180 پروژه دیتاساینس و یادگیری ماشین

🔗Link

#machine_learning
#Data_science

🆔 @Data_Science_Hub

اضافه شدن عملگر اجتماع "|" برای دیکشنری ها در پایتون 3.9.0

اطلاعات بیشتر در:
🔗PEP 584

🆔 @Data_Science_Hub

📗Think Stats: Probability and
Statistics for Programmers
📕کتاب امار و احتمال برای برنامه نویسان(کسانی که بدنبال یادگیری دیتا ساینس هستند حتما این کتاب را بخوانند|این کتاب با زبان پایتون توضیح داده شده)

#Probability
#Statistics
#Machine_learning
#Python

💻Qorpi Academy
AI&ML workgroup
Science workgroup
https://t.iss.one/qorpi

Datasets collected for network science, deep learning and general machine learning research

🔗Github: Link

🔗Paper: Link

#dataset

🆔 @Data_Science_Hub

🧠 FaceX-Zoo: A PyTorch Toolbox for Face Recognition

💻 Github: Link

📄 Paper:Link

#face_recognition #machine_learning #deep_learning #tools

🆔 @Data_Science_Hub

🚀 DALL-E Zero-Shot Text-to-Image Generation

پروژه DALL.E برای تولید عکس با استفاده از متن توسط OpenAI توسعه داده شده است. این مدل با استفاده از دیتاست متن-عکس train شده است.

📄 Paper: Link

💻 Github: Link

💡 OpenAI: Link

#NLP #machine_learning #deep_learning #tools

🆔 @Data_Science_Hub

سایت paperswithcode جهت دسترسی به مقالات علم داده به همراه دیتاست و کدهای پیاده شده برای علاقه‌مندان

https://paperswithcode.com/datasets

🔴 مطالب و سایت های مشابه در لیست زیر (حتما بررسی کنید):

➕ https://t.iss.one/mr_ie/2212

☯️ @Mr_IE | آقای صنایع 🚥

Python Data Analysis for Newbies: Numpy/pandas/matplotlib/scikit-learn/keras
Joshua K. Cage (2020)

📘 Python Data Analysis for Newbies: Numpy/pandas/matplotlib/scikit-learn/keras
Joshua K. Cage (2020)

#book #data_analysis #numpy #pandas #keras

🆔 @Data_Science_hub

🛠 CogDL: An Extensive Research Toolkit for Deep Learning on Graphs

https://keg.cs.tsinghua.edu.cn/cogdl/

💻 Github: Link

📄 Paper: Link

📈 Dataset: Link

#toolkit #deep_learning #GCN #graph
🆔 @Data_Science_Hub

🛠 EasyMocap is an open-source toolbox for markerless human motion capture from RGB videos

💻 Github: Link

📄 Paper: Link

#toolkit #computer_vision #deep_learning
🆔 @Data_Science_Hub

Grokking Deep Reinforcement Learning (2020)

#book #deep_learning #reinforcement_learning

🆔 @Data_science_hub

#book #deep_learning #reinforcement_learning

🆔 @Data_science_hub

Breast Cancer Wisconsin (Diagnostic) Data Set

Predict whether the cancer is benign or malignant

Here is link of dataset: Link

🔷 Number of instances: 569
🔷 Number of attributes: 32 (ID, diagnosis, 30 real-valued input features)
🔷 Ten real-valued features are computed for each cell nucleus:

a) radius (mean of distances from center to points on the perimeter)
b) texture (standard deviation of gray-scale values)
c) perimeter
d) area
e) smoothness (local variation in radius lengths)
f) compactness (perimeter^2 / area - 1.0)
g) concavity (severity of concave portions of the contour)
h) concave points (number of concave portions of the contour)
i) symmetry
j) fractal dimension ("coastline approximation" - 1)


#dataset

🆔 @Data_science_hub

🔝 Reinforcement Learning Lecture Series 2021

https://deepmind.com/learning-resources/reinforcement-learning-series-2021

Video: youtube.com/playlist?list=PLqYmG7hTraZDVH599EItlEWsUOsJbAodm

#reinforcement_learning
#course

🆔 @Data_science_hub

🛠 Vision Transformer for Small-Size Datasets 🛠

💻 Github: Link

📄 Paper: Link

📈 Dataset: Link

#deep_learning #image_processing #toolkit
🆔 @Data_science_hub

📌استارتاپ استودیو aimedic با همکاری مجموعه آوید برگزار میکنند:

"انقلاب صنعتی چهارم، هوش مصنوعی"🧠
وبینار هوش مصنوعی و تحول در سلامت🩺

🔹سر فصل مباحث:
- هوش مصنوعی چیست؟
- یادگیری ماشینی چیست؟
- داده‌های پزشکی
- هوش مصنوعی در سلامت
- کاربرد هوش مصنوعی در سلامت
- نقش و جایگاه پزشکان و متخصصین علوم پزشکی در این عرصه
- برقراری عدالت در صنعت سلامت
- نقش و مسئولیت AIMedic در این عرصه
- پردازش تصاویر پزشکی با کمک هوش مصنوعی

🔸تاریخ برگزاری:
۱۴۰۰/۱۰/۱۸ از ساعت ۱۷:۰۰ تا ۱۹:۰۰

🔹اساتید:
دکتر علیرضا وفایی صدر

فارغ‌التحصیل دکتری کیهان‌شناسی از دانشگاه شهید بهشتی و محقق فوق دکتری مرکز پژوهش‌های دانش‌های بنیادی

🔸شماره تماس برای کسب آگاهی بیشتر:
📞 09033544123

🔹برای ثبت نام و کسب اطلاعات بیشتر به لینک زیر مراجعه نمایید:
🌐https://www.aveedme.com/a/4876

🛠 Python library with Neural Networks for Image Segmentation based on Keras and TensorFlow.🛠

💻 Github: Link

📄 Paper: Link

✏️ Tasks: Link

#image_processing #image_segmentation #deep_learning

🆔 @Data_science_hub

𝐍𝐞𝐰 𝐃𝐞𝐞𝐩 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐂𝐨𝐮𝐫𝐬𝐞! 🚀📚🥳

The NYU Center for Data Science made their Deep Learning course public and shared all the class material (notebook, slides, video lectures). The class is taught by Yann LeCun, VP and Chief AI Scientist at Facebook, and Alfredo Canziani, Professor of Computer Science at New York University.

The course materials are available both in 𝐄𝐧𝐠𝐥𝐢𝐬𝐡 🇬🇧and 𝐅𝐫𝐞𝐧𝐜𝐡 🇫🇷.

The course covers the following topics:
𝐈𝐧𝐭𝐫𝐨𝐝𝐮𝐜𝐭𝐢𝐨𝐧
- history of deep learning models
- Gradient descent and the backpropagation algorithm
- Neural nets inference, architect, and training

𝐏𝐚𝐫𝐚𝐦𝐞𝐭𝐞𝐫𝐬 𝐬𝐡𝐚𝐫𝐢𝐧𝐠
- Recurrent and convolutional nets
- ConvNets in practice
- Recurrent neural networks and LSTM

𝐄𝐧𝐞𝐫𝐠𝐲 𝐛𝐚𝐬𝐞𝐝 𝐦𝐨𝐝𝐞𝐥𝐬, 𝐟𝐨𝐮𝐧𝐝𝐚𝐭𝐢𝐨𝐧𝐬
- Energy based models
- LV-EBMs models

𝐀𝐬𝐬𝐨𝐜𝐢𝐚𝐭𝐢𝐯𝐞 𝐦𝐞𝐦𝐨𝐫𝐢𝐞𝐬
- Energy based models
- Attention & transformer

𝐆𝐫𝐚𝐩𝐡𝐬
- Graph transformer nets
- Graph convolutional nets
- Control

𝐏𝐥𝐚𝐧𝐧𝐢𝐧𝐠 𝐚𝐧𝐝 𝐜𝐨𝐧𝐭𝐫𝐨𝐥
- The Truck Backer-Upper
- Prediction and Planning Under Uncertainty

𝐎𝐩𝐭𝐢𝐦𝐢𝐳𝐚𝐭𝐢𝐨𝐧
- Models Optimization

Course materials 📚:
𝐂𝐨𝐮𝐫𝐬𝐞 𝐧𝐨𝐭𝐞𝐛𝐨𝐨𝐤 [𝐄𝐧𝐠𝐥𝐢𝐬𝐡 𝐯𝐞𝐫𝐬𝐢𝐨𝐧]: https://lnkd.in/gpZi-adE
𝐂𝐨𝐮𝐫𝐬𝐞 𝐧𝐨𝐭𝐞𝐛𝐨𝐨𝐤 [𝐅𝐫𝐞𝐧𝐜𝐡 𝐯𝐞𝐫𝐬𝐢𝐨𝐧]: https://lnkd.in/gAzgrMWx
𝐂𝐨𝐮𝐫𝐬𝐞 𝐯𝐢𝐝𝐞𝐨𝐬 𝐥𝐞𝐜𝐭𝐮𝐫𝐞𝐬: https://lnkd.in/gGnRDiR5
𝐒𝐨𝐮𝐫𝐜𝐞 𝐜𝐨𝐝𝐞: https://lnkd.in/gwFyzqGV
𝐑𝐞𝐝𝐝𝐢𝐭 𝐟𝐨𝐫𝐦: https://lnkd.in/gnU-3528

#deep_learning #datascience #neuralnetworks #ai #python #machine_learning #course

🆔 @Data_science_hub

Data is everywhere in different formats but AI/ML is an implementation decision using data!

To understand the difference between Data and AI in-depth, here is a complete guide on ‘𝗪𝗵𝗮𝘁 𝗶𝘀 𝗗𝗮𝘁𝗮’ by Francesco Corea at Springer Nature Technology and Publishing Solutions!

#datascience #ai #book
🆔 @Data_science_hub