ML & AI resources
Interpretable machine learning This book is about interpretable machine learning. Machine learning is being built into many products and processes of our daily lives, yet decisions made by machines don't automatically come with an explanation. An explanation…
یکی از کارای خیلی باحال توی این فیلد interpretable این مقاله هست که اومدن سعی کردن ببینن مثلا این فکت که لبران جیمز بازیکن بسکتباله حدودا کجای مدل زبانی ذخیره شده و همچنین بعدش بیان این فکت رو جوری تغییر بدن که بقیه اطلاعات مدل خراب نشه و صرفا دقیقا همون فکت لبران جیمز بازیکن بسکتباله بشه مثلا بازیکن فوتباله
(اگر صرفا بیان توی خروجی ترینش کنن ممکنه چیزای غیر مستقیمش خراب بشه مثلا یهو هرچی بازیکن بسکتباله بشه فوتبالیست)
کلیپ یوتیوب:
https://youtu.be/_NMQyOu2HTo
پیج مقاله اصلی:
https://rome.baulab.info/
پیج مقاله بعدی و scale شده:
https://memit.baulab.info/
دمو:
https://memit.baulab.us/
(اگر صرفا بیان توی خروجی ترینش کنن ممکنه چیزای غیر مستقیمش خراب بشه مثلا یهو هرچی بازیکن بسکتباله بشه فوتبالیست)
کلیپ یوتیوب:
https://youtu.be/_NMQyOu2HTo
پیج مقاله اصلی:
https://rome.baulab.info/
پیج مقاله بعدی و scale شده:
https://memit.baulab.info/
دمو:
https://memit.baulab.us/
🔥3
Forwarded from انجمن علوم داده
Media is too big
VIEW IN TELEGRAM
🎥 دوره آموزشی پردازش تصویر (Image processing)
🔺جلسه اول
🏛 برگزار شده توسط بنیاد ملی نخبگان
در کانال انجمن علوم داده با ما همراه باشید 🌱
| @DataScience_Association |
🔺جلسه اول
🏛 برگزار شده توسط بنیاد ملی نخبگان
در کانال انجمن علوم داده با ما همراه باشید 🌱
| @DataScience_Association |
Forwarded from انجمن علوم داده
Media is too big
VIEW IN TELEGRAM
🎥 دوره آموزشی پردازش تصویر (Image processing)
🔺جلسه دوم
🏛 برگزار شده توسط بنیاد ملی نخبگان
در کانال انجمن علوم داده با ما همراه باشید 🌱
| @DataScience_Association |
🔺جلسه دوم
🏛 برگزار شده توسط بنیاد ملی نخبگان
در کانال انجمن علوم داده با ما همراه باشید 🌱
| @DataScience_Association |
Forwarded from انجمن علوم داده
Media is too big
VIEW IN TELEGRAM
🎥 دوره آموزشی پردازش تصویر (Image processing)
🔺جلسه سوم
🏛 برگزار شده توسط بنیاد ملی نخبگان
در کانال انجمن علوم داده با ما همراه باشید 🌱
| @DataScience_Association |
🔺جلسه سوم
🏛 برگزار شده توسط بنیاد ملی نخبگان
در کانال انجمن علوم داده با ما همراه باشید 🌱
| @DataScience_Association |
Forwarded from گیــــومه
در بزنگاه‌های مختلفی از دوره دکتری‌ام برمی‌گردم و چهار درس طلایی واینبرگ را مرور می‌کنم. هر بار هم از این کار حس عجیبی پیدا می‌کنم. خلاصه این درس‌ها به این شرح است:
۱) من باید پژوهشم را شروع کنم و هر چیزی که به دانستن آن نیاز دارم را طی مسیر بردارم. هیچ کس همه چیز را نمی‌داند و شما هم نیازی ندارید که بدانید!
۲) تا وقتی که شنا می‌کنید و غرق نمی‌شوید باید آب‌های سخت را هدف بگیرید. به دنبال بهم‌ریختگی‌ها بروید، هر چه خبر است در آنجاست!
۳) خودتان را به خاطر هدردادن وقت ببخشید! اگر می‌خواهید خلاق باشید، باید به این عادت کنید که بیشتر زمان خود را می‌بایست صرف خلاق نبودن کنید و برای مدتی روی اقیانوس دانش علمی در انتظار باد متوقف بمانید.
۴) چیزی از تاریخ علم یا دست کم تاریخ شاخه‌ای از علم که دنبالش می‌کنید یادبگیرید. به عنوان یک دانشمند احتمالا شما قرار نیست که فرد ثروتمندی شوید. احتمالا دوستان و خانواده‌تان نخواهند فهمید که شما مشغول چه کاری هستید. با این وجود شما می‌توانید با تشخیص اینکه کار شما در علم بخشی از تاریخ است احساس رضایت زیادی به دست آورید.
۱) من باید پژوهشم را شروع کنم و هر چیزی که به دانستن آن نیاز دارم را طی مسیر بردارم. هیچ کس همه چیز را نمی‌داند و شما هم نیازی ندارید که بدانید!
۲) تا وقتی که شنا می‌کنید و غرق نمی‌شوید باید آب‌های سخت را هدف بگیرید. به دنبال بهم‌ریختگی‌ها بروید، هر چه خبر است در آنجاست!
۳) خودتان را به خاطر هدردادن وقت ببخشید! اگر می‌خواهید خلاق باشید، باید به این عادت کنید که بیشتر زمان خود را می‌بایست صرف خلاق نبودن کنید و برای مدتی روی اقیانوس دانش علمی در انتظار باد متوقف بمانید.
۴) چیزی از تاریخ علم یا دست کم تاریخ شاخه‌ای از علم که دنبالش می‌کنید یادبگیرید. به عنوان یک دانشمند احتمالا شما قرار نیست که فرد ثروتمندی شوید. احتمالا دوستان و خانواده‌تان نخواهند فهمید که شما مشغول چه کاری هستید. با این وجود شما می‌توانید با تشخیص اینکه کار شما در علم بخشی از تاریخ است احساس رضایت زیادی به دست آورید.
👍3
صفحه جدید گوگل برای سرچ دیتاست:
https://datasetsearch.research.google.com/
https://datasetsearch.research.google.com/
🔥2
Forwarded from CESA IUST
انجمن علمی دانشکده مهندسی کامپیوتر علم و صنعت برگزار می‌کند:
《جلسه دفاعیه پروژه پایانی》
👤 ارائه‌دهنده: هادی شیخی، ورودی ۹۷
✅ عنوان پروژه: تولید پاسخ در پرسش و پاسخ تصویری
📋 یک‌شنبه ۲۳ بهمن، ساعت ۱۴:۲۰
🟢 مکان ارائه:
🔺دانشکده مهندسی کامپیوتر، اتاق دفاعیه دکترا
🔺جلسه مجازی تیمز
#دفاع
#پروژه_پایانی
—————————
🆔 @iust_cesa
《جلسه دفاعیه پروژه پایانی》
👤 ارائه‌دهنده: هادی شیخی، ورودی ۹۷
✅ عنوان پروژه: تولید پاسخ در پرسش و پاسخ تصویری
📋 یک‌شنبه ۲۳ بهمن، ساعت ۱۴:۲۰
🟢 مکان ارائه:
🔺دانشکده مهندسی کامپیوتر، اتاق دفاعیه دکترا
🔺جلسه مجازی تیمز
#دفاع
#پروژه_پایانی
—————————
🆔 @iust_cesa
یه ویدیو عالی برای درک Denoising Diffusion Probabilistic Model (DDPM) که این روزا خیلی بحثش داغه و ظاهرا از GAN بهتر عمل میکنه.
تو یک ساعت اول این ویدیو از صفر تا صد مدل DDPM توضیح داده میشه و میشه با هر میزان دانشی از آمار ازش استفاده کرد.
https://youtu.be/cS6JQpEY9cs
تو یک ساعت اول این ویدیو از صفر تا صد مدل DDPM توضیح داده میشه و میشه با هر میزان دانشی از آمار ازش استفاده کرد.
https://youtu.be/cS6JQpEY9cs
YouTube
Tutorial on Denoising Diffusion-based Generative Modeling: Foundations and Applications
This video presents our tutorial on Denoising Diffusion-based Generative Modeling: Foundations and Applications. This tutorial was originally presented at CVPR 2022 in New Orleans and it received a lot of interest from the research community. After the conference…
🔥6❤1
یک کانال خیلی خوب برای درک ویژوال (انمیشینی سه‌بُعدی) کانسپت‌های بیسیک CNN ها
https://www.youtube.com/@animatedai
https://www.youtube.com/@animatedai
🔥2
Forwarded from Robotic Knowledge
Robotic Knowledge
https://twitter.com/ias_tudarmstadt/status/1627601129260437507?t=TN5r3sqJE2cieKKR6uBpKQ&s=35
یه مسابقه بنظر باحال دیگه رباتیک داخل شبیه‌ساز!
بشدت میشه توی این مسابقه‌ها چیزهای باحالی یاد گرفت و تمرین کرد.
----------
@roboticknowledge
بشدت میشه توی این مسابقه‌ها چیزهای باحالی یاد گرفت و تمرین کرد.
----------
@roboticknowledge
Batch Normalization Explained
html page: https://ar5iv.org/abs/2209.14778
Arxiv abstract: https://arxiv.org/abs/2209.14778
html page: https://ar5iv.org/abs/2209.14778
Arxiv abstract: https://arxiv.org/abs/2209.14778
ar5iv
Batch Normalization Explained
A critically important, ubiquitous, and yet poorly understood ingredient in modern deep networks (DNs) is batch normalization (BN), which centers and normalizes the feature maps.
To date, only limited progress has been…
To date, only limited progress has been…
ML & AI resources
استفاده از transformer ها در computer vision : Vision Transformer paper: https://arxiv.org/abs/2010.11929 توضیح ویدیویی خوب: https://youtu.be/HZ4j_U3FC94 پیاده سازی قدم به قدم Vit با pytorch : https://youtu.be/ovB0ddFtzzA
AI Summer
Understanding Vision Transformers (ViTs): Hidden properties, insights, and robustness of their representations | AI Summer
We study the learned visual representations of CNNs and ViTs, such as texture bias, how to learn good representations, the robustness of pretrained models, and finally properties that emerge from trained ViTs.
🔥1
Forwarded from PyTorch Howsam (Howsam Support)
درسته که فریمورکهایی مثل سایکیت، پایتورچ و تنسورفلو کارمون رو خیلی ساده کردن. اما همیشه موقع کدنویسی، به یکسری توابع جانبی و کمکی نیاز داریم که توی این فریمورکها پیدا نمیشن. مثلا میخوایم ناحیه تصمیم گیری (Decision Region) رو در تسک دسته بندی پلات کنیم.
در چنین حالتی، یا باید برای پیدا کردن کد آماده و معتبر وقت بذاریم، یا باید خودمون از ابتدا کدش رو بنویسیم، یا اینکه از چت جی پی تی بخوایم! 😁 ولی خب یک لایبرری تروتمیز که این توابع جانبی رو داشته باشه، خیلی کمکمون میکنه.
لایبرری mlxtend، اومده که به شما کمک کنه و توابع کمکی زیادی داره. مثلا با دستور plot_decision_regions میتونید به راحتی ناحیه تصمیم گیری شبیه تصویر بالا رسم کنید. یا با دستور bias_variance_decomp میتونید بایاس/واریانس مدل رو حساب کنید.
لینک لایببری mlxtend:
https://rasbt.github.io/mlxtend/
@pytorch_howsam
در چنین حالتی، یا باید برای پیدا کردن کد آماده و معتبر وقت بذاریم، یا باید خودمون از ابتدا کدش رو بنویسیم، یا اینکه از چت جی پی تی بخوایم! 😁 ولی خب یک لایبرری تروتمیز که این توابع جانبی رو داشته باشه، خیلی کمکمون میکنه.
لایبرری mlxtend، اومده که به شما کمک کنه و توابع کمکی زیادی داره. مثلا با دستور plot_decision_regions میتونید به راحتی ناحیه تصمیم گیری شبیه تصویر بالا رسم کنید. یا با دستور bias_variance_decomp میتونید بایاس/واریانس مدل رو حساب کنید.
لینک لایببری mlxtend:
https://rasbt.github.io/mlxtend/
@pytorch_howsam
👍6🔥2
Forwarded from نوشته‌های ترمینالی
یه جماعتی هستن که کتاب های برنامه نویسی (بیشتر هوش البته) رو به شکل فصل به فصل میخونن و برای هم توضیح میدن.
هم ویدیو یوتوبش هست هم lecture notes
https://github.com/SanDiegoMachineLearning/bookclub
هم ویدیو یوتوبش هست هم lecture notes
https://github.com/SanDiegoMachineLearning/bookclub
GitHub
GitHub - SanDiegoMachineLearning/bookclub: Notes and links from the book club meetings
Notes and links from the book club meetings. Contribute to SanDiegoMachineLearning/bookclub development by creating an account on GitHub.
نوشته‌های ترمینالی
یه جماعتی هستن که کتاب های برنامه نویسی (بیشتر هوش البته) رو به شکل فصل به فصل میخونن و برای هم توضیح میدن. هم ویدیو یوتوبش هست هم lecture notes https://github.com/SanDiegoMachineLearning/bookclub
San Diego Machine Learning - YouTube
https://m.youtube.com/@SanDiegoMachineLearning/featured
https://m.youtube.com/@SanDiegoMachineLearning/featured
یک ریپو مشتی برای کسایی که میخوان از سیر تا پیاز ML رو دوره کنن (کانتنت مدام آپدیت میشه)
https://github.com/aurimas13/Machine-Learning-Goodness#100daysofmlcode
https://github.com/aurimas13/Machine-Learning-Goodness#100daysofmlcode
GitHub
GitHub - aurimas13/Machine-Learning-Goodness: The Machine Learning project including ML/DL projects, notebooks, cheat codes of…
The Machine Learning project including ML/DL projects, notebooks, cheat codes of ML/DL, useful information on AI/AGI and codes or snippets/scripts/tasks with tips. - aurimas13/Machine-Learning-Good...
🔥7
Forwarded from Meysam
حتما بخونید. مایکروسافت تمرکز کرده روی مدلهای مالتی مودال:
https://arxiv.org/abs/2302.14045
https://arxiv.org/abs/2302.14045
🔥1