امروز داشتم جلسه اول کورس NYU Deep Learning 2020 از Yann LeCun رو میدیم. یک جمله جالب گفتن:
"متدهای self supervised در nlp خوب پیشرفت کردن و در CV هم مدتیه روشون کار میشه. انتظار دارم در سال‌های آینده روش غالبی بشه و خیلی کارها برمبنای اون انجام بشه."

انشالله این کورس رو برای دانلود در سایت میذاریم.

خب ممنون که توی نظرسنجی شرکت کردین. واضحه که باید وبینار رو برگزار کنیم. انشالله زمانش رو تنظیم میکنیم که هفته آینده برگزار بشه.

بد نیست تو کامنت به ما بگید که آخر هفته (توی روزهای تعطیل) بذاریم یا شبها بذاریم. خب خیلیا شاغل هستن. میخواییم یجوری باشه که هرکسی که علاقه مند هست بتونه شرکت کنه.

#colab

حدود 30 پروژه کامپیوتر ویژن در کولب

از پروژه‌های مبتنی بر شبکه‌های GAN تا YOLO و سایر Object Detectionها

لینک

ممنون از آقای سعید

@pytorch_howsam

#معرفی_کتاب

خیلی‌ها دنبال این هستن که دیپ لرنینگ رو از پایه بفهمن. یا اصلا خودشون یک فریم دیپ از صفر بسازن، همه چی دستشون بیاد. من از این جمله افراد هستم. نمیخوام چرخ رو دوباره اختراع کنم، ولی میخوام عمیقتر به مباحث دیپ نگاه کنم.

کتاب زیر مناسب این کاره. کدهاش هم موجوده. مثلا به تصویر پیوست نگاه کنید. یک کلاس برای تنسور نوشته.

کتاب | کد

@pytorch_howsam

آموزش پیاده‌سازی پروژه شناسایی کپچا با RNN در پایتورچ

ویدئو

@pytorch_howsam

اگه دنبال یک کتاب مرجع و پایه‌ای در حوزه nlp هستید، بدون شک کتاب زیر که رایگان هست رو مطالعه کنید.

https://web.stanford.edu/~jurafsky/slp3/ed3book.pdf

از پایه شروع کرده در مورد زبان توضیح داده و تئوری رو بسیار خوب پوشش داده.

لینک بالا، ویرایش سوم کتاب هست که در سال 2019 منتشر شده. نویسنده کتاب استاد دانشگاه استنفورد هست.

@pytorch_howsam

#خبر

سایت mlperf.org رو میشناسید؟ یک مرجع برای ارزیابی نرم‌افزارها و سخت‌افزارهای حوزه یادگیری ماشین هست.

آخرین ارزیابیشون نشون میده که سخت‌افزارهای مبتنی بر TPU گوگل، میتونن Bert رو در کمتر از 30 ثانیه آموزش بدن. عجیبه 👌🙄

اطلاعات بیشتر همراه با نمودارهای مختلف رو در وبلاگ گوگل (اینجا) ببینید.

@pytorch_howsam

ریاضیات برای یادگیری ماشین

اگر دنبال یک مجموعه آموزشی مختصر و مفید برای ارتقای سطح ریاضیات هستید، ویدئوهای زیر رو از دست ندید.

لینک

آموزش کوتاه همراه با جلوه‌های ویژه 😁

@pytorch_howsam

سلام دوستان،
چند تا خبر از سایت خودمون...

✅ دو تا پست آموزشی جدید در مراحل پایانی آماده‌سازی هست. انشالله دو سه روز آینده منتشر میشن.

آموزش تشخیص اشیای Faster-RCNN در پایتورچ

شروع کار با پایتورچ (تشریح گام به گام آموزش یک شبکه عصبی در پایتورچ)

✅ پروژه بعدی احتمالا بر مبنای شبکه‌های GAN باشه.

✅ مجموعه پست‌های آموزش mlp که در سایت منتشر کردیم، مورد توجه خیلی‌ها قرار گرفته. اولا ممنون که نظر میدید. دوما اینکه از شنبه آینده، تشریح کامل شبکه cnn رو شروع میکنیم.

نظرات و پیشنهاداتون رو چه در کامنت چه در خصوصی لطفا مطرح کنید. ممنون.

@pytorch_howsam

پست آموزش پایتورچ منتشر شد...

می‌خواهیم در یک پست به شما پایتورچ را آموزش دهیم! در این پست، نمی‌خواهیم تمام جزئیات پایتورچ را به شما آموزش دهیم، اما تلاش می‌کنیم که ملاقات اولتان با پایتورچ دلنشین باشد.

لینک پست آموزش پایتورچ

این پست طولانی هست و پر نکته... من آموزش فارسی برای پایتورچ به این اندازه کامل ندیدم.

لطفا نظر و پیشنهاد یادتون نره... 🙏

@pytorch_howsam

#colab

یک امکان جدید به گوگل کولب اضافه شده. وقتی ران گذاشتید، می‌تونید تنظیم کنید که بعد از اتمام اجرا به شما notification بده که اجرا تموم شده. نحوه تنظیم کردنش هم در تصویر مشخصه...

آپشن خوبیه واقعا...

@pytorch_howsam

دیتکشن و ردیابی

در این پست از سایت مدیوم، آموزش داده شده که چطور بازیکن‌های فوتبال و توپ رو ردیابی کنیم.برای دیتکشن و ردیابی از دو الگوریتم yolo و sort استفاده شده.

جالب اینجاست که یک دیتاست هم در زمینه فوتبال الان موجوده. در همین پست هم دربارش توضیح دادن.

تصویر بالا رو ببینید. بعد از ردیابی بازیکن‌ها، خروجی به این شکل نمایش داده میشه. جذابه 👌

لینک پست مدیوم

@pytorch_howsam

#computer_vision #course

سلام و صبح بخیر
این پیامم طولانیه، اما بخونید ارزش داره.

احتمالا کورس cs231 استنفورد با عنوان یادگیری عمیق برای بینایی کامپیوتر رو می‌شناسید. ویدئوهای کورس سال 2017 در یوتیوب منتشر شد و خیلی پرطرفدار بود. اما ویدئوهای سال‌های بعدی رو منتشر نکردن. خب پیشرفت زیادی رو هر سال شاهد هستیم.

یکی از مدرس‌های این دوره، آقای Justin Johnson بود. حالا ایشون در دانشگاه میشیگان، دوره‌ای با عنوان یادگیری عمیق برای بینایی کامپیوتر در سال 2019 برگزار کرده. خودش هم عنوان کرده که همون cs231 رو آپدیت کرده.

از جمله ویژگی‌های مهم این کورس، ارائه مباحث جدید مثل ترنسفورمر، ویدئو، سه بعدی و غیره هست.

همچنین، تکالیف با پایتورچ و کولب هست.

لینک ویدئوها | صفحه کورس

@pytorch_howsam

کتاب‌های خوب یادگیری ماشین

در لینک زیر، یک مجموعه کتاب یادگیری ماشین در دو بخش کتاب‌های پایه‌ای و کتاب‌های عملی معرفی کردیم.

لینک مشاهده کتاب‌ها

تصمیم داریم، در سایر زمینه‌ها مثل یادگیری عمیق، پردازش تصویر، پردازش متن و غیره کتاب‌های خوب رو معرفی کنیم. به نظرتون خوبه؟ لطفا در کامنت راهنمایی‌مون کنید...

@pytorch_howsam

Fast Semantic Segmentation

یک پروژه عالی و کاربردی
سگمنت به‌صورت real-time با دقت بالا
قابل اجرا روی دیوایس‌های موبایلی
مبتنی بر پایتورچ
مبتنی بر شبکه موبایل‌نت
همراه با مثال آماده در گوگل کولب
استفاده آسان تنها با سه خط کد

گوگل کولب | صفحه گیتاب

@pytorch_howsam

حتما درمورد GPT زیاد شنیدید. شبکه‌ای که برای NLP هست و Openai سه نسخه مختلف ارائه داده. GPT-3 خیلی بزرگ هست و البته بسیار پرکاربرد و عجیب! GPT-3، حدود 175 میلیارد پارامتر داره!

شبکه‌های به این بزرگی اهداف تجاری دارن. اما اهداف آموزشی چی میشه؟ صرفا مقاله‌ها رو بخونیم، بدون دو خط کدنویسی؟ خوشبختانه، هنوز افراد، شرکت و دانشگاه‌هایی هستند که به مقوله آموزش توجه ویژه دارن.

مثل آقای Andrej Karpathy، که mini-gpt ساخته و گفته با 300 خط کد پایتورچ یک شبکه GPT کوچک با اهداف آموزشی ساخته. این شبکه کوچک قابل train هم هست. خیلی ارزشمنده...

تصویر بالا رو هم گذاشته و گفته پیاده‌سازیش قایقه نه ناو 😁

لینک گیتاب

@pytorch_howsam

همه ما به اندازه کافی سایت و کتاب آموزشی برای کد می‌شناسیم. اتفاقا می‌خونیم و یاد می‌گیریم، ولی وقتی می‌خواییم کد بزنیم پر از سوال و ابهام هستیم. نیاز به مثال‌های خوب و آماده داریم.

یک سایت بهتون معرفی می‌کنم پر از مثال و کد آماده. سایت programcreek.com پر از نمونه کد هست. پایتون داره، یادگیری ماشین داره و یک عالمه مطالب مرتبط با هوش مصنوعی...

مثلا برای یک دستور plot در matplotlib حدود 30 نمونه کد داره: لینک

خیلی کاربردیه 👌

@pytorch_howsam

#data_augmentation #nlp

دیتا آگمنت در nlp

کمتر در مورد دیتا آگمنت در nlp صحبت میشه. این یک لینک نمونه کد در گوگل کولب:
لینک

@pytorch_howsam

گوگل ابزار جدید و جالبی به‌نام TF-Coder معرفی کرده...

طبق تصویر، شما ورودی و خروجی مدنظرتون رو مشخص می‌کنید و بعد TF-Coder کد تبدیل ورودی به خروجی رو مینویسه...

موقع کدنویسی خیلی کاربردیه...

اطلاعات بیشتر | نمونه کد در کولب

@pytorch_howsam

کامپیوتر ویژن فقط یادگیری عمیق نیست.

الگوریتم‌های کلاسیک در یادگیری عمیق بسیار ارزشمند هستن و هنوز در بسیاری از کارها هم می‌تونیم ازشون استفاده کنیم و هم ازشون الگو بگیریم.

مجموعه ویدئوهای زیر، یک مرور خوبی بر الگوریتم‌های کلاسیک تا مدرن کامپیوتر ویژن هست.
لینک

@pytorch_howsam