📘Artificial Intelligence and Internet of Things: Applications in Smart Healthcare (Innovations in Big Data and Machine Learning) -2021

این کتاب به همراه مثال های واقعی به کاربرد هوش مصنوعی و یادگیری ماشین در پیش بینی و مدیریت بیماری ها‌ می پردازد
و نقش هوش مصنوعی و یادگیری ماشین در کنترل بیماری ها با اشاره به بیماری های خاصی همانند دیابت، سرطان و به خصوص Covid-19 را مورد بحث قرار می دهد .

#هوش_مصنوعی #یادگیری_ماشین
🆔 @Programming4all_0to100

▪️ از چند درصد #مغز خود استفاده می‌کنید؟
▪️دوبله شده به فارسي
https://t.iss.one/modern_cogitation

🔴 برای سال تحصیلی جدید آماده شو !!!

🤩 دسترسی به مطالب و مقالات آموزشی رایگان، در کانال‌های موضوعی فرادرس 👇👇👇
‌‌
📌آموزش پایتون: @FaraPython

📌آموزش علوم کامپیوتر: @FaraCompEng

📌آموزش هوش مصنوعی: @FaraAI

📌آموزش علم داده: @Fara_DS
‌
📌آموزش متلب:@FaraMatlabSim

📌آموزش طراحی گرافیک: @FaraGraphDesign

📌آموزش برنامه‌نویسی: @FaraProg

📌آموزش طراحی وب: @FaraWebDev

📌آموزش جاوا: @Fara_Java

📌آموزش اندروید: @FaraAnd

📌آموزش آمار: @FaraStatistics‌
‌

ورکشاپ یادگیری گراف استنفورد

ورکشاپ گراف دانشگاه استنفورد (آزمایشگاه آقای لسکوک‌اینا) ده روز پیش برگزار شد و افراد خوف و خفن زیادی در این زمینه‌ها اومدند و راجع به مسائل مختلف گرافی در صنعت و آکادمیک صحبت کردند.
اسلایدها و ویدیوهاشون هم طبق معمول با سخاوت به اشتراک گذاشتند.
بحث‌های ترکیبی خیلی جذابی مثل کاربردهای گراف در پردازش زبان طبیعی، ویژن و تشخیص fraud و نفوذ شبکه و … ارائه شده.
کتابخونه‌هایی مثل PyG و GraphGym هم توش معرفی شدند.
خلاصه یه روزتون رو کامل میسازه و کلی چیز یاد می‌گیرید.

پ.ن. اگر کلا نمی‌دونید داستان یادگیری گراف چیه، این پست [https://t.iss.one/nlp_stuff/163] و این پست [https://t.iss.one/nlp_stuff/223] رو ببینید.

لینک صفجه‌ی ورکشاپ:
https://snap.stanford.edu/graphlearning-workshop/

لینک یوتیوب ورکشاپ:
https://youtu.be/NKZdqCi5fVE

#link
#conf

@nlp_stuff

یادگیری عمیق
اصول مفاهیم و رویکردها
تالیف و گردآوری: میلاد وزان

کتاب به زبان فارسی است.

#یادگیری_عمیق
#DeepLearning #Deep_Learning #Deep

@ml_nlp_cv

An event with the world's top experts on AI and Machine Learning including:

→ Andrew Ng - Founder of DeepLearning.AI and Founder & CEO of LANDING AI

→ Ilya Sutskever - Co-Founder and Chief Scientist at OpenAI

→ Fei-Fei Li - Sequoia Professor of Computer Science, Stanford University & Co-Director Stanford Institute for Human-Centered Artificial Intelligence (HAI)

→ Eric Schmidt - Co-Founder Schmidt Futures, Former CEO Google

→ Kevin Scott - CTO at Microsoft


✅Registration is free and will give you access to all recordings:

https://scl.ai/3lqkK3S

@ml_nlp_cv

#کورس #منبع

ویدیوها، اسلایدها و کدهای ترم SPRING 2021 کورس یادگیری عمیق Yann LeCun منتشر شد:
https://cds.nyu.edu/deep-learning/

اگر دغدغه جمع آوری دیتاست دارین کافیه این اسکریپت اجرا کنین تا تمام زیرنویس های سایت worldsubtitle.info دانلود کنه. این مدل دیتاها در درجه اول به درد ترجمه میخوره و همینطور q&a


https://github.com/nimiology/persian_subdl


❇️@data_hub_ir

اگه سکه ندارین شیر یا خط انجام بدید گوگل داره

❇️ @AI_Python

Efficient and targeted COVID-19 border testing via reinforcement learning

https://www.nature.com/articles/s41586-021-04014-z

@ml_nlp_cv

پژوهشی جدید در زمینه ارائه مدلهای عمیق برای شبکه های اسپایکی
https://www.marktechpost.com/2021/10/09/researchers-from-heidelberg-and-university-of-bern-propose-a-new-method-to-enhance-deep-learning-using-first-spike-times/

@ml_nlp_cv

ویرایش دوم کتاب:
Deep Learning with Python
اثر François Chollet

ورژن 2020

کتابی که گذار از کراس به تنسور فلو رو شامل میشه

@ml_nlp_cv

📇 درس‌های مهمی که باید از برندگان نوبل بیاموزیم

🔹"استفانو سندرون" مصاحبه‌ای با ۲۴ برنده جایزه نوبل انجام داده است و آن را در قالب کتابی به نام "زندگی نوبل" (Nobel Life) منتشر کرده است. او از شکست‌ها و چالش‌های این دانشمندان می‌گوید و درس‌هایی که می‌توان از آن‌ها آموخت؛ از اینکه "نمره‌ها تعیین کننده سرنوشت نیستند" و از "فرصت‌ها" که باید "از تک‌تکشان برای یادگیری استفاده کرد"؛ از "اتفاقات غیر منتظره که اهمیت دارند" تا "احتمال رد شدن بهترین ایده‌ها"..
🔹 همه‌ی ما لحظه‌ی برنده شدن جایزه نوبل را می‌بینیم اما اینکه چه تلاش‌ها و شکست‌هایی پشت این لحظه پنهان شده است برای ما نامعلوم است.  
🔹 سندرون می‌گوید: هنگام شروع هر حرفه‌ای توصیه‌ هایی می‌شنویم مانند : رویاهایت را دنبال کن، کنجکاو باش، خارج از چارچوب فکر کن. من هم هنگام شروع کارم به عنوان یک عصب‌شناس جوان این موارد را شنیدم اما هرچه از نظر حرفه‌ای رشد کردم بیشتر این موارد به نظرم ناخوشایند و کلیشه‌ای آمد. دانشمندان بیشتر از آن که با جایزه و رویا سر و کار داشته باشند با چالش‌ها و نا امیدی روبرو هستند.. 🔗متن‌کامل را در اینجا بخوانید.

@ml_nlp_cv

ویدیوهای درس «فرایندهای تصادفی» که در نیم‌سال دوم سال تحصیلی ۱۳۹۹-۱۴۰۰ در دانشکده «مهندسی و علوم کامپیوتر» دانشگاه صنعتی شریف توسط دکتر سیاوشانی تدریس شده است:
https://www.aparat.com/playlist/1090199
Stochastic Processes (1399-1400-2)

@ml_nlp_cv

یک گزارش خیلی جالب از سایت Kaggle در مورد علم‌ داده و یادگیری ماشین در سال ۲۰۲۱

این پنجمین سالی است که ما یک نظرسنجی عمیق از کاربران انجام داده و نتایج آن را به شکل عمومی به اشتراک میگذاریم.
بیش از 25000 دانشمند داده و مهندس یادگیری ماشین پاسخهایی در مورد سوابق و تجربیات روزانه خود ارائه دادند. از جزئیات آموزشی گرفته تا حقوق، فناوری و تکنیکها.

@ml_nlp_cv

https://attentionneuron.github.io/
The Sensory Neuron as a Transformer: Permutation-Invariant Neural Networks for Reinforcement Learning

#NeurIPS2021

@ml_nlp_cv

استفاده از ترسفورمرها در بینایی کامپیوتر

https://theaisummer.com/transformers-computer-vision/

@ml_nlp_cv

Github is launching Codespace!

Codespace is powered by VSCode and is a development environment right inside your web browser.

GitHub announced a handful of new features and updates at its online Satellite 2020 event today, covering the cloud, collaboration, security, and more. Get the full Visual Studio Code experience without leaving GitHub.

Check it out here: https://github.com/features/codespaces/

❇️ @AI_Python

ویدیوهای درس یادگیری ماشین
جناب دکتر محمد حسین رهبان
دانشکده کامپیوتر دانشگاه شریف
۲۹ جلسه کامل - ترم بهار ۱۴۰۰

https://www.aparat.com/playlist/954603

@ml_nlp_cv

بهترین‌های کنفرانس EMNLP2021

بهترین مقاله‌های (کوتاه، بلند و برجسته) کنفرانس EMNLP2021 انتخاب شدند. اینجا لینک مربوط به هر مقاله و خلاصه‌ی سرپایی چندخطیشون رو آوردیم. ما کم‌کم سراغشون میریم ولی اگر شما هم هر کدوم رو خوندید و خلاصه‌ی کامل‌تری نوشتید، بفرستید تا به اسم خودتون منتشرش می‌کنیم.

لینک اسامی و نویسنده‌های مقالات منتخب:
https://2021.emnlp.org/blog/2021-10-29-best-paper-awards


۱. بهترین مقاله‌ی بلند

- نام مقاله: Visually Grounded Reasoning across Languages and Cultures
- خلاصه: یک روشی ارائه کردند تا دیتاست ترکیبی عکس و متن استایل ImageNet بشه ساخت اما برای زبان‌ها و فرهنگ‌های مختلف و نه فقط طبق زبان و فرهنگ آمریکای شمالی و اروپای غربی. و یه دیتاست چندزبانه تصویر و متن به نام Multicultural Reasoning over Vision and Language (MaRVL) درست کردند که هر دونه از اعضای این دیتاست به شکل دو تصویر + یک متن توصیفی به زبان‌های متنوع و مختلفی مثل اندونزیایی، چینی، ترکی و… است و برچسبش True/False است. نمونه‌ای ازش در ضمیمه اومده. یه سری مدل هم به عنوان مدل‌های پایه برای این تسک ارائه کردند.
- لینک مقاله:
https://arxiv.org/abs/2109.13238


۲. بهترین مقاله‌ی کوتاه

- نام مقاله: CHoRa: Collecting Humor Reaction Labels from Millions of Social Media Users
- خلاصه: همونجوری که از اسمش مشخصه، یه روشی و چهارچوبی ارائه کردند تا شوخی‌های ملت رو بتونند در ابعاد بزرگ از شبکه‌های اجتماعی بدون برچسب‌زنی دستی و با استفاده از عکس‌العمل بقیه‌ی کاربران (ایموجی و اینا) جمع‌آوری کنند. چون هر زبون و فرهنگی مدل شوخی‌های خودشو داره، جمع‌آوری دیتا در ابعاد بزرگ سخته، پس تبعا و طبعا؛ تسکش هم سخت میشه. این مقاله یک دیتاست عظیم ۷۸۵هزارتایی حول موضوع کرونا ارائه کردند و تحلیل‌هایی هم از ساختار گرامری و معنایی و احساسی این پست‌ها انجام دادند. تصویری از نمونه دادگان ضمیمه شده است.
- لینک ارائه مقاله:
https://underline.io/lecture/37879-choral-collecting-humor-reaction-labels-from-millions-of-social-media-users


۳. مقاله‌های برجسته

- نام مقاله: MindCraft: Theory of Mind Modeling for Situated Dialogue in Collaborative Tasks
- لینک مقاله:
https://arxiv.org/abs/2109.06275

- نام مقاله: SituatedQA: Incorporating Extra-Linguistic Contexts into QA
- خلاصه: سوال‌ها ممکنه جوابشون در مکان‌ها و زمان‌های (context) مختلف متفاوت باشه. مثلا سوال چه واکسن‌های کرونایی برای بزرگسالان تایید شده است؟ برای زمان‌ها و و مکان‌های مختلف متفاوت میشه. این مقاله همونطور که از اسمش پیداست، یه دیتاست به اسم SITUATEDQA تقدیم جامعه کردند که کنار سوال، یه کانتست زمان یا مکان هم چاشنی کار کردند که مدل باید در نظر بگیره. یه عکس از نمونه‌اش در ضمیمه گذاشتیم. مسیر جمع‌آوری و برچسب‌زنی داده رو هم آوردند.
- لینک مقاله:
https://arxiv.org/abs/2109.06157

- نام مقاله: When Attention Meets Fast Recurrence: Training Language Models with Reduced Compute
- خلاصه: در جریان هزینه‌های بالای محاسباتی آموزش مدل‌های زبانی بزرگ هستید دیگه؟ این مقاله اومده مدل زبانی رو با یه سری یونیت بازگشتی ترکیب کرده و با ترنسفورمرهایی مثل Trans-XL و Longformer و Shortformer مقایسه کردند و در حالی که هزینه‌ها را یک سوم تا یک دهم کرده، تونسته در بعضی تسک‌ها بر مدل‌های زبانی مذکور فائق بیاد.
- لینک مقاله:
https://arxiv.org/abs/2102.12459

- نام مقاله: Shortcutted Commonsense: Data Spuriousness in Deep Learning of Commonsense Reasoning
- لینک کد مقاله:
https://github.com/nlx-group/Shortcutted-Commonsense-Reasoning


۴. کتابخونه‌ی dataset هاگینگ‌فیس هم جایزه‌ی بهترین مقاله‌ی demo رو برده.


پ.ن. لطفا کانال را به بقیه هم معرفی کنید.

#read
#paper
#conf

@nlp_stuff

یادگیری عمیق پیشرفته - ترم پاییز ۲۰۲۰
با دکتر سهیل فیضی - دانشگاه Maryland

https://youtube.com/playlist?list=PLHgjs9ncvHi80UCSlSvQe-TK_uOyDv_Jf

@ml_nlp_cv