اخبار هوش مصنوعی

ساخت اینفلوئنسر با #هوش_مصنوعی https://rendernet.ai/

Vidyo از ویدیوهای طولانی فوراً کلیپ های کوتاه بسازید! vidyo.ai #معرفی_سایت

سازنده نقشه‌ی ذهنی به کمک #هوش_مصنوعی فقط کافیه یک ایده رو به هوش مصنوعی بدید تا اونو روی صفحه به یک نقشه راهبردی تبدیل کنه https://whimsical.com/ai-mind-maps https://www.mymap.ai/mindmap #معرفی_سایت

🏷️ Face Foundation Model 🏷️ 👉Arc2Face, the first foundation model for human faces. Large dataset of high-resolution faces with consistent ID / intra-class variability, and an ID-conditioned face model trained on it. Source Code released 💙 👉Review https://t.ly/MfAFI 👉Paper https://lnkd.in/dViE_tCd 👉Project https://lnkd.in/d4MHdEZK 👉Code https://lnkd.in/dv9ZtDfA

یک لیست گلچین شده از پرامپت های GPT هایی که بالاترین امتیاز را گرفتن به همراه کلی منبع و مقاله های مرتبط برای یادگیری prompt engineering توی این ریپو است. https://github.com/ai-boost/awesome-prompts #هوش_مصنوعی #پرامپت_نویسی

سرویس برای جستجوی هر عبارتی از یک فیلم getyarn.io سایتی است که به درخواست شما هر عبارتی از فیلم ها را نشان می دهد. این سرویس کاملا رایگان است، هر ویدیویی برای دانلود در دسترس است. https://getyarn.io/ #معرفی_سایت

محققان گوگل از هوش مصنوعی جدیدی به نام VLOGGER رونمایی کردن که تنها با استفاده از یک عکس از بدن شخصی، میتونه اون رو متحرک کنه و با وارد کردن یک فایل صوتی، این امکان رو داره که دستها، سر، حالت چهره، چشمها و لبهای فرد موجود در عکس رو با اون فایل صوتی هماهنگ کنه یا به انتخاب کاربر تغییر بده. این مدل در حال حاضر صرفا یک پروژه تحقیقاتی هست و در دسترس عموم قرار نگرفته. 🔎 tomsguide 📍 @TechTube

⭕️ منبع تمام کتابخانه‌های پایتون برای علوم داده! 👨🏻‍💻 نمی‌تونستم این پکیج کامل از کتابخانه‌های اصلی پایتون برای علوم داده‌ رو ببینم و باهاتون به اشتراک نگذارم. ✅ این مخزن فوق العاده گیت‌هاب تمامی کتابخانه‌ها، بسته‌ها و ابزارهای پایتون رو که برای یادگیری و انجام پروژه‌های علوم داده ضروری هستند رو پوشش میده.👌🏼 🔖 لینک دسترسی به مخزن: ┌ 🏷 Awesome Python Data Science └ 🗃 GitHub-Repos #️⃣ #علم_داده #DataScience ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖ 📊 دانشمند داده شوید : 📎 @DataScience_ir

وقتی میگن عدد π، یه عدد گنگه: BlueJakk چند روز پیش روز عدد پی بود. عدد گنگ اسرارآمیزی که از تقسیم محیط هر دایره بر قطرش میشه به تقریبی ازش رسید: ۳٫۱۴ برای همین روز چهاردهم از سومین ماه سال میلادی شده: Pi Day متن زیر درباره ویدیوی بالا رو پنج ماه پیش نوشته بودم ولی نشده بود که منتشرش کنم: ویدیوی بالا در ۴۸ ساعت گذشته بارها در اینترنت بازنشر شده: youtube عدد گنگ یعنی عددی که نمیشه اون رو به صورت نسبت دو عدد صحیح نوشت. مثلا رادیکال ۲: wikipedia یعنی هیچ دو عدد صحیحی وجود ندارند که اگر به هم تقسیم‌شون کنیم بتونیم به عدد پی برسیم. هرچقدر بخوان دقیق‌تر حسابش کنند باز هم به تهش نمی‌شه رسید. گویا تا سال ۲۰۲۰ تا ۱۲٫۸ تریلیون رقم اعشار دقت تونسته بودند محاسبه‌اش کنند و با پیشرفت کامپیوترها سال ۲۰۲۱ تونستند با دقتی تا ۶۲٫۸ تریلیون رقم اعشار تونستند محاسبه‌اش کنند: guinnessworldrecords کم دقت‌ترین محاسبه برای عدد پی اینه که اون رو برابر با ۳ در نظر بگیریم. بعد از اون ابتدایی‌ترین محاسبات میشن کسرهای زیر که من تا ۱۱ رقم اعشار نوشتم: 22 / 7 = 3.14285714286 333 / 106 = 3.14150943396 355 / 113 = 3.14159292035 52163 / 16604 = 3.14159238738 103993 / 33102 = 3.14159265301 245850922 / 78256779 = 3.14159265359 در ویدیوی بالا معادله نموداری که رسم میشه زیرش نوشته شده. این چی رو نشون میده؟ هر بار که نقطه رسام با اختلاف از کنار نقطه شروع عبور می‌کنه داره دقت یکی از محاسبات بالا رو نشون میده. هر بار که از کنار نقطه شروع عبور می‌کنه فاصله‌اش کمتر میشه ولی هیچ‌وقت بهش نمی‌رسه چون هیچ‌وقت نمیشه یک عدد گنگ رو دقیق محاسبه کرد. گویا ثانیه 0:11 ویدیوی بالا، فاصله‌ای که نقطه رسام با نقطه شروع داره مربوط به وقتی است که پی رو عدد صحیح ۳ در نظر بگیریم. ثانیه 0:48 ویدیو که زوم میشه و نشون میده با فاصله کمی از کنارش عبور می‌کنه مربوط به دقت کسر 22/7 است. گویا زمان 01:46 ویدیو مربوط به دقت کسر 333/106 است و زمان 02:14 ویدیو دقت محاسبه کسر 355/113 رو نشون میده که دقیق‌تره و با فاصله‌ای کمتر از نقطه شروع عبور می‌کنه و همینطور ادامه پیدا می‌کنه. via reddit 📡 @VahidOnline

🟡Step-by-step guide to building an artificial neural network and observing how overfitting occurs with MNIST and CNN architecture این مقاله مدیوم، درباره Overfitting هست و با استفاده از دیتاست MNIST، کدهای اجرا شده و انواع نمودار، موضوع بیش‌برازش رو به صورت کامل توضیح داده. 🟢برای مطالعه کلیک کنید: 👉📎 A Step-by-step guide to building an ANN 🟢لینک بلاگ به زبان فارسی در ویرگول: 👉📎 https://vrgl.ir/7ZE5E #Medium @DSLanders | دی‌اس‌لندرز

قبلتر مقاله ای رو معرفی کردم که اصلا معماری ترنسفورمر چیه حالا یکی از مطالب خیلی خوبی که توسط دکتر Brandon Rohrer راجب ترانسفورمر ها جمع اوری شده است اومده دل و روده 😂 ترنسفورمرها رو ریخته بیرون Transformers from scratch https://e2eml.school/transformers.html #مقاله #ایده_جذاب #مبتدی #پردازش_زبان_طبیعی 🔸 مطالب بیشتر 👇👇 ✅ @AI_DeepMind

مدل‌ زبانی بزرگ فاین تیوین شده برای زبان فارسی این مقاله در مورد #LLM فارسی به نام #PersianLLaMA هستش. این مدل روی مجموعه ای از متن‌ها و دیتاست‌های فارسی آموزش داده شده و با دو نسخه با 7 و 13 میلیارد پارامتر ارائه شده است که بر روی متون رسمی و محاوره ای فارسی با دو رویکرد متفاوت آموزش داده شده. PersianLLaMA: Towards Building First Persian Large Language Model لینک‌ مقاله @silicon_brain | از هوش مصنوعی عقب نمانید

یه ریپو تو گیت هاب داشتم میخوندم جالب بود برای اونایی که تازه شروع کردن، اومده مینی پروژه های پایتونی رو گذاشته. استفاده کنید لذت ببرید :) https://github.com/Python-World/python-mini-projects #Sxl @pythonism_xl