2018 Foundations of Machine Learning.pdf
5.9 MB
2018 Foundations of Machine Learning MIT
Mehryar Mohri - Afshin Rostamizadeh - Ameet Talwalkar
second edition
Massachusetts Institute of Technology
#ML #MachineLearning #Machine_Learning #MIT
کانال آموزش کامپیوتر
@Engineer_Computer
Mehryar Mohri - Afshin Rostamizadeh - Ameet Talwalkar
second edition
Massachusetts Institute of Technology
#ML #MachineLearning #Machine_Learning #MIT
کانال آموزش کامپیوتر
@Engineer_Computer
An important collection of the 15 best machine learning cheat sheets.
1- Supervised Learning
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/cheatsheet-supervised-learning.pdf
2- Unsupervised Learning
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/cheatsheet-unsupervised-learning.pdf
3- Deep Learning
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/cheatsheet-deep-learning.pdf
4- Machine Learning Tips and Tricks
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/cheatsheet-machine-learning-tips-and-tricks.pdf
5- Probabilities and Statistics
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/refresher-probabilities-statistics.pdf
6- Comprehensive Stanford Master Cheat Sheet
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/super-cheatsheet-machine-learning.pdf
7- Linear Algebra and Calculus
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/refresher-algebra-calculus.pdf
8- Data Science Cheat Sheet
https://s3.amazonaws.com/assets.datacamp.com/blog_assets/PythonForDataScience.pdf
9- Keras Cheat Sheet
https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Keras_Cheat_Sheet_Python.pdf
10- Deep Learning with Keras Cheat Sheet
https://github.com/rstudio/cheatsheets/raw/master/keras.pdf
11- Visual Guide to Neural Network Infrastructures
https://www.asimovinstitute.org/wp-content/uploads/2016/09/neuralnetworks.png
12- Skicit-Learn Python Cheat Sheet
https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Scikit_Learn_Cheat_Sheet_Python.pdf
13- Scikit-learn Cheat Sheet: Choosing the Right Estimator
https://scikit-learn.org/stable/tutorial/machine_learning_map/
14- Tensorflow Cheat Sheet
https://github.com/kailashahirwar/cheatsheets-ai/blob/master/PDFs/Tensorflow.pdf
15- Machine Learning Test Cheat Sheet
https://www.cheatography.com/lulu-0012/cheat-sheets/test-ml/pdf/
#Github #ML #MachineLearning #Machine_Learning
#CheatSheets #Cheat_Sheets #CheatSheet #Cheat_Sheet #Cheat #Sheet #Sheets
کانال آموزش کامپیوتر
@Engineer_Computer
1- Supervised Learning
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/cheatsheet-supervised-learning.pdf
2- Unsupervised Learning
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/cheatsheet-unsupervised-learning.pdf
3- Deep Learning
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/cheatsheet-deep-learning.pdf
4- Machine Learning Tips and Tricks
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/cheatsheet-machine-learning-tips-and-tricks.pdf
5- Probabilities and Statistics
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/refresher-probabilities-statistics.pdf
6- Comprehensive Stanford Master Cheat Sheet
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/super-cheatsheet-machine-learning.pdf
7- Linear Algebra and Calculus
https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/refresher-algebra-calculus.pdf
8- Data Science Cheat Sheet
https://s3.amazonaws.com/assets.datacamp.com/blog_assets/PythonForDataScience.pdf
9- Keras Cheat Sheet
https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Keras_Cheat_Sheet_Python.pdf
10- Deep Learning with Keras Cheat Sheet
https://github.com/rstudio/cheatsheets/raw/master/keras.pdf
11- Visual Guide to Neural Network Infrastructures
https://www.asimovinstitute.org/wp-content/uploads/2016/09/neuralnetworks.png
12- Skicit-Learn Python Cheat Sheet
https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Scikit_Learn_Cheat_Sheet_Python.pdf
13- Scikit-learn Cheat Sheet: Choosing the Right Estimator
https://scikit-learn.org/stable/tutorial/machine_learning_map/
14- Tensorflow Cheat Sheet
https://github.com/kailashahirwar/cheatsheets-ai/blob/master/PDFs/Tensorflow.pdf
15- Machine Learning Test Cheat Sheet
https://www.cheatography.com/lulu-0012/cheat-sheets/test-ml/pdf/
#Github #ML #MachineLearning #Machine_Learning
#CheatSheets #Cheat_Sheets #CheatSheet #Cheat_Sheet #Cheat #Sheet #Sheets
کانال آموزش کامپیوتر
@Engineer_Computer
GitHub
stanford-cs-229-machine-learning/en/cheatsheet-supervised-learning.pdf at master · afshinea/stanford-cs-229-machine-learning
VIP cheatsheets for Stanford's CS 229 Machine Learning - afshinea/stanford-cs-229-machine-learning
لیست درسهای مقدماتی و پیشرفته یادگیری ماشین که از یوتیوب به صورت کاملاً رایگان قابل دسترس هستند
- Andrew Ng CS229 ML: https://lnkd.in/gkDEyuCS
- MIT: Deep Learning for Art: https://lnkd.in/grusgt3Z
- Stanford CS230: Deep Learning: https://lnkd.in/ggXNEX7K
- Practical Deep Learning for Coders: https://lnkd.in/giHMNrHG, https://lnkd.in/gDtRtHmG
- Stanford CS224W: Machine Learning with Graphs: https://lnkd.in/grZC_j4N
- Probabilistic Machine Learning: https://lnkd.in/gjSpNDCD
- MIT 6.S191: Introduction to Deep Learning: https://lnkd.in/gWtSdkSH
- UC Berkeley CS 182: Deep Learning: https://lnkd.in/gzHS6m8G
- UC Berkeley Deep Unsupervised Learning: https://lnkd.in/gPdPbKku
- Yann Lecun's NYU Deep Learning SP21L: https://lnkd.in/gdyzmf8b
- Stanford CS25 - Transformers United: https://lnkd.in/gaZVn3wY
- Hugging Face NLP Course: https://lnkd.in/gigfE2Yj
- Stanford CS224N: Natural Language Processing with Deep Learning: https://lnkd.in/g4fg4_wX
- CMU Neural Nets for NLP: https://lnkd.in/gVpUwtXE
- Stanford CS224U: Natural Language Understanding: https://lnkd.in/gMeGkkzV
- CMU Advanced NLP: https://lnkd.in/gAtrsGqY
- CMU Multilingual NLP: https://lnkd.in/ghbcWftV
- Stanford CS231N: Convolutional Neural Networks for Visual Recognition: https://lnkd.in/g3DeCWEc
- Michigan Deep Learning for Computer Vision: https://lnkd.in/gbdgGgJQ
- AMMI Geometric Deep Learning Course: https://lnkd.in/gYH6Vuum
- UC Berkeley CS 285 Deep Reinforcement Learning: https://lnkd.in/gH-HYdqz
- Intro to Deep Learning and Generative Models: https://lnkd.in/gxuTtkSk
- Stanford CS330: Deep Multi-Task and Meta Learning: https://lnkd.in/gasntdBh
Source: https://lnkd.in/gys5Rk5k
#ML #YouTube #Courses #open_Education #openEducation
#Machine_Learning #MachineLearning
کانال آموزش کامپیوتر
@Engineer_Computer
- Andrew Ng CS229 ML: https://lnkd.in/gkDEyuCS
- MIT: Deep Learning for Art: https://lnkd.in/grusgt3Z
- Stanford CS230: Deep Learning: https://lnkd.in/ggXNEX7K
- Practical Deep Learning for Coders: https://lnkd.in/giHMNrHG, https://lnkd.in/gDtRtHmG
- Stanford CS224W: Machine Learning with Graphs: https://lnkd.in/grZC_j4N
- Probabilistic Machine Learning: https://lnkd.in/gjSpNDCD
- MIT 6.S191: Introduction to Deep Learning: https://lnkd.in/gWtSdkSH
- UC Berkeley CS 182: Deep Learning: https://lnkd.in/gzHS6m8G
- UC Berkeley Deep Unsupervised Learning: https://lnkd.in/gPdPbKku
- Yann Lecun's NYU Deep Learning SP21L: https://lnkd.in/gdyzmf8b
- Stanford CS25 - Transformers United: https://lnkd.in/gaZVn3wY
- Hugging Face NLP Course: https://lnkd.in/gigfE2Yj
- Stanford CS224N: Natural Language Processing with Deep Learning: https://lnkd.in/g4fg4_wX
- CMU Neural Nets for NLP: https://lnkd.in/gVpUwtXE
- Stanford CS224U: Natural Language Understanding: https://lnkd.in/gMeGkkzV
- CMU Advanced NLP: https://lnkd.in/gAtrsGqY
- CMU Multilingual NLP: https://lnkd.in/ghbcWftV
- Stanford CS231N: Convolutional Neural Networks for Visual Recognition: https://lnkd.in/g3DeCWEc
- Michigan Deep Learning for Computer Vision: https://lnkd.in/gbdgGgJQ
- AMMI Geometric Deep Learning Course: https://lnkd.in/gYH6Vuum
- UC Berkeley CS 285 Deep Reinforcement Learning: https://lnkd.in/gH-HYdqz
- Intro to Deep Learning and Generative Models: https://lnkd.in/gxuTtkSk
- Stanford CS330: Deep Multi-Task and Meta Learning: https://lnkd.in/gasntdBh
Source: https://lnkd.in/gys5Rk5k
#ML #YouTube #Courses #open_Education #openEducation
#Machine_Learning #MachineLearning
کانال آموزش کامپیوتر
@Engineer_Computer
lnkd.in
LinkedIn
This link will take you to a page that’s not on LinkedIn
2022 Lecture Notes for Machine Learning Theory.pdf
4.1 MB
2022 Lecture Notes for Machine Learning Theory CS229M/STATS214
Instructor: Tengyu Ma
June 26, 2022
https://www.researchgate.net/profile/Milad-Vazan/
miladvazan.ir
[email protected]
#Vazan #Milad_Vazan #MiladVazan
#Lecture #ML #Machine_Learning #MachineLearning #Notes
کانال آموزش کامپیوتر
@Engineer_Computer
Instructor: Tengyu Ma
June 26, 2022
https://www.researchgate.net/profile/Milad-Vazan/
miladvazan.ir
[email protected]
#Vazan #Milad_Vazan #MiladVazan
#Lecture #ML #Machine_Learning #MachineLearning #Notes
کانال آموزش کامپیوتر
@Engineer_Computer
2020 A Theory of Universal Learning.pdf
679.1 KB
2020 A Theory of Universal Learning
#Learning #UniversalLearning #Universal_Learning
#Theory #ML #Machine_Learning #MachineLearning
/66
کانال آموزش کامپیوتر
@Engineer_Computer
#Learning #UniversalLearning #Universal_Learning
#Theory #ML #Machine_Learning #MachineLearning
/66
کانال آموزش کامپیوتر
@Engineer_Computer
2008 Feature Engineering for Machine Learning.pdf
17.2 MB
2008 Feature Engineering for Machine Learning
Principles and Techniques for Data Scientists
Alice Zheng and Amanda Casari
Published by O’Reilly Media
#FeatureEngineering #MachineLearning #Feature_Engineering #Machine_Learning #ML #OReilly
کانال آموزش کامپیوتر
@Engineer_Computer
Principles and Techniques for Data Scientists
Alice Zheng and Amanda Casari
Published by O’Reilly Media
#FeatureEngineering #MachineLearning #Feature_Engineering #Machine_Learning #ML #OReilly
کانال آموزش کامپیوتر
@Engineer_Computer
❤1
2019 Genetic Algorithms and Machine Learning for Programmers.pdf
14.3 MB
2019 Genetic Algorithms and Machine Learning for Programmers Create AI Models and Evolve Solutions
Frances Buontempo
ISBN-13: 978-1-68050-620-4
If you’re a beginner to intermediate programmer keen to understand machine
learning, this book is for you. Inside its pages, you’ll create genetic algorithms,
nature-inspired swarms, Monte Carlo simulations, cellular automata, and
clusters. You’ll also learn how to test your code as you dive into even more
advanced topics.
#Genetic #GeneticAlgorithms #Genetic_Algorithms
#MachineLearning #ML #Machine_Learning
#Programmers #AI #Models #Solutions
کانال آموزش کامپیوتر
@Engineer_Computer
Frances Buontempo
ISBN-13: 978-1-68050-620-4
If you’re a beginner to intermediate programmer keen to understand machine
learning, this book is for you. Inside its pages, you’ll create genetic algorithms,
nature-inspired swarms, Monte Carlo simulations, cellular automata, and
clusters. You’ll also learn how to test your code as you dive into even more
advanced topics.
#Genetic #GeneticAlgorithms #Genetic_Algorithms
#MachineLearning #ML #Machine_Learning
#Programmers #AI #Models #Solutions
کانال آموزش کامپیوتر
@Engineer_Computer
❤1
🔅 کتابخانه ای برای آنالیز داده
کتابخانه قدرتمند dataprep امکان تحلیل و آنالیز داده ها را بر دیتاست، با کم ترین تعداد خط کد و بدون درگیر شدن با پیچیدگی های خاص فراهم می کند
این کتابخانه از سه بخش زیر تشکیل شده :
1- به کمک ماژول EDA می توان داده ها را بصری کرد
2- به کمک ماژول connector می توان به هر نوع پایگاه داده متصل شد
3- به کمک ماژول clean می توان کارهای پردازشی، پیش پردازشی، پاک سازی و ... روی داده ها را انجام داد
https://dataprep.ai/
#MachineLearning #ML #DataMining #DataSet #Data #DataAnalysis
#Machine_Learning #Data_Mining #Data_Set #Data_Analysis #AI #DataRep
کانال آموزش کامپیوتر
@Engineer_Computer
کتابخانه قدرتمند dataprep امکان تحلیل و آنالیز داده ها را بر دیتاست، با کم ترین تعداد خط کد و بدون درگیر شدن با پیچیدگی های خاص فراهم می کند
این کتابخانه از سه بخش زیر تشکیل شده :
1- به کمک ماژول EDA می توان داده ها را بصری کرد
2- به کمک ماژول connector می توان به هر نوع پایگاه داده متصل شد
3- به کمک ماژول clean می توان کارهای پردازشی، پیش پردازشی، پاک سازی و ... روی داده ها را انجام داد
https://dataprep.ai/
#MachineLearning #ML #DataMining #DataSet #Data #DataAnalysis
#Machine_Learning #Data_Mining #Data_Set #Data_Analysis #AI #DataRep
کانال آموزش کامپیوتر
@Engineer_Computer
🔅 وب سایت Machine Learning Mastery برای آموزش یادگیری ماشین و مفاهیم علوم داده بصورت دسته بندی شده
سطح مقدماتی، متوسط، پیشرفته، پردازش متن، بینایی ماشین و ...
Need Help Getting Started with Applied Machine Learning?
These are the Step-by-Step Guides that You’ve Been Looking For:
🌐 https://machinelearningmastery.com/start-here/
#ML #Machine_learning #MachineLearning #Mastery
#MachineLearningMastery #Machine_Learning_Mastery
#DataScience #Data_Science #DS #Applied
کانال آموزش کامپیوتر
@Engineer_Computer
سطح مقدماتی، متوسط، پیشرفته، پردازش متن، بینایی ماشین و ...
Need Help Getting Started with Applied Machine Learning?
These are the Step-by-Step Guides that You’ve Been Looking For:
🌐 https://machinelearningmastery.com/start-here/
#ML #Machine_learning #MachineLearning #Mastery
#MachineLearningMastery #Machine_Learning_Mastery
#DataScience #Data_Science #DS #Applied
کانال آموزش کامپیوتر
@Engineer_Computer
#Mission #Impossible #ML #Offensive
سری فیلم های ماموریت غیر ممکن که در ژانر ماجراجویی با رویکرد انجام ماموریت های اطلاعاتی را همگی میشناسید.
در سری جدید این فیلم یعنی نسخه Dead Reckoning داستان فیلم میپردازد به یک ماشین هوش مصنوعی که مجهز به استفاده از تکنیک های علوم سایبری است و بواسطه مسلط بودن بر این تکنیک ها امکان نفوذ به دستگاه های مختلف را پیدا میکند.
شاید برای ما از منظر فنی، این فیلم صرفا یک قسمت تخیلی است که موضوع ترکیب دو علوم هوش مصنوعی و امنیت سایبری را بسیار بزرگ نمایی کرده است، اما در طول چند دهه اخیر بارها ثابت شده که فناوری ها و موضوعاتی که در فیلم ها مطرح میشود، در آینده به عرصه زندگی ما پا باز کرده است.
از نگاه فنی آیا میشود ماشینی را طراحی کرد که به عنوان مثال، از ابتدایی ترین مراحل یک حمله مداوم پیشرفته را کاملا مبتنی بر هوش مصنوعی پیاده سازی کرد؟
با توجه به رشد زبان های برنامه نویسی در عرصه اتوماسیون سازی و گسترش کتابخانه های متعدد و همچنین به بلوغ رسیدن این کتابخانه ها، امکان ساخت این ماشین از منظر فنی قابل رد نیست.
SharpML
@Engineer_Computer
سری فیلم های ماموریت غیر ممکن که در ژانر ماجراجویی با رویکرد انجام ماموریت های اطلاعاتی را همگی میشناسید.
در سری جدید این فیلم یعنی نسخه Dead Reckoning داستان فیلم میپردازد به یک ماشین هوش مصنوعی که مجهز به استفاده از تکنیک های علوم سایبری است و بواسطه مسلط بودن بر این تکنیک ها امکان نفوذ به دستگاه های مختلف را پیدا میکند.
شاید برای ما از منظر فنی، این فیلم صرفا یک قسمت تخیلی است که موضوع ترکیب دو علوم هوش مصنوعی و امنیت سایبری را بسیار بزرگ نمایی کرده است، اما در طول چند دهه اخیر بارها ثابت شده که فناوری ها و موضوعاتی که در فیلم ها مطرح میشود، در آینده به عرصه زندگی ما پا باز کرده است.
از نگاه فنی آیا میشود ماشینی را طراحی کرد که به عنوان مثال، از ابتدایی ترین مراحل یک حمله مداوم پیشرفته را کاملا مبتنی بر هوش مصنوعی پیاده سازی کرد؟
با توجه به رشد زبان های برنامه نویسی در عرصه اتوماسیون سازی و گسترش کتابخانه های متعدد و همچنین به بلوغ رسیدن این کتابخانه ها، امکان ساخت این ماشین از منظر فنی قابل رد نیست.
SharpML
@Engineer_Computer
Breaking #reCAPTCHA v2 #ML #LLMs
اخیرا محققین دانشگاه ETH مقاله ای در خصوص نحوه دور زدن reCAPTCHA گوگل نسخه 2 را بواسطه یادگیری ماشین، ارائه دادن که بطور صد درصدی توانسته مکانیزم را دور بزند.
محققین از الگو های مختلف یادگیری ماشین استفاده کرده اند از جمله الگوریتم Generative Adversarial Networks که به معنی ایجاد شبکه های عصبی است و همچنین Convolutional Neural Networks که به معنی شبکه عصبی پیچشی است که بر روی Captcha مبتنی بر تصویر عملکرد مناسبی خواهد داشت.
اما نحوه برخورد با طیف تصاویر مورد استفاده reCAPTCHA این است که از مدل های زبان بزرگ یا LLMs را تشکیل داده و بر روی تصاویری که با عنوان Dataset تعریف شده را پردازش کرده و نهایتا واکنشی مبتنی بر Mouse Movement ارائه خواهد داد.
تست های تورینگ عمومی کاملاً خودکار برای تشخیص رایانهها و انسانها یک اقدام امنیتی حیاتی در اینترنت بوده و از وب سایتها در برابر رباتهای خودکار و فعالیتهای مخرب محافظت میکند.
https://github.com/aplesner/Breaking-reCAPTCHAv2
@Engineer_Computer
اخیرا محققین دانشگاه ETH مقاله ای در خصوص نحوه دور زدن reCAPTCHA گوگل نسخه 2 را بواسطه یادگیری ماشین، ارائه دادن که بطور صد درصدی توانسته مکانیزم را دور بزند.
محققین از الگو های مختلف یادگیری ماشین استفاده کرده اند از جمله الگوریتم Generative Adversarial Networks که به معنی ایجاد شبکه های عصبی است و همچنین Convolutional Neural Networks که به معنی شبکه عصبی پیچشی است که بر روی Captcha مبتنی بر تصویر عملکرد مناسبی خواهد داشت.
اما نحوه برخورد با طیف تصاویر مورد استفاده reCAPTCHA این است که از مدل های زبان بزرگ یا LLMs را تشکیل داده و بر روی تصاویری که با عنوان Dataset تعریف شده را پردازش کرده و نهایتا واکنشی مبتنی بر Mouse Movement ارائه خواهد داد.
تست های تورینگ عمومی کاملاً خودکار برای تشخیص رایانهها و انسانها یک اقدام امنیتی حیاتی در اینترنت بوده و از وب سایتها در برابر رباتهای خودکار و فعالیتهای مخرب محافظت میکند.
https://github.com/aplesner/Breaking-reCAPTCHAv2
@Engineer_Computer