Forwarded from اخلاق نشر و منابع علمی
Media is too big
VIEW IN TELEGRAM
پنجم اسفندماه هر سال به مناسبت بزرگداشت خواجه نصیرالدین طوسی، روز مهندس نامیده میشود.
خواجه نصیر از بزرگترین دانشمندان قرون وسطی است. تصویر مربوط به "زوج طوسی" است که خواجه توسط آن حرکات سیارات را توصیف کرد.
فیلم در مورد نقش طوسی در کشفیات کوپرنیک درباره حرکت اجسام سماوی است.
https://www.dailymotion.com/video/x6t81rn
اصل توصیف "زوج طوسی" را در کتاب "تحریر المجسطی" در زیر بخوانید.
'اذا كانت هناك دائرتان متحدتا المستوى، قطر الاولى يساوي نصف قطر الاخرى،وتكون متلامستان من الداخل بنقطة،وأخذت نقطة معينة من الدائرة الصغرى-ولتكن نقطة التماس مع الدائرة الكبرى-،الان لو تحركت الدائرتين حركة بسيطة وباتجاهين متعاكسين بحيث تكون سرعة الصغرى ضعف سرعة الكبرى بحيث تكمل الصغرى دورتين عندما تكمل الكبرى دورة واحدة، أذن سوف نرى ان النقطة سوف تتحرك على قطر الدائرة الكبرى والتي مرت في البداية من نقطة التماس، متذبذبة بين الطرفين"
#روز_مهندس_مبارک
#نوابغ_علم
در کانال اخلاق نشر و منابع علمی در تلگرام عضو شوید
https://t.iss.one/pubethicsmums/936
خواجه نصیر از بزرگترین دانشمندان قرون وسطی است. تصویر مربوط به "زوج طوسی" است که خواجه توسط آن حرکات سیارات را توصیف کرد.
فیلم در مورد نقش طوسی در کشفیات کوپرنیک درباره حرکت اجسام سماوی است.
https://www.dailymotion.com/video/x6t81rn
اصل توصیف "زوج طوسی" را در کتاب "تحریر المجسطی" در زیر بخوانید.
'اذا كانت هناك دائرتان متحدتا المستوى، قطر الاولى يساوي نصف قطر الاخرى،وتكون متلامستان من الداخل بنقطة،وأخذت نقطة معينة من الدائرة الصغرى-ولتكن نقطة التماس مع الدائرة الكبرى-،الان لو تحركت الدائرتين حركة بسيطة وباتجاهين متعاكسين بحيث تكون سرعة الصغرى ضعف سرعة الكبرى بحيث تكمل الصغرى دورتين عندما تكمل الكبرى دورة واحدة، أذن سوف نرى ان النقطة سوف تتحرك على قطر الدائرة الكبرى والتي مرت في البداية من نقطة التماس، متذبذبة بين الطرفين"
#روز_مهندس_مبارک
#نوابغ_علم
در کانال اخلاق نشر و منابع علمی در تلگرام عضو شوید
https://t.iss.one/pubethicsmums/936
پیاده سازی یادگیری ماشین در ابزارهای هوش تجاری مایکروسافت Power BI و Tableau توسط #pycaret!
در لینکهای زیر آموزش اتصال و نحوه فعالسازی بصورت تفکیک شده شرح گردیده، با دوستان علاقهمند به اشتراک بگذارید.
▪️ Topic Modeling in Power BI
yun.ir/b8sia6
▪️ Implement Clustering in Power BI using PyCaret
yun.ir/ha3wz6
▪️ Build your first Anomaly Detector in Power BI using PyCaret
yun.ir/2wgj7f
▪️ Machine Learning in Power BI using PyCaret
yun.ir/w7q5x6
▪️Machine Learning in Tableau with PyCaret
yun.ir/99fvu3
@ml_nlp_cv
در لینکهای زیر آموزش اتصال و نحوه فعالسازی بصورت تفکیک شده شرح گردیده، با دوستان علاقهمند به اشتراک بگذارید.
▪️ Topic Modeling in Power BI
yun.ir/b8sia6
▪️ Implement Clustering in Power BI using PyCaret
yun.ir/ha3wz6
▪️ Build your first Anomaly Detector in Power BI using PyCaret
yun.ir/2wgj7f
▪️ Machine Learning in Power BI using PyCaret
yun.ir/w7q5x6
▪️Machine Learning in Tableau with PyCaret
yun.ir/99fvu3
@ml_nlp_cv
یون | yun.ir
کوتاه کننده لینک
سرویس کوتاه کننده لینک با قابلیت انتخاب آدرس دلخواه برای لینک کوتاه شده و همچنین رمز عبور جهت مشاهده، ارائه خدمات متنوع دیگری از قبیل ایجاد لینک لیست و کوتاه کردن متن و ایجاد نظر سنجی آنلاین علاوه بر قابلیت کوتاه کردن لینک در این وبسایت فراهم آمده است
Forwarded from هوشیو | رسانه تخصصی هوش مصنوعی
💠ژنوم هایی که با استفاده از #هوش_مصنوعی ساخته شده اند
⚡ این روزها دیگر #تشخیص_چهره انسان معمولی از چهرهای که توسط هوش مصنوعی تولید شده، دشوار است.
✳ برخی علائم از جمله حالت چشمان زیر عینک، لکههای روی پوست و حالت موها میتواند کمک کند تا در این تشخیص موفقتر عمل کنیم.
❓ اما اگر تفاوتها دیگر منحصر به پوست نباشند چه ؟ اگر هوش مصنوعی موفق به ساخت ژنوم شده باشد چه؟ اگر انسانهایی که توسط رایانه خلق شدهاند در سطح ژنتیکی توصیف شوند، چه میشود؟
📌 برای خواندن متن کامل مقاله به لینک زیر مراجعه کنید:
🔗 yun.ir/humpe2
جدیدترین اخبار و مقالات هوش مصنوعی را در کانال هوشیو بخوانید:
🆔@hooshio
⚡ این روزها دیگر #تشخیص_چهره انسان معمولی از چهرهای که توسط هوش مصنوعی تولید شده، دشوار است.
✳ برخی علائم از جمله حالت چشمان زیر عینک، لکههای روی پوست و حالت موها میتواند کمک کند تا در این تشخیص موفقتر عمل کنیم.
❓ اما اگر تفاوتها دیگر منحصر به پوست نباشند چه ؟ اگر هوش مصنوعی موفق به ساخت ژنوم شده باشد چه؟ اگر انسانهایی که توسط رایانه خلق شدهاند در سطح ژنتیکی توصیف شوند، چه میشود؟
📌 برای خواندن متن کامل مقاله به لینک زیر مراجعه کنید:
🔗 yun.ir/humpe2
جدیدترین اخبار و مقالات هوش مصنوعی را در کانال هوشیو بخوانید:
🆔@hooshio
DreamerV2: اولین عامل یادگیری تقویتی که در بازیهای آتاری عملکرد بهتری نسبت به انسان دارد (ویدیو ، کد و موارد دیگر)
@ml_nlp_cv
@ml_nlp_cv
Google AI Blog
Mastering Atari with Discrete World Models
Posted by Danijar Hafner, Student Researcher, Google Research Deep reinforcement learning (RL) enables artificial agents to improve thei...
Hands-On Image Generation with TensorFlow: A practical guide to generating images and videos using deep learning
کتابی که اخیرا منتشر شده و خیلی هم مورد توجه قرار گرفته... اینم توئیت فرانسوا شوله که کلی از کتاب تعریف کرده:
https://twitter.com/fchollet/status/1366582819175026689?s=09
#GANs
@ml_nlp_cv
کتابی که اخیرا منتشر شده و خیلی هم مورد توجه قرار گرفته... اینم توئیت فرانسوا شوله که کلی از کتاب تعریف کرده:
https://twitter.com/fchollet/status/1366582819175026689?s=09
#GANs
@ml_nlp_cv
سیستم توسعه داده شده توسط محققان MIT که میتونه خطر ابتلا به سرطان رو در افراد برای ۵ سال آینده و با دقت بسیار بالایی پیش بینی کنه
https://news.mit.edu/2021/robust-artificial-intelligence-tools-predict-future-cancer-0128
@ml_nlp_cv
https://news.mit.edu/2021/robust-artificial-intelligence-tools-predict-future-cancer-0128
@ml_nlp_cv
MIT News
Robust artificial intelligence tools to predict future cancer
MIT researchers have improved their machine learning system, Mirai, developed to predict cancer risk from mammogram images, and validated their effectiveness with studies across several hospitals.
Google AI Blog: The Technology Behind Cinematic Photos
https://ai.googleblog.com/2021/02/the-technology-behind-cinematic-photos.html?m=1
@ml_nlp_cv
https://ai.googleblog.com/2021/02/the-technology-behind-cinematic-photos.html?m=1
@ml_nlp_cv
Googleblog
The Technology Behind Cinematic Photos
Forwarded from Data Science, Big Data, ML, DL and stuff
اضافه شدن عملگر اجتماع "|" برای دیکشنری ها در پایتون 3.9.0
اطلاعات بیشتر در:
🔗PEP 584
🆔 @Data_Science_Hub
اطلاعات بیشتر در:
🔗PEP 584
🆔 @Data_Science_Hub
Forwarded from NLP stuff
نورونهای عصبی Multi-Modal زیر ذرهبین OpenAI Microscope!
چند روز پیش مقالهای با نام Multimodal Neurons in Artificial Neural Networks از تیم OpenAI منتشر شد. این مقاله میاد نشون میده که یک نورون در مدلی multi modal مثل CLIP داره به یک کانسپت و مفهوم (انسان، درخت، احساسات و ...) واکنش میده و فعال میشه وقتی اون مفهوم چه به صورت عکس، چه به صورت متن یا چه به صورت نقاشی باشه. این موضوع قبلا هم توسط bioکارها راجع به نورون طبیعی گفته شده بود (ما چه کلمه درخت را بخونید، چه عکس درخت ببینید چه نقاشی درخت نشونمون بدهند، میتونیم همشون را به مفهوم درخت مرتبط کنیم).
مثلا اومدند دیدند که یه نورون هست که چه عکس یارویی که لباس مرد عکنبوتی پوشیده، چه نقاشی مرد عنکبوتی یا چه کلمهی spider ببینه پاسخ میده و فعال میشه؛ یعنی یه نورون کلا به کانسپت spider man (چه تصویر چه نقاشی چه کلمه) پاسخ میده. پس این مدل Multi-Modal تونسته جنبههای مختلف از یک مفهوم را به هم ربط بده. دو تا چیز جالبه اینجا: اول اینکه مدله این ارتباط را تونسته ایجاد کنه. دوم اینکه اینا چقدر قشنگ اینو بررسی کردند. کیف کنیم!
بعد هم اینا اومدند نورونهای مختلف برای مفاهیم مختلف مثل: Region, Person, Emotion, Holiday, Color و ... را پیدا کردند و به نمایش گذاشتند. چجوری؟ OpenAI یه ابزاری به نام Microscope درست کرده (متاسفانه این یکی از زیر دستمون سر خورده و توی کانال نگذاشتیم) که نورونهای لایههای مدلهای معروف تصویری مثل AlexNet ،ResNet ،Inception ،VGG و CLIP را به تصویر کشیده تا بشه تفسیرشون کرد. برای اینکار اومدند عکسایی که نورون موردنظر یا اون کانال تصویری مدنظر را خیلی فعال کردند، یه جا جمع کردند و از سمتی تصاویر ورودی از دیتاست ImageNet که اون نورونها را فعال کردند هم آوردند؛ مثلا میشه دید که همبرگر و پنکیک فلان نورون از فلان لایه را خیلی فعال میکنه. حالا اومدند نورونهای لایههای مختلف مدل CLIP هم با همین روش بررسی کردند و برای مفاهیم مختلف نورونهاشون را آوردند. و اینکه برای هر کدوم از مفاهیم هم اومدند نشون دادند که چه تصاویر صورتی، چه متونی، چه معماریهایی، چه مناظری و... نشون دهندهی اون مفهوم برای این نورونه و اون نورون را فعال میکنه. مثلا میتونید ببینید که این مدل، «آمریکا» را با چه چیزایی میتونه تشخیص بده یا مثلا «ترامپ» را با چه چیزایی یا مثلا مفهوم «خوشحال» را با چه چیزایی!
لینک ویدیوی توضیح مقاله:
https://youtu.be/Z_kWZpgEZ7w
لینک مقاله که کلی مثال خفن هم در این صفحه آوردند که باهاشون ور برید لذت ببرید:
https://distill.pub/2021/multimodal-neurons/
پ.ن. زکات لذت از این پست، نشر آن است!
#read
#paper
#watch
@nlp_stuff
چند روز پیش مقالهای با نام Multimodal Neurons in Artificial Neural Networks از تیم OpenAI منتشر شد. این مقاله میاد نشون میده که یک نورون در مدلی multi modal مثل CLIP داره به یک کانسپت و مفهوم (انسان، درخت، احساسات و ...) واکنش میده و فعال میشه وقتی اون مفهوم چه به صورت عکس، چه به صورت متن یا چه به صورت نقاشی باشه. این موضوع قبلا هم توسط bioکارها راجع به نورون طبیعی گفته شده بود (ما چه کلمه درخت را بخونید، چه عکس درخت ببینید چه نقاشی درخت نشونمون بدهند، میتونیم همشون را به مفهوم درخت مرتبط کنیم).
مثلا اومدند دیدند که یه نورون هست که چه عکس یارویی که لباس مرد عکنبوتی پوشیده، چه نقاشی مرد عنکبوتی یا چه کلمهی spider ببینه پاسخ میده و فعال میشه؛ یعنی یه نورون کلا به کانسپت spider man (چه تصویر چه نقاشی چه کلمه) پاسخ میده. پس این مدل Multi-Modal تونسته جنبههای مختلف از یک مفهوم را به هم ربط بده. دو تا چیز جالبه اینجا: اول اینکه مدله این ارتباط را تونسته ایجاد کنه. دوم اینکه اینا چقدر قشنگ اینو بررسی کردند. کیف کنیم!
بعد هم اینا اومدند نورونهای مختلف برای مفاهیم مختلف مثل: Region, Person, Emotion, Holiday, Color و ... را پیدا کردند و به نمایش گذاشتند. چجوری؟ OpenAI یه ابزاری به نام Microscope درست کرده (متاسفانه این یکی از زیر دستمون سر خورده و توی کانال نگذاشتیم) که نورونهای لایههای مدلهای معروف تصویری مثل AlexNet ،ResNet ،Inception ،VGG و CLIP را به تصویر کشیده تا بشه تفسیرشون کرد. برای اینکار اومدند عکسایی که نورون موردنظر یا اون کانال تصویری مدنظر را خیلی فعال کردند، یه جا جمع کردند و از سمتی تصاویر ورودی از دیتاست ImageNet که اون نورونها را فعال کردند هم آوردند؛ مثلا میشه دید که همبرگر و پنکیک فلان نورون از فلان لایه را خیلی فعال میکنه. حالا اومدند نورونهای لایههای مختلف مدل CLIP هم با همین روش بررسی کردند و برای مفاهیم مختلف نورونهاشون را آوردند. و اینکه برای هر کدوم از مفاهیم هم اومدند نشون دادند که چه تصاویر صورتی، چه متونی، چه معماریهایی، چه مناظری و... نشون دهندهی اون مفهوم برای این نورونه و اون نورون را فعال میکنه. مثلا میتونید ببینید که این مدل، «آمریکا» را با چه چیزایی میتونه تشخیص بده یا مثلا «ترامپ» را با چه چیزایی یا مثلا مفهوم «خوشحال» را با چه چیزایی!
لینک ویدیوی توضیح مقاله:
https://youtu.be/Z_kWZpgEZ7w
لینک مقاله که کلی مثال خفن هم در این صفحه آوردند که باهاشون ور برید لذت ببرید:
https://distill.pub/2021/multimodal-neurons/
پ.ن. زکات لذت از این پست، نشر آن است!
#read
#paper
#watch
@nlp_stuff
Telegram
stuff
Forwarded from فیلاگر|جامعه هوش مصنوعی ایران
Self-supervised.pdf
443.7 KB
🟣 ابزار تازه هوش مصنوعی فیسبوک با قابلیت «آموزش به خود» برای تشخیص عکس
🔴 شرکت فیسبوک روز پنجشنبه ۱۴ اسفند (۳ مارس) اعلام کرد موفق به ساخت یک برنامه هوش مصنوعی شده است که با کنار زدن الگوهای قبلی، میتواند به خودش آموزش دهد و با کمترین دخالت انسانی به ماهیت تصاویر دریافتی پی ببرد.
🟠 فیسبوک گفته است برنامه جدید بینایی رایانهای که «SEER» نام دارد در آزمایش تشخصی اشیاء بهتر از مدلهای هوش مصنوعی موجود عمل میکند، به نحوی که میتواند با استفاده از حافظه تصویری خود و الگوریتمهای پردازش عکس ماهیت تصاویر جدید را با دقت ۸۴.۲ درصد تشخیص دهد.
🟡 آینده هوش مصنوعی در ایجاد سیستمهایی است که میتوانند مستقیما از هر اطلاعاتی که به آنها داده میشود یاد بگیرند (خواه از متن، عکس یا نوع دیگری از دادهها)، بدون اتکا به مجموعه داده مرجعی دقیق و منظم؛
🧠فیلاگر|جامعه هوشمصنوعی ایران
@filoger_com
🔴 شرکت فیسبوک روز پنجشنبه ۱۴ اسفند (۳ مارس) اعلام کرد موفق به ساخت یک برنامه هوش مصنوعی شده است که با کنار زدن الگوهای قبلی، میتواند به خودش آموزش دهد و با کمترین دخالت انسانی به ماهیت تصاویر دریافتی پی ببرد.
🟠 فیسبوک گفته است برنامه جدید بینایی رایانهای که «SEER» نام دارد در آزمایش تشخصی اشیاء بهتر از مدلهای هوش مصنوعی موجود عمل میکند، به نحوی که میتواند با استفاده از حافظه تصویری خود و الگوریتمهای پردازش عکس ماهیت تصاویر جدید را با دقت ۸۴.۲ درصد تشخیص دهد.
🟡 آینده هوش مصنوعی در ایجاد سیستمهایی است که میتوانند مستقیما از هر اطلاعاتی که به آنها داده میشود یاد بگیرند (خواه از متن، عکس یا نوع دیگری از دادهها)، بدون اتکا به مجموعه داده مرجعی دقیق و منظم؛
🧠فیلاگر|جامعه هوشمصنوعی ایران
@filoger_com
Forwarded from PyTorch Howsam
شکی نیست که Data Augmentation تکنیک بسیار کارآمد و مهمی در آموزش بهتر شبکههای عصبی هست.
ولی خب، دیتاآگمنت پرزحمت هم هست. فکر کنید وقتی روی Object Detection یا Segmentation کار میکنید، اگر روی ورودی برش رندوم زدید، حتما باید روی گراندتروث هم اینکارو بکنید. پس پرزحمته که خودمون اینکارو بکنیم.
لایبرری Albumentations به راحتی این کار رو براتون انجام میده. فوقالعادست! به تصاویر نگاه کنید. به کدها هم نگاه کنید. با چند خط کد ساده بهراحتی این کار رو انجام میده. درسته اسمش سخته ولی کار باهاش راحته!
لینک لایبرری:
https://github.com/albumentations-team/albumentations
@pytorch_howsam
ولی خب، دیتاآگمنت پرزحمت هم هست. فکر کنید وقتی روی Object Detection یا Segmentation کار میکنید، اگر روی ورودی برش رندوم زدید، حتما باید روی گراندتروث هم اینکارو بکنید. پس پرزحمته که خودمون اینکارو بکنیم.
لایبرری Albumentations به راحتی این کار رو براتون انجام میده. فوقالعادست! به تصاویر نگاه کنید. به کدها هم نگاه کنید. با چند خط کد ساده بهراحتی این کار رو انجام میده. درسته اسمش سخته ولی کار باهاش راحته!
لینک لایبرری:
https://github.com/albumentations-team/albumentations
@pytorch_howsam
Forwarded from هوشیو | رسانه تخصصی هوش مصنوعی
💠 داده کاوی دایکه : محقق پلتفرم اختصاصی دادهکاوی و یادگیری ماشین
✅گروه داده کاوی دایکه پیش از آنکه در قالب شرکت «ندای کهن پرداز» به فعالیت بپردازد از سال ۸۶ بهعنوان یکی از اولین گروههای تخصصی دادهکاوی در ایران به وجود آمد.
✅تمرکز اصلی این گروه پس از سال ۹۲ و تحت عنوان شرکت«ندای کهن پرداز» بر روی پروژههای دادهکاوی در شرکتها و سازمانها قرار گرفت و از سال ۹۵ درزمینهٔ تحقیق و توسعه بر روی پروژه «پلتفرم اختصاصی دادهکاوی و یادگیری ماشین» با تمرکز بر حوزههای کسبوکار ادامه یافت.
📌 برای خواندن متن کامل مقاله به لینک زیر مراجعه کنید:
🔗 yun.ir/417fte
جدیدترین اخبار و مقالات هوش مصنوعی را در کانال هوشیو بخوانید:
🆔@hooshio
✅گروه داده کاوی دایکه پیش از آنکه در قالب شرکت «ندای کهن پرداز» به فعالیت بپردازد از سال ۸۶ بهعنوان یکی از اولین گروههای تخصصی دادهکاوی در ایران به وجود آمد.
✅تمرکز اصلی این گروه پس از سال ۹۲ و تحت عنوان شرکت«ندای کهن پرداز» بر روی پروژههای دادهکاوی در شرکتها و سازمانها قرار گرفت و از سال ۹۵ درزمینهٔ تحقیق و توسعه بر روی پروژه «پلتفرم اختصاصی دادهکاوی و یادگیری ماشین» با تمرکز بر حوزههای کسبوکار ادامه یافت.
📌 برای خواندن متن کامل مقاله به لینک زیر مراجعه کنید:
🔗 yun.ir/417fte
جدیدترین اخبار و مقالات هوش مصنوعی را در کانال هوشیو بخوانید:
🆔@hooshio
Forwarded from 🐍 Python & Raspberry 🐍 (Kasra :|)
💡وبینار رایگان مقدمهای بر شبکههای مولد تخاصمی (GANs)
🔻سرفصلها:
✅ Generative Modeling
✅ GANs Structure
✅ DCGAN (Deep Convolutional)
✅ CGAN (Conditional GAN)
✅ SRGAN (Super Resolution GAN)
✅ PGAN (Progressive GAN)
✅ Style GAN
✅ Big GAN
✅ Common Problems
👥 مخاطبین:
✅ علاقهمندان به هوش مصنوعی
✅ دانشجویان تحصیلات تکمیلی
⏰ زمان: ۲۰ اسفندماه ۱۳۹۹ ساعت ۱۷ تا ۱۹
👤 ارائه دهنده: حسین الله رسانی
💵 هزینه: رایگان
💠 بدون نیاز به ثبت نام قبلی
👇🏻لینک مستقیم شرکت در وبینار:
🔗 https://ac5.birjand.ac.ir/innovation/
🔻سرفصلها:
✅ Generative Modeling
✅ GANs Structure
✅ DCGAN (Deep Convolutional)
✅ CGAN (Conditional GAN)
✅ SRGAN (Super Resolution GAN)
✅ PGAN (Progressive GAN)
✅ Style GAN
✅ Big GAN
✅ Common Problems
👥 مخاطبین:
✅ علاقهمندان به هوش مصنوعی
✅ دانشجویان تحصیلات تکمیلی
⏰ زمان: ۲۰ اسفندماه ۱۳۹۹ ساعت ۱۷ تا ۱۹
👤 ارائه دهنده: حسین الله رسانی
💵 هزینه: رایگان
💠 بدون نیاز به ثبت نام قبلی
👇🏻لینک مستقیم شرکت در وبینار:
🔗 https://ac5.birjand.ac.ir/innovation/
درس یادگیری عمیق دانشگاه MIT نسخه ی به روز شده ی سال ۲۰۲۰
MIT Deep Learning 6.S191
https://introtodeeplearning.com/
#یادگیری_عمیق #آموزش_رایگان
@ml_nlp_cv
MIT Deep Learning 6.S191
https://introtodeeplearning.com/
#یادگیری_عمیق #آموزش_رایگان
@ml_nlp_cv
MIT Deep Learning 6.S191
MIT's introductory course on deep learning methods and applications
Forwarded from آکادمی هوشمصنوعی هُوسم
📣 6 تابع فعالساز رایج در یادگیری عمیق
❗️همه تصاویر را مشاهده نمایید.
📱اینستاگرام هوسم:
www.instagram.com/howsam_org
🌐 وبسایت هوسم:
www.howsam.org
📱 کانال تلگرام پایتورچ هوسم:
@pytorch_howsam
@howsam_org
❗️همه تصاویر را مشاهده نمایید.
📱اینستاگرام هوسم:
www.instagram.com/howsam_org
🌐 وبسایت هوسم:
www.howsam.org
📱 کانال تلگرام پایتورچ هوسم:
@pytorch_howsam
@howsam_org