Building Robust NLP Models with Data augmentaion

#کتاب #پردازش_زبان_طبیعی #الگوریتمها
#book

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

دوستان یک سرور دیسکورد ساختن داخل اون به صورت گروهی به مطالعه پایتون،  ریاضی و هوش مصنوعی و....  میپردازند
در حال استارت زدن ریاضیات هوش مصنوعی و clean code هستند
اونجا هستیم اگه دوست داشتین بیایین اونجا رفع اشکال درس میخونیم
https://discord.com/invite/qhCqN6Am

آیا مدل های یادگیری عمیق می توانند گزارش های رادیولوژی را مانند رادیولوژیست های انسانی به درستی درک کنند؟

▪️ Uncovering Knowledge Gaps in Radiology Report Generation Models through Knowledge Graphs


#علوم_پزشکی #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

تعدادی مقاله راجب RAG که تازه به دستم رسید😁

[1] Meta Knowledge for Retrieval Augmented Large Language Models

[2] RAGLAB: A Modular and Research-Oriented Unified Framework for Retrieval-Augmented Generation

[3] Graph Retrieval-Augmented Generation: A Survey

[4] CommunityKG-RAG: Leveraging Community Structures in Knowledge Graphs for Advanced Retrieval-Augmented Generation in Fact-Checking

[5] W-RAG: Weakly Supervised Dense Retrieval in RAG for Open-domain Question Answering

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

تعدادی مقاله جالب

[1] SelectLLM: Query-Aware Efficient Selection Algorithm for Large Language Models

[2] Open-FinLLMs: Open Multimodal Large Language Models for Financial Application

[3] LLM Pruning and Distillation in Practice: The Minitron Approach

[4] A Strategy to Combine 1stGen Transformers and Open LLMs for Automatic Text Classification

[5] Flexora: Flexible Low Rank Adaptation for Large Language Models

[6] StructuredRAG: JSON Response Formatting with Large Language Models

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

#دیتاست مدل hermes منتشر شد
https://huggingface.co/datasets/NousResearch/hermes-function-calling-v1

انتشار مدل‌های قدرتمند Qwen2-VL

تیم Qwen امروز اعلام کرد که نسخه جدید مدل‌های Qwen2-VL را منتشر کرده‌اند. این مجموعه شامل مدل‌های Qwen2-VL-2B و Qwen2-VL-7B است که تحت مجوز متن‌باز Apache 2.0 عرضه شده‌اند، و API مدل قدرتمند Qwen2-VL-72B نیز در دسترس قرار گرفته است.

این مدل‌ها در فهم تصاویر، ویدیوهای طولانی و پشتیبانی چندزبانه به سطوح بی‌سابقه‌ای از دقت رسیده‌اند. همچنین، در اکثر معیارهای ارزیابی، عملکرد Qwen2-VL از مدل‌های پیشرفته‌ای مانند GPT-4 و Claude 3.5 Sonnet بهتر بوده است.

این مدل از اکثر زبان‌ها از جمله فارسی پشتیبانی می‌کند.

🔗 برای آشنایی بیشتر و دریافت این مدل‌ها، به لینک‌های زیر مراجعه کنید:
- وبلاگ Qwen2-VL
- گیت‌هاب Qwen2-VL
- هاگینگ‌فیس
- توییت مربوطه

#ایده_جذاب #مدل_متن_باز

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

شرکت NVIDIA مدلي به نام NVEagle را عرضه کرده که یک مدل پیشرفته برای ترکیب بینایی و زبان است. این مدل در سه نسخه 7B، 13B و 13B بهینه‌سازی‌شده برای چت ارائه شده است. این مدل از روش‌های مختلفی برای ادغام خروجی‌های انکودرهای تصویر و استفاده از متخصصین مختلف (MoE) بهره می‌برد.

در این مدل، برای ادغام تخصص‌ها، خروجی‌های انکودرهای تصویر از طریق concatenation به هم متصل می‌شوند و سپس مرحله‌ای به نام "pre-alignment" اجرا می‌شود که در آن متخصصین با انکودر متن ثابت بهینه‌سازی می‌شوند. سپس متخصصین و دیکودر فریز شده و تنها لایه پروجکشن آموزش داده می‌شود، و در نهایت همه اجزا برای بهینه‌سازی نظارتی باز می‌شوند.

معماری اصلی مدل شباهت زیادی به مدل LLaVA دارد.

Model repository: link
Try it here: link

استاد بزرگ اندرو کارپثی لیست سیلاب های یادگیری llm رو درست کرده خیلی منابع عالیی هستش

https://github.com/karpathy/LLM101n


#ایده_جذاب #منابع

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

خفن های دنیا در کنفرانس #پایتورچ همه در 18تا19 سپتامبر دور هم در سانفرانسیکو کالیفرنیا جمع میشن کسایی ک میتونن برن جای مارو خالی کنن

https://events.linuxfoundation.org/pytorch-conference/

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

آیا مدل زبان بزرگ می تواند چندین کار پیچیده را در تفسیر اشعه ایکس قفسه سینه انجام دهد؟

▪️ M4CXR: Exploring Multi-task Potentials of Multi-modal Large Language Models for Chest X-ray Interpretation

#علوم_پزشکی #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

استخدام کارشناس هوش مصنوعی در حوزه پردازش تصویر (در شرکت دانش بنیان ساعیان ارتباط آینده پیشرو)


* حداقل یک سال سابقه برنامه‌نویسی در حوزه هوش مصنوعی و بینایی ماشین

* تجربه عملیاتی کار با مدل‌های موجود در حوزه تصویر و ویدیو و دانش آموزش این مدل‌ها بر دیتاست اختصاصی

* تسلط به پایتون و کتابخانه‌های پردازش تصویر و یادگیری عمیق

* تسلط به لینوکس و Git

* سابقه فعالیت صنعتی در زمینه پردازش تصویر و یادگیری عمیق امتیاز ویژه محسوب می‌شود.


ارسال رزومه :

https://senatelecom.com/careers


#استخدام #هوش_مصنوعی #پردازش_تصویر #ai #hiring

این شرکت یکی از دوستان خیلی خوبم دکتر تهرانی پور هست شرکتی با محیطی حرفه ای و افرادی حرفه ای که اگه میتونین برای پیشرفت و چالش با مسایلی واقعی رشدی برخورد کنین این بهترین چالش دانش های قبلی شما رو محک میزنه پیشنهاد میدم براش اقدام کنین

Lecture Notes: Neural Network Architectures

Evelyn Herberg

These lecture notes provide an overview of Neural Network architectures from a mathematical point of view. Especially, Machine Learning with Neural Networks is seen as an optimization problem. Covered are an introduction to Neural Networks and the following architectures: Feedforward Neural Network, Convolutional Neural Network, ResNet, and Recurrent Neural Network.

✅ Telegram: https://xn--r1a.website/machine_learning_and_DL

به زبان ساده توضیح دادند

multilayer perception layers in a transformer, and how LLMs may store facts

#شبکه_عصبی #منابع #هوش_مصنوعی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

گفتگو با دکتر جلیل نورمحمدی سه شنبه ۱۳ شهریور ۱۴۰۳ ساعت ۲۱:۳۰ راجع به:

▪️ Machine Translation for Azerbaijani Turkish language

▪️ مقاله مورد نظر

از چالشهای یادگیری ماشین تا ایده های استارت آپی و ایده های مقاله ای صحبت خواهیم کرد. با ما با لینک زیر همراه باشید.

کمک بزرگی به دیگران خواهد کرد اگر هر گروه یا کانالی دارین اطلاع رسانی کنین.

این تصویر دو نوع خطاهای رایج در آمار و تست‌های احتمالی را نشان می‌دهد: خطای نوع اول (Type I Error) و خطای نوع دوم (Type II Error).

1. خطای نوع اول (Type I Error):
- به آن "هشدار اشتباه" یا "مثبت کاذب" هم می‌گویند.
- در تصویر، دکتر به یک مرد می‌گوید که او باردار است که در واقعیت نمی‌تواند درست باشد. این یک مثال از خطای نوع اول است، یعنی اعلام نتیجه‌ای مثبت در حالی که در واقعیت آن نتیجه نادرست است.

2. خطای نوع دوم (Type II Error):
- به آن "منفی کاذب" هم می‌گویند.
- در تصویر، دکتر به یک زن باردار می‌گوید که او باردار نیست که این هم یک اشتباه است. این خطای نوع دوم است، یعنی عدم تشخیص نتیجه‌ای مثبت در حالی که در واقعیت آن نتیجه درست است.

این دو نوع خطا در تحلیل داده‌ها و تست‌های آماری بسیار مهم هستند و به شناخت بهتر نتایج کمک می‌کنند.
#آموزش #آمار

🔸 مطالب بیشتر 👇👇


✅ @AI_DeepMind
🔸 @AI_Person
👁‍🗨@Recomendersystem2023