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
دو تا ریپو جالب که توش پیپرهای پایه‌ای مطرح (حالت milestone) فیلدها و تسک‌های مختلف دیپ لرنینگ رو لیست کردن (اولی یکم قدیمیه)
https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap
https://github.com/dansuh17/deep-learning-roadmap
https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap
https://github.com/dansuh17/deep-learning-roadmap
🔥1
I'm attending Building ML Apps with Hugging Face: LLMs to Diffusion Modeling. Would you like to attend?
https://www.linkedin.com/events/buildingmlappswithhuggingface-l7036449410284691457
https://www.linkedin.com/events/buildingmlappswithhuggingface-l7036449410284691457
Linkedin
Building ML Apps with Hugging Face: LLMs to Diffusion Modeling | LinkedIn
Join us for a fun interactive workshop with Hugging Face's product director Jeff Boudier!
Learn how you can use Hugging Face to easily build powerful ML features without spending time on infrastructure or MLOps. Along with ways to build Computer Vision (CV)…
Learn how you can use Hugging Face to easily build powerful ML features without spending time on infrastructure or MLOps. Along with ways to build Computer Vision (CV)…
🔥1