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

#یادگیری_عمیق

درون شبکه عصبی LSTM چه می‌گذرد؟

در جدیدترین جلسه از آموزش یادگیری عمیق رایگان هوسم، به تشریح عملکرد شبکه عصبی LSTM پرداختیم.

لینک آموزش شبکه عصبی LSTM

دوره‌ یادگیری عمیق رایگان هوسم ادامه دارد...
جلسه بعدی: شبکه عصبی GRU

@howsam_org

کلکسیون دیتاست در NLP

لایبرری Datasets از huggingface با بیش از 600 دیتاست در حوزه nlp. لینک

از فارسی هم 5 نمونه دیتاست داره. مثلا farsi news یک نمونه هست که از سایت‌های خبری جمع‌آوری شده. لینک

@pytorch_howsam

رفع محدودیت‌های Github برای کاربران ایرانی؟

ایمیلی از Github برای کاربران ایرانی درحال ارسال هست که در اون نوشته شده ما میخواهیم به زودی محدودیت‌ها روی اکانت‌های ایرانی رو برداریم.

لینک

نظر شما چیه؟

@pytorch_howsam

لیست 800 دوره رایگان در computer science

یک منبع عالی به‌صورت منظم و طبقه‌بندی‌شده...

لینک

@pytorch_howsam

یک جلسه‌ دیگر با دوره یادگیری عمیق رایگان

شبکه عصبی موبایل‌نت چگونه کار می‌کند؟

لینک

@howsam_org

تولباکس پایتورچی برای شناسایی چهره

با تولباکس FaceX-Zoo می‌تونید مجموعه‌ای از شبکه‌ها و روش‌های شناخته‌شده در شناسایی چهره رو داشته باشید.

این تولباکس برای طراحی یک روش جدید میتونه بسیار مناسب باشه.

لینک

@pytorch_howsam

Segmentation

یک لایبرری عالی برای سگمنت تصاویر با پایتورچ

در این لایبرری، شبکه‌هایی مانند UNet و DeepLab با بک‌بون‌های مختلف به‌سادگی در دسترس هست.

لینک

@pytorch_howsam

Sepehr Sameni (@Separius) Tweeted:
اگر دوست دارید به عنوان پروژه ارشد یا کارشناسی تون یا حتی برای اپلای (و آشنایی با ریسرچ)، روی self supervised representation learning یا ViT یا inverse rendering کار بکنید، میتونید با lab ما کار بکنید، کافی هست که رزومه تون رو برای من بفرستید
[email protected]
https://twitter.com/Separius/status/1354850457693335552?s=20

افزایش کارآیی و سرعت آموزش شبکه در پایتورچ با 7 تکنیک مهم زیر:

لینک

اینها تکنیک‌های ساده‌ای هستند که به‌راحتی می‌تونید ازشون استفاده کنید. به‌عنوان نمونه، با mixed precision بجای آموزش شبکه با float32، می‌تونید از float16 استفاده کنید. یعنی مصرف Ram کمتر و درنتیجه بزرگتر کردن بچ‌سایز...

@pytorch_howsam

سایت paperswithcode به‌سرعت درحال پیشرفت!

در لینک زیر می‌تونید بیش از 3000 دیتاست حوزه یادگیری ماشین رو ببینید. اونهم با انواع دسته‌بندی‌های مختلف...

https://paperswithcode.com/datasets

@pytorch_howsam

دو افزونه عالی و کاربردی کروم برای گوگل کولب

پلاگین اول برای باز کردن نوت‌بوک‌های موجود در گیتاب هست. با این افزونه به‌راحتی می‌تونید نوت‌بوک‌ها رو در کولب باز کنید. لینک افزونه

افزونه دوم، مشکل قطع شدن کولب حین اجرا رو حل میکنه. اگر کولب قطع شه، این افزونه به‌صورت خودکار اتصال رو برقرار میکنه. لینک افزونه

در کار با کولب، شما از چه ابزارهای جانبی استفاده می‌کنید؟

@pytorch_howsam

و این گوگل کولب دوست داشتنی!

کولب امکانی رو اضافه کرده که بعد از اینکه اجرا تموم شد، به شما نوتیف میده! مناسب برای زمانی که اجرا گذاشتید و مشغول کار دیگری هستید.

نحوه فعال‌سازی:
Tools -> Settings -> Site -> Show desktop notif...

@pytorch_howsam

یعنی یک چیزی میخوام بهتون معرفی کنم که تو زندگی من نقطه عطفی بوده😅

نرم‌افزار Mathpix می‌دونید چیه؟ کافیه که یه اسکرین‌شات از فرمولتون بهش بدید و فرمول مناسب برای ورد، لاتکس و ... ازش تحویل بگیرید.
ویدئو بالا رو ببینید.

@pytorch_howsam