یادگیری ماشین و علوم داده
مفاهیم فنی، شبکههای عصبی و یادگیری ماشین
زیرمجموعههای مرتبط
چرایی موجهبودن هزینههای سرمایهای هایپرسکیلرها (CapEx)
تحلیل گزارشهای بخش ابری نشان میدهد هزینههای سرمایهای هایپرسکیلرها سرمایهگذاری روی تقاضای فزایندهٔ هوش مصنوعی است و کارایی سرمایهگذاری در حال بهبود است.
روش جامع بنچمارک شتابدهندههای شبکهعصبی — توان، تأخیر و انرژی
چارچوب مرحلهبهمرحله برای اندازهگیری و گزارش توان عملیاتی، تأخیر و بهرهوری انرژی شتابدهندههای شبکه عصبی؛ ابزارها، متریکها و نکات عملی.
وقتی بنچمارکها گمراه میکنند؛ جدا کردن عدد از واقعیت
اعداد بنچمارک جذاباند اما اغلب تصویر ناقصی از عملکرد واقعی ارائه میدهند. راهکارها، ریسکها و توصیههای عملی برای استفاده هوشمندانه از MLPerf و SPEC.
بهکارگیری ViT و ترنسفورمرها در پردازش صوت و تصویر: روشها، معماریها و چالشها
تحقیقات اخیر نشان میدهد ViTهای پیشآموزشدیده با تغییرات کمهزینه و معماریهای چندمدالی قادر به پردازش موثر صوت و دادههای صوتی-دیداری هستند.
AWS سندباکسهای موقت و رایگان برای کارگاهها راهاندازی کرد
AWS سندباکسهای رایگان 8 ساعته در Builder Center معرفی کرد؛ آماده در 15 دقیقه، پاکسازی خودکار و در فاز اول هفتهای 1 سندباکس برای کارگاههای منتخب.
معماری ورد۲وک نقطه عطف درک ماشین از زبان
بررسی معماری Word2Vec و تأثیر آن بر درک مکانیکی از زبان انسان و پردازش متن
کلپ اپنآیآی؛ معمار جدید پیوند بینایی و زبان ماشین
بررسی عمیق مدل CLIP اپنآیآی و انقلاب آن در پیوند میان پردازش تصویر و زبان طبیعی. چگونه این شبکه عصبی مرزهای تشخیص بصری و تعمیمپذیری را جابهجا کرد؟
شبکههای مولد رقابتی GAN؛ از انقلاب ایان گودفلو تا خلاقیت مصنوعی
بررسی معماری شبکههای مولد رقابتی(GAN)، ایده اولیه ایان گودفلو در سال 2014، نحوه تقابل گنراتور و دیسکریمنینیتر و تأثیر این چارچوب بر آینده هوش مصنوعی مولد.
کدگذاری موقعیت؛ راز درک ترتیب در هوش مصنوعی
چگونه مدلهای هوش مصنوعی بیدرنگ ترتیب کلمات را درک میکنند؟ بررسی عمیق مکانیسم کدگذاری موقعیت در ترنسفورمرها و ریاضیات پشت صحنه آن.
دراپاوت رگولارایزیشن؛ راهکاری برای غلبه بر بیشبرازش در شبکههای عصبی
بررسی تخصصی دراپاوت رگولارایزیشن، نحوه عملکرد ریاضی، پیادهسازی با PyTorch و راهکارهای کاربردی برای آموزش مدلهای یادگیری عمیق.
افزونه گوگل اتصال VS Code به نوتبوکهای هوش مصنوعی را تسریع میکند
گوگل با انتشار افزونه Cloud Workbench برای VS Code، تجربه کار نوتبوکهای هوش مصنوعی را از محیط محلی مستقیماً به زیرساخت ابری متصل کرده و نیاز به جابهجایی بین مرورگر و IDE را از بین میبرد.
احیای شبکههای عصبی با الگوریتم پسانتشار خطا در سال ۱۹۸۶
در اکتبر ۱۹۸۶، روملهارت، هینتون و ویلیامز با انتشار مقالهای در Nature، الگوریتم پسانتشار خطا را معرفی کردند. این کشف نه تنها شبکههای عصبی را از تبعید یک دههای نجات داد، بلکه مسیر یادگیری عمیق امروزی را هموار کرد.