💠 نکات ضروری درس یادگیری عمیق ارائه شده توسط اندرو ان جی در وبسایت کورسرا در ۲۸ صفحه
❇️ گرد آوری: تس فرناندز

💠 Essential Notes (28 Pages) - Coursera Deep Learning Course by Andrew Ng -
❇️ by: Tess Ferrandez

سلام، پاسخ ناشر محترم O'Reilly در جواب درخواست کسب مجوز ترجمه به زبان پارسی کتاب:

❇️ Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems
❇️ by Aurélien Géron

💠 فعلا اجازه ترجمه نسخه انتشار اولیه ویرایش دوم کتاب به زبان پارسی و انتشار الکترونیکی آن ترجمه را داده اند.
💠 ان شالله برای چاپ فیزیکی ترجمه کتاب هم از این نشر مجوز لازم را خواهیم گرفت.

——————————————————————

Dear Esmaeel,

We are pleased to grant you the non-exclusive right to post a Persian (Farsi) translation of the text of Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition to your website; however, it must be posted in a way that prevents users from making any edits. You will need to cite the material as being a translation of the English edition and it must reflect that it is the “Early Release” and should provide the link to this page (https://learning.oreilly.com/library/view/hands-on-machine-learning/9781492032632/).

We would encourage you to update the translation once its final edited version is available which is estimated to be later this summer.

You may display the English language cover in your post but you may not display any O’Reilly branding or logos separately from that image. Once you have posted your translation, please forward the link for our records.

This authorization is valid for 2 years from today's date and may be renewed upon O'Reilly's prior written or email consent.

Best Regards,

Teri Finn
O'Reilly Media, Inc.

❇️ چرافیزیکدانان فکر میکنند "نظریه ریسمان" ممکن است "نظریه همه چیز" باشد.

🌍 https://medium.com/starts-with-a-bang/this-is-why-physicists-think-string-theory-might-be-our-theory-of-everything-d4a653e15bf9

❇️ لیست برگه های تقلب هوش مصنوعی، شبکه های عصبی، یادگیری ماشین، یادگیری عمیق و کلان داده 👆👆


❇️ Cheat Sheets for AI, Neural Networks, Machine Learning, Deep Learning & Big Data
The Most Complete List of Best AI Cheat Sheets

🌍 https://becominghuman.ai/cheat-sheets-for-ai-neural-networks-machine-learning-deep-learning-big-data-678c51b4b463

💠 مجموعه منابع برای یادگیری هوش مصنوعی / یادگیری ماشین / استنتاج آماری / یادگیری عمیق / یادگیری تقویتی

💠 Selection of resources to learn Artificial Intelligence / Machine Learning / Statistical Inference / Deep Learning / Reinforcement Learning

🌍 https://github.com/memo/ai-resources
🌍 https://medium.com/artists-and-machine-intelligence/selection-of-resources-to-learn-artificial-intelligence-machine-learning-statistical-inference-23bc56ba655

❇️ کدام ابزار BI برای کسب و کار شما مناسب است؟ برای فهمیدن آن آخرین گزارش G2 Crowd را دانلود کنید.

❇️ Which BI tool is right for your business? Download the latest G2 Crowd Report free to find out.

🌍 https://www.g2.com/reports/grid-report-for-business-intelligence-platforms-winter-2019?secure%5Bexpires_at%5D=2019-05-10+02%3A41%3A17+-0500&secure%5Bgated_consumer%5D=0e6c8298-2a91-4da8-a93c-24bc34c9bf37&secure%5Btoken%5D=b190a25479081c2e58149c90b1948ecdbb2552c41cd3ce1f16a26233f5d51063&tab=grid

❇️ Medical Augmented Reality (AR) Summer School 2019
❇️ Application open now

From 5 to 16 August 2019, Balgrist Campus will carry out the Medical AR Summer School. This exciting event will teach a new generation of scientists the basics, challenges and recent advantages of Augmented Reality in medicine. The aim is to strengthen the connection between clinic, research and industry.

🌍 Apply here: https://www.medicalaugmentedreality.org

In collaboration with:
🔶 Technische Universität München
🔶 Universität Zürich | University of Zurich (HMZ)
🔶 The Johns Hopkins University
🔶 Comerge AG

#data_science_resources
❇️ پایه های علم داده

❇️ Foundations of Data Science
🌍 https://www.microsoft.com/en-us/research/video/foundations-of-ds/?OCID=msr_project_datascibook_tw

❇️ هرس کردن شبکه های عصبی عمیق برای کوچکتر و سریعتر کردن آنها

💎 Getting faster/smaller networks is important for running these deep learning networks on mobile devices.

❇️ Pruning neural networks is an old idea going back to 1990 (with Yan Lecun’s optimal brain damage work) and before. The idea is that among the many parameters in the network, some are redundant and don’t contribute a lot to the output.
If you could rank the neurons in the network according to how much they contribute, you could then remove the low ranking neurons from the network, resulting in a smaller and faster network.

🌍 https://jacobgil.github.io/deeplearning/pruning-deep-learning?fbclid=IwAR3ZSMpUenU0XzMKhcexEh8rRZvdpImAg4xp93syrjkq3SbHaKPgq0OKoAE

‍‍ ‍‍ ‍‍ ‍‍ 🎥 حجم این ویدئو کمی زیاد است ولی ارزش دیدن دارد، حتما آن را ببینید بر دیدگاهتان در زندگی و کار علمی تاثیر خواهد گذاشت 👇👇

💎💎لذت دانستن چیزها💎💎

این مستند بسیار پرمحتوا و ارزشمندی ست که در آن ریچارد فیلیپ فاینمن یکی از بزرگترین فیزیکدانان قرن بیستم درباره "لذت دانستن چیزها" صجبت می کند و اینکه خود او چگونه در ارتباطی بسیار نزدیک و عمیق با پدرش به "دانستن چیزها" علاقه مند شده است و
💠 تفاوت دانستن نام چیزی و دانستن خود آن چیز 💠
را دریافته است.

❇️ در اینترنت برای زیرنویس فارسی یا انگلیسی آن جستجوهایی کردم ولی چیزی نیافتم، اگر کسی زیرنویس فارسی یا انگلیسی این مستند را دارد لطفا آن را به اشتراک بگذارد.

‍‍ ‍‍ ❇️ در مقاله ای بسیار جالب Samsung AI شبکه عصبی ای را طراحی کرده است که از روی فریم های ویدیوی واقعی صحبت کردن یک فرد (حتی یک شات) یادگیری انجام میدهد و سپس آن را به یک پرتره منتقل میکند و به آن جان می بخشد.


❇️ https://arxiv.org/abs/1905.08233
Few-Shot Adversarial Learning of Realistic Neural Talking Head Models

💠 مجموعه مقالاتی دنباله دار و متوالی به زبانی ساده و با بیانی بسیار عالی از وبسایت مدیوم برای کسانی که دوست دارند خیلی سریع با دنیای یادگیری ماشین و مثالهایی واقعی از آن به همراه کد نویسی آشنا بشوند. در انتها در بخش ضمیمه هم منابع بسیار جالب و مفید معرفی شده است.


💠 https://medium.com/machine-learning-for-humans/why-machine-learning-matters-6164faf1df12

Roadmap

❇️ Part 1: Why Machine Learning Matters.
The big picture of artificial intelligence and machine learning — past, present, and future.

❇️ Part 2.1: Supervised Learning. Learning with an answer key.
Introducing linear regression, loss functions, overfitting, and gradient descent.

❇️ Part 2.2: Supervised Learning II.
Two methods of classification: logistic regression and SVMs.

❇️ Part 2.3: Supervised Learning III.
Non-parametric learners: k-nearest neighbors, decision trees, random forests. Introducing cross-validation, hyperparameter tuning, and ensemble models.

❇️ Part 3: Unsupervised Learning.
Clustering: k-means, hierarchical. Dimensionality reduction: principal components analysis (PCA), singular value decomposition (SVD).
❇️ Part 4: Neural Networks & Deep Learning.
Why, where, and how deep learning works. Drawing inspiration from the brain. Convolutional neural networks (CNNs), recurrent neural networks (RNNs). Real-world applications.

❇️ Part 5: Reinforcement Learning.
Exploration and exploitation. Markov decision processes. Q-learning, policy learning, and deep reinforcement learning. The value learning problem.

☯️ Appendix: The Best Machine Learning Resources. A curated list of resources for creating your machine learning curriculum.

❇️ مصاحبه در دانشگاه استافورد درباره هوش مصنوعی با حضور یووال نوح هراری (نویسنده کتاب انسان خردمند) و فیی-فیی لی (خالق ImageNet)

❇️ ۴ سوال که بر همه ما اثر می گذارد.

More questions than answers were generated during a recent conversation at Stanford University between a pair of Artificial Intelligence giants — Yuval Noah Harari and Fei-Fei Li. Nicholas Thompson, editor in chief of WIRED, moderated the 90-minute conversation in the packed Memorial Auditorium, filled to its 1705-seat capacity.

🌍 https://towardsdatascience.com/yuval-noah-harari-and-fei-fei-li-on-ai-90d9a8686cc5

چرا هوش مصنوعی هنوز بازارهای مالی دنیا را فتح نکرده است؟

https://www.weforum.org/agenda/2019/02/the-vodka-is-strong-but-the-meat-is-soft-why-ai-hasn-t-taken-over-the-financial-markets-yet

@techinsider_channel

❇️ دروس رایگان در سطوح مقدماتی، متوسط و پیشرفته یادگیری ماشین وبسایت Kaggle

❇️ Kaggle FREE elementary, intermediate and advanced ML courses:

💠سطح مقدماتی
Python:
🌍 https://www.kaggle.com/learn/python
Intro to Machine Learning :
🌍 https://www.kaggle.com/learn/intro-to-machine-learning


💠 سطح متوسط
Intermediate Machine Learning:
🌍 https://www.kaggle.com/learn/intermediate-machine-learning


💠 سطح پیشرفته
Machine Learning Explainability:
🌍 https://www.kaggle.com/learn/machine-learning-explainability

💠 همه ۱۱ درس یادگیری ماشین

All 11 ML courses:
🌍 https://www.kaggle.com/learn/overview

💠 Recommended: Introduction to Deep Learning

🌍 https://www.coursera.org/courses?utm_medium=email&utm_source=recommendations&utm_campaign=4EV2EIu5EemdOAf9ya7Q1g