بحث RAG که اخیرا خیلی داره در موردش صحبت میشه چی هست؟
از کجا اومده؟
چطور به ما کمک می‌کنه؟
کجا می‌تونه استفاده بشه؟
برای گرفتن جواب سوالاتون، چند دقیقه وقت بذارید و این لینک رو مطالعه کنید.
@Ai_Events
از کجا اومده؟
چطور به ما کمک می‌کنه؟
کجا می‌تونه استفاده بشه؟
برای گرفتن جواب سوالاتون، چند دقیقه وقت بذارید و این لینک رو مطالعه کنید.
@Ai_Events
👍11🌭4❤2👎2🔥1
این سوال خیلی خوب رو ببینید در لینکدین پرسیده شده.
تو این لحظه‌ای که من پست رو دیدم، ۵۲ تا کامنت براش اومده، من تقریبا همه کامنت‌ها رو با دقت بررسی کردم، شاید باورتون نشه ولی فقط یک نفر به راه حل درستش اشاره کرده بود، دو نفر هم به راه حل‌های خوبی اشاره کرده بودند، ۴۹ نفر فقط چیزهایی که از هوش مصنوعی شنیده بودند رو به زور به سوال ارتباط داده بودند.
این روزها همه مهندس هوش‌مصنوعی شدند، و هر کسی که یه دوره یک ساعته تو این حوزه دیده یا یه ریپازیتوری اجرا کرده، عنوان شغلی خودش رو عوض کرده به "Senior ML Engineer"!
بهتره تو این شرایط به هر کسی به عنوان متخصص اعتماد نکنید و اگر به فردی در این حوزه احتیاج پیدا کردید، سعی کنید در مورد سوابق (کاری و مخصوصا تحصیلی) ایشون به اندازه کافی تحقیق کنید.
@Ai_Events
تو این لحظه‌ای که من پست رو دیدم، ۵۲ تا کامنت براش اومده، من تقریبا همه کامنت‌ها رو با دقت بررسی کردم، شاید باورتون نشه ولی فقط یک نفر به راه حل درستش اشاره کرده بود، دو نفر هم به راه حل‌های خوبی اشاره کرده بودند، ۴۹ نفر فقط چیزهایی که از هوش مصنوعی شنیده بودند رو به زور به سوال ارتباط داده بودند.
این روزها همه مهندس هوش‌مصنوعی شدند، و هر کسی که یه دوره یک ساعته تو این حوزه دیده یا یه ریپازیتوری اجرا کرده، عنوان شغلی خودش رو عوض کرده به "Senior ML Engineer"!
بهتره تو این شرایط به هر کسی به عنوان متخصص اعتماد نکنید و اگر به فردی در این حوزه احتیاج پیدا کردید، سعی کنید در مورد سوابق (کاری و مخصوصا تحصیلی) ایشون به اندازه کافی تحقیق کنید.
@Ai_Events
👍24🌭6🤔3
وبینار رایگان «مغزی متفکر در کالبدی پولادین (هوش مصنوعی در خودرو)»
لینک ثبت‌نام در رویداد مجازی
زمان: یکشنبه، سی اردیبهشت، ساعت 15
@Ai_Events
لینک ثبت‌نام در رویداد مجازی
زمان: یکشنبه، سی اردیبهشت، ساعت 15
@Ai_Events
👍10🌭4
دیتاست سایت باسلام
شامل اطلاعات فروش و مشخصات 2.4 میلیون محصول موجود در سایت باسلام به همراه دیتاست 3.3 میلیونی کامنت محصولات.
لینک دیتاست در هاگینگ فیس
لینک دیتاست در کگل
@Ai_Events
Thanks to: Tensorflow
شامل اطلاعات فروش و مشخصات 2.4 میلیون محصول موجود در سایت باسلام به همراه دیتاست 3.3 میلیونی کامنت محصولات.
لینک دیتاست در هاگینگ فیس
لینک دیتاست در کگل
@Ai_Events
Thanks to: Tensorflow
huggingface.co
RadeAI/BaSalam_comments_products · Datasets at Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
👍12👾4👎2
به نظر شما فناوری هوش مصنوعی چقدر می‌تونه به روند نظارت و شفافیت بازار سرمایه کمک کنه؟
Anonymous Poll
54%
در اکثر موارد کاربرد داره
23%
تو بعضی موارد کاربردیه
9%
در موارد کمی کمک کننده‌ست
14%
دیدن نتایج
🌭5👍1
به نظر شما، میزان شناخت مدیران و تصمیم‌گیران بازار سرمایه در مورد فناوری هوش مصنوعی چقدر هست؟
Anonymous Poll
12%
زیاد
14%
متوسط
66%
کم
8%
دیدن نتایج
🌭4👍1
به نظر شما، برگزاری رویدادهایی برای آشنایی تصمیم‌گیران بازار سرمایه با هوش مصنوعی چقدر می‌تونه در ترویج این‌گونه ابزارها در بازار کمک کنه؟
Anonymous Poll
49%
زیاد
24%
متوسط
17%
کم
11%
دیدن نتایج
🌭4👍2
⏺آغاز ثبت‌نام اولین دوره‌ی سری سمینارهای نرم افزاری شریف (S4)
◀️ زمان برگزاری: ۱۰ و ۱۱ خرداد
◀️ مهلت ثبت‌نام: تا ۹ خرداد
👥 نحوه‌ی برگزاری: حضوری (۱۰ خرداد) و مجازی (۱۱ خرداد)
🏬 برگزارکننده: آزمایشگاه کیفیت نرم‌افزار دانشگاه صنعتی شریف
📌سری سمینارهای نرم‌افزاری دانشگاه صنعتی شریف (S4) رویدادی ارائه‌محور است که در آن برخی از صاحب‌نظران حوزهی مهندسی نرم‌افزار از سراسر جهان به ارائه‌ی آخرین دستاوردهای خود در زمینه‌های علمی و صنعتی می‌پردازند. هدف از برگزاری این رویداد، بررسی تاثیر عمق و بنیه‌ی دانش انتزاعی نرم‌افزار در مسیر پیش‌روی افراد، در کنار انتشار و تعامل در زمینه‌های آکادمیک و صنعتی مربوطه است.
🚫 لازم به ذکر است که ظرفیت شرکت حضوری در رویداد محدود است.
✍️ ثبت‌نام در این رویداد به صورت رایگان و از طریق وب‌سایت رویداد صورت می‌گیرد.
@Ai_Events
◀️ زمان برگزاری: ۱۰ و ۱۱ خرداد
◀️ مهلت ثبت‌نام: تا ۹ خرداد
👥 نحوه‌ی برگزاری: حضوری (۱۰ خرداد) و مجازی (۱۱ خرداد)
🏬 برگزارکننده: آزمایشگاه کیفیت نرم‌افزار دانشگاه صنعتی شریف
📌سری سمینارهای نرم‌افزاری دانشگاه صنعتی شریف (S4) رویدادی ارائه‌محور است که در آن برخی از صاحب‌نظران حوزهی مهندسی نرم‌افزار از سراسر جهان به ارائه‌ی آخرین دستاوردهای خود در زمینه‌های علمی و صنعتی می‌پردازند. هدف از برگزاری این رویداد، بررسی تاثیر عمق و بنیه‌ی دانش انتزاعی نرم‌افزار در مسیر پیش‌روی افراد، در کنار انتشار و تعامل در زمینه‌های آکادمیک و صنعتی مربوطه است.
🚫 لازم به ذکر است که ظرفیت شرکت حضوری در رویداد محدود است.
✍️ ثبت‌نام در این رویداد به صورت رایگان و از طریق وب‌سایت رویداد صورت می‌گیرد.
@Ai_Events
👍5🎃4❤1
دانشکده ریاضی و علوم کامپیوتر دانشگاه امیرکبیر برگزار می‌کند:
موضوع: مثال‌های تخاصمی
سخنران: مهرداد اکثری مهابادی
زمان برگزاری: سه‌شنبه ۸ خردادماه ساعت ۱۲:۳۰
مکان: سالن ۳۱۱ - طبقه سوم دانشکده ریاضی و علوم کامپیوتر - دانشگاه امیرکبیر
@Ai_Events
موضوع: مثال‌های تخاصمی
سخنران: مهرداد اکثری مهابادی
زمان برگزاری: سه‌شنبه ۸ خردادماه ساعت ۱۲:۳۰
مکان: سالن ۳۱۱ - طبقه سوم دانشکده ریاضی و علوم کامپیوتر - دانشگاه امیرکبیر
@Ai_Events
👍6🗿4😁1
چطور ممکن است یک مدل زبانی بزرگ (مانند ChatGPT)، در حالی که به عنوان یک سیستم پیچیده در نظر گرفته می‌شود، پاسخ‌های متفاوتی به یک متن ورودی ارائه دهد؟
آیا در سیستم‌های پیچیده، خلاف سیستم‌های آشوبناک، ورودی ثابت نباید به یک خروجی ثابت پیش‌بینی‌پذیر منجر شود؟
پاسخ‌هاتون به این سوال رو کامنت کنید، پست مرتبط به زودی در کانال قرار می‌گیره.
@Ai_Events
آیا در سیستم‌های پیچیده، خلاف سیستم‌های آشوبناک، ورودی ثابت نباید به یک خروجی ثابت پیش‌بینی‌پذیر منجر شود؟
@Ai_Events
👍6🤡4🤔2🍓1
کارگاه مجازی تاکچه با موضوع پردازش داده‌های فوتبال
جلسه‌ی قبل (۲۳ شهریور ۱۴۰۲) گفت‌وگویی دل‌نشین را با مهندس شاهین جعفری، Data Engineer در باشگاه آرسنال، پیراموش کاربرد تکنولوژی در صنعت فوتبال داشتیم و به موضوعات مختلفی اعم از ساختار باشگاه آرسنال، وظایف مهندس و دانشمند داده در فوتبال، و مثال‌های واقعی از بازیکنان و تیم‌ها پرداختیم.
در جلسه‌ی دوم بر داده‌های متن‌باز فوتبالی متمرکز شده و با یکدیگر کد می‌زنیم. این کارگاه به صورت تعاملی برگزار می‌شود و ایده‌های شما برای حل مسائل مختلف در کار با داده‌های فوتبالی نیز مورد بررسی قرار می‌گیرد.
به طور خاص در این کارگاه بر روی داده‌های متن‌باز یکی از برترین بازیکنان تاریخ فوتبال، Lionel Messi، در باشگاه Barcelona کار خواهیم کرد.
اگر به فوتبال و پردازش داده‌های فوتبالی علاقه‌مندید، شرکت در این کارگاه تعاملی به شدت توصیه می‌شود.
در این کارگاه در خدمت محمدصادق سلیمی، فارغ‌التحصیل مقطع کارشناسی صنعتی شریف هستیم.
زمان جلسه: چهارشنبه ۱۶ خرداد، ساعت ۱۷
محل ارائه مجازی: اتاق مجازی انجمن علمی
اضافه کردن به تقویم گوگل
@ssc_talkche
@Ai_Events
جلسه‌ی قبل (۲۳ شهریور ۱۴۰۲) گفت‌وگویی دل‌نشین را با مهندس شاهین جعفری، Data Engineer در باشگاه آرسنال، پیراموش کاربرد تکنولوژی در صنعت فوتبال داشتیم و به موضوعات مختلفی اعم از ساختار باشگاه آرسنال، وظایف مهندس و دانشمند داده در فوتبال، و مثال‌های واقعی از بازیکنان و تیم‌ها پرداختیم.
در جلسه‌ی دوم بر داده‌های متن‌باز فوتبالی متمرکز شده و با یکدیگر کد می‌زنیم. این کارگاه به صورت تعاملی برگزار می‌شود و ایده‌های شما برای حل مسائل مختلف در کار با داده‌های فوتبالی نیز مورد بررسی قرار می‌گیرد.
به طور خاص در این کارگاه بر روی داده‌های متن‌باز یکی از برترین بازیکنان تاریخ فوتبال، Lionel Messi، در باشگاه Barcelona کار خواهیم کرد.
اگر به فوتبال و پردازش داده‌های فوتبالی علاقه‌مندید، شرکت در این کارگاه تعاملی به شدت توصیه می‌شود.
در این کارگاه در خدمت محمدصادق سلیمی، فارغ‌التحصیل مقطع کارشناسی صنعتی شریف هستیم.
زمان جلسه: چهارشنبه ۱۶ خرداد، ساعت ۱۷
محل ارائه مجازی: اتاق مجازی انجمن علمی
اضافه کردن به تقویم گوگل
@ssc_talkche
@Ai_Events
👍7🤡7👏1
چگونه مدل‌های زبانی بزرگ (LLM)، با وجود قرار گرفتن در سیستم‌های پیچیده، پاسخ‌های متفاوتی به یک متن ورودی می‌دهند؟
برای درک بهتر این موضوع، ابتدا باید به انواع سیستم‌ها نگاهی بیندازیم:
سیستم‌های خطی: این سیستم‌ها رفتاری کاملاً قابل پیش‌بینی دارند. با ورود یک داده مشخص، همیشه یک خروجی ثابت تولید می‌کنند. به عنوان مثال، فرمول‌های ریاضی ساده که با یک ورودی مشخص، نتیجه‌ی دقیقی می‌دهند.
سیستم‌های پیچیده: این سیستم‌ها با ورودی‌های ثابت می‌توانند خروجی‌های متفاوتی تولید کنند، اما همچنان رفتار آن‌ها قابل درک و توجیه است. این سیستم‌ها شامل تعاملات و دینامیک‌های متعددی هستند که به نتایج متنوع منجر می‌شوند. مدل‌های زبانی بزرگ (LLM) جزو این دسته هستند. با وجود ورودی‌های ثابت، این مدل‌ها می‌توانند پاسخ‌های مختلفی بدهند؛ این تنوع به دلیل الگوریتم‌های نمونه‌گیری و تنظیمات احتمالی آن‌هاست، و در کل رفتار آن‌ها قابل پیش‌بینی است.
سیستم‌های آشوبناک: این سیستم‌ها رفتاری بسیار حساس به شرایط اولیه دارند و با ورودی‌های مشابه می‌توانند خروجی‌های کاملاً متفاوتی تولید کنند. رفتار آن‌ها غیرقابل پیش‌بینی و اغلب بدون الگوی خاصی است. مثالی بارز از سیستم‌های آشوبناک، پیش‌بینی آب و هوا است که در بلندمدت بسیار دشوار است.
مدل‌های زبانی بزرگ با وجود ورودی ثابت، می‌توانند پاسخ‌های متفاوتی تولید کنند، اما این تفاوت‌ها ناشی از الگوریتم‌های نمونه‌گیری مانند Top-k و Top-p هستند:
نمونه‌گیری Top-k: در این روش، مدل کلمه بعدی را از بین k کلمه با بیشترین احتمال انتخاب می‌کند. با تغییر k، دامنه کلمات بعدی تغییر می‌کند و می‌تواند منجر به پاسخ‌های متفاوتی شود.
نمونه‌گیری Top-p (هسته‌ای): این روش کوچکترین مجموعه‌ای از کلمات با احتمال بالا را که مجموع احتمال‌های آن‌ها از یک آستانه p فراتر می‌رود، در نظر می‌گیرد. این تکنیک با تنظیم دینامیکی دامنه کلمات، خروجی‌های متنوعی تولید می‌کند.
به همین دلیل، رفتار مدل‌های زبانی بزرگ در چارچوب این الگوریتم‌ها قابل توجیه و پیش‌بینی است و این مدل‌ها جزو سیستم‌های پیچیده محسوب می‌شوند.
@Ai_Events
برای درک بهتر این موضوع، ابتدا باید به انواع سیستم‌ها نگاهی بیندازیم:
سیستم‌های خطی: این سیستم‌ها رفتاری کاملاً قابل پیش‌بینی دارند. با ورود یک داده مشخص، همیشه یک خروجی ثابت تولید می‌کنند. به عنوان مثال، فرمول‌های ریاضی ساده که با یک ورودی مشخص، نتیجه‌ی دقیقی می‌دهند.
سیستم‌های پیچیده: این سیستم‌ها با ورودی‌های ثابت می‌توانند خروجی‌های متفاوتی تولید کنند، اما همچنان رفتار آن‌ها قابل درک و توجیه است. این سیستم‌ها شامل تعاملات و دینامیک‌های متعددی هستند که به نتایج متنوع منجر می‌شوند. مدل‌های زبانی بزرگ (LLM) جزو این دسته هستند. با وجود ورودی‌های ثابت، این مدل‌ها می‌توانند پاسخ‌های مختلفی بدهند؛ این تنوع به دلیل الگوریتم‌های نمونه‌گیری و تنظیمات احتمالی آن‌هاست، و در کل رفتار آن‌ها قابل پیش‌بینی است.
سیستم‌های آشوبناک: این سیستم‌ها رفتاری بسیار حساس به شرایط اولیه دارند و با ورودی‌های مشابه می‌توانند خروجی‌های کاملاً متفاوتی تولید کنند. رفتار آن‌ها غیرقابل پیش‌بینی و اغلب بدون الگوی خاصی است. مثالی بارز از سیستم‌های آشوبناک، پیش‌بینی آب و هوا است که در بلندمدت بسیار دشوار است.
مدل‌های زبانی بزرگ با وجود ورودی ثابت، می‌توانند پاسخ‌های متفاوتی تولید کنند، اما این تفاوت‌ها ناشی از الگوریتم‌های نمونه‌گیری مانند Top-k و Top-p هستند:
نمونه‌گیری Top-k: در این روش، مدل کلمه بعدی را از بین k کلمه با بیشترین احتمال انتخاب می‌کند. با تغییر k، دامنه کلمات بعدی تغییر می‌کند و می‌تواند منجر به پاسخ‌های متفاوتی شود.
نمونه‌گیری Top-p (هسته‌ای): این روش کوچکترین مجموعه‌ای از کلمات با احتمال بالا را که مجموع احتمال‌های آن‌ها از یک آستانه p فراتر می‌رود، در نظر می‌گیرد. این تکنیک با تنظیم دینامیکی دامنه کلمات، خروجی‌های متنوعی تولید می‌کند.
به همین دلیل، رفتار مدل‌های زبانی بزرگ در چارچوب این الگوریتم‌ها قابل توجیه و پیش‌بینی است و این مدل‌ها جزو سیستم‌های پیچیده محسوب می‌شوند.
@Ai_Events
👍21🤡4
مقصد سرمایه‌گذاری در حوزهی های‌تک
دکتر محمود سریع‌القلم، استاد دانشگاه شهیدبهشتی در همایش جامع معدنی:
در حوزه ۵G در سال۲۰۲۰، ۶میلیارد دلار سرمایه‌گذاری صورت‌گرفته و پیش‌بینی می‌شود تا سال۲۰۳۰ این رقم به ۶۲۱میلیارد دلار برسد.
در اینترنت اشیا در سال۲۰۲۰ معادل ۷۴۰میلیارد دلار سرمایه‌گذاری صورت‌گرفته و پیش‌بینی می‌شود در سال۲۰۳۰ این رقم به ۴۴۰۰میلیارد دلار برسد.
در زمینه هوش‌مصنوعی نیز در سال۲۰۲۰ میزان سرمایه‌گذاری ۶۵میلیارد دلار بوده‌است و در سال۲۰۳۰ این میزان به ۱۵۰۰میلیارد دلار می‌رسد.
در سال۲۰۲۰ سرمایه‌گذاری در بخش خودروهای برقی ۱۶۳میلیارد دلار بوده و پیش‌بینی می‌شود میزان سرمایه‌گذاری در سال۲۰۳۰ در این حوزه به ۸۲۴میلیارد دلار برسد.
در بخش صفحات خورشیدی میزان سرمایه‌گذاری در سال۲۰۲۰ معادل ۱۸۰میلیارد دلار ثبت‌شده و در سال۲۰۳۰ برآورد می‌شود این میزان به ۶۴۱میلیارد دلار برسد.
در بخش بلاک‌چین نیز در سال۲۰۲۰ میزان سرمایه‌گذاری یک‌میلیارد دلار بوده که براساس پیش‌بینی‌ها در سال۲۰۳۰ معادل ۸۸میلیارد دلار سرمایه‌گذاری در این بخش صورت خواهد گرفت.
در بخش روباتیک بر اساس آمار ۱۲میلیارد دلار سرمایه‌گذاری در سال۲۰۲۰ انجام‌شده که برآورد می‌شود در سال۲۰۳۰ این میزان به ۱۵۰میلیارد دلار برسد.
در انرژی‌های پاک نیز میزان سرمایه‌گذاری در سال۲۰۲۰ معادل ۷۱میلیارد دلار بوده و پیش‌بینی می‌شود به ۱۷۵میلیارد دلار در سال۲۰۳۰ برسد.
@Ai_Events
دکتر محمود سریع‌القلم، استاد دانشگاه شهیدبهشتی در همایش جامع معدنی:
در حوزه ۵G در سال۲۰۲۰، ۶میلیارد دلار سرمایه‌گذاری صورت‌گرفته و پیش‌بینی می‌شود تا سال۲۰۳۰ این رقم به ۶۲۱میلیارد دلار برسد.
در اینترنت اشیا در سال۲۰۲۰ معادل ۷۴۰میلیارد دلار سرمایه‌گذاری صورت‌گرفته و پیش‌بینی می‌شود در سال۲۰۳۰ این رقم به ۴۴۰۰میلیارد دلار برسد.
در زمینه هوش‌مصنوعی نیز در سال۲۰۲۰ میزان سرمایه‌گذاری ۶۵میلیارد دلار بوده‌است و در سال۲۰۳۰ این میزان به ۱۵۰۰میلیارد دلار می‌رسد.
در سال۲۰۲۰ سرمایه‌گذاری در بخش خودروهای برقی ۱۶۳میلیارد دلار بوده و پیش‌بینی می‌شود میزان سرمایه‌گذاری در سال۲۰۳۰ در این حوزه به ۸۲۴میلیارد دلار برسد.
در بخش صفحات خورشیدی میزان سرمایه‌گذاری در سال۲۰۲۰ معادل ۱۸۰میلیارد دلار ثبت‌شده و در سال۲۰۳۰ برآورد می‌شود این میزان به ۶۴۱میلیارد دلار برسد.
در بخش بلاک‌چین نیز در سال۲۰۲۰ میزان سرمایه‌گذاری یک‌میلیارد دلار بوده که براساس پیش‌بینی‌ها در سال۲۰۳۰ معادل ۸۸میلیارد دلار سرمایه‌گذاری در این بخش صورت خواهد گرفت.
در بخش روباتیک بر اساس آمار ۱۲میلیارد دلار سرمایه‌گذاری در سال۲۰۲۰ انجام‌شده که برآورد می‌شود در سال۲۰۳۰ این میزان به ۱۵۰میلیارد دلار برسد.
در انرژی‌های پاک نیز میزان سرمایه‌گذاری در سال۲۰۲۰ معادل ۷۱میلیارد دلار بوده و پیش‌بینی می‌شود به ۱۷۵میلیارد دلار در سال۲۰۳۰ برسد.
@Ai_Events
👍5👎1🔥1
خلاصه‌ی صحبت‌های جناب آقای دکتر محمود سریع‌القلم، استاد دانشگاه شهیدبهشتی در مورد مقصد سرمایه‌گذاری در حوزهی های‌تک در همایش جامع معدنی
@Ai_Events
@Ai_Events
👌8👎3👍2
ارائه با عنوان
Modeling Systemic Risk:
A Time-Varying and Nonparametric Causal Inference Framework
ارائه دهنده: دکتر علی حبیب نیا
- دکتری آمار از دانشگاه LSE
- استاد دانشگاه ویرجینیاتک امریکا
نحوه برگزاری: حضوری و آنلاین
زمان برگزاری: شنبه ۱۹ خرداد ۱۴۰۳، ساعت ۱۳ الی ۱۵
محل برگزاری: دانشکده اقتصاد دانشگاه تهران
اطلاعات بیشتر و ثبت نام
https://evand.com/events/msrisk
@Ai_Events
Modeling Systemic Risk:
A Time-Varying and Nonparametric Causal Inference Framework
ارائه دهنده: دکتر علی حبیب نیا
- دکتری آمار از دانشگاه LSE
- استاد دانشگاه ویرجینیاتک امریکا
نحوه برگزاری: حضوری و آنلاین
زمان برگزاری: شنبه ۱۹ خرداد ۱۴۰۳، ساعت ۱۳ الی ۱۵
محل برگزاری: دانشکده اقتصاد دانشگاه تهران
اطلاعات بیشتر و ثبت نام
https://evand.com/events/msrisk
@Ai_Events
👍5🤡4
سری وبینار‌های رایگان «همگام با پیشتازان»
قسمت سوم: Federated Learning
با حضور: محمد مهدی کاظمی مجدآبادی
دانشجو دکتری هوش مصنوعی در University of Hamburg، آلمان
زمان برگزاری: سه‌شنبه ۲۲ خرداد، ساعت ۲۰
برای کسب اطلاعات بیشتر و شرکت در این وبینار به کانال هوش مصنوعی مدارس میان‌رشته‌ای مراجعه کنید.
@IDS_AI_ML
@IDSchools
@Ai_Events
قسمت سوم: Federated Learning
با حضور: محمد مهدی کاظمی مجدآبادی
دانشجو دکتری هوش مصنوعی در University of Hamburg، آلمان
زمان برگزاری: سه‌شنبه ۲۲ خرداد، ساعت ۲۰
برای کسب اطلاعات بیشتر و شرکت در این وبینار به کانال هوش مصنوعی مدارس میان‌رشته‌ای مراجعه کنید.
@IDS_AI_ML
@IDSchools
@Ai_Events
👍5🤡5❤1👎1