ما تو بی‌چت یه قابلیتی داشتیم به که چت بات میتونست تو غرفه فروشنده سرچ کنه و ما اینو با api سرچ باسلام انجام میدادیم و مشکلی که داشتیم این بود که accuracy و percision پایینی داشتیم و کار ما رو راه نمینداخت و برای این که داده irrelevant نده فیلتر ها رو زیاد کرده بودیم و نتیجه این شده بود که میگفت محصولی یافت نشد. حالا علت چی بود این بود که query های ما بشدت نیازمند درک semantic داشتن و مشکل بعدی این بود که ما از [عملگر](https://www.govinfo.gov/help/search-operators) or تو سرچ نداشتیم برای اینکه داده های نویزی وارد نشن. خب ما هم با راه حل اومدیم
فرض کنید مشتری از چت بات پارچه لباس مجلس میخواد طبیعتا شما پارچه ای تحت عنوان پارچه لباس مجلسی ندارید بلکه پارچه لباس مجلسی به یه گروهی از پارچه ها تعلق داره و طبیعتا سرچ کردن پارچه لباس مجلسی نتیجه دلخواه رو نداره پس باید بیایم پارچه لباس مجلسی رو گسترش بدیم و بتونیم ازش query هایی که یه محصول واقعی هستن رو استخراج کنیم
1. پارچه مجلسی پولکی
2. پارچه مجلسی حریر
3. پارچه مجلسی گیپور
و ...
خب حالا ما کوئری های مرتبط تری داریم و میتونیم سرچ رو بهتر انجام بدیم خب حالا همه اینا رو میفرستیم به api سرچ و اونا رو جمع میکنیم ولی حالا یه مشکل دیگه داریم اونم اینکه اگه قبلا به ازای هر سرچ ۱۰ تا عنوان محصول داشتیم حالا حداکثر ۱۰x۱۰ یعنی ۱۰۰ تا عنوان محصول داریم و خب همه اینا رو نمیتونیم به مشتری برگردونیم به دو علت ۱. ترتیب ندارن و اولین محصول لیستمون مرتبط ترین نیست
۲. باید فیلتر بشن و از اون ۱۰۰ تا باید حداکثر ۱۰ تا رو برگردونیم. راه حل چیه؟ re-ranking یعنی ما میایم با یه مدل که درک از معنا داره میایم رابطه عنوان retrieve شده رو با کوئری اصلی میسنجیم و بهش یه relevance score میدیم و با اون هم رتبه بندی میکنیم و هم فیلتر.
حالا روش re-ranking معمولا با bi-encoder های fine-tune شده استفاده میشه و ولی خب ما اومدیم از llm استفاده کردیم و درکل نتیجه بهتری داشتیم

⚡️ مدل BERT فقط یک مرحله از فرایند Text Diffusion است

🔺در یک تحلیل جدید توضیح داده شده که BERT را می‌توان نسخه‌ی تک‌مرحله‌ای از مدل‌های text diffusion دانست.
در BERT بخشی از کلمات ماسک و بازسازی می‌شوند، در حالی‌که در diffusion همین فرآیند در چندین گام تکرار می‌شود تا نویز به‌تدریج حذف و متن نهایی تولید شود.

🔺مدل RoBERTa Diffusion با داده‌های WikiText توانست متن معنادار تولید کند، هرچند کمی کندتر از GPT-2 عمل کرد.

📎Link

#AI #BERT #Diffusion #RoBERTa #Research

آموزش #پایتون از پایه برای #یادگیری_ماشین یکی از #کتاب های خوب این حوزه برای یادگیری و آشنایی با مباحث کاربردی اون در کنار تئوری بحث هست.

Python Course Machine Learning With Python

#منابع

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

کد تخفیف ۷۰ درصدی VLM فقط ۷ روز دیگر فعال است

COUPON-c4cd3

https://mktb.me/e3gx/

یبار دیگه برا کسایی که عضویت در این کانال رو برای افزودن دانش خود انتخاب میکنن تشکر میکنم ولی به خاطر اسپمرها مجبور به ریمو آیدی ها و اسم هایی هستم که شبیه به اونها هستند در مرحله اول هویت واقعی خودتون چه مشکلی داره که فیک میزنین رو ایدیتون به دنبال این فیک بودنتون منم ریموتون میکنم (بدون اسم هم باشه ایدیتون ریموین تک حرفی باشه هم اسم خارجی باشه ریموی) پس اگر اومدید دیدید کانال منو ندارید بهم پیام بدید تا از ریموی خارج کنم مرسی ازتون ❤️

گولنگ فقط یه زبانه، مثل یه مهندس نرم‌افزار فکر کن!

🚩 بوتکمپ تخصصی گولنگ با تدریس اساتید مطرح

🔘 دوره‌ فشرده‌ آماده‌سازی برای ورود به بازارکار

✔️ کار گروهی و شبکه‌سازی‎
✔️ تمرین و پروژه هدفمند
✔️ منتورینگ اختصاصی

❗️ ظرفیت محدود
💳 امکان پرداخت در اقساط ۴، ۱۲ و ۱۸ ماهه

🌐 فرم ثبت‌نام:
🔗 https://quera.org/r/d4tcb

دعوت به همکاری

عنوان شغلی: کارشناس ارشد هوش مصنوعی.
یادگیری تقویتی (Reinforcement Learning)

موسسه: Multi Math Method

محل کار : تهران ، میرداماد

ارسال رزومه:
Telegram = @meh_deh

مدرک تحصیلی : کارشناسی ارشد ، دانشجوی دکتری و یا دکتری

رشته‌های تحصیلی :
• علوم کامپیوتر
• مهندسی کامپیوتر
• ریاضیات کاربردی
• فیزیک
• سایر رشته‌های مرتبط

شرح شغل:
• تحلیل و بهبود محیط یادگیری عامل
• طراحی و پیاده‌سازی مدل‌های یادگیری تقویتی
• بهینه سازی و ارزیابی عملکرد مدل ها
• انجام تحقیقات و پژوهش در حوزه یادگیری تقویتی

مهارت‌ها و توانایی‌های مورد نیاز:
• تسلط بر زبان برنامه‌نویسی پایتون
• آشنایی کامل با الگوریتم‌های یادگیری تقویتی و یادگیری عمیق
• مهارت در استفاده از کتابخانه‌های یادگیری تقویتی و پردازش و آنالیز داده

شرایط کاری:
• حضوری تمام وقت (امکان دورکاری وجود ندارد)
• پرداخت: ساعتی – توافقی
• بیمه: ندارد

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

دعوت به همکاری

عنوان شغلی: کارشناس ارشد هوش مصنوعی.

موسسه: Multi Math Method

محل کار : تهران - میرداماد

ارسال رزومه:
Telegram = @meh_deh

مدرک تحصیلی : کارشناسی ارشد ، دانشجوی دکتری و یا دکتری

رشته‌های تحصیلی :
• علوم کامپیوتر
• مهندسی کامپیوتر
• ریاضیات کاربردی
• فیزیک
• سایر رشته‌های مرتبط

شرح شغل:
• تحلیل، بررسی و بهبود کیفیت داده‌ها
• طراحی و پیاده‌سازی مدل‌های یادگیری عمیق
• بهینه سازی و ارزیابی عملکرد مدل ها
• انجام تحقیقات و پژوهش در حوزه هوش مصنوعی

مهارت‌ها و توانایی‌های مورد نیاز:
• تسلط بر زبان برنامه‌نویسی پایتون
• آشنایی کامل با الگوریتم‌های یادگیری ماشین و یادگیری عمیق
• مهارت در استفاده از کتابخانه‌های یادگیری عمیق و پردازش و آنالیز داده
• آشنائی و یا تجربه کار با الگوریتم‌های پردازش سری‌های زمانی

شرایط کاری:
• حضوری تمام وقت (امکان دورکاری وجود ندارد)
• پرداخت: ساعتی – توافقی
• بیمه: ندارد

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

این پروژه یه دستیار خودکاره که کمک می‌کنه کارای تحقیقاتی راحت‌تر انجام بشه، مثلاً تنظیما و جمع‌کردن داده‌ها رو خودش هندل می‌کنه تا تو وقتت صرفه‌جویی شه.

https://github.com/amirhoseinnaderali-pixel/AutoTune-Research-Assistan

✅ 《دوره یادگیری عمیق》
🔷  فصل 2: Recurrent neural networks (RNNs)
🔘 تمرینات سری دوم 
▪️ Back Propagation Through Time 
▪️ Pure mathematics behind RNNs
▪️ Elman/Vanilla RNNs
▪️ Jordan RNNs
▪️ Elman-Jordan RNNs
▪️ Time series dataset

🔺مهلت تحویل تمرینات: دو هفته

💡 از روابط اثبات شده عکس گرفته و به ترتیب روابط شماره گذاری شوند و همراه با کدهای پیاده‌سازی شده برای پروژه ها به صورت فایل زیپ ارسال شوند.


🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme