#fun
Reinforcement Learning, episode 1

میدانیم یکی از مشکلات الگوریامهای فعلی هوش مصنوعی (AI) و یادگیری ماشینی (ML) بایاس تو زمینه های مختلف است. حالا این بایاس تو زمینه های بینایی کامپیوتر نیز مشاهده میشه، مثلا توی بازشناسی و شناسایی چهره الگوریتمها به رنگ پوست بایاس دارند...
برای حل این مشکل گوگل Monk Skin Tone (MST) که حاصل تحقیقات روی رنگ های پوست و بازه های آن هست را منتشر کرده...
https://www.skintone.google/

Best Resources for DevOps
1. DevOps Courses - https://bit.ly/3eEV8Au
2. DevOps Tutorials - https://bit.ly/3TZTPwg
3. DevOps Books - https://bit.ly/3eEscIR
4. DevOps Questions - https://bit.ly/3Pgnn5b

ویديوی ضبط شده از جلسات اول و دوم وبینار مهندسی داده و بیگ دیتا

- جلسه اول: آشنایی با مفاهیم و ابزارهای مهندسی داده و بیگ دیتا
- جلسه دوم: پردازش موازی و مقیاس‌پذیر داده‌ها در پایتون به کمک Dask

https://youtube.com/playlist?list=PLrC1NdJIN45HxoQjdhuahsSIi_s5Z_Khp

تو پایتون گاهی امکان داره که یه سری محاسبات تکراری با استفاده از یک تابع انجام بشه.
برای جلوگیری از محاسبات تکراری و استفاده از جواب‌هایی که قبلا تولید شدند، پایتون اومده یه decorator معرفی کرده به نام lru_cache.

این امکان می‌تونه مثلا تو افزایش سرعت اجرای کدهاتون خیلی کاربردی باشه و اینکه میشه براش مقدار حافظه هم تعیین کرد که یه موقع stackتون overflow نشه!

تو این لینک به جزییات این decorator خوب اشاره شده، توصیه می‌کنم 5 دقیقه وقت بذارید و بخونیدش.

🙏Thabks to: @Ai_Events

دانلود مستقیم از سایت mega.nz روی Colab

امروز میخواستم تو کولب یه کدیو روی یه دیتاستی که روی سایت مگا بود تست کنم، به این اسکریپت کاربردی رسیدم که میتونید تو کولب آپلوش کنید و آدرسو بهش بدید که مستقیما براتون تو کولب یا درایو دانلود کنه...

https://solutechblog.com/transfer-data-from-mega-to-google-drive/

SimpleRecon
3D Reconstruction without 3D Convolutions
ECCV 2022

Paper | Project page | Code

@cvision

کاربرد شمارش گوسفند، با object segmentation

افزونه گوگل کروم، برای فعال نگه داشتن سشن colab

https://chrome.google.com/webstore/detail/colab-alive/eookkckfbbgnhdgcbfbicoahejkdoele?hl=en-GB

دیگه چه جوری بگه بعد لایه های کانولوشنالی Flatten نزارید؟ :)
#fun

NEW RELEASE: OpenVINO 2022.2 !!
Frameworks Integrations – More options that provide minimal code changes to align with your existing frameworks :
*** OpenVINO Execution Provider for ONNX Runtime gives ONNX Runtime developers more choice for performance optimizations by making it easy to add OpenVINO with minimal code changes.
*** Accelerate PyTorch models with ONNX Runtime using OpenVINOT integration with ONNX Runtime for Py Torch (OpenVINO“ Torch-ORT). Now Py Torch developers can stay within their framework and benefit from OpenVINO performance gains.
*** OpenVINO Integration with #TensorFlow now supports more deep learning models with improved inferencing performance.

https://www.intel.com/content/www/us/en/developer/articles/release-notes/openvino-relnotes.html

هوش انسانی استعاره ضعیفی از کاری است که "AI" انجام می دهد. هوش مصنوعی اساساً هیچ یک از ویژگی های شناختی انسان را نشان نمی دهد و برعکس، بیشتر کارهای مفیدی که امروزه هوش مصنوعی مدرن انجام میدهد در انسان یافت نمی شود.

https://twitter.com/fchollet/status/1573752180720312320?s=20&t=et_xLUuxJZ3GGnqUCc0UYw

@OpenAI announced #Whisper, an automatic speech recognition model.

Blog post → https://openai.com/blog/whisper/
Research paper → https://cdn.openai.com/papers/whisper.pdf
Open-source code and models → https://github.com/openai/whisper
Colab: https://xn--r1a.website/cvision/2816
#ASR #Speech2Text

لینک گوگل کولب مربوط به پست whisper:

https://colab.research.google.com/github/openai/whisper/blob/master/notebooks/LibriSpeech.ipynb

سلسله توئیت توضیحات مقاله:
https://twitter.com/iScienceLuvr/status/1572675724343152641

Machine Learning life lesson:

Deep learning requires time and effort.🧐


https://twitter.com/tunguz/status/1574016133291642882

امروز گوگل کتابخونه اوپن سورس TensorStore رو معرفی کرد که هم در پایتون و هم در سی‌پلاس‌پلاس موجوده. این کتابخونه برای ذخیره و انجام عملیات مختلف روی داده‌های n بعدی نوشته شده که مدیریت مجموعه داده‌های بزرگ رو بسیار ساده میکنه. برخی ویژگی‌های این کتابخونه شامل:

•Provides a uniform API for reading and writing multiple array formats, including zarr and N5.
•Natively supports multiple storage systems, including Google Cloud Storage, local and network filesystems, HTTP servers, and in-memory storage.
• Supports read/writeback caching and transactions, with strong atomicity, isolation, consistency, and durability (ACID) guarantees.
• Supports safe, efficient access from multiple processes and machines via optimistic concurrency.
•Offers an asynchronous API to enable high-throughput access even to high-latency remote storage.
•Provides advanced, fully composable indexing operations and virtual views.

گوگل از این کتابخونه در حین آموزش مدل زبانی PaLM هم استفاده کرده. اطلاعات بیشتر رو میتونید از لینک زیر بخونید:

https://ai.googleblog.com/2022/09/tensorstore-for-high-performance.html?m=1

"Codebase to train a CLIP conditioned Text to Image Diffusion model on Colab in Keras"

https://github.com/apapiu/guided-diffusion-keras

SpeechCLIP: Integrating Speech with Pre-Trained Vision and Language Model

Data-driven speech processing models usually perform well with a large amount of text supervision, but collecting transcribed speech data is costly. Therefore, we propose SpeechCLIP, a novel framework bridging speech and text through images to enhance speech models without transcriptions. We leverage state-of-the-art pre-trained HuBERT and CLIP, aligning them via paired images and spoken captions with minimal fine-tuning. SpeechCLIP outperforms prior state-of-the-art on image-speech retrieval and performs zero-shot speech-text retrieval without direct supervision from transcriptions. Moreover, SpeechCLIP can directly retrieve semantically related keywords from speech.

Blog post: https://atosystem.github.io/blogs/speechclip
Paper: https://arxiv.org/abs/2210.00705
Code: https://github.com/atosystem/SpeechCLIP