MIT Introduction to #Deep_Learning

And specifically, lecture about RNN and its modifications:
https://youtu.be/qjrad0V0uJE

The course is excellent as well, but more about image processing. For NLP beginners, such clear and elegant survey about RNNs will be quite useful. So, a lot of architectures in NLP models came from image processing tasks. If you want to recap some theory or get understanding of basics of DL — strong recommendation!

@ml_nlp_cv

🤖 GPU accelerated Neural networks in JavaScript for Browsers and Node.js

https://github.com/BrainJS/brain.js

Is a self-driving car smarter than a seven-month-old?

By the age of seven months, most children have learned that objects still exist even when they are out of sight. Put a toy under a blanket and a child that old will know it is still there, and that he can reach underneath the blanket to get it back. This understanding, of “object permanence”, is a normal developmental milestone, as well as a basic tenet of reality.
It is also something that #self_driving_cars do not have.

https://www.economist.com/science-and-technology/is-it-smarter-than-a-seven-month-old/21804141

@ml_nlp_cv

🅱آموزش تکمیلی: آموزش تکنیک‌ها و #ترفندهای مصورسازی #معنادار در علم داده

📕 Data Viz with ggplot in R

📒 مصورسازی #ترکیبی در زبان برنامه نویسی آر با استفاده از عملگر های ریاضی و منطقی

آموزش تکنیک‌ها و #ترفندهای مصورسازی #آسان


🔖 مدرس: خاندانی

#Data_Visualization
#Data_Science

➖➖➖➖➖➖➖➖➖
Link
🆔
https://t.iss.one/Data_ScienceR
@Data_ScienceR

📘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