PrinceofAI Weekly
اخبار:
فناوری هوش مصنوعی می تواند پروتئین های اصلی را تولید کند
یک مدل زبان طبیعی فرآیند طراحی پروتئین را با ایجاد آنزیم‌های فعال آغاز کرده است.
محققان یک سیستم هوش مصنوعی ساخته اند که می تواند آنزیم های مصنوعی را از ابتدا تولید کند. در تست های آزمایشگاهی، برخی از این آنزیم‌ها کارایی قابل مقایسه با آنزیم‌های طبیعی را نشان دادند، حتی زمانی که توالی‌های آمینو اسیدی که به‌طور مصنوعی ایجاد شده‌اند تا حد زیادی از هر پروتئین طبیعی شناخته‌شده منحرف شدند.
این آزمایش نشان می‌دهد که پردازش زبان طبیعی، که در ابتدا برای خواندن و نوشتن متن زبان ایجاد شد، می‌تواند مفاهیم بنیادی خاصی از زیست‌شناسی را درک کند. برنامه هوش مصنوعی، معروف به ProGen، توسط Salesforce Research توسعه داده شده و از پیش‌بینی بعدی برای ساخت پروتئین‌های مصنوعی از توالی‌های اسید آمینه استفاده می‌کند.
صنعت:
5 متخصص 4 نکته را برای یافتن شغل در صنعت هوش مصنوعی به اشتراک گذاشته اند
1. ایجاد یک پایه قوی در ریاضیات و علوم کامپیوتر
2. توانایی خود را برای حل مشکلات دنیای واقعی به نمایش بگذارید
3. مهارت های ارائه قوی را توسعه دهید و ذهنیت همدلانه را در خود پرورش دهید
4. با حضور در رویدادها، شبکه ارتباطی خود را تقویت کنید
مقاله:
Composer: Creative and Controllable Image Synthesis with Composable Conditions
مدل‌های مولد در مقیاس بزرگ اخیر که بر روی داده‌های بزرگ آموخته شده‌اند، قادر به ترکیب تصاویر باورنکردنی هستند، اما از کنترل‌پذیری محدودی رنج می‌برند. این کار یک الگوی نسل جدید ارائه می دهد که امکان کنترل انعطاف پذیر تصویر خروجی، مانند طرح بندی فضایی و پالت را فراهم می کند، در حالی که کیفیت ترکیب و خلاقیت مدل را حفظ می کند. با ترکیب بندی به عنوان ایده اصلی، ابتدا یک تصویر را به فاکتورهای نماینده تجزیه می کنیم و سپس یک مدل انتشار را با همه این عوامل به عنوان شرایط برای ترکیب مجدد ورودی آموزش می دهیم. در مرحله استنتاج، نمایش‌های میانی غنی به‌عنوان عناصر ترکیب‌پذیر کار می‌کنند، که منجر به یک فضای طراحی بزرگ (یعنی متناسب با تعداد عوامل تجزیه‌شده) برای ایجاد محتوای قابل تنظیم می‌شود. قابل توجه است که این رویکرد، که آن را Composer می نامند، از سطوح مختلفی از شرایط پشتیبانی می کند، مانند توضیحات متن به عنوان اطلاعات کلی، نقشه عمق و طرح به عنوان راهنمای محلی، هیستوگرام رنگی برای جزئیات سطح پایین و غیره. علاوه بر بهبود قابلیت کنترل، تأیید می شود که Composer به عنوان یک چارچوب کلی عمل می کند و طیف گسترده ای از وظایف مولد کلاسیک را بدون آموزش مجدد تسهیل می کند.
کد و مدل در لینک زیر در دسترس است:
https://github.com/damo-vilab/composer
آموزش:
بخش بندی معنایی
بخش بندی معنایی (semantic segmentation) یک الگوریتم یادگیری عمیق است که یک برچسب یا کلاس را با هر پیکسل در یک تصویر مرتبط می کند. این الگوریتم برای تشخیص مجموعه ای از پیکسل هایی که بخش بندی های مجزا را تشکیل می دهند استفاده می شود. به عنوان مثال، یک وسیله نقلیه خودران نیاز به شناسایی وسایل نقلیه، عابران پیاده، علائم راهنمایی و رانندگی، پیاده رو و سایر ویژگی های جاده دارد.
بخش بندی معنایی در بسیاری از کاربردها مانند رانندگی خودکار، تصویربرداری پزشکی و بازرسی صنعتی استفاده می شود.
معرفی:
کتاب «ریاضیات برای یادگیری ماشین»
این کتاب پوشش بسیار خوبی از تمام مفاهیم اساسی ریاضی برای یادگیری ماشین ارائه می دهد. حوزه یادگیری ماشین در سال‌های اخیر با طیف گسترده‌ای از برنامه‌های کاربردی موفق رشد چشمگیری داشته است. این متن جامع مفاهیم کلیدی ریاضی را پوشش می‌دهد که زیربنای یادگیری ماشین مدرن را با تمرکز بر جبر خطی، حساب دیفرانسیل و انتگرال، و نظریه احتمال تشکیل می‌دهند. هم به عنوان یک آموزش برای تازه واردان به این حوزه و هم به عنوان یک متن مرجع برای محققان و مهندسان یادگیری ماشین ارزشمند خواهد بود.
کتاب توضیح زیبایی از ریاضیات زیربنای یادگیری ماشین مدرن ارائه می دهد و برای هر کسی که خواهان درک عمیق از مبانی یادگیری ماشین است، به شدت توصیه می شود.
کتاب از آدرس زیر قابل دریافت است:
https://mml-book.github.io
راههای ارتباطی با ما:
اینستاگرام:
princeofai@
وبسایت:
تلگرام:
https://t.me/princeofaii