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

#آموزش
Explainable AI with Grad-CAM

آیا براتون سوال شده که شبکه عصبی کانولوشنالی عمیق اگر میگه گربه دیدم به کجای تصویر نگاه میکرده و چه ویژگی هایی براش مهم بوده؟

همواره توضیح و تفسیر یک مدل آموزش دیده شده برای متخصصان یادگیری ماشین مهم بوده، مثال های معروف که مدل ها بعد ترین به درصد بالایی روی دیتای validation رسیدند اما تو محیط واقعی کار نمیکردند هم کم نیست! پس لزوم روشی که بتونه دلیل خروجی مدل را تفسیر کنه حس میشه...

در این ویدیو در همین راستا روش grad-cam کامل توضیح داده شده و با فریم ورک keras پیاده سازی شده است.
فیلم فارسی :
https://www.aparat.com/v/kHhOB

کدها:
https://github.com/Alireza-Akhavan/class.vision/blob/master/Grad-CAM.ipynb

#رویداد #آنلاین #رایگان #GAN
GANs for Good
چهارشنبه ۹ مهرماه

این رویداد آنلاین که با حضور بزرگان یادگیری عمیق برگزار می شود رایگان است. همین حالا ثبت نام کنید:

https://www.eventbrite.com/e/gans-for-good-tickets-121256079197?aff=speaker1


➖➖➖➖➖➖➖➖➖
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورک‌شاپ، کلاس و ... تشکیل شده است.

@eventai

#fun ;)

تا دقایقی دیگر این رویداد با حضور افرادی مثل Ian goodfellow و Andrew Ng و ... شروع خواهد شد.

لینک ویدئو ضبط شده رویداد:


https://youtu.be/9d4jmPmTWmc

AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE
(Submitted paper at ICLR 2021)

https://openreview.net/pdf?id=YicbFdNTTy

آشنایی بیشتر با شبکه‌های عصبی کانولوشنی (CNN) با مشاهده نحوه پردازش و مراحل متداول آن‌ها، داخل مرورگر:

https://poloclub.github.io/cnn-explainer/

کاری از دانشگاه جورحیا، منبع

+ اطلاعات بیشتر

#رویداد #آنلاین #لایو
لایو اینستاگرامی هوش مصنوعی

زمان: شنبه ساعت ۲۰:۳۰

#هوش_مصنوعی
https://www.instagram.com/p/CGDFT78g3BI/?igshid=4069qhjh8qov

➖➖➖➖➖➖➖➖➖
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورک‌شاپ، کلاس و ... تشکیل شده است.

@eventai

پایتون ۳.۹ منتشر شد

https://docs.python.org/3/whatsnew/3.9.html

#منبع #آموزش
دوره‌ی deep learning دانشگاه NYU که توسط اساتید بزرگی نظیر Yann LeCun و Alfredo Canziani ارائه شد و به 11 زبان دنیا از جمله فارسی موجوده:

انگلیسی:
https://atcold.github.io/pytorch-Deep-Learning/

فارسی:
https://atcold.github.io/pytorch-Deep-Learning/fa/

#آموزش #سورس_کد
استفاده از pearson correlation به عنوان loss برای تسک های رگرسیون

https://colab.research.google.com/github/stoerr/machinelearning-tensorflow/blob/master/published/CorrelationLossTest.ipynb#scrollTo=jLnr6JerraGn

#آموزش #سورس_کد

در این آموزش ساده که اخیرا به مستندات سایت تنسرفلو اضافه شد، 4 کلمه را با محاسبه اسپکتوگرام و بعد با خوراندن به یک شبکه کانولوشنالی ساده طبقه بندی کرده اند:
New audio recognition tutorial (thanks Carlos!) using the Speech Commands Dataset ("up", "down", "left", "right"):

https://www.tensorflow.org/tutorials/audio/simple_audio

مرتبط با موضوع
Sound classification with YAMNet:
https://www.tensorflow.org/hub/tutorials/yamnet

#مقاله #سورس_کد
NeRF++: Analyzing and Improving Neural Radiance Fields
https://arxiv.org/abs/2010.07492
https://github.com/Kai-46/nerfplusplus

این سایت را هر بار که باز کنید یا رفرش کنید یک چهره ی جدید به شما نشان میدهد که نکته ی جالبش اینه که چهره ها وجود خارجی نداشته و توسط شبکه های GAN تولید شده اند...
https://thispersondoesnotexist.com/