Open-source logo generator using ai

🔗https://github.com/Nutlope/logocreator

#معرفی_ابزار@ai_for_i

نشت داده (Data leakage)

نشت داده در یادگیری ماشین  به وضعیتی اشاره دارد که در آن اطلاعات خارج از مجموعه داده آموزشی برای ایجاد مدل استفاده می شود که منجر به تخمین عملکرد بیش از حد خوش بینانه می شود. این
می تواند به روش های مختلفی رخ دهد، مانند:

🔶گنجاندن ناخواسته داده‌های آینده: اگر مدلی بر روی داده‌هایی که شامل اطلاعات آینده (نسبت به پیش‌بینی‌های انجام شده) است آموزش داده شود، می‌تواند منجر به عملکرد غیرواقعی شود. برای مثال، اگر قیمت سهام را پیش‌بینی می‌کنید و داده‌های آموزشی شما شامل قیمت‌های آتی می‌شود، این مدل ممکن است در طول آزمایش عملکرد خوبی داشته باشد اما در برنامه‌های دنیای واقعی شکست بخورد.

*🔶نشت پیش پردازش(Preprocessing Leakage):* اگر مراحل پیش پردازش داده ها (مانند نرمالسازی یا انتخاب ویژگی) قبل از تقسیم داده ها به مجموعه های آموزشی و آزمایشی اعمال شود، اطلاعات مجموعه آزمایشی می تواند بر روند آموزش تأثیر بگذارد. به عنوان مثال، اگر کل مجموعه داده را قبل از تقسیم استاندارد کنید، میانگین و انحراف استاندارد مورد استفاده برای استانداردسازی شامل اطلاعاتی از مجموعه آموزشی و آزمایشی خواهد بود.

🔶نشت فیچرها(Feature Leakage)این زمانی اتفاق می‌افتد که ویژگی‌هایی که در زمان پیش‌بینی در دسترس نباشند در مدل گنجانده می‌شوند. به عنوان مثال، استفاده از یک ویژگی که به طور مستقیم یا غیرمستقیم به متغیر هدف اشاره می کند، می تواند منجر به نشت شود.

*🔶نشت داده از طریق اعتبار سنجی متقاطع(Cross-validation):* اگر نقاط داده یکسان در هر دو مجموعه آموزشی و اعتبار سنجی در حین اعتبارسنجی متقابل گنجانده شود، می تواند حس نادرستی از عملکرد مدل بر روی داده های دیده نشده به دست دهد.

برای کاهش نشت ، مدیریت دقیق نحوه تقسیم و پردازش داده ها ضروری است تا اطمینان حاصل شود که هیچ اطلاعاتی از مجموعه آزمایشی در طول آموزش یا پیش پردازش استفاده نمی شود. تکنیک های اعتبارسنجی مناسب، مانند اعتبارسنجی متقاطع k-fold با پارتیشن بندی دقیق، می تواند به کاهش خطر نشت کمک کند.
اطلاعات بیشتر در لینک زیر : 

https://medium.com/@swethac42/data-leakage-and-its-effect-on-machine-learning-models-67c8edc588d4

#آموزک@ai_for_i

با هوش مصنوعی ChefGPT می‌تونید با مواد موجود، یه غذای درجه یک درست کنید. مواد اولیه، وسایل آشپزخونه، زمان و مهارتتون رو مشخص کنید تا بهترین نتیجه رو بگیرید.

http://chefgpt.xyz
#معرفی_ابزار@ai_for_i

خداحافظ Adam
با معرفی ADOPT بهتره Optimizer مدل‌های Deep Learning و LLM رو تغییر بدیم. مشکل اساسی Adam در واقع عدم تضمین convergence در فرآیند آپدیت وزن‌ها بود که در ADOPT حل شده. اما این برتری فقط در تئوری نیست و در عمل هم در اکثریت مسائل از جمله pretraining در GPT-2 بهتر بوده.

ایده اصلی و راه حل برای تضمین هم‌گرایی هم دو مورد هست:

۱_ حذف گرادیان کنونی از تخمین momentum دوم
۲_ نرمالایز کردن گرادیان قبل از آپدیت momentum

Paper
Github
کد:

from adopt import ADOPT \#optimizer = Adam(model.parameters(), lr=1e\-3) optimizer = ADOPT(model.parameters(), lr=1e\-3)

اصطلاحات حقوقی در قرارداد #اطلاعات_عمومی

معرفی Dify

چند هفته پیش با این ابزار آشنا شدم که برای توسعه اپلیکیشن حول LLMها بوجود اومده.

ویژگی‌هایی که باعث میشه ازش خوشم بیاد:
- میشه کاملاً بصورت Self-hosted استفاده کرد. نسخه داخل سایتش محدودیت داره ولی Self-hostedاش رایگان هست.
- از اینترفیس وب استفاده می‌کنه و میشه پرامپت‌ها رو به سادگی تغییر داد.
- تمام ورودی خروجی‌ها رو لاگ می‌کنه و میشه برای دیباگ‌ کردن ازش استفاده کرد.
- ابزار Low-code هست و نه No-code. یعنی اگر جایی نیاز بود کد خاص بزنید، میشه به عنوان بخشی از ورک‌فلو بهش کد اضافه کرد.
- تقریباً همه ارائه دهندگان LLM رو ساپورت می‌کنه و به سادگی میشه به همشون وصل شد و جابه‌جا شدن بین این‌ها هم بسیار ساده است.
- از استریمینگ بصورت اتوماتیک ساپورت می‌کنه

نظر نامحبوب من اینه که ابزاری مثل Langchain بیش از حد بهش پرداخته شده و انتزاعات بیش از حد و غیرضروری تعریف کرده. به شخصه ترجیح میدم، تا حد امکان ازش استفاده نکنم (کما این که کدش هم بسیار کثیف نوشته شده و خدا نکنه آدم جایی مجبور بشه کدش رو بفهمه یا تغییر بده). تو شبکه‌های اجتماعی هم اگر نگاه کنید، خیلی‌ها گفتند که واقعاً استفاده از Langchain نمی‌ارزید. در واقع تنها فیچر خیلی خوبش Langsmith بود (برای لاگ کردن) که اونم از ماه بعد پولی میشه.

اما این ابزار به معنای واقعی کلمه ارزش ایجاد کرده و تو این چند وقت که ازش استفاده کردم، هر روز بیشتر متعجب شدم. بخشی از تعجبم هم اینه که چرا انقدر کم بهش پرداخته شده.

روالش هم این‌طوری هست که می‌تونید بصورت داکری روی سرور خودتون بالا بیارید. LLMهای مختلف‌تون رو روش تعریف کنید و بعد از اون Workflow تعریف می‌کنید و ورودی و خروجی و پرامپت‌هاتون رو داخلش می‌نویسید. نهایتاً هم وقتی Publish می‌کنید بصورت API قابل استفاده خواهد بود.

اگر به توسعه اپلکیشین حول مدل‌های زبانی بزرگ علاقمند هستید، پیشنهاد می‌کنم حداقل نسخه داخل سایتش رو یه تست بگیرید (به احتمال زیاد پشیمون نمیشید).

صفحه گیت‌هاب رو در اینجا میارم و لینک تست داخل وب‌سایت خودش رو هم در کامنت می‌گذارم.

متن از صفحه لیندکین آقای Amir pourmard

جزوه طراحی الگوریتم از دکتر گنج تابش

دانشگاه_تهران

#جزوه #book

این هوش مصنوعی دستیار نویسنده شما خواهد بود

امروز می‌خوایم باهم یه ابزار هوش مصنوعی خیلی جذاب و کاربردی به اسم Chapple.ai‎ بررسی کنیم. این ابزار می‌تونه توی نوشتن هر نوع متنی که فکرش رو بکنید، بهتون کمک کنه. از مقاله و وبلاگ گرفته تا نامه و محتوای شبکه‌های اجتماعی. بیاید با هم نگاهی دقیق‌تر به این هوش مصنوعی بندازیم و ببینیم چه قابلیت‌هایی داره و چطور می‌تونه توی کارهای روزمره‌مون بهمون کمک کنه.
حالا این ‎#chapple چیه و چطور کار میکنه؟ chapple یه ابزار نویسندگی هوشمنده که با استفاد از هوش مصنوعی، متن‌های با کیفیت و کاملاً طبیعی تولید می‌کنه. این ابزار از تکنولوژی‌های پیشرفته‌ی پردازش زبان طبیعی (NLP) و یادگیری عمیق (Deep Learning) استفاده می‌کنه تا بتونه متونی تولید کنه که خیلی شبیه به نوشتار انسانیه.

چاپل کاربردهاش چی می‌تونه باشه؟

1. نوشتن مقالات و وبلاگ‌ها
   اگه وبلاگ‌نویس هستی یا برای کار و تحصیل نیاز به نوشتن مقاله داری، Chapple.ai‎ می‌تونه خیلی به کارت بیاد. این ابزار می‌تونه بر اساس موضوعی که بهش می‌دی، یه مقاله کامل با مقدمه، بدنه و نتیجه‌گیری برات بنویسه.

2. تولید محتوای شبکه‌های اجتماعی
   مدیر شبکه‌های اجتماعی هستی و هر روز باید پست‌های جذاب و خلاقانه تولید کنی؟ با Chapple.ai‎ دیگه نگران ایده‌پردازی و نوشتن پست نباش. این هوش مصنوعی می‌تونه متون کوتاه و تاثیرگذاری برای شبکه‌های اجتماعی مثل اینستاگرام، توییتر و لینکدین تولید کنه

3. نوشتن ایمیل و نامه
   گاهی وقتا نوشتن یه ایمیل رسمی یا یه نامه دوستانه می‌تونه وقت‌گیر باشه. Chapple.ai‎ اینجاست تا کمکت کنه. فقط کافیه نکات کلیدی رو بهش بگی و اون یه متن آماده و حرفه‌ای برات می‌نویسه.

4. تولید محتوا برای تبلیغات
   نوشتن متن‌های تبلیغاتی که مخاطب رو جذب کنه و باعث افزایش فروش بشه، کار راحتی نیست. اما Chapple.ai‎ با تحلیل نیازهای بازار و شناخت درست از مخاطب، می‌تونه متن‌های تبلیغاتی جذابی بنویسه که مشتری‌ها رو به خرید ترغیب کنه.

تکنولوژی پشت چاپل چیه؟

چاپل از چندین تکنولوژی پیشرفته استفاده می‌کنه تا بتونه بهترین نتایج رو ارائه بده که خوبه یکم ریز بشیم داخلش:

1. پردازش زبان طبیعی (NLP)
   این تکنولوژی به Chapple.ai‎ کمک می‌کنه تا زبان انسان رو درک کنه و بتونه متن‌هایی تولید کنه که نه تنها از نظر دستوری درست هستن، بلکه مفهوم رو هم به خوبی منتقل می‌کنن.

2. یادگیری عمیق (Deep Learning)
   با استفاده از مدل‌های یادگیری عمیق، Chapple.ai‎ می‌تونه از روی میلیون‌ها نمونه متنی که قبلاً دیده، یاد بگیره و متن‌های جدیدی تولید کنه که با نیازهای خاص شما هماهنگی دارن.

3. تحلیل داده‌های بزرگ (Big Data Analysis)
   ؛Chapple.ai‎ از تحلیل داده‌های بزرگ استفاده می‌کنه تا بتونه ترندها و نیازهای روز رو بشناسه و متن‌هایی بنویسه که با این ترندها سازگاری دارن.

خب حالا ببینیم مزایای استفاده از چاپل چیا هستش:

1. صرفه‌جویی در زمان
   با Chapple.ai‎ دیگه نیازی نیست ساعت‌ها وقت بذاری تا یه متن خوب بنویسی. این ابزار در عرض چند دقیقه متن‌های با کیفیتی برات آماده می‌کنه.

2. افزایش کیفیت نوشته‌ها
   متن‌هایی که Chapple.ai‎ تولید می‌کنه، از نظر نگارشی و دستوری کاملاً درست هستن و می‌تونن کیفیت نوشته‌هات رو بالا ببرن.

3. خلاقیت بیشتر
   وقتی نوشتن متن‌های تکراری و زمان‌بر رو به Chapple.ai‎ می‌سپری، می‌تونی تمرکز بیشتری روی خلاقیت و ایده‌پردازی داشته باشی.
   بنظرم chapple یه ابزار فوق‌العاده برای هر کسیه که نوشتن نیاز داره، از نویسندگان حرفه‌ای گرفته تا کسانی که فقط می‌خوان یه متن ساده بنویسن. با استفاده از این هوش مصنوعی، می‌تونی توی زمانت صرفه‌جویی کنی، کیفیت نوشته‌هات رو بالا ببری و روی خلاقیتت تمرکز کنن

معرفی هوش مصنوعی GeoSpy.ai

?؛ GeoSpy.ai  یک ابزار هوش مصنوعی پیشرفته در زمینه اطلاعات مکانی است که از هوش مصنوعی برای تجزیه و تحلیل و تفسیر تصاویر ماهواره‌ای و داده‌های فضایی استفاده می‌کند. این ابزار  توسط  Graylark Technologies LLC  توسعه یافته است.

▪️در اینجا برخی از قابلیت‌های کلیدی GeoSpy.ai  آورده شده است:

? محل‌یابی عکس: GeoSpy.ai می‌تواند با استفاده از الگوریتم‌های پیشرفته و یادگیری ماشین، مکان دقیق عکس‌ها را تعیین کند.

? تجزیه و تحلیل کاربری زمین: GeoSpy.ai می‌تواند الگوهای کاربری زمین را در تصاویر ماهواره‌ای شناسایی کند و اطلاعاتی در مورد نوع پوشش زمین، تراکم جمعیت و سایر ویژگی‌ها ارائه دهد.

?  تشخیص تغییر: GeoSpy.ai می‌تواند تغییرات در چشم‌انداز را در طول زمان شناسایی کند و برای نظارت بر جنگل‌زدایی، توسعه شهری و سایر تغییرات زمین استفاده شود.

? سلامت محصول: GeoSpy.ai می‌تواند برای نظارت بر سلامت محصولات کشاورزی و شناسایی مناطق دارای تنش استفاده شود.

? برنامه‌ریزی استراتژیک: GeoSpy.ai می‌تواند برای شناسایی مکان‌های مناسب برای ساخت و ساز، زیرساخت‌ها و سایر فعالیت‌ها استفاده شود.

▪️؛GeoSpy.ai  کاربردهای مختلفی در  زمینه‌های مختلف  دارد، از جمله:

? املاک و مستغلات: GeoSpy.ai می‌تواند برای ارزیابی املاک، شناسایی خطرات بالقوه و یافتن مکان‌های مناسب برای توسعه جدید استفاده شود.

? کشاورزی: GeoSpy.ai می‌تواند برای بهبود عملکرد محصول، کاهش مصرف آب و افزایش پایداری استفاده شود.

? محیط زیست: GeoSpy.ai می‌تواند برای نظارت بر جنگل‌زدایی، آلودگی و سایر مسائل زیست‌محیطی استفاده شود.

?  امداد رسانی در مواقع بلایای طبیعی: GeoSpy.ai می‌تواند برای ارزیابی خسارات، هماهنگی تلاش‌های امدادی و کمک به بازسازی استفاده شود.

?؛GeoSpy.ai  یک ابزار قدرتمند با کاربردهای مختلف است.  این ابزار  می‌تواند به  سازمان‌ها  در  تصمیم‌گیری‌های آگاهانه‌تر،  بهبود کارایی  و  ایجاد  جهانی پایدارتر  کمک کند.

#معرفی_ابزار

متا، بعد از خبر SAM 2 دیتا ست ویدیو های Annotate شده را هم منتشر کرد :

51 هزار ویدیو ?

لینک دسترسی به دیتاست : https://ai.meta.com/datasets/segment-anything-video