Telegram Web
Forwarded from Mohammad Baghiat
Mohammad Baghiat:
https://www.youtube.com/playlist?list=PLoROMvodv4rOmsNzYBMe0gJY2XS8AQg16

YouTube Downloader bot:
Playlist videos
----
1. Stanford CS231N Deep Learning for Computer Vision | Spring 2025 | Lecture 1: Introduction 2 months ago
https://youtu.be/2fq9wYslV0A
----
2. Stanford CS231N | Spring 2025 | Lecture 2: Image Classification with Linear Classifiers 2 months ago
https://youtu.be/pdqofxJeBN8
----
3. Stanford CS231N | Spring 2025 | Lecture 3: Regularization and Optimization 2 months ago
https://youtu.be/dyNGd06MWn4
----
4. Stanford CS231N | Spring 2025 | Lecture 4: Neural Networks and Backpropagation 2 months ago
https://youtu.be/25zD5qJHYsk
----
5. Stanford CS231N | Spring 2025 | Lecture 5: Image Classification with CNNs 2 months ago
https://youtu.be/f3g1zGdxptI
----
6. Stanford CS231N Deep Learning for Computer Vision | Spring 2025 | Lecture 6: CNN Architectures 2 months ago
https://youtu.be/aVJy4O5TOk8
----
7. Stanford CS231N | Spring 2025 | Lecture 7: Recurrent Neural Networks 2 months ago
https://youtu.be/kG2lAPBF7zA
----
8. Stanford CS231N | Spring 2025 | Lecture 8: Attention and Transformers 2 months ago
https://youtu.be/RQowiOF_FvQ
----
9. Stanford CS231N | Spring 2025 | Lecture 9: Object Detection, Image Segmentation, Visualizing 2 months ago
https://youtu.be/PTypu6GqEd4
----
10. Stanford CS231N Deep Learning for Computer Vision | Spring 2025 | Lecture 10: Video Understanding a month ago
https://youtu.be/wElqklprhPE
----
11. Stanford CS231N | Spring 2025 | Lecture 11: Large Scale Distributed Training a month ago
https://youtu.be/9MvD-XsowsE
----
12. Stanford CS231N | Spring 2025 | Lecture 12: Self-Supervised Learning a month ago
https://youtu.be/4howBU7THbM
----
13. Stanford CS231N Deep Learning for Computer Vision | Spring 2025 | Lecture 13: Generative Models 1 a month ago
https://youtu.be/zbHXQRUNlH0
----
14. Stanford CS231N Deep Learning for Computer Vision| Spring 2025 | Lecture 14: Generative Models 2 a month ago
https://youtu.be/Edr4uZFh4EE
----
15. Stanford CS231N Deep Learning for Computer Vision | Spring 2025 | Lecture 15: 3D Vision a month ago
https://youtu.be/7lxrKDKtykM
----
16. Stanford CS231N Deep Learning for Computer Vision | Spring 2025 | Lecture 16: Vision and Language a month ago
https://youtu.be/mQOK0Mfyrkk
----
17. Stanford CS231N Deep Learning for Computer Vision | Spring 2025 | Lecture 17: Robot Learning a month ago
https://youtu.be/XSfmOH_xVSU
----
18. Stanford CS231N Deep Learning for Computer Vision | Spring 2025 | Lecture 18: Human-Centered AI a month ago
https://youtu.be/g8UaBfj6Sh8
----
🔥42
Forwarded from Neural Black Magic (Ardawan ∞)
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 Kullback–Leibler (KL) Divergence in a Nutshell
فاصله (عدم شباهت) بین دو توزیع احتمال چطور سنجیده می‌شود؟
👨🏻‍🏫 یکی از پرکاربردترین معیارها برای سنجش عدم تشابه توزیع‌های احتمالی معیار KL divergence است. این معیار به شکل زیر تعریف می‌شود:

● Discrete:
𝒟ₖₗ(𝒫(𝓍)||𝒬(𝓍)) = Σ𝒫(x)𝓁𝓃[𝒫(𝓍)/𝒬(𝓍)]
● Continuous:
𝒟ₖₗ(𝒫(𝓍)||𝒬(𝓍)) = ∫𝒫(x)𝓁𝓃[𝒫(𝓍)/𝒬(𝓍)]d𝓍

و علی‌رغم سادگی، در بسیاری از مدل‌های پیشرفته‌تر مثل Variational Autoencoders¹ و Diffusion Models² ظاهر می‌شود.

🔍 در صورت مساوی بودن دو توزیع در تمام نقاط، نسبت‌ آن‌ها ۱، مقدار لگاریتم صفر و 𝒟ₖₗ نیز برابر صفر می‌شود. در صورت وجود اختلاف بین دو توزیع، نسبت آن‌‌ها مخالف ۱ و 𝒟ₖₗ مقداری مثبت خواهد داشت.

🖥 به انیمیشن ما در این پست توجه کنید. در این انیمیشن نحوه تغییر 𝒟ₖₗ برحسب میزان اختلاف دو توزیع احتمال مشاهده می‌شود. مشاهده می‌شود که با افزایش اختلاف دو توزیع از هم مقدار 𝒟ₖₗ افزایش می‌یابد و با نزدیک شدن دو توزیع به یکدیگر، مشابهت دو توزیع افزایش یافته و 𝒟ₖₗ کاهش می‌یابد.


Follow us for daily doses of AI Magic 👊😉.
@NeuralBlackMagic
🔥52👌1🆒1
Forwarded from Gapify | گپیفای
🔷قابلیت جدید گپیفای:

دستورالعمل‌های باتیفای

👈 همین الان در سایت گپیفای ثبت‌نام / ورود کنید و باتیفایتون رو به شکلی که نیاز دارید، شخصی سازی کنید.

وبسایت گپیفای:
Gapify.ai
4👍1🔥1
Gapify | گپیفای
Photo
یکی از متفاوت ترین چت بات هایی که توجه منو به عنوان یک متخصص هوش مصنوعی در الکامپ جلب کرد و میشه بلاگرا و سایت ها به عنوان منشی خودشون انتخاب کنن این چت بات بود و میتونین کارهای مالی و مشاوره ای خودتون رو از gapify استفاده کنید ولی بقیه چیزی قابل توجه نداشتند
http://Gapify.ai

کانال تلگرامیشون👌:
https://www.tgoop.com/gapify_ai
4👍2👌1🆒1
سید فرندز / برنامه نویسی / هک و امنیت / تکنولوژی
به طور کلی : تجربه جالبی بود برای اولین بار اما اونقدر خلاقیت و جذابیت ازش نمیبینید که دو روز برید بگردید و توی همون چندساعت هم کار در میاد.

میصرفه از شهرستان بیایید تهران برای دیدن نمایشگاه ؟ فککک نکنم. یکم اذیت میشید و شاید بخوره تو ذوقتون.

نکته بعد این بود که اکثر شرکت ها صرفا یک دمو داشتن . خیلی موارد رو هنوز پیاده سازی نکرده بودن. اینترنت هاشون مشکل داشت. شرکت هایی بودن که داشتن چت بات ai ارائه میدادن بعد میگفتن توکن هامون تموم شده و داشتن کلامی پرزنت میکردن. حتی یک مورد دیدم که یکی از اعضای غرفه که بنظر دولوپر بود خیلی خوب توضیح میداد اما شخصی که بنظر رییسش بود با حرفاش کلی زد تو سر محصول.

یکسری شرکت ها که مدل های اوپن سورس رو مثل yolo رو ران کرده بودن و به عنوان محصولات ابجکت دتکشن داشتن پرزنت میکردن برای فروش.

یکسری غرفه دار چینی هم بودن که حتی توی بنر هاشون فونت فارسی درستی نداشتن و کلمات از هم جدا بودن که خیلی جالب بود برام . خیلی گناه داشتن. حتی خیلی هاشون مترجم نداشتن.

قسمتی که داشت اذیتم میکرد این بود که شرکت ها صرفا بخاطر خدمات AI از محصول اصلی شرکت داشتن فاصله میگرفتن. مثلا رایتل داشت نرم
یکی دیگه از نقدهایی که داشتم بهش اینجا محمد راجبش نوشته در کل منم موافقم کسی بخواد بیاد ارزششو داره یا نه؟؟
فعععععک نکنم
👍52
Her Dreams
Luca D'Alberto
شبت به خیر، ای غمی که ما را بزرگ می‌کنی.

#متفرقه

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
6👍1
در دنیای عجیب و شگفت‌انگیز مکانیک کوانتومی، پژوهشگران دانشگاه‌های معتبر جهان، از جمله دانشگاه کمبریج، به این نتیجه رسیده‌اند که مرز بین گذشته و آینده ممکن است به اندازه‌ای که تصور می‌کنیم محکم نباشد. بر اساس نظریه‌ی رتروکازوالی (retrocausality)، تصمیم‌هایی که ما امروز می‌گیریم، می‌توانند اثراتی ظریف بر رویدادهای گذشته داشته باشند اما فقط در سطح ذرات کوانتومی. این ایده شگفت‌آور، ما را مجبور می‌کند تصور کلاسیک از علت و معلول را بازبینی کنیم و نشان می‌دهد که جهان کوانتومی می‌تواند با قوانین زمان متفاوتی عمل کند.

در آزمایش‌های کلاسیک مانند آزمایش‌های مرتبط با نظریه بل (Bell's theorem)، محققان مشاهده کردند که انتخاب‌های اندازه‌گیری در آینده به طور مرموزی با وضعیت ذرات در گذشته مرتبط هستند. در نگاه اول، این امر می‌تواند به نظر برسد که قوانین نسبیت خاص نقض شده‌اند، اما نظریه‌ی رترواکوزالی نشان می‌دهد که این ارتباط می‌تواند بدون هیچ ارتباط سریع‌تر از نور اتفاق بیفتد. به عبارت دیگر، جهان کوانتومی به گونه‌ای عمل می‌کند که اطلاعات از آینده به گذشته بازمی‌گردد، اما بدون ایجاد پارادوکس‌های کلاسیک مانند سفر در زمان یا تناقض‌های منطقی.

این کشف ممکن است دریچه‌ای نوین به درک عمیق‌تر فیزیک ذرات و ماهیت زمان باز کند. اگر این نظریه درست باشد، نه تنها بینش ما نسبت به جهان می‌تواند تغییر کند، بلکه می‌تواند راهی برای طراحی آزمایش‌ها و فناوری‌های آینده در حوزه‌های کامپیوترهای #کوانتومی، #رمزنگاری و سنجش دقیق زمان فراهم آورد. تصور کنید دنیایی که در آن مرزهای زمانی انعطاف‌پذیر است و گذشته تنها یک خاطره قطعی نیست، بلکه صحنه‌ای است که آینده هم می‌تواند بر آن نقش داشته باشد.

https://www.researchgate.net/publication/395034069_Time_Symmetry_Retrocausality_and_Emergent_Collapse_The_Tlalpan_Interpretation_of_Quantum_Mechanics

https://phys.org/news/2023-03-quantum-mechanics-future.html

#کوانتوم #فیزیک #مقاله

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
11👍21🔥1👌1
تولدم، شد که شد🚶‍♂ تولدم مبارکتون باشه

در دل ماهِ مهر،
جایی که اولین برگ‌های پائیزی از شاخه‌ها جدا می‌شوند،
زندگی جدیدی آغاز می‌شود.
با آرزوهایی که از اعماق قلبم به آسمان می‌رود...🍁🍂

کیه که الان اکانتمو پرومیوم کنه یا هدیه بده

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
1564🆒3👍2🔥1
برای مصاحبه و ... قبلش تست انگلیسی بگیرید از خودتون سایت باحالیه، هم برای تمرین زبان هم ماک مصاحبه.
یه خانم AI مصاحبه می‌کنه، سوال استاندارد HR میپرسه آخرم یه گزارش جامع و دقیق میده از سطح زبانت چه گرامر چه لغت و ...

https://app.smalltalk2.me

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
11👍5🔥3
2025/10/27 05:16:16
Back to Top
HTML Embed Code: