اولین کنفرانس بین المللی یادگیری ماشین و کشف دانش

mlkd.aut.ac.ir

@Ai_Events

خروجی کد زیر چیست؟ (append vs extend in Python list)‌

a= [0, 1, 2]

b = []
b.append(a)

c=[]
c.extend(a)

print(b, c)

@Ai_Events

دوره‌ی Building Applications with Vector Databases تو کورسرا به شما آموزش می‌ده که چطور از وکتوردیتابیس Pinecone برای بحث‌های
Semantic Search
RAG
Recommender Systems
Hybrid Search
Facial Similarity Search
Anamoly Detection
استفاده کنید. این دوره کمتر از دو ساعت زمان شما رو می‌گیره و بهتون دید بسیار خوبی در مورد بحث‌های ذکر شده میده.

لینک دوره


@Ai_Events

World's first fully robotic heart transplant performed

A groundbreaking achievement in medical technology has been made at King Faisal Specialist Hospital and Research Centre in Riyadh, Saudi Arabia, where the world’s first fully robotic heart transplant was successfully performed. The operation, lasting about two and a half hours, was conducted on a 16-year-old patient suffering from end-stage heart failure, who specifically requested that his chest remain unopened during the procedure.

This landmark surgery not only showcases the capabilities of robotic technology in medicine but also sets a precedent for future procedures. It represents a major step forward in cardiac care, offering hope for improved outcomes in patients requiring heart transplants.

Source | @Ai_Events

.
جایی که تو دستت نمی‌رسد؛
خدا شاخه‌ها را پایین می‌آورد.
من این صحنه را بارها دیده‌ام!

@Ai_Events
.

تو مطالعاتی که این مدت روی وکتوردیتابیس‌ها داشتم، به یه جمع بندی کلی در ویژگی‌هاشون رسیدم که تو این تصویر از جدول مقایسه آوردم‌شون.

اگر به دنبال انتخاب یک دیتابیس برداری (vector database) هستید، این جدول می‌تونه به شما کمک کنه تا تفاوت‌های اصلی بین گزینه‌های مختلف را درک کنید.

بعضی از دیتابیس‌ها مثل Pinecone فقط در فضای ابری ارائه می‌شن و برخی دیگر مانند Milvus و Weaviate قابلیت اجرا در محیط‌های لوکال و ابری دارن.

از نظر مقیاس‌پذیری، همه به‌جز Faiss از مقیاس‌پذیری افقی و عمودی پشتیبانی می‌کنند. از لحاظ امنیت، Pinecone، Milvus، Weaviate و Elasticsearch امکانات رمزنگاری و احراز هویت دارند، در حالی که Faiss فاقد این امکانات است.

انتخاب درست دیتابیس بستگی به نیاز شما از مقیاس‌پذیری، امنیت و پشتیبانی داره و باید جنبه‌های مختلف دیگه‌ای هم بررسی بشه.

تو جامعه فارسی، من تعریف Milvus رو زیاد شنیدم، اما هنوز کامیونیتی کاملی براش تشکیل نشده که تو اوایل شروع به‌کار یه ابزار طبیعیه.

@Ai_Events

🎈🎊🎉🎁

The Nobel Prize in Physics was awarded to John Hopfield and Geoffrey Hinton (AKA the Godfather of AI) for their contribution to the field with their ML and AI research.

@Ai_Events

کلاس آنلاین ریاضیات هوش مصنوعی

استاد: دکتر بهروز نصیحت‌کن، استادیار دانشگاه خواجه نصیر

https://meet.kntu.ac.ir/b/rooms/x7k-o5t-uoq-lvk/join


@Ai_Events

دومین همایش هوش مصنوعی فرهنگستان علوم


ias.ac.ir

@Ai_Events

چهاردهمین کنفرانس بین المللی تجارت الکترونیک با رویکرد هوش مصنوعی، اینترنت اشیاء، متاورس و کسب و کار الکترونیکی

ecdcconference.org

@Ai_Events

مسابقه بین المللی هوش مصنوعی رایان
ai.rayan.global

@Ai_Events

AI Has Helped Shein Become Fast Fashion’s Biggest Polluter

Shein, the world's largest fast-fashion company, uses AI to predict demand and create trendy clothing at an unprecedented scale. But its ultra-fast manufacturing practices and online-only business model are inherently emissions-heavy, and experts worry that AI is exacerbating the environmental impact.

Source | @Ai_Events

Apple introduces Private Cloud Compute, a custom infrastructure for Apple Intelligence, prioritizing user data security and privacy.
Continue reading...

@Ai_Events

A fast and flexible approach to help doctors annotate medical scans

🔥 Researchers at MIT, MGH, and Harvard Medical School have developed an AI-powered tool called ScribblePrompt that enables the rapid segmentation of medical images. 👀 The tool uses simulated scribbles and clicks to label images, reducing annotation time by 28% compared to existing methods. 🕒️

Source | @Ai_Events

یاد درس مدار الکتریکی افتادم که رییس حراست دانشگاه استادمون بود 😂😂😂

@Ai_Events

نمادبین اوشاخلاری!
یه ابزار می‌خوام بهتون معرفی کنم، شبا از فکرش خواب‌تون نبره!

ماهایی که بیسچاری داریم به LLM‌ها فکر می‌کنیم، همیشه ته ذهنمون اینه که چطور مدل رو بالا بیاریم که توهم نزنه، کاربر نتونه دور بزنتش، اطلاعات رقیب تو دیتاست‌مون نباشه و کلی مسایل از این دست که موقع آموزش، پرامپت زدن و خروجی گرفتن بهش فکر می‌کنیم.

حالا فکر کنید یکی اومده یه ابزار نوشته که ما می‌تونیم با خیال راحت خط قرمزهامون رو بهش بدیم و اون تو ورودی دادن به مدل یا خروجی گرفتن از مدل ازشون مراقبت کنه!

ابزار Guardrails عزیز!
این ابزار در واقع یه فریم‌ورک پایتونیه که برای ایجاد اپلیکیشن‌های هوشمند و مطمئن طراحی شده. تو این اوضاع سخت پیش پردازش داده‌ی آموزش و پرامپت، داشتن ابزارهایی مثل Guardrails دیگه یه انتخاب نیست، یه نیازه!

ابزار Guardrails چی کار می‌کنه؟
1. کنترل ریسک‌ها: Guardrails به شما این امکان رو می‌ده که ورودی‌ها و خروجی‌های اپلیکیشنتون رو بررسی کنید و اگه مشکلی مثل اطلاعات غلط، توهین‌آمیز، یا غیرمعتبر در خروجی مدل‌تون بود، جلوی اون رو بگیرید. اینطوری می‌تونید جلوی سوءاستفاده از مدل و اتفاقات ناخوشایند رو بگیرید.
2. تولید داده‌های ساختارمند از مدل‌های زبانی (LLMs): می‌تونید از Guardrails برای گرفتن داده‌هایی با قالب مشخص و استاندارد از مدل‌ها استفاده کنید، مثل تولید پاسخ‌هایی که نه فقط از نظر محتوایی درست هستند بلکه از نظر قالب و ساختار هم با انتظارات شما همخوانی دارن.

چرا Guardrails ضروریه؟
توی دنیای هوش مصنوعی، ممکنه داده‌ها و خروجی‌ها از کنترل خارج بشن و رفتارهای غیرمنتظره‌ای داشته باشن. با استفاده از Guardrails، می‌تونید از همون اول جلوی خیلی از این مشکلات رو بگیرید. این ابزار به شما کمک می‌کنه:

- ورودی‌ها رو غربال کنید تا مطمئن بشید مدل، داده‌های درست و قابل اعتماد می‌گیره.
- خروجی‌ها رو بررسی کنید و مطمئن شید که محتوای مناسب و بدون تعصب و سوءاستفاده ارائه می‌ده.
- از کاربران نهایی در مقابل خروجی‌های غیرقابل پیش‌بینی محافظت کنید.

یه مثال ساده
فرض کنید یه بات چت دارید که به مشتریان کمک می‌کنه تا سفارش‌هاشون رو پیگیری کنن. Guardrails می‌تونه کمک کنه تا اطمینان پیدا کنید که اطلاعات حساس مثل نام واقعی یا شماره تلفن در داده‌های آموزشی استفاده نشه و یا اینکه فقط کسانی که دسترسی دارند بتونن به اطلاعات مشتری‌ها دست پیدا کنن.

کاربرد Guardrails در مراحل مختلف طراحی هوش مصنوعی 🧠
- در مرحله آموزش: Guardrails کمک می‌کنه تا داده‌های آموزشی حساس یا شخصی که ممکنه به مدل منتقل بشن، فیلتر بشن و امنیت اطلاعات حفظ بشه.
- در ورودی‌ها و پرامپت‌ها: Guardrails می‌تونه ورودی‌ها رو از نظر احتمال ایجاد رفتارهای نامطلوب بررسی کنه و جلوی بروز مشکلات احتمالی رو
بگیره.
- در خروجی‌ها: Guardrails می‌تونه کیفیت، صحت و تناسب خروجی‌ها رو
بررسی کنه. مثلاً اگر خروجی غیر قابل اعتماد یا حتی مسموم باشه، Guardrails می‌تونه اونو فیلتر کنه.

چرا Guardrails مهمه؟
امنیت و اعتماد در هوش مصنوعی خیلی مهمه. Guardrails به شما این امکان رو می‌ده تا مطمئن بشید مدل فقط همون چیزی رو می‌گه که باید بگه و جلوی هرگونه
نتیجه نامطلوب رو می‌گیره. با استفاده از این ابزار، شما می‌تونید مدل‌هاتون رو با اعتماد به نفس بیشتری در اختیار کاربران بذارید.

لینک‌های زیر می‌تونه کمکتون کنه:

Learn to Implement Guardrails in Generative AI Applications

Mitigate Gen AI risks with Guardrails


@Ai_Events