Network Security Channel
2.54K subscribers
5.33K photos
3.42K videos
5.56K files
4.43K links
شروع از سال 1395
Security Operation Center (SOC)
Bug Bounty
Vulnerability
Pentest
Hardening
Linux
Reasearch
Security Network
Security Researcher
DevSecOps
Blue Team
Red Team
Download Telegram
This media is not supported in your browser
VIEW IN TELEGRAM
This small python app allows you to draw a dataset in a jupyter notebook. This should be very useful when teaching or learning machine learning algorithms.
این ابزار پایتونی کمک می کند تا با کشیدن روی صفحه ، دیتاست تستی مورد نظر خود را درست کنید

https://calmcode.io/labs/drawdata.html

#DataSet #Data #Data_Set #Tools #Tool #Draw
#Python #Jupyter #Notebook #Machine_Learning #Data_Science #MachineLearning #DataScience

@Recommender_Systems

کانال آموزش کامپیوتر
@Engineer_Computer
MaskedFace-Net -- A Dataset of Correctly/Incorrectly Masked Face Images in the Context of COVID-19

By: Adnane Cabani, Karim Hammoudi, Halim Benhabiles, and Mahmoud Melkemi

Link

#DataSet #MachineLearning #DeepLearning #ArtificialIntelligence #Covid19
#Data_Set #Machine_Learning #Deep_Learning #Artificial_Intelligence #Covid_19
@Recommender_Systems

کانال آموزش کامپیوتر
@Engineer_Computer
The 50 Best Free Datasets for Machine Learning

50 مجموعه داده رایگان برای یادگیری ماشین
https://lionbridge.ai/datasets/the-50-best-free-datasets-for-machine-learning/

#DataSet #Machine_Learning #free #Data_Set #Machine_Learning #free
@Recommender_Systems

کانال آموزش کامپیوتر
@Engineer_Computer
UCI Machine Learning and data mining repository.
دیتاست های مختلف برای کارهای یادگیری ماشین و داده کاوی
https://archive.ics.uci.edu/ml/index.php

#Machine_Learning #DataSet #UCI #Data_Mining #MachineLearning #Data_Set #DataMining
@Recommender_Systems

کانال آموزش کامپیوتر
@Engineer_Computer
کاربردهای برتر یادگیری ماشین
۱. شناسایی تصویر
شناسایی تصویر یکی از مهم ترین کاربردهای یادگیری ماشین است. اساسا این یک رویکرد برای شناسایی و کشف یک ویژگی یا یک شی در تصویر دیجیتال است.
۲. تحلیل احساسات
این کاربرد همچنین به عقیده کاوی و کلاسه بندی احساسات و غیره شهرت دارد. این یک فرایند تعیین نگرش یا عقیده گوینده یا نویسنده است. به عبارت دیگر این فرایند یافتن احساسات فرد از متن است.
۳. کلاسه بندی ( طبقه بندی )
کلاسه بندی یا همان دسته بندی فرایند طبقه بندی موضوعات یا موارد به مجموعه ای از کلاس های از پیش تعریف شده است. استفاده از رویکرد یادگیری ماشین سیستم طبقه بندی را پویا تر می کند. هدف از یادگیری ماشین ایجاد یک مدل مختصر است. این دیدگاه به افزایش بهره وری در سیستم کلاسه بندی کمک می کند.
۴. نظارت تصویری
یک فایل ویدیویی کوتاه اطلاعات بیشتری را در مقایسه با یک فایل متنی یا هررسانه ی دیگری مانند صوت و تصویر دربردارد. به همین دلیل استخراج اطلاعات مفید از ویدیو، مانند سیستم اتوماتیک نظارت تصویری به یکی از موضوعات تحقیقاتی پرطرفدار تبدیل شده است. از این جهت، نظارت تصویری یکی از پیشرفته ترین کاربردهای رویکرد یادگیری ماشین است.
۵. تشخیص گفتار
تشخیص گفتار عبارت است از فرایند تبدیل کلمات گفتاری به متن. همچنین به آن تشخیص خودکار گفتار، تشخیص گفتار کامپیوتری و یا گفتار به متن هم گفته می شود. این شاخه از پیشرفت رویکرد یادگیری ماشین و داده های عظیم بهره می گیرد.
۶. خدمات رسانه های اجتماعی
رسانه های اجتماعی از یادگیری ماشین برای ایجاد ویژگی های جذاب و فوق العاده استفاده می کنند؛ مانند افرادی که ممکن است شما بشناسید مانند افرادی که به شما پیشنهاد می شود و گزینه های تعامل برای کاربران. این ویژگی ها تنها نتیجه استفاده از تکنیک یادگیری ماشین است.
۷. خدمات پزشکی
روش های یادگیری ماشین ابزارهایی متعدی هستند که در زمینه مشکلات پزشکی مورد استفاده قرار می گیرند. برای مثال تشخیص بیماری، برنامه ریزی درمانی تحقیقات در زمینه پزشکی و پیش بینی وضعیت بیماری. با استفاده از نرم افزار مبتنی بر یادگیری ماشین در موضوع مراقبت های بهداشتی، پیشرفت بزرگی را می توان در حوزه علوم پزشکی به ارمغان اورد.
۸. بازیابی اطلاعات
بازیابی اطلاعات یکی از مهم ترین رویکردهای یادگیری ماشین است که فرایند استخراج دانش یا داده های ساختاری از داده های ساختار نیافته است. علی الخصوص اکنون که دسترسی به اطلاعات از طریق وبلاگ ها و وبسایت ها و رسانه های اجتماعی افزایش یافته است.
سیستم های پیشنهاد دهنده یکی از کاربردهای این علم هستند
۹. دستیار شخصی مجازی
دستیار شخصی مجازی یک کاربرد پیشرفته از سری کاربردهای تکنیک یادگیری ماشین است و در فناوری یادگیری ماشین عملکرد آن به صورت زیر است : سیستمی که منطبق بر تکنیک یادگیری ماشین است ورودی هایی را بکار می گیرد و آن ها را پردازش می کند و به خروجی منجر می شود. رویکرد یادگیری ماشین از آن جهت که بر مبنای تجربه است بسیار مهم است.
#Machine_Learning #MachineLearning

کانال آموزش کامپیوتر
@Engineer_Computer
deepـlearning.pdf
5.6 MB
کتاب یادگیری عمیق
از اصول اولیه تا ساخت شبکه های عصبی عمیق با پایتون
Deep Learning
From Basics to Building Deep Neural Networks with Python
چاپ اول 1401
نسخه الکترونیکی کتاب رایگان است

https://www.researchgate.net/profile/Milad-Vazan/
miladvazan.ir
[email protected]

#Machine_Learning #MachineLearning #Deep_Learning #DeepLearning
#Neural_Networks #NeuralNetworks #Deep_Neural_Networks
#Free #eBook #Vazan #Python #Deep #DNN

کانال آموزش کامپیوتر
@Engineer_Computer
A nice decision tree to help choose the tools to deliver the specific data science/AI-related task.
The tools are focused on MS products, the image is produced by the Microsoft technology center, author Ivan Kosyakov

#ML #MachineLearning #Machine_Learning #AI #Tools
کانال آموزش کامپیوتر
@Engineer_Computer
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
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
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
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
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
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
🔅 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
#Machine_Learning #Red_Team
با توجه به تقویت یافتن زیرساخت های یادگیری ماشین، امروزه انجمن هایی ظهور پیدا کرده اند تا خوراک های اصلی الگوریتم های یادگیری ماشین را توسعه داده و به اشتراک بگذارند.

یکی از این انجمن ها، انجمن Hugging Face مانند GitHub است تا توسعه دهندگان مدل و مجموعه داده (Models - Datasets) را به اشتراک بگذارند.

مثالی در خصوص مسیر فرایند آموزش و آنالیز و تصدیق تشخیص بدافزار مبتنی بر ML Pipeline، که در تصویر مشاهده میکنید که در نهایت بصورت یک کتابخانه پایتونی، کد منبع باز منتشر میشود.

اما همین بستر، میتواند موجب شود تا مهاجمین تیم قرمز با تزریق مدل های مخرب بدافزاری در پروژه های شرکت های معتبر، باعث شوند تا در فرایند Tensorflow کد وارد بخش حساس شرکت شده و به اجرا در بیاورد.

برای مثال در TensorFlow لایه Kenras Lambda، امکان اجای عبارات دلخواه ارائه میدهد که عملگر های داخلی معادل نداشته باشند. معمولا میتوان از آن برای نوشتن عبارات ریاضی استفاده کرد، اما هیچ چیز مانع از انجام هرکاری مانند فراخوانی تابع ()exec داخلی پایتون نمیشود.

https://arxiv.org/pdf/2107.08590.pdf
@Engineer_Computer
#Ransomware #Detection Using #Machine_Learning
در مقاله ای از MDPI به موضوع نحوه تشخیص باج افزار مبتنی بر روش های تشخیص رفتار تهدید آمیز، مبتنی هوش مصنوعی پرداخته است.

در روش های قدیمی مرسوم، عموما مکانیزم های EPP اقدام به تشخیص مبتنی بر امضا، تشخیص مبتنی بر ترسیم رفتار مخرب یا Behavioral-Patterns و روش های Heuristic-Based Scanning پرداخته شده است.

حالا موضوعی به آن مبتنی بر هوش مصنوعی توجه شده است، بحث یاد گیری ماشین و ایجاد Dataset های بزرگ برای الگوریتم های یادگیری ماشین است.

با توجه به اینکه منابع Dataset در اینجا نقش خوراک الگوریتم را میبایست بازی کند، وجود Dataset های با کیفیت و جامع بسیار در امر یادگیری ماشین، کمک خواهد کرد.

این Dataset ها میبایست مدل های تشخیص آموزش دیده ای را به ماشین بدهند تا ماشین با تحلیل رفتار پردازش ها بتواند بهترین و دقیقا Pattern ای تشخیصی رو پایش کند.

که در این صورت ماشین میتواند هر بار بسیار سریع تر متوجه یک رفتار غیر طبیعی از یک برنامه توجیه یا Legitimate را تشخیص داده و واکنش مطلوب را سریعا نشان دهد.

https://www.mdpi.com/2504-2289/7/3/143

@Engineer_Computer
👍1