گروه DeepLearning and AI

https://t.iss.one/DeepLearningAIExperts

گروه پردازش زبان طبیعی NLP:

https://t.iss.one/NLPExperts

گروه زبانهای برنامه نویسی پایتون و لینوکس و...

https://t.iss.one/PythonLinuxExperts

کانال گروه :
❇️ @AI_Python

اگه دنبال منبع خوب برای پردازش صوت هستید، حتما حتما به کانال یوتیوب آقای Valerio Velardo رو سر بزنید. آموزش‌های بسیار خوبی داره. 👌

زلفشم که... 😁👌

https://youtube.com/c/ValerioVelardoTheSoundofAI

@pytorch_howsam

‌ارائه‌ای با موضوع «معیار هوشمندی»

مهدی‌مون فردا (چهارشنبه ۱۲ آبان) ساعت ۱۰ قراره راجع به معیار هوشمندی صحبت کنه. دید خیلی خوبی از وضعیت واقع‌گرایانه‌ی حال و آینده هوش بهتون میده. از دست ندید و لطفا دست‌به‌دست کنید.

خلاصه: به لطف یادگیری عمیق، امروز ما در بهار هوش مصنوعی هستیم. مدل‌های از پیش آموزش دیده بزرگ عملکرد خیره‌کننده را در مسائل در حوزه‌های پردازش تصویر، پردازش زبان و پردازش صوت به دست آورده‌اند و حتی در بعضی از موارد از عملکرد انسانی نیز پیشی گرفته‌اند.
نکته ناامیدکننده اما این است که مدل‌های عصبی امروزی در برابر حملات خصمانه شکننده‌اند، بسیار به داده گرسنه‌اند و از همه مهمتر قادر به انتقال یادگیری خود به محیط‌‌های نو نیستند. این نقاط تاریک این سوال را به وجود می‌آورد که آیا واقعا این شبکه‌ها هوشمند هستند؟ برای فهمیدن این مطلب ابتدا بایستی هوش را تعریف کنیم. ما برای بررسی این بحث از نظرات «فرانسوا شله» کمک می‌گیریم. در این ارائه ما پس از بررسی ویژگی‌های موردنیاز برای تعریف هوش، تعریف صوری «شله» از هوش را بحث خواهیم کرد. سپس با محک ARC که توسط «شله» برای سنجیدن هوش خلق شده است آشنا می‌شویم و به گمانه‌پردازی می‌پردازیم که چاره و راه حل این چالش به چه شکل خواهد بود. در انتهای بحث در مورد تعریف هوش احتمالا با سوالات چالش برانگیزتری مواجه خواهیم شد. آیا دیپ لرنینگ همه آن چیزی است که برای رسیدن به مقصد هوش مصنوعی نیاز داریم یا این که قربانی زمستان بعدی هوش مصنوعی خواهد بود؟

لینک اتاق برگزاری:
https://vc.sharif.edu/ch/rohban


#overfit

@nlp_stuff

امروز به یک Course خیلی باحال برخوردم که توی دانشگاه Stanford توسط Donald Knuth بر گزار شده با اسم Lectures on Mathematical Writing

توی این دوره میخوان بهمون یاد بدن که چطور بتونیم مقاله و کتابی بنویسیم که بیس اکثر مفاهیمش ریاضیاته

به شدت توصیه میکنم ببینید حتی به خودم :))) خیلی بهمون توی نوشتن مقالات کمک میکنه
https://youtube.com/playlist?list=PLOdeqCXq1tXihn5KmyB2YTOqgxaUkcNYG

توی این دوره Lecturer های مهمانی هم هستند مثل Jeffrey Ullman و Leslie Lamport

اینم Lecture Notes های این دوره

https://jmlr.csail.mit.edu/reviewing-papers/knuth_mathematical_writing.pdf

۳ تا کورس جمع و جور کراس و تنسورفلو از دیتاکمپ
https://www.datacamp.com/courses/introduction-to-deep-learning-with-keras
https://www.datacamp.com/courses/advanced-deep-learning-with-keras
https://www.datacamp.com/courses/introduction-to-tensorflow-in-python

Teaching - CS 221
https://stanford.edu/~shervine/teaching/cs-221/

آقا دست مریزااااد

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

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

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.

AlexNet paper

https://papers.nips.cc/paper/2012/hash/c399862d3b9d6b76c8436e924a68c45b-Abstract.html

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

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

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$)