❇️ Advanced Machine Learning Courses:
1.
💠 https://cs.cmu.edu/~bapoczos/Classes/ML10715_2015Fall/index.html
💠 https://youtube.com/playlist?list=PL4DwY1suLMkcu-wytRDbvBNmx57CdQ2pJ&jct=q4qVgISGxJql7TlE6eSLKa8Wwci8SA
————————————————
2.
💠 https://www.cs.toronto.edu/~rsalakhu/STA4273_2015/lectures.html
————————————————
3.
💠 https://www.mit.edu/~9.520/fall15/index.html
💠 https://youtube.com/playlist?list=PLyGKBDfnk-iDj3FBd0Avr_dLbrU8VG73O
————————————————
4.
💠 https://lcsl.mit.edu/courses/regml/regml2016/
💠 https://youtube.com/playlist?list=PLbF0BXX_6CPJ20Gf_KbLFnPWjFTvvRwCO
————————————————
5.
💠 https://stat.cmu.edu/~larry/=sml/
💠 https://youtube.com/playlist?list=PLTB9VQq8WiaCBK2XrtYn5t9uuPdsNm7YE
————————————————
6.
💠 https://stat.cmu.edu/~ryantibs/convexopt-S15/
💠 https://youtube.com/playlist?list=PLjbUi5mgii6BZBhJ9nW7eydgycyCOYeZ6
————————————————
7.
💠 https://cs.cmu.edu/~epxing/Class/10708-14/lecture.html
💠 https://cs.cmu.edu/~epxing/Class/10708-16/lecture.html
1.
💠 https://cs.cmu.edu/~bapoczos/Classes/ML10715_2015Fall/index.html
💠 https://youtube.com/playlist?list=PL4DwY1suLMkcu-wytRDbvBNmx57CdQ2pJ&jct=q4qVgISGxJql7TlE6eSLKa8Wwci8SA
————————————————
2.
💠 https://www.cs.toronto.edu/~rsalakhu/STA4273_2015/lectures.html
————————————————
3.
💠 https://www.mit.edu/~9.520/fall15/index.html
💠 https://youtube.com/playlist?list=PLyGKBDfnk-iDj3FBd0Avr_dLbrU8VG73O
————————————————
4.
💠 https://lcsl.mit.edu/courses/regml/regml2016/
💠 https://youtube.com/playlist?list=PLbF0BXX_6CPJ20Gf_KbLFnPWjFTvvRwCO
————————————————
5.
💠 https://stat.cmu.edu/~larry/=sml/
💠 https://youtube.com/playlist?list=PLTB9VQq8WiaCBK2XrtYn5t9uuPdsNm7YE
————————————————
6.
💠 https://stat.cmu.edu/~ryantibs/convexopt-S15/
💠 https://youtube.com/playlist?list=PLjbUi5mgii6BZBhJ9nW7eydgycyCOYeZ6
————————————————
7.
💠 https://cs.cmu.edu/~epxing/Class/10708-14/lecture.html
💠 https://cs.cmu.edu/~epxing/Class/10708-16/lecture.html
YouTube
MIT Course 9.520 - Statistical Learning Theory and Applications, Fall 2015
Share your videos with friends, family, and the world
❇️ Opportunities for doctoral studentships in Quantum Computing
Dear Q-enthusiasts,
in the framework of the CERN Quantum Technologies initiative,
CERN openlab is providing opportunities for Doctoral Student to work on
Quantum Computing algorithms and applications. All the information on
how to apply are here:
https://careers.cern/students
The selection will be done via the normal procedure of the CERN doctoral
student program. Please be aware that the deadline for application is
March 25th. Do not hesitate to contact me if you need more information.
Thanks and best regards,
Federico Carminati
Chief Innovation Officer
CERN openlab
1211 Geneva 23
Switzerland
Dear Q-enthusiasts,
in the framework of the CERN Quantum Technologies initiative,
CERN openlab is providing opportunities for Doctoral Student to work on
Quantum Computing algorithms and applications. All the information on
how to apply are here:
https://careers.cern/students
The selection will be done via the normal procedure of the CERN doctoral
student program. Please be aware that the deadline for application is
March 25th. Do not hesitate to contact me if you need more information.
Thanks and best regards,
Federico Carminati
Chief Innovation Officer
CERN openlab
1211 Geneva 23
Switzerland
This media is not supported in your browser
VIEW IN TELEGRAM
💠 https://www.matthewtancik.com/nerf
❇️ We present a method that achieves state-of-the-art results for synthesizing novel views of complex scenes by optimizing an underlying continuous volumetric scene function using a sparse set of input views.
❇️ We present a method that achieves state-of-the-art results for synthesizing novel views of complex scenes by optimizing an underlying continuous volumetric scene function using a sparse set of input views.
❇️ Python codes implementing algorithms described in Bishop's book "Pattern Recognition and Machine Learning"
https://github.com/ctgk/PRML
https://github.com/ctgk/PRML
GitHub
GitHub - ctgk/PRML: PRML algorithms implemented in Python
PRML algorithms implemented in Python. Contribute to ctgk/PRML development by creating an account on GitHub.
شرکت داده پردازی نیک آفرین جهت تکمیل تیم فنی دپارتمان هوش مصنوعی خود در شهر تهران به دنبال جذب تعدادی نیرو به صورت پاره وقت و تمام وقت در حوزه های تخصصی زیر می باشد:
🔶 بینایی ماشین و پردازش تصویر
🔶 پردازش و تحلیل صوت
🔶 پردازش زبان طبیعی
🔶 پردازش سری های زمانی
❇️ مهارت های اختصاصی
• تسلط به زبان های برنامه نویسی و کتابخانه های رایج یادگیری ماشین/یادگیری عمیق
• آشنایی کافی با زبان انگلیسی برای استفاده از منابع انگلیسی
• تجربه کار کردن با GitHub (مزیت محسوب می شود)
• تجربه کار کردن با سیستم عامل لینوکس و اسکریپت نویسی (مزیت محسوب می شود)
• توانمندی در مستند سازی پروژه (مزیت محسوب می شود)
❇️ ویژگی های فردی
• دارای روحیه تیمی و اخلاق حرفه ای کاری
• با انگیزه و علاقه مند به حل مسئله و ارائه راه حل های جدید
• مسئولیت پذیر، پیگیر و منظم در کارها
• دارای روحیه یادگیری بالا و جستجو در اینترنت
❇️ معرفی شرکت
دپارتمان هوش مصنوعی شرکت داده پردازی نیک آفرین با هدف اولیه پیاده سازی و توسعه سامانه های امنیتی-نظارتی دارای پردازش تصویر مبتنی بر هوش مصنوعی فعالیت خود را آغاز نموده و در حال گسترش فعالیت های خود به دیگر حوزه های صنعتی و تجاری است. پروژه های کنونی این دپارتمان در حوزه های حفاظت و امنیت، حمل و نقل و زیست فناوری می باشد.
☯️ متقاضیان می توانند رزومه کاری خود را به صورت فایل pdf به آدرس ایمیل [email protected] با عنوان "همکاری" ارسال نمایند.
🔶 بینایی ماشین و پردازش تصویر
🔶 پردازش و تحلیل صوت
🔶 پردازش زبان طبیعی
🔶 پردازش سری های زمانی
❇️ مهارت های اختصاصی
• تسلط به زبان های برنامه نویسی و کتابخانه های رایج یادگیری ماشین/یادگیری عمیق
• آشنایی کافی با زبان انگلیسی برای استفاده از منابع انگلیسی
• تجربه کار کردن با GitHub (مزیت محسوب می شود)
• تجربه کار کردن با سیستم عامل لینوکس و اسکریپت نویسی (مزیت محسوب می شود)
• توانمندی در مستند سازی پروژه (مزیت محسوب می شود)
❇️ ویژگی های فردی
• دارای روحیه تیمی و اخلاق حرفه ای کاری
• با انگیزه و علاقه مند به حل مسئله و ارائه راه حل های جدید
• مسئولیت پذیر، پیگیر و منظم در کارها
• دارای روحیه یادگیری بالا و جستجو در اینترنت
❇️ معرفی شرکت
دپارتمان هوش مصنوعی شرکت داده پردازی نیک آفرین با هدف اولیه پیاده سازی و توسعه سامانه های امنیتی-نظارتی دارای پردازش تصویر مبتنی بر هوش مصنوعی فعالیت خود را آغاز نموده و در حال گسترش فعالیت های خود به دیگر حوزه های صنعتی و تجاری است. پروژه های کنونی این دپارتمان در حوزه های حفاظت و امنیت، حمل و نقل و زیست فناوری می باشد.
☯️ متقاضیان می توانند رزومه کاری خود را به صورت فایل pdf به آدرس ایمیل [email protected] با عنوان "همکاری" ارسال نمایند.
❇️ گروه لینکداین
“Ai & BigData"
https://www.linkedin.com/groups/8721739/
❇️ گروه تلگرام برای پرسش و پاسش و اشتراک گذاری مطاالب
https://t.iss.one/ml_in_science
“Ai & BigData"
https://www.linkedin.com/groups/8721739/
❇️ گروه تلگرام برای پرسش و پاسش و اشتراک گذاری مطاالب
https://t.iss.one/ml_in_science
Forwarded from AI in Science & Technology
❇️ Ai / ML / DL Huge Data-Sets Resources ❇️
💠 Google Dataset Search: https://toolbox.google.com/datasetsearch
💠 KD Nuggets: https://www.kdnuggets.com/datasets/index.html
💠 UCI: https://archive.ics.uci.edu/ml/index.php
💠 Kaggle: https://www.kaggle.com/datasets?sortBy=relevance&group=public&search=Retail+&page=1&pageSize=20&size=all&filetype=all&license=all
💠 Facebook: https://bigdataenthusiast.wordpress.com/2016/03/19/mining-facebook-data-using-r-facebook-api/
💠 https://www.analyticsvidhya.com/blog/2016/11/25-websites-to-find-datasets-for-data-science-projects/
💠 https://www.unb.ca/cic/datasets/index.html
💠 https://www.linkedin.com/pulse/ten-sources-free-big-data-internet-alan-brown/?fbclid=IwAR17lpDNxDShh4wiAkHGUC3q9CDc-UPVkQNL2xJNPlcxXcsHxPDj7c402V4
💠 https://ckan.publishing.service.gov.uk/dataset
💠 https://www.springboard.com/blog/free-public-data-sets-data-science-project/
💠 https://bigdata-madesimple.com/70-websites-to-get-large-data-repositories-for-free/
💠 https://www.philippe-fournier-viger.com/spmf/datasets.php
💠 https://www.dunnhumby.com/sourcefiles
💠 https://bigdata-madesimple.com/70-websites-to-get-large-dat…/
💠 https://guides.emich.edu/data/free-data
💠 https://community.tableau.com/docs/DOC-1236
💠 https://fyi.extension.wisc.edu/downtown-market-analysis/understanding-the-market/demographics-and-lifestyle-analysis/
💠 https://www.dunnhumby.com/sourcefiles
💠 https://tech.instacart.com/3-million-instacart-orders-open-sourced-d40d29ead6f2
Computer Science Project ideas for Students:
💠 https://nevonprojects.com/year-projects-for-computer-engineering/
💠 Google Dataset Search: https://toolbox.google.com/datasetsearch
💠 KD Nuggets: https://www.kdnuggets.com/datasets/index.html
💠 UCI: https://archive.ics.uci.edu/ml/index.php
💠 Kaggle: https://www.kaggle.com/datasets?sortBy=relevance&group=public&search=Retail+&page=1&pageSize=20&size=all&filetype=all&license=all
💠 Facebook: https://bigdataenthusiast.wordpress.com/2016/03/19/mining-facebook-data-using-r-facebook-api/
💠 https://www.analyticsvidhya.com/blog/2016/11/25-websites-to-find-datasets-for-data-science-projects/
💠 https://www.unb.ca/cic/datasets/index.html
💠 https://www.linkedin.com/pulse/ten-sources-free-big-data-internet-alan-brown/?fbclid=IwAR17lpDNxDShh4wiAkHGUC3q9CDc-UPVkQNL2xJNPlcxXcsHxPDj7c402V4
💠 https://ckan.publishing.service.gov.uk/dataset
💠 https://www.springboard.com/blog/free-public-data-sets-data-science-project/
💠 https://bigdata-madesimple.com/70-websites-to-get-large-data-repositories-for-free/
💠 https://www.philippe-fournier-viger.com/spmf/datasets.php
💠 https://www.dunnhumby.com/sourcefiles
💠 https://bigdata-madesimple.com/70-websites-to-get-large-dat…/
💠 https://guides.emich.edu/data/free-data
💠 https://community.tableau.com/docs/DOC-1236
💠 https://fyi.extension.wisc.edu/downtown-market-analysis/understanding-the-market/demographics-and-lifestyle-analysis/
💠 https://www.dunnhumby.com/sourcefiles
💠 https://tech.instacart.com/3-million-instacart-orders-open-sourced-d40d29ead6f2
Computer Science Project ideas for Students:
💠 https://nevonprojects.com/year-projects-for-computer-engineering/
KDnuggets
Datasets for Data Science, Machine Learning, AI & Analytics - KDnuggets
KDnuggets subscribers now have access to the WorldData.AI Partners Plan at no cost! Check out the world’s largest external curated data platform, integrating data from all leading global sources. Data Repositories Anacode Chinese Web Datastore: A collection…
❇️ tslearn is a Python package that provides machine learning tools for the analysis of time series
https://tslearn.readthedocs.io/en/stable/index.html
https://tslearn.readthedocs.io/en/stable/index.html