گوگل کولب، سه ویژگی هیجان‌انگیز جدید اضافه کرده که برنامه‌نویسی رو خیلی شیرین‌تر می‌کنن.

ویژگی Generate Code که با نگاه به کدهایی که در نوت‌بوک‌تون زده‌اید براتون کدی رو که می‌خواید می‌زنه

ویژگی Explain Error که ارورتون و دلیل‌ش رو توضیح می‌ده و اصلاحیه‌ی پیشنهادی رو هم به‌تون می‌گه.

ویژگی Gemini Chat که دستیار برنامه‌نویسی یا منتور فول‌تایم‌تونه :)

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

🌕 کنترل سیستم های هوش مصنوعی پیشرفته با اهداف متغییر و عدم قطعیت

🌍 مهمان برنامه :

دکتر بهزاد مشیری
استاد تمام دانشکده مهندسی برق و کامپیوتر
دانشگاه تهران
https://imageprocessing.ir/from-automaticity-to-the-autonomy-of-artificial-intelligence/
#کنترل_هوش_مصنوعی
#آقای_هوش_مصنوعی

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

🌟 MusicGPT is an application for running music-generating models locally

- brew install gabotechs/taps/musicgpt

MusicGPT allows you to run the latest music generation models locally on any platform, without installing heavy dependencies such as ML frameworks.

Currently, MusicGPT only supports MusicGen from Meta, but there are plans to add even more different music generation models.

Quick start with Docker:
docker run -it --gpus all -p 8642:8642 -v ~/.musicgpt:/root/.local/share/musicgpt gabotechs/musicgpt --gpu --ui-expose

or using cargo:
cargo install musicgpt

🖥 GitHub

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

🌕هوش مصنوعی مولد ؛ قابلیت ها و کاربردها

🌍مهمان برنامه :

دکتر هشام فیلی
استاد تمام گروه هوش مصنوعی دانشگاه تهران
سرپرست آزمایشگاه پردازش زبان طبیعی

#هوش_مصنوعی_مولد
#generative_ai

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

بازیگر جدیدی داریم، خلاقیتی که برخاسته از نبوغ انسان است. هوش مصنوعی می تواند با شاهکارهای ذهنی ما مطابقت داشته باشد و حتی از آن پیشی بگیرد
دنیایی را تصور کنید که در آن ماشین ها نه تنها وظایف را انجام می‌دهند بلکه، فکر می‌کنند یاد می‌گیرند و سازگار می‌شوند
این یک داستان علمی تخیلی نیست، این واقعیت انقلاب صنعتی چهارم است.
استفاده از هوش مصنوعی مولد در یادگیری ، چالش های بی سابقه ای را برای سیستم های آموزشی ایجاد میکند
ظهور هوش مصنوعی ما را ترغیب می‌کند تا محدودیت های تخیل خود را کشف کنیم، مرزهای قدرت را مورد بررسی قرار دهیم و به این فکر کنیم که آیا خلقت ما می تواند روزی ما را به روش هایی تحت الشعاع قرار دهد که هرگز تصور نمی‌ کردیم

📚 کمک بلندگوی پهپادی پلیس چین برای کنترل ترافیک شهری


🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

https://www.instagram.com/mrartificialintelligence

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

¡Hola! 👋
AmigoChat - AI GPT bot. Best friend and assistant:

✅ use GPT 4 Omni
✅ generate images
✅ get ideas and hashtags for social media
✅ write SEO texts
✅ rewrite and summarize longreads
✅ choose a promotion plan
✅ chat and ask questions

Everything is FREE because amigos don't take dineros for help! 🤠

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

🕹  VideoLLaMA 2 is a set of open-source Video-LLMs for video generation.

VideoLLaMA 2, a logical evolution of past models, includes a specialized space-time convolution (STC) component that effectively captures complex dynamics in video.

🖥 GitHub

🤗 Demo

✅ VideoLLaMA 2 model

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

📚 50 Python Concepts Every Developer Should Know (2024)

💬 Tags: #python

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

Data Scientist Roadmap
|
|-- 1. Basic Foundations
|   |-- a. Mathematics
|   |   |-- i. Linear Algebra
|   |   |-- ii. Calculus
|   |   |-- iii. Probability
|   |   -- iv. Statistics
|   |
|   |-- b. Programming
|   |   |-- i. Python
|   |   |   |-- 1. Syntax and Basic Concepts
|   |   |   |-- 2. Data Structures
|   |   |   |-- 3. Control Structures
|   |   |   |-- 4. Functions
|   |   |   -- 5. Object-Oriented Programming
|   |   |
|   |   -- ii. R (optional, based on preference)
|   |
|   |-- c. Data Manipulation
|   |   |-- i. Numpy (Python)
|   |   |-- ii. Pandas (Python)
|   |   -- iii. Dplyr (R)
|   |
|   -- d. Data Visualization
|       |-- i. Matplotlib (Python)
|       |-- ii. Seaborn (Python)
|       -- iii. ggplot2 (R)
|
|-- 2. Data Exploration and Preprocessing
|   |-- a. Exploratory Data Analysis (EDA)
|   |-- b. Feature Engineering
|   |-- c. Data Cleaning
|   |-- d. Handling Missing Data
|   -- e. Data Scaling and Normalization
|
|-- 3. Machine Learning
|   |-- a. Supervised Learning
|   |   |-- i. Regression
|   |   |   |-- 1. Linear Regression
|   |   |   -- 2. Polynomial Regression
|   |   |
|   |   -- ii. Classification
|   |       |-- 1. Logistic Regression
|   |       |-- 2. k-Nearest Neighbors
|   |       |-- 3. Support Vector Machines
|   |       |-- 4. Decision Trees
|   |       -- 5. Random Forest
|   |
|   |-- b. Unsupervised Learning
|   |   |-- i. Clustering
|   |   |   |-- 1. K-means
|   |   |   |-- 2. DBSCAN
|   |   |   -- 3. Hierarchical Clustering
|   |   |
|   |   -- ii. Dimensionality Reduction
|   |       |-- 1. Principal Component Analysis (PCA)
|   |       |-- 2. t-Distributed Stochastic Neighbor Embedding (t-SNE)
|   |       -- 3. Linear Discriminant Analysis (LDA)
|   |
|   |-- c. Reinforcement Learning
|   |-- d. Model Evaluation and Validation
|   |   |-- i. Cross-validation
|   |   |-- ii. Hyperparameter Tuning
|   |   -- iii. Model Selection
|   |
|   -- e. ML Libraries and Frameworks
|       |-- i. Scikit-learn (Python)
|       |-- ii. TensorFlow (Python)
|       |-- iii. Keras (Python)
|       -- iv. PyTorch (Python)
|
|-- 4. Deep Learning
|   |-- a. Neural Networks
|   |   |-- i. Perceptron
|   |   -- ii. Multi-Layer Perceptron
|   |
|   |-- b. Convolutional Neural Networks (CNNs)
|   |   |-- i. Image Classification
|   |   |-- ii. Object Detection
|   |   -- iii. Image Segmentation
|   |
|   |-- c. Recurrent Neural Networks (RNNs)
|   |   |-- i. Sequence-to-Sequence Models
|   |   |-- ii. Text Classification
|   |   -- iii. Sentiment Analysis
|   |
|   |-- d. Long Short-Term Memory (LSTM) and Gated Recurrent Units (GRU)
|   |   |-- i. Time Series Forecasting
|   |   -- ii. Language Modeling
|   |
|   -- e. Generative Adversarial Networks (GANs)
|       |-- i. Image Synthesis
|       |-- ii. Style Transfer
|       -- iii. Data Augmentation
|
|-- 5. Big Data Technologies
|   |-- a. Hadoop
|   |   |-- i. HDFS
|   |   -- ii. MapReduce
|   |
|   |-- b. Spark
|   |   |-- i. RDDs
|   |   |-- ii. DataFrames
|   |   -- iii. MLlib
|   |
|   -- c. NoSQL Databases
|       |-- i. MongoDB
|       |-- ii. Cassandra
|       |-- iii. HBase
|       -- iv. Couchbase
|
|-- 6. Data Visualization and Reporting
|   |-- a. Dashboarding Tools
|   |   |-- i. Tableau
|   |   |-- ii. Power BI
|   |   |-- iii. Dash (Python)
|   |   -- iv. Shiny (R)
|   |
|   |-- b. Storytelling with Data
|   -- c. Effective Communication
|
|-- 7. Domain Knowledge and Soft Skills
|   |-- a. Industry-specific Knowledge
|   |-- b. Problem-solving
|   |-- c. Communication Skills
|   |-- d. Time Management
|   -- e. Teamwork
|
-- 8. Staying Updated and Continuous Learning
    |-- a. Online Courses
    |-- b. Books and Research Papers
    |-- c. Blogs and Podcasts
    |-- d. Conferences and Workshops
    `-- e. Networking and Community Engagement

#نقشه_راه_هوش_مصنوعی

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

شرکت Luma Labs سرویس تولید ویدئوی Dream Machine را معرفی کرد. از اینجا می‌توانید به صورت رایگان و محدود از این سرویس استفاده کنید.

#luma_labs

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

📚 Financial Calculations Practical Guide with Python and R (2024)

💬 Tags: #Calculation #R

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

🆕 StreamSpeech: A powerful synchronized speech translation model.

StreamSpeech is a seamless All-in-One model for offline and synchronous speech recognition, speech translation and speech synthesis.

💡 StreamSpeech achieves SOTA performance for both offline and synchronous speech-to-speech translation.

🟢page: https://ictnlp.github.io/StreamSpeech-site/

🟢paper: https://arxiv.org/abs/2406.03049

🟢code: https://github.com/ictnlp/streamspeech

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

🌕 آیا انسان ها میتوانند برتری و استقلال خود را در دنیایی که ماشین ها از آنها هوشمندترهستند حفظ کنند ؟

🌍 مهمان برنامه :

دکتر بهزاد مشیری
استاد تمام دانشکده مهندسی برق و کامپیوتر
دانشگاه تهران
https://imageprocessing.ir/from-automaticity-to-the-autonomy-of-artificial-intelligence/
#کنترل_هوش_مصنوعی
#آقای_هوش_مصنوعی
#ai_control

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

10 free MIT data science courses

MIT University's free data science courses

Computational thinking and data science introductory course
machine learning course with Python
Computer science and programming course with Python
Supply chain analysis course
Understanding the world through data course
Computational thinking course for modeling and simulation
Probability Course - Science of Uncertainty and Data
The course of principles of production processes
Principles and basics of statistics and probability course
The course of becoming an entrepreneur

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

📚 Quantum Computing (2024)


💬 Tags: #QuantumComputing

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence