رابط AUX مبتنی بر مدل زبانی GPT-3 میتونه هر مثال منطقی رو به دستور برای خط فرمان تبدیل کنه. مثال ها رو میتونید ببینید:
$ aux compress current folder to arch.tar.gz
tar -zcvf arch.tar.gz .

$ aux create new branch dev_ui in git
git checkout -b dev_ui

$ aux count number of lines in file.txt
wc -l file.txt

$ aux create lambda function myfunc in aws
aws lambda create-function --function-name myfunc

CONFIG: Controllable Neural Face Image Generation is published at ECCV 2020. ConfigNet is a neural face model that allows for controlling individual aspects of output images in semantically meaningful ways.
#eccv2020
Paper: https://arxiv.org/abs/2005.02671
Code: https://github.com/microsoft/ConfigNet

سرویسی برای جستجو بین نزدیک ۲۰۰۰ دیتاست عمومی و رایگان بر اساس دسته‌بندی و موضوع و همینطور مشاهده نمونه، اطلاعات تکمیلی و اطلاعات در مورد دسته‌بندی دیتا:

https://datasets.bifrost.ai

#dataset

ECCV 2020 Collection

https://crossminds.ai/category/eccv%202020/?utm_source=linkedin&utm_medium=post&utm_campaign=eccv2020oz

Brain-Inspired AI in (Artificial Intelligence) Lex Fridman Podcast

https://youtu.be/tg_m_LxxRwM

هوشمندی فارغ از اینکه مصنوعی باشه یا عمومی، واقعا چیه و چطوری اندازه‌گیری میشه؟ از فرانسوا شوله، نویسنده کراس و از محققین گوگل، توی این پادکست بشنوید:


https://www.youtube.com/watch?v=PUAdj3w3wO4

#رویداد
مدرسه تابستانی با موضوع هوش مصنوعی و فناوری های نوین،با همکاری گروه DLeX و آزمایشگاه سامانه های پردازش هوشمند رایانه ای دانشگاه تبریز برگزار می گردد.

در این رویداد مدرک معتبر به همراه امضای همه اساتید سخنران برای شرکت کنندگان صادر خواهد شد.

جهت ثبت نام در این مدرسه تابستانی از طریق لینک زیر 👇 اقدام کنید.
https://evnd.co/BaDFs

یادتونه در سال های اخیر دو مدل خیلی پرکاربرد pix2pix و cyclegan برای تبدیل یه تصویر به یه تصویر دیگه ارایه شد؟! از pix2pix زمانی استفاده میشه که زوج (pair) عکس‌ها رو داشتیم و از cyclegan هم مواقعی زوج تصاویر وجود نداشت.

حالا افرادی از همون گروه در دانشگاه برکلی، روش جدیدی ارایه دادند که میشه باهاش cyclegan رو با هزینه محاسباتی پایین‌تر آموزش داد و نتایج بهتری گرفت و اسم مقاله جدیدشون رو گزاشتن:

Contrastive Learning for Unpaired Image-to-Image Translation

کدش رو میتونید از این لینک پیدا کنید و اینم لینک صفحه پروژه‌شونه!

آموزش شبکه ی مولد تخاصمی (GAN) برای تبدیل تصویر با روش های pix2pix و CycleGAN رو میتونید در این لینک ببینید.

#cyclegan #CUT #contrastive_unpaired_translation

#رویداد
مدرسه استارتاپی هوش مصنوعی
https://bit.ly/2ZlUU6E

کد تخفیف ۲۰ درصدی مخصوص اعضای کانال، این کد برای ۵ نفر اعتبار دارد:

Maad.akhavanpour

برخی از منتورهای مدرسه تابستانی:
دکتر خلیق رضوی
دکتر جلالی منش
علیرضا اخوان پور
از مجموعه دانش بنیان شناسا(shenasa.ai) و شتاب دهنده همتک

اطلاعات ثبت نام:

https://t.iss.one/cvision/2074

All of the ASOC2020 presentations and Q&A sessions are currently available on the YouTube channel of "IPM AI GROUP": https://www.youtube.com/channel/UCLbQwn1n4XOhwXBC-fdoU3g

ارایه های چهارمین مدرسه پیشرفته هوش مصنوعی IPM

#آموزش
ویدیو و کدهای کارگاه Discriminative Feature Learning And Face Recognition امیرکبیر:

https://www.aparat.com/v/5Uspk

کدها
https://github.com/Alireza-Akhavan/deep-face-recognition/tree/master/aaiss2020

ارائه دهنده: علیرضا اخوان پور

#آموزش
کدها و ویدیوی ارائه Introduction to Fundamentals, Applications and Libraries of Adversarial Attacks امیرکبیر

https://aparat.com/v/NTrEG
کدها
https://github.com/BardiaEsmaeili/Amirkabir-Artificial-Intelligence-Summer-Summit-2020

ارائه دهنده: مهندس بردیا اسمعیلی

مجموعه ویدیوهای کارگاه امیرکبیر:

https://www.aparat.com/playlist/528506

#آموزش

کارگاه Generative Adversarial Networks(GAN امیرکبیر:

https://aparat.com/v/DCY57

کدها و اسلاید:
https://github.com/vrkh1996/Advenced_GAN_AAISS2020

ارائه دهنده بخش پیشرفته: مهندس وحیدرضا خزاعی

#رویداد
مدرسه استارتاپی هوش مصنوعی
https://bit.ly/2ZlUU6E

کد تخفیف ۲۰ درصدی مخصوص اعضای کانال، این کد برای ۵ نفر اعتبار دارد:

Maad.akhavanpour

Array programming with NumPy
(NumPy paper after 25 years)

https://www.nature.com/articles/s41586-020-2649-2

Annotated Rsearch Papers

https://github.com/AakashKumarNain/annotated_research_papers

#آموزش #ویدیو #grad_cam #cam #explainableAI

Grad-CAM

سلام دوستان. ما قبلا یه ورک شاپ آنلاین یا موضوع کالبک ها در تنسرفلو 2 داشتیم که تو اون مبحث کمی در مورد tf-explain و روش grad-camبه صورت سربسته توضیح دادیم. اما خب وارد جزئیات نشدیم.
در ویدیوی پایین دو مقاله ی پر رفرنس سال های 2016 و 2017 به ترتیب با نام های:
Learning deep features for discriminative localization (2016)
Grad-cam: Visual explanations from deep networks via gradient-based localization(2017)

را بررسی کردیم و یه بار بدون tf-expalin ودستی با خود کراس پیاده سازی کردیم.
این فیلم را به همراه کد از لینک زیر دانلود کنید:
Explainable AI with Grad-CAM (توضیح مقاله به همراه پیاده سازی در کراس)
https://www.aparat.com/v/kHhOB
https://github.com/Alireza-Akhavan/class.vision/blob/master/Grad-CAM.ipynb


——
https://t.iss.one/cvision/1871
مطالب مرتبط:

New Google & Oxford Model Time-Shifts People in Videos

https://medium.com/syncedreview/new-google-oxford-model-time-shifts-people-in-videos-e40dd403fc