📚 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

🌟 Modded-NanoGPT - allows you to achieve GPT-2 quality (124M) when training on only 5B tokens

Modded-NanoGPT is a modification of the GPT-2 training code from Andrei Karpathy.

Modded-NanoGPT allows:
- train 2 times more efficiently (requires only 5B tokens instead of 10B to achieve the same accuracy)
- has simpler code (446 lines instead of 858)

🖥 GitHub

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence

📚 Python for Data Science (2024)


💬 Tags: #datascience

🌑 آقای هوش مصنوعی🌑
🎥رسانه هوش مصنوعی دانشگاه تهران

@MrArtificialintelligence