◀️«معرفی دوره ی رایگان یادگیری ماشین استنفورد»
👌🏻انتخابی مناسب برای مبتدیانی است که تجربه برنامه نویسی پیشرفته ندارند.
👨🏻🎓مدرس این دوره اندرو ان جی استاد علوم کامپیوتر در دانشگاه استنفورد است.
☑️این دوره، معرفی گسترده ای برای یادگیری ماشین ، بانک اطلاعاتی و شناخت الگو های آماری ارائه می دهد. مباحث ارائه شده در این دوره
1️⃣یادگیری نظارت شده (الگوریتم های پارامتری / غیر پارامتری ، ماشین های بردار پشتیبانی ، کرنل ها ، شبکه های عصبی).
2️⃣ یادگیری بدون نظارت (خوشه بندی ، کاهش ابعاد ، سیستم های توصیه کننده ، یادگیری عمیق).
3️⃣بهترین روش ها در یادگیری ماشین (تئوری تعصب / واریانس ؛ فرایند نوآوری در یادگیری ماشین و هوش مصنوعی).
🔘تمرین های این دوره به زبان متلب می باشد.
🔘شما همچنین می آموزید که چگونه الگوریتم های یادگیری را برای ساخت رپبات های هوشمند (درک ، کنترل) ، درک متن (جستجوی وب ، ضد اسپم) ، بینایی رایانه ، انفورماتیک پزشکی ، صوتی ، استخراج بانک اطلاعاتی و حوزه های دیگر یاد بگیرید.
#معرفی_دوره_آموزشی
#یادگیری_ماشین
#machine_learning
#course
🆔@Data_science_hub
🌐 Course
👌🏻انتخابی مناسب برای مبتدیانی است که تجربه برنامه نویسی پیشرفته ندارند.
👨🏻🎓مدرس این دوره اندرو ان جی استاد علوم کامپیوتر در دانشگاه استنفورد است.
☑️این دوره، معرفی گسترده ای برای یادگیری ماشین ، بانک اطلاعاتی و شناخت الگو های آماری ارائه می دهد. مباحث ارائه شده در این دوره
1️⃣یادگیری نظارت شده (الگوریتم های پارامتری / غیر پارامتری ، ماشین های بردار پشتیبانی ، کرنل ها ، شبکه های عصبی).
2️⃣ یادگیری بدون نظارت (خوشه بندی ، کاهش ابعاد ، سیستم های توصیه کننده ، یادگیری عمیق).
3️⃣بهترین روش ها در یادگیری ماشین (تئوری تعصب / واریانس ؛ فرایند نوآوری در یادگیری ماشین و هوش مصنوعی).
🔘تمرین های این دوره به زبان متلب می باشد.
🔘شما همچنین می آموزید که چگونه الگوریتم های یادگیری را برای ساخت رپبات های هوشمند (درک ، کنترل) ، درک متن (جستجوی وب ، ضد اسپم) ، بینایی رایانه ، انفورماتیک پزشکی ، صوتی ، استخراج بانک اطلاعاتی و حوزه های دیگر یاد بگیرید.
#معرفی_دوره_آموزشی
#یادگیری_ماشین
#machine_learning
#course
🆔@Data_science_hub
🌐 Course
Coursera
Supervised Machine Learning: Regression and Classification
In the first course of the Machine Learning ... Enroll for free.
◀️«معرفی دوره یادگیری ماشین استاد سید ناصر رضوی»
👌🏻این دوره مشابه دوره یادگیری ماشین استنفورد می باشد و سرفصل های آنها نیز تقریبا مشترک هستند.
👨🏻🎓مدرس این دوره دکتر سید ناصر رضوی استادیار دانشکده برق و کامپیوتر در دانشگاه تبریز است.
https://www.snrazavi.ir
☑️این دوره، معرفی گسترده ای برای یادگیری ماشین ، بانک اطلاعاتی و شناخت الگو های آماری ارائه می دهد. مباحث ارائه شده در این دوره
1️⃣یادگیری نظارت شده (الگوریتم های پارامتری / غیر پارامتری ، ماشین های بردار پشتیبانی ، کرنل ها ، شبکه های عصبی).
2️⃣ یادگیری بدون نظارت (خوشه بندی ، کاهش ابعاد ، سیستم های توصیه کننده ، یادگیری عمیق).
3️⃣بهترین روش ها در یادگیری ماشین (تئوری تعصب / واریانس ؛ فرایند نوآوری در یادگیری ماشین و هوش مصنوعی).
🔘تمرین های این دوره به زبان پایتون می باشد.
🔘ویدیوهای این دوره مربوط به کلاس های یادگیری ماشین پاییز 97 در دانشگاه تبریز می باشد.
#معرفی_دوره_آموزشی
#یادگیری_ماشین
#machine_learning
#course
🆔@Data_science_hub
🌐Videos
👌🏻این دوره مشابه دوره یادگیری ماشین استنفورد می باشد و سرفصل های آنها نیز تقریبا مشترک هستند.
👨🏻🎓مدرس این دوره دکتر سید ناصر رضوی استادیار دانشکده برق و کامپیوتر در دانشگاه تبریز است.
https://www.snrazavi.ir
☑️این دوره، معرفی گسترده ای برای یادگیری ماشین ، بانک اطلاعاتی و شناخت الگو های آماری ارائه می دهد. مباحث ارائه شده در این دوره
1️⃣یادگیری نظارت شده (الگوریتم های پارامتری / غیر پارامتری ، ماشین های بردار پشتیبانی ، کرنل ها ، شبکه های عصبی).
2️⃣ یادگیری بدون نظارت (خوشه بندی ، کاهش ابعاد ، سیستم های توصیه کننده ، یادگیری عمیق).
3️⃣بهترین روش ها در یادگیری ماشین (تئوری تعصب / واریانس ؛ فرایند نوآوری در یادگیری ماشین و هوش مصنوعی).
🔘تمرین های این دوره به زبان پایتون می باشد.
🔘ویدیوهای این دوره مربوط به کلاس های یادگیری ماشین پاییز 97 در دانشگاه تبریز می باشد.
#معرفی_دوره_آموزشی
#یادگیری_ماشین
#machine_learning
#course
🆔@Data_science_hub
🌐Videos
وب سایت شخصی دکتر سید ناصر رضوی
یادگیری عمیق|یادگیری ژرف|شبکه عصبی|وب سایت شخصی دکتر سید ناصر رضوی
یادگیری عمیق،یادگیری ژرف،شبکه عصبی،وب سایت شخصی دکتر سید ناصر رضوی: آزمایشگاه هوش محاسباتی و یادگیری ماشین (همیاد) در سال ۱۳۹۱ در دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز تحت سرپرستی «دکتر سید ناصر رضوی» تأسیس و شروع به کار نمود.
Burkov,_Andriy_The_hundred_page.pdf
21.1 MB
The hundred page Machine Learning book, Andriy Burkov
📕 One of the best ML resources
✅ Year: 2019
#resource #machine_learning #burkov
🆔@Data_science_hub
📕 One of the best ML resources
✅ Year: 2019
#resource #machine_learning #burkov
🆔@Data_science_hub
Forwarded from Qorpi 💻
[email protected]
1.5 MB
📗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
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
🧠 FaceX-Zoo: A PyTorch Toolbox for Face Recognition
💻 Github: Link
📄 Paper:Link
#face_recognition #machine_learning #deep_learning #tools
🆔 @Data_Science_Hub
💻 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
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
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
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