📎 فایل ارائه روز اول کارگاه یادگیری تقویتی.

@LoopAcademy

🎯 دپارتمان علوم داده آکادمی لوپ

📎 فایل ارائه روز دوم کارگاه یادگیری تقویتی.

@LoopAcademy

🎯 دپارتمان علوم داده آکادمی لوپ

📎 فایل تمرین مربوط به Hands-On روز دوم کارگاه یادگیری تقویتی.

@LoopAcademy

🎯 دپارتمان علوم داده آکادمی لوپ

📎 فایل ارائه روز سوم کارگاه یادگیری تقویتی.

@LoopAcademy

🎯 دپارتمان علوم داده آکادمی لوپ

📎 فایل تمرین مربوط به Hands-On روز سوم کارگاه یادگیری تقویتی.

@LoopAcademy

🎯 دپارتمان علوم داده آکادمی لوپ

🧠 کارگاه و سمپوزیم یادگیری عمیق و شبکه های عصبی
(Deep Learning and Neural Networks)

📅 تاریخ برگزاری کارگاه: 3 الی 5 اسفند ماه 98.

📅 تاریخ برگزاری سمپوزیم: 6 الی 8 اسفند ماه 98.

🏛 محل برگزاری: تالار دانشکده مهندسی برق دانشگاه شهید بهشتی.

⭕️ برای مشاهده جزییات بیشتر و ثبت نام روی این لینک کلیک کنید.

👨🏻‍🏫 با حضور برجسته ترین سخنرانان یادگیری عمیق در جهان.

👨🏻‍💻 به همراه بخش های Hands-On با منتورهای مجرب و حرفه‌ای در کارگاه یادگیری عمیق.

📃 با اعطای گواهی معتبر از سوی پژوهشکده علوم شناختی و مغز دانشگاه شهید بهشتی و آکادمی لوپ.

✅ همرا با پذیرایی و ناهار.

📢 برای کسب اطلاعات بیشتر، برنامه برگزاری، معرفی مدرسان و ... به کانال های تلگرامی زیر مراجعه فرمایید:
@LoopAcademy

@CMPLab


☎️ 021-2591 7391

🌐 www.loopacademy.ir

🌐 www.cmplab.ir

📣 معرفی سخنرانان سمپوزیم یادگیری عمیق و شبکه های عصبی
(Deep Learning and Neural Networks)

⚙️ برگزار کنندگان: پژوهشکده علوم شناختی و مغز دانشگاه شهید بهشتی و آکادمی لوپ.

📅 تاریخ برگزاری کارگاه: 3 الی 5 اسفند ماه 98.

📅 تاریخ برگزاری سمپوزیم: 6 الی 8 اسفند ماه 98.

⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.

📢 برای کسب اطلاعات بیشتر، برنامه برگزاری، معرفی سخنرانان و ... به کانال های تلگرامی زیر مراجعه فرمایید:
@LoopAcademy

@CMPLab


☎️ 021 - 2591 7391

🌐 www.loopacademy.ir

🌐 www.cmplab.ir

📣 معرفی سخنرانان کارگاه یادگیری عمیق و شبکه های عصبی
(Deep Learning and Neural Networks)

⚙️ برگزار کنندگان: پژوهشکده علوم شناختی و مغز دانشگاه شهید بهشتی و آکادمی لوپ.

📅 تاریخ برگزاری کارگاه: 3 الی 5 اسفند ماه 98.

📅 تاریخ برگزاری سمپوزیم: 6 الی 8 اسفند ماه 98.

⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.

📢 برای کسب اطلاعات بیشتر، برنامه برگزاری، معرفی سخنرانان و ... به کانال های تلگرامی زیر مراجعه فرمایید:
@LoopAcademy

@CMPLab


☎️ 021 - 2591 7391

🌐 www.loopacademy.ir

🌐 www.cmplab.ir

📣 برنامه زمانی کارگاه یادگیری عمیق و شبکه های عصبی
(Deep Learning and Neural Networks)

⚙️ برگزار کنندگان: پژوهشکده علوم شناختی و مغز دانشگاه شهید بهشتی و آکادمی لوپ.

📅 تاریخ برگزاری کارگاه: 3 الی 5 اسفند ماه 98.


⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.

📢 برای کسب اطلاعات بیشتر، برنامه برگزاری، معرفی سخنرانان و ... به کانال های تلگرامی زیر مراجعه فرمایید:
@LoopAcademy

@CMPLab


☎️ 021 - 2591 7391

🌐 www.loopacademy.ir

🌐 www.cmplab.ir

📣 برنامه زمانی سمپوزیم یادگیری عمیق و شبکه های عصبی
(Deep Learning and Neural Networks)

⚙️ برگزار کنندگان: پژوهشکده علوم شناختی و مغز دانشگاه شهید بهشتی و آکادمی لوپ.

📅 تاریخ برگزاری سمپوزیم: 6 الی 8 اسفند ماه 98.


⭕️ برای مشاهده جزئیات بیشتر و ثبت نام روی این لینک کلیک کنید.

📢 برای کسب اطلاعات بیشتر، برنامه برگزاری، معرفی سخنرانان و ... به کانال های تلگرامی زیر مراجعه فرمایید:
@LoopAcademy

@CMPLab


☎️ 021 - 2591 7391

🌐 www.loopacademy.ir

🌐 www.cmplab.ir

‍ 🎯 Deep Learning and Neural Networks Symposium and Workshop

👨🏻‍🎓 Speaker introduction:

Professor Wulfram Gerstner,
Director of the Laboratory of Computational Neuroscience (LCN) at the EPFL

Title: Eligibility traces and three-factor rules of synaptic plasticity.

Abstract: Hebbian plasticity combines two factors: presynaptic activity must occur together with some postsynaptic variable (spikes, voltage deflection, calcium elevation ...). In three-factor learning rules the combination of the two Hebbian factors is not sufficient, but leaves a trace at the synapses (eligibility trace) which decays over a few seconds; only if a third factor (neuromodulator signal) is present, either simultaneously or within a short a delay, the actual change of the synapse via long-term plasticity is triggered. After a review of classic theories and recent evidence of plasticity traces from plasticity experiments in rodents, I will discuss two studies from my own lab: the first one is a modeling study of reward-based learning with spiking neurons using an actor-critic architecture; the second one is a joint theory-experimental study showing evidence for eligibility traces in human behavior and pupillometry. Extensions from reward-based learning to surprise-based learning will be indicated.

⭕️ Check our website for more information

⚙️ Organizers: Institute for Cognitive and Brain Sciences, Shahid Beheshti University and Loop Academy


📢 @LoopAcademy
📢 @CMPLab

🌐 www.loopacademy.ir
🌐 www.cmplab.ir

‍🎯 Deep Learning and Neural Networks Symposium and Workshop

👨🏻‍🎓 Speaker introduction:

Professor James L. McClelland,
Co-Director, Center for Mind, Brain, Computation and Technology, Stanford University

Title: Human and Machine Learning: How each has taught us about the other, and what is left to learn

Abstract: In this talk, I will describe work at the interface between human and machine learning. The talk will draw on the effects of brain damage on human learning and memory, the patterns of learning that humans exhibit, and computational models based on artificial neural networks that reveal properties shared by human and artificial neural networks. In the latter part of the talk, we will discuss challenges posed to artificial learning systems by aspects of human learning we still do not fully understand in terms of the underlying neural computations.

⭕️ Check our website for more information

⚙️ Organizers: Institute for Cognitive and Brain Sciences, Shahid Beheshti University and Loop Academy


📢 @LoopAcademy
📢 @CMPLab

🌐 www.loopacademy.ir
🌐 www.cmplab.ir

📌‍ آشنایی با فناوری هوش مصنوعی

با گذشت زمان و پیشرفت علم و فناوری در زمینه کامپیوتر و نرم‌افزار، موضوع AI یا هوش مصنوعی بیشتر و بیشتر سر زبان‌ها می‌آید. هوش مصنوعی چیست؟ به طور کل هوش مصنوعی یعنی دستگاهی که مثل انسان قادر به تفکر، تجزیه و تحلیل، برنامه‌ریزی، تشخیص و پردازش باشد.
هوش مصنوعی به سه دسته محدود (Artificial Narrow Intelligence)، عمومی (Artificial General Intelligence) و ابرهوش (Artificial Super Intelligence) تقسیم می‌شود که اولی در حوزه‌ی خاصی عمل می‌کند (به عنوان مثال ترجمه زبان) و گونه‌ایست که ما امروزه با آن سروکار داریم در حالی که مورد دوم بازه‌ی عملیاتی خاصی ندارد و با قرار گرفتن در هر محیطی، شرایط و اوضاع آنرا می‌سنجد و مسائل گوناگونی را حل می‌کند و آخرین مورد ماشینی خواهد بود که در تمامی اعمال متکی بر نیروی تعقل و تصمیم‌گیری از انسان بهتر عمل کند.

📣 @LoopAcademy

📌 تاریخچه هوش مصنوعی

بین سال‌های 1940 تا 1950، تعدادی از دانشمندان از رشته‌های مختلف، شروع به بررسی امکان ساخت هوش مصنوعی کردند و در نتیجه‌ی آن، گرایش به تحقیق در این حوزه بیشتر شد تا اینکه در سال 1956 به یک رشته‌ی پژوهشی تبدیل شد (Dartmouth College, Hanover, New Hampshire). اصطلاح هوش مصنوعی اولین بار توسط جان مک‌کارتی مطرح شد. او به همراه آلن تورینگ، ماروین مینسکی، آلن نول و هربرت سیمون به عنوان پیشکسوتان این عرصه محسوب می‌شوند. در اوایل چون ساخت هوش مصنوعی در ماشین کار دشواری بود، با وجود بودجه‌ی هنگفت بین المللی پیشرفتی حاصل نمی‌شد، سپس، در سال‌های 1970 تا 1990، به دلیل کمبود بودجه مورد نیاز، پیشرفت خاصی حاصل نشد. اما بعد از آن، گرایش شرکت‌های آمریکایی به هوش مصنوعی بازگشت و دولت ژاپن نیز برنامه‌هایی را برای ساخت نسل پنجم رایانه‌ها در جهت پیشرفت هوش مصنوعی طراحی کرد و نهایتا در سال 1997، Deep Blue توانست گری کاسپاروف را در شطرنج شکست دهد.
با گذشت زمان و پیشرفت هوش مصنوعی و سخت افزار شرکت‌ها و دولت‌های بیشتری شروع به بکارگیری این فناوری کرده‌اند. در پانزده سال اخیر، شرکت‌هایی نظیر Google، Amazon، Baidu و... با استفاده از هوش مصنوعی به برتری‌های تجاری زیادی دست یافته‌اند. این فناوری علاوه بر تاثیرگذاری بر مباحث مختلف، بخش بزرگی از بازار را نیز تحت کنترل خود درآورده، چرا که امروزه، هوش مصنوعی در بسیاری از خدمات اینترنتی ادغام شده.

📣 @LoopAcademy

#ai #artificial_intelligence #alan_turing #john_mccarthy #computer_science #machine_learning #deep_blue ⁠⁠⁠⁠⁠