همه این مشکل را دارند. همین گفته هم دلیل بر این نمیشه که شما دوباره بفرمایید فلانی گفت برید شبکه‌های صدا و سیما رو ببینید. بازم دلیل نمیشه بگید گفت برید بی بی سی ببینید. قطع امید کردم از توضیح دادن. اصلا ولش کن، خودت چطوری؟ ☺️ و درنهایت، خاک بر سرت بهنود، موفق و موید باشید.