Forwarded from Farzad
مهمترین مطالبی که پژوهشگران، دانشجویان و دانش آموزان برای آشنایی و شروع فعالیت در زمینه الگوریتمهای هوش مصنوعی بایستی فرابگیرند. با عضویت در کانال @ai_python جدیدترین و موضوعات روز را پیگیری کنید. با تشکر از همراهی سبزتان.
🔰 آموزش الگوریتمهای یادگیری ماشین
🔰 کورس رایگان در حوزه دیتاساینس و یادگیری ماشین و پردازش زبان طبیعی و یادگیر عمیق
🔰 یادگیری ماشین و NLP و پایتون
🔰 اسلاید سخنرانی ها در مورد یادگیری عمیق
🔰 شبکه های عصبی جفری هیتون
❎ کلاس یادگیری ماشین دانشگاه کلمبیا
❎ آموزش الگوریتمها NLP
❎ آموزش پایتون دکتر Chuck
❎ طریقه استفاده از الگوریتمهای ML
♻️ کلاس آموزشی RL
♻️ فیلم ML شرکت فیسبوک
♻️ فیلم های دکتر رضوی
♻️ آموزش عملی ANN در پایتون
♻️ چگونگی ساخت RNN در پایتون
🏧 نقشه راه ML
🏧 منابعی جامع از ML
🏧 16 منبع آموزشی الگوریتمهای AI
🏧 یادگیری تقویتی عمیق :تعاریف و تاریخچه
♨️ یادگیری ماشین برای مبتدیان
♨️ پاکسازی دیتاها در ML
♨️ ملزومات فراگیری برای الگوریتمهای یادگیری ماشین مزایا و کاراییها
♨️ فیلم کنفرانسهای مطرح هشتگ کنفرانس و مقاله سرچ کنید
♨️ آموزشی پیشرفته ای NLP در ژوپیتر
📣 یادگیری غیرنظارتی برای همه
📣 الگوریتمهای یادگیری ماشین :برآوردگرها ,تابع زیان
📣 یادگیری کورسهای fastai
📣 ریاضیات یادگیری عمیق شبکه های عصبی به زبان ساده
📣 آموزش CNN به زبان ساده
🔸 آموزش مقدماتی یادگیری ماشین برای همه سنین
🔸 آموزش ML بدون پیش زمینه ریاضیاتی
🔸 10 کتاب برای یادگیری ML هشتگ کتاب سرچ کنید
🔸 چگونه به وسیله الگوریتمهای یادگیری عمیق مسایل را حل کنیم ؟
🔸 خلاصه الگوریتمهای ML
🔸آموزشهای جامع از AI
✔️ آموزش درک زبان طبیعی دانشگاه استنفورد ۲۰۱۹
✔️ آموزش DataScience و آموزش
✔️ آموزش مقدماتی مدلهای GAN در پایتون
🔰 آموزش الگوریتمهای یادگیری ماشین
🔰 کورس رایگان در حوزه دیتاساینس و یادگیری ماشین و پردازش زبان طبیعی و یادگیر عمیق
🔰 یادگیری ماشین و NLP و پایتون
🔰 اسلاید سخنرانی ها در مورد یادگیری عمیق
🔰 شبکه های عصبی جفری هیتون
❎ کلاس یادگیری ماشین دانشگاه کلمبیا
❎ آموزش الگوریتمها NLP
❎ آموزش پایتون دکتر Chuck
❎ طریقه استفاده از الگوریتمهای ML
♻️ کلاس آموزشی RL
♻️ فیلم ML شرکت فیسبوک
♻️ فیلم های دکتر رضوی
♻️ آموزش عملی ANN در پایتون
♻️ چگونگی ساخت RNN در پایتون
🏧 نقشه راه ML
🏧 منابعی جامع از ML
🏧 16 منبع آموزشی الگوریتمهای AI
🏧 یادگیری تقویتی عمیق :تعاریف و تاریخچه
♨️ یادگیری ماشین برای مبتدیان
♨️ پاکسازی دیتاها در ML
♨️ ملزومات فراگیری برای الگوریتمهای یادگیری ماشین مزایا و کاراییها
♨️ فیلم کنفرانسهای مطرح هشتگ کنفرانس و مقاله سرچ کنید
♨️ آموزشی پیشرفته ای NLP در ژوپیتر
📣 یادگیری غیرنظارتی برای همه
📣 الگوریتمهای یادگیری ماشین :برآوردگرها ,تابع زیان
📣 یادگیری کورسهای fastai
📣 ریاضیات یادگیری عمیق شبکه های عصبی به زبان ساده
📣 آموزش CNN به زبان ساده
🔸 آموزش مقدماتی یادگیری ماشین برای همه سنین
🔸 آموزش ML بدون پیش زمینه ریاضیاتی
🔸 10 کتاب برای یادگیری ML هشتگ کتاب سرچ کنید
🔸 چگونه به وسیله الگوریتمهای یادگیری عمیق مسایل را حل کنیم ؟
🔸 خلاصه الگوریتمهای ML
🔸آموزشهای جامع از AI
✔️ آموزش درک زبان طبیعی دانشگاه استنفورد ۲۰۱۹
✔️ آموزش DataScience و آموزش
✔️ آموزش مقدماتی مدلهای GAN در پایتون
Forwarded from Ai Events️ (حمید محمودآبادی)
کارگاه برنامه نویسی جولیا
Time: 9:00pm-12pm (Tehran Time GMT+3:30)
Date: Thursday, 23 Azar 1400 (14 Dec 2021)
e-Location: vc.sharif.edu/ch/econ-talks (guess login)
@Ai_Events
Time: 9:00pm-12pm (Tehran Time GMT+3:30)
Date: Thursday, 23 Azar 1400 (14 Dec 2021)
e-Location: vc.sharif.edu/ch/econ-talks (guess login)
@Ai_Events
😱1
Forwarded from گیــــومه
خب یه ترفند جدید بگم بهتون و برم ناهار:
Change the "X" in any arXiv article link to the "5" in ar5iv to get a modern HTML5 document.
like this: https://ar5iv.org/abs/2112.07538
Thread: what is included, why now, and how we hope to merge back into arXiv.
Change the "X" in any arXiv article link to the "5" in ar5iv to get a modern HTML5 document.
like this: https://ar5iv.org/abs/2112.07538
Thread: what is included, why now, and how we hope to merge back into arXiv.
ar5iv
Herd Immunity and Epidemic Size in Networks with Vaccination Homophily
We study how the herd immunity threshold and the expected epidemic size depend on homophily with respect to vaccine adoption. We find that the presence of homophily considerably increases the critical vaccine coverage …
😱1
یه سایت خوب برای توضیح مفاهیم دیپ لرنینگ
از خوبیاش اینه که سعی کرده که تا حد خوبی تئوری کار رو با شکلای خوبی که گذاشته توضیح بده و از طرف دیگه پیاده سازی های مربوط به هر تاپیک رو هم با سه تا فریمورک mxnet/numpy, pytorch, tensorflow داره (البته به نظر هنوز یه سری قسمتاش هست که پیاده سازی تنسورفلو نداره)
https://d2l.ai/index.html
از خوبیاش اینه که سعی کرده که تا حد خوبی تئوری کار رو با شکلای خوبی که گذاشته توضیح بده و از طرف دیگه پیاده سازی های مربوط به هر تاپیک رو هم با سه تا فریمورک mxnet/numpy, pytorch, tensorflow داره (البته به نظر هنوز یه سری قسمتاش هست که پیاده سازی تنسورفلو نداره)
https://d2l.ai/index.html
🔥6
Forwarded from انجمن هوش مصنوعی دانشگاه اصفهان
گفت و گو پیرامون مسیر یادگیری بینایی کامپیوتر(computer vision)
🔹ارائه دهنده:
مسلم شکرالهی
دانشجو دکترا هوش مصنوعی دانشگاه کویینز کانادا
🔹️سرفصل:
▪️معرفی بینایی کامپیوتر و کاربردهای آن و تفاوت‌های آن با بینایی ماشین
◾موضوعات مطرح بینایی کامپیوتر در حوزه پژوهش و صنعت
▪️پیشنیازها و نحوه مطالعه بینایی کامپیوتر
🔹️زمان :
سه‌شنبه ۳ اسفند ساعت ۱۸-۲۰
برای حضور، به صورت مهمان ۱۵ دقیقه قبل از شروع رویداد وارد لینک زیر شوید:
https://meeting.ui.ac.ir/ch/artificial
انجمن هوش مصنوعی دانشگاه اصفهان
@uiai_community
🔹ارائه دهنده:
مسلم شکرالهی
دانشجو دکترا هوش مصنوعی دانشگاه کویینز کانادا
🔹️سرفصل:
▪️معرفی بینایی کامپیوتر و کاربردهای آن و تفاوت‌های آن با بینایی ماشین
◾موضوعات مطرح بینایی کامپیوتر در حوزه پژوهش و صنعت
▪️پیشنیازها و نحوه مطالعه بینایی کامپیوتر
🔹️زمان :
سه‌شنبه ۳ اسفند ساعت ۱۸-۲۰
برای حضور، به صورت مهمان ۱۵ دقیقه قبل از شروع رویداد وارد لینک زیر شوید:
https://meeting.ui.ac.ir/ch/artificial
انجمن هوش مصنوعی دانشگاه اصفهان
@uiai_community
👍3
https://www.datacamp.com/promo/coming-soon-twosday
سایت DataCamp تا 20 ساعت دیگه تخفیف %95 برای یک ماه اکانت Premium داده. (میشه 2.22$)
سایت DataCamp تا 20 ساعت دیگه تخفیف %95 برای یک ماه اکانت Premium داده. (میشه 2.22$)
Datacamp
Twosday Campaign - DataCamp
Your first month of our Learn Premium plan for just $2.22 on 2/22
🤩1
Forwarded from دستاوردهای یادگیری عمیق(InTec)
#Roadmap 2022
این رو برای یک دوستی که تازه داره سعی می‌کنه وارد، ماشین‌لرنینگ بشه نوشتم ؛
اول اینکه توجه کنید,
۱- ایشون تازه برای کارشناسی بورسیه گرفته و قراره شروع کنه درسش رو
۲- پایتون رو در سطح متوسطی بلد هست و چندسالی هست که کد میزنه (Data structure, Algorithm رو متوجه هست)
۳- علاقه شدیدی به هوش مصنوعی داره و برخلاف خیلی‌ها که می‌خوان سریعتر کد بزنن ترجیح میده وقت بیشتری توی مقدمات بذاره تا حرفه‌ای تر جلو بره
RoadMap :
1- Numpy (and scipy):
. Python Numpy Beginners (AI publishing)
. Scientific Computing with Python .... 2nd edition (Claus Fuhrer - packt pub)
* High performance python ... 2nd edition (O'Reilly)
2- Pandas:
Effective Pandas (Matt Harrison)
Pandas in Action (Manning Pub)
Pandas 1.x cookbook ... 2nd edition (Packt pub)
3- Matplotlib (or other visualization libs)
Hands on matplotlib (Ashwin - Apress pub)
Data visualization with python for beginners ... ( AI publishing)
چیزی که خیلی مهمه اینه کار با OOP، api رو توی این کتابخونه یاد بگیرید.
3- Data Engineering
نه کامل اما بعضی مباحث واقعاً لازم هست :
Sql / NoSql / PySpark
اینها مباحثی هست که خیلی بدرد میخوره معمولاً
4- Scikit-learn :
Hands on machine learning with scikit-learn, ... (O'Reilly) - Part 1 only
Machine learning with pytorch and scikit-learn (Packt pub) - Part 1 only
5- Story telling
کتابهای زیادی برای این مورد وجود داره که بسته به علاقه و نوع نوشتاری که می‌پسندید می‌تونید انتخاب کنید
اما این بخش رو اصلا دستکم نگیرید (۹۹.۹٪ آموزش‌ها این موضوع رو منتقل نمی‌کنند و ۱۰۰٪ توی کار این موضوع واجب و حیاتی هست)
6-
آمار و احتمالات / ریاضیات / جبر
بستگی به خودتون داره؛ اگر فکر می‌کنید لازم هست کمی ریاضیات پایه رو مرور کنید
آمار و احتمال رو شاید بهتره حتی قبل از scikit-learn مرور کنید
کتابهای با عنوان statistical learning وجود داره برای پایتون که به سلیقه خودتون می‌تونید بخونید.
7- Deep learning (practical)
۲ تا کتابی که برای Machine learning معرفی کردم بخش دوم هر ۲ کتاب رو می‌تونید اینجا شروع کنید
Deep learning with python 2nd edition (Manning pub)
هم حتماً برای اونایی که Tensorflow هم می‌خوان کار کنند باید خونده بشه
اگر قرار هست کارهای deploy , ... هم انجام بدید اون خودش ی roadmap اساسی میخواد اما بطور ساده :
ML engineering / MLOps / Linux / Docker / Api development (FastApi) / Edge deployment (Tiny ML)
حداقل چیزهایی هست که لازم دارید.
بعد با توجه به بیزینس و علاقه به بخش‌های مختلفش شاخ و برگ میدید.
پ.ن : برای بخش‌های مختلف چندکتاب معرفی شد، چون نوع نوشتار بعضی از کتابها ممکن مورد پسند شما نباشه
لازم نیست همه‌ی چند مورد رو بخونید.
کتاب :
High performance python
جزو واجبات هست که بنظرم همه باید بخونند.
این رو برای یک دوستی که تازه داره سعی می‌کنه وارد، ماشین‌لرنینگ بشه نوشتم ؛
اول اینکه توجه کنید,
۱- ایشون تازه برای کارشناسی بورسیه گرفته و قراره شروع کنه درسش رو
۲- پایتون رو در سطح متوسطی بلد هست و چندسالی هست که کد میزنه (Data structure, Algorithm رو متوجه هست)
۳- علاقه شدیدی به هوش مصنوعی داره و برخلاف خیلی‌ها که می‌خوان سریعتر کد بزنن ترجیح میده وقت بیشتری توی مقدمات بذاره تا حرفه‌ای تر جلو بره
RoadMap :
1- Numpy (and scipy):
. Python Numpy Beginners (AI publishing)
. Scientific Computing with Python .... 2nd edition (Claus Fuhrer - packt pub)
* High performance python ... 2nd edition (O'Reilly)
2- Pandas:
Effective Pandas (Matt Harrison)
Pandas in Action (Manning Pub)
Pandas 1.x cookbook ... 2nd edition (Packt pub)
3- Matplotlib (or other visualization libs)
Hands on matplotlib (Ashwin - Apress pub)
Data visualization with python for beginners ... ( AI publishing)
چیزی که خیلی مهمه اینه کار با OOP، api رو توی این کتابخونه یاد بگیرید.
3- Data Engineering
نه کامل اما بعضی مباحث واقعاً لازم هست :
Sql / NoSql / PySpark
اینها مباحثی هست که خیلی بدرد میخوره معمولاً
4- Scikit-learn :
Hands on machine learning with scikit-learn, ... (O'Reilly) - Part 1 only
Machine learning with pytorch and scikit-learn (Packt pub) - Part 1 only
5- Story telling
کتابهای زیادی برای این مورد وجود داره که بسته به علاقه و نوع نوشتاری که می‌پسندید می‌تونید انتخاب کنید
اما این بخش رو اصلا دستکم نگیرید (۹۹.۹٪ آموزش‌ها این موضوع رو منتقل نمی‌کنند و ۱۰۰٪ توی کار این موضوع واجب و حیاتی هست)
6-
آمار و احتمالات / ریاضیات / جبر
بستگی به خودتون داره؛ اگر فکر می‌کنید لازم هست کمی ریاضیات پایه رو مرور کنید
آمار و احتمال رو شاید بهتره حتی قبل از scikit-learn مرور کنید
کتابهای با عنوان statistical learning وجود داره برای پایتون که به سلیقه خودتون می‌تونید بخونید.
7- Deep learning (practical)
۲ تا کتابی که برای Machine learning معرفی کردم بخش دوم هر ۲ کتاب رو می‌تونید اینجا شروع کنید
Deep learning with python 2nd edition (Manning pub)
هم حتماً برای اونایی که Tensorflow هم می‌خوان کار کنند باید خونده بشه
اگر قرار هست کارهای deploy , ... هم انجام بدید اون خودش ی roadmap اساسی میخواد اما بطور ساده :
ML engineering / MLOps / Linux / Docker / Api development (FastApi) / Edge deployment (Tiny ML)
حداقل چیزهایی هست که لازم دارید.
بعد با توجه به بیزینس و علاقه به بخش‌های مختلفش شاخ و برگ میدید.
پ.ن : برای بخش‌های مختلف چندکتاب معرفی شد، چون نوع نوشتار بعضی از کتابها ممکن مورد پسند شما نباشه
لازم نیست همه‌ی چند مورد رو بخونید.
کتاب :
High performance python
جزو واجبات هست که بنظرم همه باید بخونند.
🤩1
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
#کورس #منبع
📺 ML YouTube Courses
اینج اغلب کورس های رایگان یادگیری عمیق و یادگیری ماشین که تو یوتیوب قرار داده شده لیست شده...
https://github.com/dair-ai/ML-YouTube-Courses
📺 ML YouTube Courses
اینج اغلب کورس های رایگان یادگیری عمیق و یادگیری ماشین که تو یوتیوب قرار داده شده لیست شده...
https://github.com/dair-ai/ML-YouTube-Courses
😱1
یه بلاگ دارای محتویات nlp دار و بیگ دیتا
پایینم صرفا قسمت معرفی بلاگرشه
About | Sijun He
Looks like somebody has stumbled upon my blog!
My name is Sijun He. I am currently a machine learning engineer at Twitter Cortex focusing on Deep Learning and NLP for content understanding. Before that, I was a data scientist at Autodesk, where I did analytics & data mining on products(i.e. AutoCAD, Revit, Maya, etc.) that help engineers design towering skyscrapers and filemakers craft Oscar-winning visual effects.
The blog documents my journey of learning data science from scratch. It will mostly be reading notes and personal projects I have done for work, school or fun. The blog is a journal for myself. Whenever I am upset about not making enough progress (happens ALL THE TIME), I read my blog and remind myself of how far I have gone. If you like the blog, I encourage you to have one for yourself.
https://sijunhe.github.io/
پایینم صرفا قسمت معرفی بلاگرشه
About | Sijun He
Looks like somebody has stumbled upon my blog!
My name is Sijun He. I am currently a machine learning engineer at Twitter Cortex focusing on Deep Learning and NLP for content understanding. Before that, I was a data scientist at Autodesk, where I did analytics & data mining on products(i.e. AutoCAD, Revit, Maya, etc.) that help engineers design towering skyscrapers and filemakers craft Oscar-winning visual effects.
The blog documents my journey of learning data science from scratch. It will mostly be reading notes and personal projects I have done for work, school or fun. The blog is a journal for myself. Whenever I am upset about not making enough progress (happens ALL THE TIME), I read my blog and remind myself of how far I have gone. If you like the blog, I encourage you to have one for yourself.
https://sijunhe.github.io/
🤯2
Forwarded from Ai Events️ (حمید محمودآبادی)
از خیره شدن به مانیتورتون برای پایان آموزش مدل خسته شدید؟
𝗺𝗹𝗻𝗼𝘁𝗶𝗳𝘆 یه پکیج خیلی ساده منبع باز پایتونه که با یه خط ساده کد زدن، بهتون یه QR میده، شما اسکنش می‌کنید و منتظر می‌مونید تا اتفاقاتی که در طول آموزش مدل می‌افته رو از طریق نوتیفیکیشن گوشی‌تون دریافت کنید!!!
اول: import mlnotify
دوم: کد آموزش مدل رو مثل همیشه بنویسید و اجرا کنید
سوم: کد QR تولید شده توسط پکیج mlnotify رو اسکن کنید.
حالا از آب و هوای خوب لذت ببرید و اجازه بدید تلفن هوشمندتون بهتون بگه چه زمانی تمرین تموم شده
شما هم چک کنید:
https://github.com/aporia-ai/mlnotify
@Ai_Events
𝗺𝗹𝗻𝗼𝘁𝗶𝗳𝘆 یه پکیج خیلی ساده منبع باز پایتونه که با یه خط ساده کد زدن، بهتون یه QR میده، شما اسکنش می‌کنید و منتظر می‌مونید تا اتفاقاتی که در طول آموزش مدل می‌افته رو از طریق نوتیفیکیشن گوشی‌تون دریافت کنید!!!
اول: import mlnotify
دوم: کد آموزش مدل رو مثل همیشه بنویسید و اجرا کنید
سوم: کد QR تولید شده توسط پکیج mlnotify رو اسکن کنید.
حالا از آب و هوای خوب لذت ببرید و اجازه بدید تلفن هوشمندتون بهتون بگه چه زمانی تمرین تموم شده
شما هم چک کنید:
https://github.com/aporia-ai/mlnotify
@Ai_Events
GitHub
GitHub - aporia-ai/mlnotify: 🔔 No need to keep checking your training - just one import line and you'll know the second it's done.
🔔 No need to keep checking your training - just one import line and you'll know the second it's done. - aporia-ai/mlnotify
🔥1🤩1