mina_rabti

🔶در #یادگیری_ماشین ، هایپرپارامترها تنظیماتی هستند که شما قبل از آموزش مدل خود پیکربندی می کنید. برخلاف پارامترهایی که مدل شما در طول آموزش یاد می گیرد، هایپرپارامترها باید از قبل تنظیم شوند. یافتن هایپرپارامترهای مناسب می تواند عملکرد مدل شما را تا حد زیادی افزایش دهد و بهینه سازی هایپرپارامتر را ضروری می کند. ✔️فراپارامترهای بهینه سازی مناسب می توانند دقت و قابلیت اطمینان مدل را به طور قابل توجهی افزایش دهند. آنها به مدل شما کمک می کنند تا به خوبی تعمیم یابد و از overfitting (در مواردی که مدل بیش از حد با داده های آموزشی متناسب است) و underfitting (که در آن مدل به اندازه کافی پیچیده نیست تا الگوهای اساسی را به تصویر بکشد) اجتناب می کنند. 🔶پروژه متن باز optana توسط Preferred Networks, Inc. ایجاد شد و در سال 2018 به یک پروژه متن باز تبدیل شد. این پروژه برای مقابله با چالش های بهینه سازی هایپرپارامتر طراحی شده است و رویکردی کارآمدتر و سازگارتر از روش های قبلی ارائه می دهد. از زمان انتشار، Optuna طرفداران زیادی پیدا کرده است. این روش Optuna چندین ویژگی برجسته را ارائه می دهد که آن را به ابزاری قدرتمند برای بهینه سازی هایپرپارامتر تبدیل می کند. جستجو برای بهترین هایپرپارامترها را خودکار می کند، حدس و گمان را از تنظیم خارج می کند و به شما امکان می دهد روی توسعه مدل خود تمرکز کنید. در این مقاله می توانید آموزش نصب، و استفاده از متد برای بهینه سازی هایپرپارامترهای مدلهای Xgboost و شبکه عصبی با #pytorch را ببینید. https://towardsdatascience.com/machine-learning-optimization-with-optuna-57593d700e52

گوگل یکی دیگر از اپلیکیشن‌هایش را تعطیل می‌کند؛ این بار نوبت Stack است. گوگل پس از تعطیل کردن تعدادی از اپلیکیشن‌هایش از جمله گوگل پادکست، حالا اپلیکیشن دیگری با نام کامل Stack: PDF Scanner by Google Area 120 را تعطیل می‌کند. این اپلیکیشن برای سازمان‌دهی، مدیریت و اسکن فایل‌های PDF کاربرد داشت. اپلیکیشن Stack بخشی از پروژه‌ی Area 120 گوگل بود که شامل چند اپلیکیشن موفق از جمله جیمیل و نیوز می‌شد. پروژه‌های توسعه‌یافته توسط Area 120 در صورتی که نتوانند انتظارات عملکرد یا معیارهای پذیرش از سوی کاربر را برآورده کنند، تعطیل می‌شوند. گوگل در بیانیه‌اش می‌گوید پشتیبانی از اپلیکیشن Stack را از ۲۳ سپتامبر (۲ مهر) پایان می‌دهد و اعلام کرد تمام قابلیت‌های Stack به گوگل درایو منتقل شده است. حالت عکس‌برداری خودکار در گوگل درایو می‌تواند عکاسی از اسناد را راحت‌تر کند و پس از آن پیش‌نمایشی از تصاویر به‌همراه ابزارهایی برای برش، چرخش و فیلتر عکس‌ها، با قابلیت افزودن صفحات بیشتر به فایل PDF ارائه می‌دهد. گوگل درایو از یادگیری ماشینی برای پیشنهاد عناوین مرتبط استفاده می‌کند. گوگل می‌گوید کاربران Stack می‌توانند به‌کمک گزینه‌ی Export all document to Drive در بخش تنظیمات اپلیکیشن، همه‌ی اسناد ذخیره‌شده را به یک پوشه سبز رنگ با عنوان Stack در گوگل درایو منتقل کنند.

⚠️ FREE TRAINING 🚀 Navigating the Landscape of MLOps & LLMOps on AWS, Azure, GCP and open-source 🔥 Limited spots! Enroll now: https://bit.ly/mlops-webinar 🚀 Share with ML enthusiasts! #MLOps #AI #TechTraining

✅چهل کتابخانه پایتون برای Reinforcement learning

Gym Baselines Dopamine TensorLayer FinRL Stable-Baselines ReAgent Acme PARL TF-Agents TensorFlow PyTorchRL Keras-RL Garage TensorForce RLax Coach RFRL Rliable ViZDoom Ray RLlib Dopamine Acme Tensorforce ReAgent (Horizontal) ChainerRL MushroomRL TRFL CleanRL Tianshou MAgent rl-baselines3-zoo Petting Zoo RLlib RoboRL H-baselines Dl-engine

⚠️ FREE Training MLOps and LLMOps Navigating the Landscape of MLOps & LLMOps: Learn to deploy your ML and Gen Ai Models 👉🏻 Registration Link https://bit.ly/mlops-webinar 🧑🏻‍🎓 What You Will Learn? 1. Introduction to ML and MLOps stages 2. Introduction to Git & CI/CD 3. Docker & Kubernetes Overview 4. Kubernetes Deployment Strategy 5. Introduction to Model Management 6. MLOps for LLM’s (LLMOps)  7. Feature Store 8. Cloud ML Services 101 9. Kubeflow Intro 10. Introduction to Model Monitoring 11. Introduction to Automl tools 12. Post-Deployment Challenges

یکی از سه کتابی که هر دیتا ساینتیست، تحلیل گر کسب و کار باید بخواند. کتاب Data Science for Business اصول بنیادی علوم داده را توضیح داده و شما را به سمت تفکر تجزیه و تحلیل داده (Data-Analytic thinking) که برای استخراج علم و دانش مفید و کافی از دیتاهای شما جمع آوری می شود، سوق می دهد. این کتاب برای کسب و کارها کوچک و بزرگ بسیار مفید است و دید کاملاً جدیدی به صاحبان مشاغل می دهد تا بتوانند روند صعودی به کار خود بدهند.

کتاب story telling with d Ata کتاب «داستان‌پردازی با داده‌ها» راهنمایی گام به گام است که به شما کمک می‌کند مخاطب و بستر تعامل پیام را بشناسید و بدانید او به چه چیزهایی توجه می‌کند تا درنهایت بتوانید داده‌ها، اطلاعات و پیام‌هایتان را به درستی به مخاطبتان منتقل کنید. زبان اصلی

روز جهانی زنان مهندس یک کمپین آگاهی رسانِ بین المللی است که زنان مهندس را به مردم دنیا می شناساند و تمرکز آن روی فرصت های شغلی اعجاب انگیز برای خانم ها در این حوزه است. در این روز دستاورد های شگفت انگیز زنان مهندس را در کل جهان جشن می گیرند. روز جهانی زنان مهندس، یک رویداد سالانه است که در ۲۳ ژوئن هر سال جشن گرفته می شود. این روز به مناسبت بزرگداشت دختری جوان به نام مارگارت همیلتون، که در سال ۱۸۳۳ در لندن به دنیا آمد، برگزار می شود. مارگارت همیلتون اولین زنی بود که در دانشگاه کمبریج ریاضیات تحصیل کرد و در زمینه برق و الکترونیک پژوهش کرد.

۲۳ ژوئن، روز جهانی زنان مهندس گرامی باد. Happy June 23, the Women in Engineering Day ! @datalook_ir @mina_rabti

✅ استفاده از ترنسفورمرها: این مدل از برخی مفاهیم و تکنیک‌های شبکه‌های ترنسفورمر بهره می‌برد، اما همچنان پایه‌ریزی خود را بر اساس کانولوشن‌ها حفظ می‌کند. این ترکیب باعث می‌شود تا ConvNeXtBase از بهترین ویژگی‌های هر دو روش بهره‌برداری کند. این الگوریتم عملکرد بسیار خوبی در مجموعه داده‌های مختلف مانند ImageNet داشته است و توانسته است دقت بالایی را با استفاده بهینه از منابع محاسباتی به دست آورد. این مدل برای کاربردهایی که نیاز به دقت بالا و کارایی محاسباتی دارند، مناسب است. طراحی مدولار و استفاده بهینه از منابع باعث می‌شود تا ConvNeXtBase بتواند با سرعت بالا و کارایی مناسب تصاویر را پردازش کند. ConvNeXtBase یک مدل پیشرفته و بهینه‌سازی شده از خانواده ConvNeXt است که با استفاده از ترکیبی از تکنیک‌های شبکه‌های کانولوشنی و ترنسفورمر، بهبود‌های قابل توجهی در عملکرد و دقت به دست آورده است. برای اطلاعات بیشتر در مورد ConvNeXt و ConvNeXtBase، می‌توانید به مقاله زیر مراجعه کنید: https://arxiv.org/abs/2201.03545