اندرو انگ یه ویدیو در لیندکین منتشر کرده در خصوص هوش مصنوعی مولد GenerativeAi ..هوش مصنوعی اومده با صدای اندرو چهار تا جک در زمینه هوش مصنوعی رو تولید کرده. اینجا ویدیو را ببینید و ازتون خواسته بگید کدوم واقعی و فیکه
https://www.linkedin.com/posts/andrewyng_something-fun-with-voice-using-generative-activity-7109590634709090304-Is5D?utm_source=share&utm_medium=member_desktop

سرویس جدید اکستنشن برای ‎#Bard امروز توسط گوگل معرفی شد که به نظرم بزرگترین آپدیت این سرویس تا به امروز محسوب میشه.
به کمک این قابلیت Bard به سرویس‌هایی مثل گوگل درایو و داده‌های شما متصل میشه و میتونید ازش مثل یه منشی تمام وقت کمک بگیرید!‌ 🤯🔥


همچنین با این قابلیت، Bard به ابزارهای دیگه مثل Maps ،YouTube ،Flights و Hotels گوگل متصل میشه و می‌تونید با پرامپت بهشون دستور بدید و ازشون دیتا بیرون بکشید.
یه چیز جالبی هم که دیدم این بود که خروجی هارو قراره با نتایج گوگل هم Double-check کنه.

من عاشق این باردم🤩

می خواهم یک پلاگین بهتون معرفی کنم به اسم CodiumAI که یک AI هست و کمکتون میکنه تست های کدتون و تکمیل کنید. و نکته جالبش رایگان بودن این پلاگین است.

خودم استفاده می کنم.

مادر کودک بعد از اینکه ۱۷ پزشک نتونستند بیماری پسرش رو تشخیص بدن، از chatGpt
پرسیده و این هوش مصنوعی تونسته بعد کلی سوال و جواب بیماری نادر
اسپینا بیفیدا آکولتا رو تشخیص بده

نمیدونم این خبر چقدر صحت داره، تبلیغاتیه یا واقعی

برام تعجب داره اون ۱۷ پزشک اروپایی کجا مدرک گرفتن که نتونستن تشخیص بدن!!!!
۱۷ پزشک
🙄🙄🙄🙄🙄

با احترام به تمام پزشکان، امروز میخوام یه هوش مصنوعی پزشک معرفی کنم.

🤒 همه ما ممکنه روزانه سوالات پزشکی رو در مورد علائم یا حال ناخوش خودمون یا اطرافیانمون داشته باشیم. چی میشد اگه یه هوش مصنوعی وجود داشت که به آخرین اطلاعات علم پزشکی هم دسترسی داشت و میشد ازش مشورت گرفت؟

🚀 خب پاسخ اینه که این هوش مصنوعی وجود داره. نام این هوش مصنوعی ‎#docus هستش. هم به درد عموم مردم میخوره تا سوالاتشون رو ازش بپرسند و هم به درد دانشجوهای رشته پزشکی یا دکترها که یه دستیار از جنس ربات کنارشون باشه تا باهاش مشورت کنن.

👩‍⚕️داکوس یک پلتفرم سلامت هوشمنده که از یه چت بات برای تولید گزارشهای سلامت شخصی‌سازی‌شده متناسب با هر فرد استفاده میکنه. کاربرها میتونن با چت بات گفتگو کنن و یه گزارش سلامت تولید کنن یا احتمال انواع ابتلا به بیماری رو شناسایی کنن. به طور کلی ‎#هوش‌مصنوعی قابلیت‌های امیدوارکننده‌ای تو تشخیص انواع بیماری‌ها از جمله سرطان، بیماری قلبی، دیابت، آلزایمر و عفونت‌های مختلف از خودش نشون داده. اینم بگم که شما فقط اجازه ارسال و دریافت تا 7 پیغام رو به صورت رایگان و روزانه دارید و برای ادامه استفاده باید اشتراک ماهانه تهیه کرد. برای کسی که که بهش نیاز داره، تهیه این هوش مصنوعی مفید خواهد بود. اینم آدرس داکوس👇👇

docus.ai‎

سحر تجربه های خیلی جالبی داره چون اول رفته کانادا و بعدش مهاجرت میکنه فنلاند و از خوبی ها و سختی های این مسیر برامون میگه و نکته خوب ماجرا اینجاست که یک کانال خیلی خوب و مفید داره که توی این مسیر به همه کمک میکنه و خیلی اطلاعات مفیدی میده
لینک كانال سحر و اگر دوست داشتید حتما پیشنهاد میشه که بهش سر بزنین
@TechImmigrants

اگر شما هم تجربه قشنگی از مهاجرت دارید میتونین در كانال ما به اشتراك بزارید
در اینستاگرام مارو دنبال کنین. @Azdoshanbe

#مهاجرت #المان #فنلاند #تجربه_مهاجرت #مهاجرت_تحصیلی #مهاجرت_کاری #ازدوشنبه
https://youtu.be/QqZk_cmE6RY?si=kBL5sTq8Z485fc3r

عصر جدید هوش مصنوعی: ماکروسافت از Copilot، همراه روزمره هوش مصنوعی شما که در همه دستگاه ها و سرویس ها کار می کند، رونمایی کرد.

این آپدیت مستقیماً در ویندوز 11، ۲۶ سپتامبر | ۴ مهر در تمامی محصولات آفیس 365 مایکروسافت و Edge ادغام خواهد شد.

آینده جذاب با Copilot:

- با Copilot در اکسل، می‌توانید شکل‌های پیشرفته ایجاد کنید، پیش‌بینی ایجاد کنید و در زمان مرتب‌سازی داده‌ها با پایتون صرفه‌جویی کنید.

- ابزار Copilot در PowerPoint/Word به شما کمک می کند تا اسناد یا ارائه ها را بر اساس اسناد موجود پیش نویس کنید و متن را خلاصه و بازنویسی کنید، از جمله موارد دیگر.

- علاوه بر این، DALL-E 3 مستقیماً در چت بینگ به صورت رایگان برای همه در دسترس خواهد بود.

موقعیت دکتری با فاند سه ساله
رشته کامپیوتر
آلمان

Group of Computational Pathology at the University Medical Center Hamburg-Eppendorf, Germany, invites applications for a position as PhD candidate on the topic of 'Deep learning for biomedical image analysis' starting on 1st November 2023 for three years.
Description
The  University Medical Center Hamburg-Eppendorf (UKE) is one of Europe's  most modern clinics. Located close to the city center of Hamburg, the UKE fosters interdisciplinary research bridging medicine, basic and applied biomedical research, and teaching. Medical specialists and  research scientists closely collaborate to develop and apply  state-of-the-art technology to gain novel insights into human pathology and to provide optimal care for our patients.
 
The Group of Computational Pathology is part of the Institute of Medical Systems Biology (IMSB), and is a young team working on  biomedical image analysis, in particular microscopy images. It is led by Prof. Dr. Marina Zimmermann. The group is also a member of bAIome, the Center for Biomedical AI (www.baiome.org), a platform at UKE where AI and clinical expertise team up with the aim of bringing next-generation  software solutions into the clinic.
We currently offer a position in biomedical image analysis using deep learning and are looking for highly motivated students and graduates to complement our lively and enthusiastic team of scientists starting on 1st November 2023. Embedded in our group, the successful candidate will  develop state-of-the-art deep learning-based algorithms and apply them to a wide range of medical problems.
 
The specific topic of interest is:
Design of novel and application of existing cutting-edge computer vision algorithms (e.g. U-Net, EfficientNet, Vision  Transformers) for the automatic classification and segmentation of microscopy data (supervised, weakly supervised and unsupervised), and the subsequent prediction of disease progression in direct collaboration with clinical researchers.

Your Profile
• Master’s degree in computer science, mathematics or related fields.
• Solid understanding of deep learning and relevant frameworks (e.g. Pytorch or Tensorflow, Keras, scikit-learn, scikit-image, OpenCV).
• Good communication skills to interact with collaborators ranging from machine learning researchers to pathologists or medical  students.
• Experience in at least one of the following areas: digital image processing and analysis, deep learning, computer vision.
• Knowledge of biology and/or medicine, as well as experience in interdisciplinary teams are a plus.
• Proficiency in Python and Linux environments.
• Highly motivated with an interest to work in an interdisciplinary team spanning machine learning, bioinformatics, and medicine.
• Fluency in English.

Application Deadline: 28/08/2023

Website for Additional Information and to Apply: https://www.uke.jobs/index.php?ac=jobad&id=1269

با سلام و احترام
دوستانی که تمایل به انجام پروژه کسری خدمت ( حداقل ۱۰ الی ۱۲ ماه ) دارند می‌تواند برای کسب اطلاعات بیشتر به شماره 09197891897 در پیام‌رسان‌های تلگرام، ایتا و بله پیام بدهند.
⬅️ شرایط:
دانشجوی کارشناسی ارشد و بالاتر و اینکه حداقل ۵ ماه به زمان ارسال دفترچه فرصت داشته باشند.
◀️ تخصص‌های مورد نیاز:
۱) علوم کامپیوتر ( نرم‌افزار)
۲) هوش مصنوعی
۳)مدیریت تکنولوژی  ( تلسط به زبان انگلیسی در حد ریدینگ)
۴) health and care ( فعال در زمینه هوش مصنوعی)

آموزش نرم افزار تحلیل داده tableau

Data analysis software training
Tableau cheatSheet

اگر شرکت Ibm نسل جدید دیتاسنترهای کوانتومی اش را وارد بازار کند.ترکیبش با مدل های هوش مصنوعی و فرآیند توسعه مدلهای هوش مصنوعی انقلاب بزرگی را ایجاد خواهد کرد. آماده موج بعدی تکنولوژیک باشید.

در دنیای همیشه در حال تکامل داده ها، درک گزینه های ذخیرهسازی شما بسیار مهم است. بیایید تفاوت های بین Data Warehouse ها، Data Lakes و مفهوم نوظهور Data Lakehouse ها را بشکنیم:



🔺انبار داده datawareHouse 🏢:

✔️ایده آل برای داده های ساخت یافته
✅طراحی شده برای پرس و جو با کارایی بالا.
برای هوش تجاری و گزارش دهی مناسب است. بعنوان هسته اصلی یک سیستم هوش تجاری BI به شمار می‌آید. به عبارت دیگر انبار داده یک مخزن داده مرکزی از داده‌های تجمیع شده است که از سیستم‌ها و منابع مختلف سازمان جمع‌آوری شده است .
 
🔺دریاچه داده (data lake)
دریاچه داده یک مخزن ذخیره سازی مرکزی است که کلان داده‌ها را از منابع مختلف در فرمت خام و دست نخورده ذخیره می‌کند. Data lake می‌تواند داده‌های ساختار یافته، نیمه ساختار یافته یا بدون ساختار را ذخیره کند
✅اغلب برای داده های بزرگ و تجزیه و تحلیل پیشرفته استفاده می شود.

دریاچه داده بر اساس اصولی به نام خواندن با ساختار (schema-on-read) کار می‌کند.

این بدان معناست که هیچ طرح (schema) از پیش تعیین شده‌ای وجود ندارد که داده‌ها قبل از ذخیره سازی به آن نیاز داشته باشند.

فقط زمانی که داده‌ها در حین پردازش خوانده می‌شوند، تجزیه و تحلیل می‌شوند و در صورت لزوم داخل یک طرح (schema) تطبیق داده می‌شوند.

این ویژگی زمان مصرف شده روی تعریف کردن طرح (schema) را به حداقل می‌رساند و باعث می‌شود که داده‌ها به همان شکلی که هستند در هر فرمتی ذخیره شوند.

🔺تفاوت دریاچه داده با انبار داده:

طرح یا اسکیمای یک انبار داده قبل از ذخیره سازی تعریف و ساختار یافته می‌شود (طرح و اسکیما هنگام نوشتن داده‌ها اعمال می‌شود). ✔️در مقابل یک دریاچه داده، هیچ طرح و برنامه‌‌ی از پیش تعیین شده‌ای ندارد تا به آن اجازه دهد که داده‌ها را در فرمت اصلی خود ذخیره کند. بنابراین، در انبار داده اکثرا آماده سازی داده‌ها معمولاً قبل از پردازش اتفاق می‌افتد ولی در Data Lakes هنگامی که داده‌ها واقعاً مورد استفاده قرار بگیرند، آماده سازی می‌شوند.

از آنجا که داده‌ها قبل از ذخیره سازی به شکل ساده شده سازماندهی نشدند، یک دریاچه داده اغلب نیاز به یک متخصص با درک کامل انواع مختلف داده‌ها و روابط آن‌ها دارد تا بتواند آن‌ها را بخواند. در عوض یک انبار داده به دلیل طرح و اسکیمای مستند خود و به دلیل این که به خوبی تعریف شده، هم برای کاربران فناوری و حتی افراد غیر فناوری نیز قابل دسترسی است. حتی یک عضو جدید در تیم می‌تواند به سرعت از انبار استفاده کند.

معماری دریاچه داده: آمازون وب سرویس (AWS)، هادوپ (Hadoop)، آزور (Azure)

Data Lakehouse دیتا لیک هاوس🔺
🚀
دیتا لیک هاوس نوع جدیدی از معماری داده است که یک دریاچه داده را با یک انبار داده ترکیب می کند تا کاستی های هر یک را به طور جداگانه برطرف کند.

یک ذخیره سازی از داده های غیر ساختار یافته و ساختار یافته است که از فناوری های cloud-native مانند Hadoop، Spark و Kafka استفاده می کند.

این معماری به سازمان ها امکان می دهد داده های خود را از هر منبعی ذخیره، مدیریت و تحلیل کنند.
دیتا لیک هاوس مزایای زیر را نسبت به data lake و data warehouse دارد:

🔶انعطاف پذیری: data lakehouse می تواند داده های غیر ساختار یافته، ساختار یافته و نیمه ساختار یافته را ذخیره کند. این انعطاف پذیری به سازمان ها امکان می دهد طیف گسترده ای از داده ها را از هر منبعی جمع آوری و تجزیه و تحلیل کنند.

🔶هزینه: data lakehouse می تواند هزینه های ذخیره سازی و پردازش داده ها را کاهش دهد. این به دلیل استفاده از فناوری های cloud-native است که هزینه های کلی را کاهش می دهند.

🔶سرعت: data lakehouse می تواند داده ها را سریعتر از data warehouse پردازش کند. این به دلیل استفاده از فناوری های cloud-native است که می توانند حجم زیادی از داده ها را به طور همزمان پردازش کنند.

✅ می تواند برای هوش مصنوعی و یادگیری ماشینی استفاده شود. این می تواند به سازمان ها کمک کند تا مدل های یادگیری ماشینی را ایجاد و آموزش دهند.

جزوه یادگیری عمیق
خیلی کامل
و به زبان روان انگلیسی
توصیه میکنم


الگوریتم های #یادگیری_ماشین
#مصاحبه_علم_داده
#علم_داده
@datalook_ir
منبع مطالب رایگان علم داده، کتاب ، نمونه کد
فیلم آموزشی
کارگاه و وبینار رایگان

𝗙𝗿𝗲𝗲 Learning Path for 𝟮𝟬𝟮𝟯 🎯

لینک دوره های رایگان تحلیل داده

1- Excel
🌀https://lnkd.in/d9Wbb-GK

2-Power BI
🌀https://lnkd.in/d9cwre8b

3-SQL
🌀https://lnkd.in/dJ-VpdeZ

4-R
🌀https://lnkd.in/dPVjmXJH

5-Python
🌀https://lnkd.in/daCYRmBN

6- Probability & Statistics
🌀https://lnkd.in/dxuCXtrg

7- Linear Algebra
🌀https://lnkd.in/dDvJBY-9

8- Linear Programming
🌀https://lnkd.in/dbpNnhVs

9- ML & AI
🌀https://lnkd.in/dhdWsXh4

10-Artificial Intelligence for Robotics
🌀https://lnkd.in/djqdFjM2

11- Introduction to Internet of Things
🌀https://lnkd.in/dWt6KRTi

12-Advanced Cybersecurity Program
🌀https://lnkd.in/dwWT9xg9

Happy Learning !!!
-------------------------------------------------

• با این 3 هوش مصنوعی کاراتو راحت انجام بده :

1- سایت class central : این سایت تمام دوره های دنیارو با مدرک بهت معرفی میکنه.

2- سایت Tiny wow : این سایت هر ابزاری بخوای تو هر حوزه ای در اختیارت میذاره.

3- سایت sinthesia.io : این سایت هرطور که بخوای برات تولید محتوا میکنه.
‌
@datalook_ir

موقعیت شغلی مدیر دیجیتال مارکتینگ
به آقای هادی پرتوی در لینکدین پیام دهید.

شرکت OpenAI با انتشار پستی در شبکه اجتماعی ایکس از دسترسی چت‌بات محبوب ChatGPT به اینترنت برای ارائه اطلاعات به‌روز و همچنین لینک‌های مستقیم به منابع خبر داد. بنابراین اطلاعات ChatGPT دیگر محدود به پیش از سپتامبر ۲۰۲۱ (شهریور- مهرماه ۱۴۰۰) نیست.

این قابلیت با نام Browsing هم‌اکنون برای نسخه پولی ChatGPT Plus و نسخه سازمانی آن در دسترس است و در آینده در اختیار تمام کاربران قرار می‌گیرد.


دیگه نباید بگه اطلاعات من در این خصوص کافی نیست. این همون قابلیت یادگیری انتقالی transfer learning شبکه عصبی عزیز😊

✅مدل های زبانی LLM ها چگونه کار می کنند؟
مدل زبانی LLM ساختار پیچیده ای دارند که شامل چندین مولفه است.👇👇👇به اختصار توضیحی ارایه میدم.

🔸در لایه بنیادی، یک LLM باید بر روی حجم زیادی از داده‌هایی که معمولاً اندازه پتابایت است، آموزش ببیند - که گاهی اوقات یک پیکره corpus نامیده می‌شود.

آموزش می تواند مراحل متعددی را طی کند که معمولاً با رویکرد یادگیری بدون نظارت شروع می شود. در این رویکرد، مدل بر روی داده های بدون ساختار و داده های بدون برچسب آموزش داده می شود. مزیت آموزش در مورد داده های بدون برچسب این است که اغلب داده های بسیار بیشتری در دسترس است. در این مرحله، مدل شروع به استخراج روابط بین کلمات و مفاهیم مختلف می کند.

🔶گام بعدی برای برخی از LLM ها آموزش و تنظیم دقیق با نوعی یادگیری تحت نظارت است. در اینجا، برخی از برچسب‌گذاری در داده‌ رخ داده است که به مدل کمک می‌کند تا مفاهیم مختلف را با دقت بیشتری شناسایی کند.

🔶در مرحله بعد، LLM همزمان با گذر از فرآیند شبکه عصبی ترانسفورمر(transformer)، فرآیند یادگیری عمیق را بر عهده می گیرد. معماری مدل ترانسفورمر ( بر پایه انکودر-دیکودر) LLM را قادر می سازد تا روابط و ارتباطات بین کلمات و مفاهیم را با استفاده از مکانیزم خودتوجهی درک و تشخیص دهد. مکانیسم قادر است برای تعیین رابطه، امتیازی را که معمولاً به عنوان وزن از آن یاد می شود، به یک آیتم معین (که token نامیده می شود) اختصاص دهد.

هنگامی که یک LLM آموزش داده شد، پایگاهی وجود دارد که بر اساس آن می توان از هوش مصنوعی برای اهداف عملی استفاده کرد. با پرس و جو از LLM با یک اعلان، استنتاج مدل هوش مصنوعی می تواند پاسخی را ایجاد کند که می تواند پاسخی به یک سوال، متن تازه تولید شده، متن خلاصه شده یا گزارش تحلیل احساسات باشد.

چجوری از توییتر میشه کارآموزی (#اینترنشیپ) خارج از ایران پیدا کرد؟! 🙄

قصه از اونجایی شروع شد که وسط دوران کارشناسی ارشدم در دانشگاه #TUM آلمان، به خودم گفتم شاید فکر بدی نباشه یه اینترنشیپ برم یه کشور دیگه و یه محیط متفاوت رو تجربه کنم.

چون اروپا همه‌ش شبیه به هم هست ترجیحم این بود که یه جای دورتر باشه! مثلا کانادا!
اولین راهی که به ذهنم رسید، ایمیل زدن به اساتید بود! ولی خب اینکه به کدوم استاد تو کدوم دانشگاه ایمیل بزنم که فیلدش دقیقا به من بخوره و کارهایی که کردم براش جذاب باشه خیلی مهم بود! آخه اگه همینجوری بخواهید از گوگل برای این کار استفاده کنید یه ۶‌ماهی وقت میخواد 😁 ولی سوال اینه که چجوری میشه سریع‌تر پیش رفت؟!

در خلال دنبال استاد گشتن‌هام با استفاده از گوگل یه ایده‌ای به ذهنم رسید که همین ایده باعث شد یه پوزیشن در مرکز تحقیقات سرطان پرنس مارگارت در تورنتو کانادا پیدا کنم و الان که کانادا هستم میخوام این ایده رو باهاتون به اشتراک بذارم:

#توییتر یه امکان سرچ پیشرفته داره که برای رسیدن بهش سریع‌ترین راه اینه که تو گوگل سرچ کنید:
#twitter_advanced_search
بعد از اینکه با یه اکانت توییتر واردش شدید میرسید به صفحه‌ای که بهتون اجازه میده برای سرچ در محتوای توییتر فیلتر‌هایی مشخص کنید! (اگه نیاورد از incognito کروم استفاده کنید)

تو بخش اول نوشته:
All of these words
اینجا باید کلماتی رو وارد کنید که حتما میخواهید همه‌شون تو نتیجه سرچ شما باشند. (این بخش مقداری سخت‌گیرانه‌ست و خیلی ما رو محدود میکنه پس ازش استفاده نمی‌کنیم)

This exact phrase
اگه میخواید دقیییقا عبارتی که وارد می‌کنید رو براتون بیاره تو این قسمت وارد کنید (بازهم به کار ما نمیاد)

Any of these words
اینجا میتونید لیستی از کلمات وارد کنید و بعد تمام توییت‌هایی که حداقل یکی از این کلمات داخل‌شون هست رو براتون میاره!
💯 بهترین قسمت همینه!

ویژگی فوق‌العاده این سیستم اینه که میتونید اونا رو ترکیب کنید.

❓حالا چجوری از این سیستم برای پیدا کردن کار، اینترنشیپ و ... استفاده کنیم؟

کاری که من کردم این بود:
وقتی دنبال یه استاد تو کانادا میگشتم که تو حوزه‌ی کاری من یعنی #ماشین_لرنینگ و #بیوانفورماتیک کار بکنه، این سرچ‌ها رو تست میکردم:
All of these words:
canada

Any of these words:
machine_learning internship student deep_learning bioinformatics university

یا دقیق‌تر، با اسم تک‌تک شهرها:
All of these words:
Toronto

Any of these words:
machine_learning internship student deep_learning bioinformatics university

یا باز ترکیب‌های جزئی‌تری از کلمات مرتبط:
All of these words:
Bioinformatic canada

Any of these words:

وقتی اینو سرچ کنید تو نوار سرچ یه رشته‌ای ظاهر میشه که نشون میده داره با اون توییت‌ها رو واسه شما فیلتر میکنه، مثلا این:
Bioinformatic canada (opening_position OR internship OR student)
که خب حالا میشه دستی هم اینو ادیت کرد و حتی ساختارهای بهتری بهش داد.

با این روش شما یه سری توییت میاد زیر دستتون که احتمالا استادهایی هستند که در مورد کارشون توییت زدند یا مقاله‌ای که چاپ کردند رو توییت کردند یا پوزیشنی اگه دارند اعلام کردند.
اون اسم‌ها رو که لیست کنید، تعدادی اسم از کشور مقصدتون دارید که میدونید کارشون خیلی شبیه علاقه‌ی شماست
راستی! حتما میدونید که مهم‌ترین شبکه‌ی آدمای دانشگاهی تو دنیا توییتر هست.

از پیج لیندکین Mostafa shahhosseini برای ارتباط با آقای شاه حسینی به لیندکین ایشون پیام دهید.