Speeding up neural networks using TensorNetwork in Keras

https://blog.tensorflow.org/2020/02/speeding-up-neural-networks-using-tensornetwork-in-keras.html?linkId=82160439

#مقاله

A Simple Framework for Contrastive Learning of Visual Representations
https://arxiv.org/abs/2002.05709

#منبع #ویدیو

خیلی ها یادگیری عمیقو از ابتدا با کورس CS231n استنفورد و تدریس جذاب Andrej Karpathy شروع کردند که در سال 2016از مدرسان این کورس بود...

اما این دانشگاه کورس‌های مرتبط دیگری را نیز به صورت رایگان منتشر کرده است، فیلم ها، اسلایدها و نکات سه کورس نیز رایگان در دسترس است:


* CS221 Artificial Intelligence
* CS229 Machine Learning
* CS230 Deep Learning



CS221 Artificial Intelligence
* Website: https://stanford-cs221.github.io/autumn2019/ (with exams + solutions)
* Lectures: https://www.youtube.com/playlist?list=PLoROMvodv4rO1NB9TD4iUZ3qghGEGtqNX
* Cheat sheets: https://stanford.edu/~shervine/teaching/cs-221/

CS229 Machine Learning
* Website: https://cs229.stanford.edu
* Lectures: https://see.stanford.edu/Course/CS229
* Cheat sheets: https://stanford.edu/~shervine/teaching/cs-229/

CS230 Deep Learning

* Website: https://cs230.stanford.edu
* Lectures: https://youtube.com/playlist?list=PLoROMvodv4rOABXSygHTsbvUz4G_YQhOb
* Cheat sheets: https://stanford.edu/~shervine/teaching/cs-230/

#منبع #ویدیو

Recurrent Neural Networks | MIT 6.S191


https://www.youtube.com/watch?v=SEnXr6v2ifU

همان طور که قبلا در این پست گفته بودیم، دانشگاه MIT، یک کورس deep learning رو به‌صورت رایگان داره منتشر می‌کنه. جلسه دومش هم 20 ساعت پیش با موضوع شبکه‌های بازگشتی و RNN ها منتشر شد.

==========
این جلسه مرتبط با فیلم های #فارسی همین موضوع:

https://www.aparat.com/v/zqbc8
https://www.aparat.com/v/WQyuo
https://www.aparat.com/v/4JYTU
https://www.aparat.com/v/DRqG1
https://t.iss.one/cvision/1591

@cvision

Machine Learning on Arduino with TensorFlow Lite Micro
-----
👤Arduino
⏰ Friday, October 18, 2019 3:31 PM
👁 14296 👍225 👎7
📎 youtu.be/HzCRZsGJLbI

One-Class Classification Algorithms for Imbalanced Datasets
https://machinelearningmastery.com/one-class-classification-algorithms/

چه کسی الان صحبت میکند؟


SELF-SUPERVISED LEARNING FOR AUDIO-VISUAL SPEAKER DIARIZATION

Speaker diarization, which is to find the speech segments of specific speakers, has been widely used in human-centered applications such as video conferences or human-computer interaction systems. In this paper, we propose a self-supervised audio-video synchronization learning method to address the problem of speaker diarization without massive labeling effort. We improve the previous approaches by introducing two new loss functions: the dynamic triplet loss and the multinomial loss. We test them on a real-world human-computer interaction system and the results show our best model yields a remarkable gain of +10% (F1-scores) and-12% (DER). Finally, we introduce a new large scale audio-video corpus designed to fill the vacancy of the audio-video datasets in Chinese.

https://yifan16.github.io/av-spk-diarization/

#خبر #کورس #ویدیو

سایت edx اعلام کرده که دانشگاه مونترال (UdeM) هم به این سایت پیوسته است.
در بین اساتید شناس این دانشگاه، اسم پروفسور Yoshua Bengio می‌درخشد.

به خاطر این ویدیو برخی گفتند که مدرس دوره ی دیپ ایشون خواهد بود:
https://www.youtube.com/watch?v=qruEuDB2lyI
اما متاسفانه استاد این دوره ها نیستند و فقط در مورد دوره ها صحبت کردند و ظاهرا در محتوا هم نظارتی داشتند...

اما Rachel Thomas همکار جرمی هاوارد نیز در یکی از کورس های این دانشگاه در این سایت تدریس خواهد کرد

اطلاعیه سایت edx:
https://blog.edx.org/edx-welcomes-universite-de-montreal/

#مجموعه_داده

A benchmark dataset for data-driven weather forecasting

https://github.com/pangeo-data/WeatherBench

دکتر ادرین رزبراک، نویسنده و موسس سایت pyimagesearch، امروز یه پست آموزشی در مورد اتوانکودرها منتشر کرده که دارای سه بخش هست و امروز بخش اولش منتشر شده.
قرار هست کاربردهایی مانند خودرمزنگاری، از بین بردن نویز و تشخیص ناهنجاری در سه قسمت از این پست آموزشی به صورت عملی توضیح داده بشه.

لینک بخش اول از این پست آموزشی که در مورد آشنایی با اتوانکودرهاست:
https://www.pyimagesearch.com/2020/02/17/autoencoders-with-keras-tensorflow-and-deep-learning/

#آموزش #rnn #lsrm #gru

قسمت هفتم - شبکه‌های GRU
https://www.aparat.com/v/fnlRB


پ ن : این ویدیوها نیاز به پیش‌نیاز آشنایی با پیاده سازی شبکه های عصبی و کانولوشنالی در تنسرفلو و کراس دارد.
می‌توانید مسیر یادگیری یادگیری عمیق را از اینجا بخوانید، یا ویدیو مقدماتی را از اینجا ببنید. اگر هیچ دیدی هم نسبت به یادگیری عمیق ندارید به این پست یک نگاهی بیندازید.

کورس یادگیری عمیق Kaggle:

https://www.kaggle.com/learn/deep-learning

همینطور کورس‌های دیگر Kaggle در حوزه علم داده:

https://www.kaggle.com/learn/overview

چالش Abstraction and Reasoning حدود چند روز پیش در سایت Kaggle معرفی شده که در مورد اینه که آیا ماشین‌ها هم می‌توانند مانند انسان فقط با نمونه‌های محدود تسک‌های پیچیده و سطوح انتزاع بالا رو یاد بگیرند و قدرت تعمیم‌دهی خوبی داشته باشند؟
این چالش توسط فرانسوا شوله، نویسنده کتابخانه کراس، میزبانی میشه که چند وقت پیش مقاله
On the Measure of Intelligence
رو منتشر کرد.
این چالش 20 هزار دلار جایزه داره.آیا شما میتونید کامپیوترها رو به توانایی‌های شناختی انسان نزدیک کنید؟!

لینک چالش:
https://www.kaggle.com/c/abstraction-and-reasoning-challenge

شوله توی این مصاحبه از تعریف جدید خودش از هوش (Intelligence) میگه و ضعف‌های یادگیری عمیق و قدم‌های منجر به حرکت به سمت هوشی شبیه انسان رو مطرح میکنه


https://www.zdnet.com/article/keras-creator-chollets-new-direction-for-ai-a-q-a/

Choosing the Best GPU for Deep Learning in 2020

#GPU #Deeplearning

بهترین پزدازنده‌های گرافیکی که برای یادگیری عمیق در حوزه های مختلف در سال 2020 پیشنهاد می‌شود:

مقایسه توان آموزش برای مدل‌های مختلف زبانی و تصویری و همچنین مقایسه حداکثر سایز مینی‌بچ



Choosing the Best GPU for Deep Learning in 2020
https://lambdalabs.com/blog/choosing-a-gpu-for-deep-learning/

@shenasa_ai

گفتگو Lex Fridman با Andrew Ng در اپیزود این هفته پادکست هوش مصنوعی

https://m.youtube.com/watch?v=0jspaMLxBig

چطوری مقالات رو به شکل موثر بخونیم؟

در این ویدیو Andrew Ng توصیه‌هایی داره برای اینکه چطوری چندین مقاله رو به طور موازی بخونیم و چطوری یه مقاله خوب رو به طور کامل تحلیل کنیم؟


https://youtu.be/733m6qBH-jI?t=160

A Deep Learning Approach to Antibiotic Discovery

https://www.cell.com/cell/fulltext/S0092-8674(20)30102-1?utm_medium=homepage#.Xk94zegfN7k.twitter