FireRedASR: Open-Source Industrial-Grade
Mandarin Speech Recognition Models
from Encoder-Decoder to LLM Integration

این شکل معماری سه سیستم را نشان می‌دهد: FireRedASR-LLM، FireRedASR-AED و آداپتور.

FireRedASR-LLM:
یک مدل بزرگ زبانی (LLM) برای تبدیل گفتار به متن با استفاده از رمزگذار Conformer و رمزگشای ترانسفورمر.
FireRedASR-AED:
یک مدل تبدیل گفتار به متن دیگر با معماری مشابه، اما با آداپتور متفاوت.
آداپتور: ماژولی برای بهبود عملکرد مدل‌هایFireRedASR.

Paper: https://arxiv.org/pdf/2501.14350v1.pdf

Code: https://github.com/fireredteam/fireredasr

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

🤔 اگر هنوز مکانیزم Attention در مدل‌های زبانی مبتنی بر Transformer را به‌خوبی متوجه نشده‌اید، نگران نباشید!

🎯 می‌توانید با شرکت در دوره رایگان "Attention in Transformers: Concepts and Code in PyTorch" که به‌تازگی منتشر شده است، این مفهوم کلیدی را به‌صورت عمیق و همراه با کدنویسی در PyTorch یاد بگیرید.

Enroll Free: https://www.deeplearning.ai/short-courses/attention-in-transformers-concepts-and-code-in-pytorch/

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

سلام دوستان، امیدوارم حالتون عالی باشه!

حالا که دوران کارشناسی رو دارم به پایان می‌رسونم، دوست داشتم تجربه‌ای که توی این مسیر داشتم با شما به اشتراک بذارم، شاید بهتون کمک کنه.

خیلی از کسانی که وارد مهندسی کامپیوتر می‌شن، دو دسته دیدگاه دارن: یه عده می‌گن که فقط درس بخون، معدل بالا ببر و سمت کار نرو، چون دانشگاه مهم‌تره. از اون طرف، یه سری دیگه معتقدن که دانشگاه چیز خاصی یادت نمی‌ده و بهتره فقط وارد بازار کار بشی. اما از تجربه‌ی خودم می‌تونم بگم که هر دو این تفکرها اشتباهه.

بهترین مسیر اینه که بتونیم تعادل رو حفظ کنیم؛ یعنی هم مهارت‌های عملی رو از طریق کار توی حوزه‌ی خودمون یاد بگیریم، و هم دروس دانشگاهی رو جدی بگیریم. چون دانشگاه، پایه‌ی علمی و درک عمیق‌تری از مفاهیم بهمون می‌ده، در حالی که تجربه‌ی کاری، مهارت‌های عملی و بازار رو بهمون یاد می‌ده.

در کنار این‌ها، شبکه‌سازی با افراد متخصص، شرکت در پروژه‌های عملی، و یادگیری مداوم از منابع به‌روز، می‌تونه کمک کنه که هم مسیر آکادمیک خوبی داشته باشیم و هم توی بازار کار جایگاه بهتری پیدا کنیم. پس مهم‌ترین چیز، مدیریت زمان و برنامه‌ریزی هوشمندانه‌ست!

? 6 free online courses by Harvard University, in ML, AI, and Data Science.
???????????? ?? ?????????? ???????????? ???? ??????
? Link

???? ???????: ??????? ????????
? Link

????-??????????? ???? ????????
? Link

?????????? ??? ?
? Link

???????? ??????? ??? ???????? ?????????????
? Link

???????????? ?? ??????????? ???? ??????
? Link

#هوش_مصنوعی
??‍? @AlgorithmDesign_DataStructuer

Large Language Models (LLMs)

#هوش_مصنوعی
??‍? @AlgorithmDesign_DataStructuer

روز دانشجو مبارک! ???

به همه‌ی دانشجویان پر تلاش، به‌ویژه دانشجویان رشته‌ی مهندسی کامپیوتر، این روز رو تبریک می‌گم! شما سازندگان آینده‌ی دیجیتال هستید، کسانی که با خطوط کد، الگوریتم‌ها و خلاقیت بی‌پایانتون دنیا رو متحول می‌کنید. ??

راهی که انتخاب کردید، پر از چالش و یادگیریه؛ اما هر کدی که خط به خط می‌نویسید، قدمی به سمت ساختن دنیایی هوشمندتره. پس با قدرت ادامه بدید، ایده‌هاتون رو به واقعیت تبدیل کنید، و هرگز از شکست‌ها نترسید، چون همون‌ها شما رو قوی‌تر می‌کنن. ?✨

با آرزوی موفقیت‌های بی‌پایان برای همه شما نخبه‌های دیجیتال! ???
"کدنویسی هم یه هنرِ، و شما هنرمند این دنیای مدرنید!" ??‍??‍?

روز دانشجو بر شما مبارک باد! ?

? ???? ?? ???????? ?????? (2018-???????) ?

از ???? تا ????? 3.2، مدل‌های زبانی نحوه‌ی پردازش زبان طبیعی را به کلی تغییر داده‌اند! ? در اینجا نگاهی به سفر آن‌ها داریم:

? ???? ?????? (2018):
اولین گام‌های یادگیری مبتنی بر زمینه را برداشت، و مدل‌هایی مانند RoBERTa و DistilBERT الهام گرفته شدند.
? ?5 ?????? (2019):
پردازش زبان طبیعی را با چارچوب text-to-text ساده‌تر کرد و نوآوری‌هایی مانند BART و Flan-T5 به وجود آمد.
? ??? ?????? ??? ?????????? ?????? (2019-2024):
سری GPT انقلاب بزرگی ایجاد کرد و منجر به مدل‌های عظیمی مانند o1-preview، Llama 3.2 و DeepSeek 2.5 شد.

#هوش_مصنوعی
??‍? @AlgorithmDesign_DataStructuer

Programming PyTorch for Deep Learning

#هوش_مصنوعی
*??‍?* @AlgorithmDesign_DataStructuer

the 2024 edition of the Daily Dose of Data Science archive.

#هوش_مصنوعی
*??‍?* @AlgorithmDesign_DataStructuer

کتاب یادگیری ماشین و علم داده: مبانی، مفاهیم، الگوریتم‌ها و ابزارها
اثر میلاد وزان

این کتاب یک مرجع ارزشمند و کاربردی است که مبانی پایه‌ای، مفاهیم کلیدی، الگوریتم‌های پرکاربرد و ابزارهای اساسی در حوزه یادگیری ماشین و علم داده را با زبانی ساده و دقیق توضیح می‌دهد. اگر به دنبال یادگیری اصولی این حوزه‌های جذاب و پرتقاضا هستید، این کتاب می‌تواند راهنمای شما در مسیر رشد و پیشرفت باشد.

#هوش_مصنوعی
??‍? @AlgorithmDesign_DataStructuer