ضربان قلب حین ارائه

قسمت walk onto stage رو بارها عمیقا تجربه کردم 😅

لینک

@pytorch_howsam

چطوری با بینایی کامپیوتر هواپیماها رو در تصویر هوایی پیدا کنیم؟

این نوشته در سایت ویرگول بود، به‌نظرم بد نبود.

لینک

@pytorch_howsam

ارقام دستنویس فارسی

این مجموعه بزرگ ارقام دستنویس فارسی، شامل ۱۰۲۳۵۳ نمونه دست‌نوشته سیاه و سفید است. داده های این مجموعه از حدود ۱۲۰۰۰ فرم ثبت نام آزمون سراسری کارشناسی ارشد و آزمون کاردانی در سال ۱۳۸۳ استخراج شده است. هر عدد یک تصویر ۲۸ در ۲۸ پیکسل است.

لینک

@pytorch_howsam

با کتابخونه celluloid میتونید به راحتی از نمودارهای matplotlib انیمیشن بسازید.

در تصویر بالا اسلایسهای مختلف یک تنسور به صورت انیمیشن درحال نمایشه.

لینک

@pytorch_howsam

بچه های دبیرستانی رشته ریاضی یک عالمه ریاضی میخونن! مثلا، حساب (مشتق و انتگرال)، آمار، احتمال، هندسه و جبرخطی...

این مباحث در هوش مصنوعی نقش مهمی دارن. اگر در این مباحث ضعیف هستید یا اصلا آشنایی ندارید، پیشنهاد میشه برای شروع این کتابها رو مطالعه کنید.

مثلا، کتاب هندسه تحلیلی و جبرخطی درمورد ماتریسها و بردارها توضیحات خوبی داره:
لینک کتاب قدیمی (کتاب پیش دانشگاهی)
لینک کتاب جدید (با عنوان هندسه 3)

پیشنهاد میشه کتابهای قدیمی رو بخونید، چون احتمالا حجم مطالبشون بیشتره. بقیه کتابها رو هم از سایت بالا میتونید پیدا کنید و راحت دانلود کنید.

@pytorch_howsam

یکی از بهترین تعاریف یادگیری ماشین از زبان آرتور ساموئل

لینک

@pytorch_howsam

انقلابی در حوزه بیولوژی

ما دو انقلاب در حوزه تصویر و متن رو در سالهای 2012 و 2018 با کانولوشن و ترنسفورمرها تجربه کردیم. حالا انقلابی در حوزه بیولوژی با AlphaFold رخ داده. به نمودار نگاه کنید که چقدر بهتر از بقیه هست.

اطلاعات بیشتر درباره AlphaFold

@pytorch_howsam

آموزش سریع پایتون هوسم

لینک

3 ساعت آموزش پایتون را در آپارات هوسم مشاهده نمایید.

این آموزش ادامه دارد...

@howsam_org

با jax آشنا هستید؟

فریمورک jax یک فریمورک عالی برای حوزه یادگیری ماشین هست. این فریمورک بر پایه نامپای کار میکنه و دو تا ویژگی مهم داره.

اول اینکه شما قابلیت مشتق‌گیری خودکار دارید. دوم، می‌تونید محاسبات رو روی GPU و TPU انجام بدید.

یک نمونه کد مشتق‌گیری خودکار از تابع سیگموید به همراه نمودار مشتق رو در تصویر ببینید. با دستور grad در jax می‌تونید مشتق خودکار بگیرید.

فریمورک jax رو گوگل ساخته. یک فریمورک دیگه بنام autograd وجود داره که دیگه توسعه داده نمیشه و یکسری از توسعه‌هنده‌های این فریمورک به پروژه jax ملحق شدن.

@pytorch_howsam

🔷 مرکز توسعه فناوری‌های نوظهور دیجیتال با حمایت ستاد توسعه فناوری‌های اقتصاد دیجیتال و هوشمندسازی برگزار می‌کند:

📊 فراخوان تدوین اطلس کسب‌وکارهای فعال در حوزه «هوش مصنوعی»

✅ شرکت در این فراخوان برای همه شرکت‌کنندگان واجد شرایط، رایگان است.

📕 اطلاع‌ از شرایط ثبت‌نام

🖥 iChallenge.ir
📱 @iChallenge

@pytorch_howsam

سوال یکی از کاربران سایت درباره گوگل کولب

سوال:
سلام وقتتون بخیر ،در خصوص یه مطلبی که تو وبلاگتون قرار دادید به نام چگونگی وصل شدن و استفاده کردن از گوگل کولب سوالی دارم، من 5ماهه از گوگل کولب بدون فیلتر شکن استفاده میکنم خیلیا جدیدا میگن اگ بدون فیلتر شکن استفاده کنی بلاک میشیم و اینا، میخواستم بدونم در چه صورتی بلاک میشیم تو گوگل کولب و من دقیقا بدون فیلتر شکن برم یا نه، ممنون 🙏

جواب:
سلام. ما هر هفته از گوگل کولب استفاده میکنیم. بلاک نشدیم و من صحبتی هم در این باره تا حالا نشنیدم. پیام شما در کانال میذارم که بقیه هم نظر بدن.

شما در این باره نظری دارید؟ لطفا در کامنت مطرح کنید.

@pytorch_howsam

سوالی که در پست وبلاگ آموزش گوگل کولب مطرح شده

سوال:
سوالی دارم اینکه از گوگل کولب میشه به فایل های داخل یک درایو خاص در ویندوزم دسترسی داشته باشم؟ یا حتما باید اطلاعات رو در گوگل درایو قرار بدم و مانت کنم؟ مثلا من میخوام با دستور listdir لیست تمامی فایلهایی که در دایرکتوری خاصی روی ویندوز قرار داره رو بگیرم ولی با خطای NameError: name ‘listdir’ is not defined مواجه میشم.

جواب:
خیر، نمیتونید با استفاده از دستوراتی مثل listdir به فایل‌های موجود در کامپیوتر شخصی دسترسی داشته باشید. به دو روش زیر میتونید این کار رو انجام بدید:

1- آپلود فایلها در گوگل درایو و مانت گوگل درایو (بهترین راه)
from google.colab import drive
drive.mount('/content/drive')
!ls /content/drive/MyDrive/

2- آپلود فایلها در گوگل کولب و استفاده از هارد ماشین مجازی که به شما داده شده (اطلاعات موقت ذخیره شده و پاک میشه)
from google.colab import files
uploaded = files.upload()

** در بعضی از حالات میشه داده‌ها رو در یک هاست ذخیره کرد و از اون هاست به داده‌ها در گوگل درایو دسترسی داشت.

لطفا شما هم تجربیات خودتون رو کامنت کنید. تلاش میکنیم با این سوال و جوابها تعامل خوبی بین فعالین هوش مصنوعی ایجاد کنیم. مشارکت دیروز خوب بود.

@pytorch_howsam

کورس یادگیری عمیق

این کورس توسط آقای سهیل فیضی در خارج کشور به زبان انگلیسی برگزار میشه.

بسیاری از مفاهیم پایه و پیشرفته یادگیری عمیق در این دوره تدریس شده. مثلا مباحث یادگیری عمیق مقدماتی، self supervised، شبکه GAN، متالرنینگ، domain adaptation و یادگیری تقویتی در این دوره تدریس شده.

لینک یوتیوب

@pytorch_howsam

حذف پس‌زمینه با رزولوشن بالا و بلادرنگ

استفاده از پرده سبز توی برنامه‌های ویدئویی، فیلم و سریال بسیار رایجه. ولی وقتی کامپیوتر ویژن و دیپ لرنینگ هست چه نیازی به پرده سبز هست؟! 😊👌

این پروژه پایتورچی که در کولب هم باز میشه رو ببینید.

لینک

@pytorch_howsam

ویدیو کلیپ کوتاهی از ریچارد فاینمن (فیزیک دان شهیر و برنده جایزه نوبل فیزیک) که سال ها قبل در مورد ساز و کار «روش علمی» و گریختن از تله «شبه علم» در سر کلاس درس گفته اند.

پیج اینستاگرام:
https://www.instagram.com/tanidegi

تلگرام:
@tanidegi

از این پس با مجموعه پست‌های آموزش یادگیری ماشین میزبان شما خواهیم بود. موضوع اولین جلسه از آموزش یادگیری ماشین:

یادگیری ماشین چیست؟

@howsam_org

آیا در کامپیوتر ویژن شاهد عصر جدیدی خواهیم بود؟

بعد از عملکرد موفقیت‌آمیز ترنسفورمرها در حوزه NLP، در سال 2020 شاهد ورود ترنسفورمرها در کامپیوتر ویژن بودیم.

حالا، فیسبوک روشی تحت عنوان Data efficient image Transformer پیشنهاد کرده که به سخت‌افزار و داده کمتر نسبت به شبکه‌های ترنسفورمر قبلی نیاز دارد.

این شبکه به دقت 84.2 رسیده و طبق نمودار بالا عملکرد بهتری نسبت به EfficientNet داره. آموزش این شبکه با 8 gpu به مدت 3 روز انجام شده. خودشون گفتن فقط 8 تا gpu! 😁

وقتی صحبت از ترنسفورمرها میشه، خیلی‌ها نگران این میشن که تنها دانشگاه‌ها و شرکت‌های بزرگ توانایی کار روی این شبکه‌ها رو داشته باشن. چون به تعداد پردازنده بالایی نیاز داره. فیسبوک امیدواره که ترنسفورمرها در حوزه کامپیوتر ویژن پیشرفت کنن و برای همه افراد علاقه‌مند امکان کار کردن با این شبکه‌ها وجود داشته باشه.

لینک برای مطالعه بیشتر

نظر شما چیه؟ شما چه اطلاعاتی در زمینه ترنسفورمرها در کامپیوتر ویژن دارید؟

@pytorch_howsam

مسابقه تحلیل داده و یادگیری ماشین کارگزاری مفید

زمان: جمعه ۱۲ دی ۹۹ ساعت ۱۰

ثبت‌نام
@howsam_org

مروری بر ترندهای paperswithcode در سال 2020

در لینک زیر، ترندهای paperswithcode در سال 2020 معرفی شده. 10 مقاله ترند، 10 کتابخونه ترند و...

در بخش مقاله، سه مقاله EfficientDet و YOLOv4 و ResNeSt ازجمله مقاله‌های ترند هستن. قبلا در اینجا و اینجا و اینجا دربارشون توضیح دادیم.

در بخش کتابخونه‌ها، کتابخونه transformers از huggingface در صدر جدوله! ترنسفورمر به سرعت درحال پیشرفته.

https://link.medium.com/Qsm7q6kVEcb

@pytorch_howsam