Forwarded from آکادمی هوش‌مصنوعی هُوسم
🔥دوره یادگیری ماشین 2022 هوسم🔥
⌛️شروع دوره: 10 آذر 1401
🎁 30 درصد تخفیف، برای 30 نفر
🎁 تخفیف مازاد برای شرکت‌کنندگان دوره یادگیری ماشین قبلی هوسم
🟡 دوره تنها به‌صورت آفلاین برگزار می‌شود. هر هفته 5 ساعت آموزش
👤 مدرس دوره:
سیدسجاد اشرفی
اطلاعات بیشتر و ثبت‌نام: کلیک کنید
راه‌های برقراری ارتباط با ما:
👤 @howsam_support
📞 09025469248
✉️ [email protected]
🌐 www.howsam.org
@howsam_org
⌛️شروع دوره: 10 آذر 1401
🎁 30 درصد تخفیف، برای 30 نفر
🎁 تخفیف مازاد برای شرکت‌کنندگان دوره یادگیری ماشین قبلی هوسم
🟡 دوره تنها به‌صورت آفلاین برگزار می‌شود. هر هفته 5 ساعت آموزش
👤 مدرس دوره:
سیدسجاد اشرفی
اطلاعات بیشتر و ثبت‌نام: کلیک کنید
راه‌های برقراری ارتباط با ما:
👤 @howsam_support
📞 09025469248
✉️ [email protected]
🌐 www.howsam.org
@howsam_org
Forwarded from Zoomit | زومیت
🔹 آیین‌نامه حمایت از فریلنسرها؛ از اینترنت پرسرعت تا بیمه تأمین اجتماعی برای اعتبارسنجی‌شده‌ها
🔹 آیین‌نامه حمایت از فریلنسرهای حوزه اقتصاد دیجیتال تدوین و منتشر شد. طبق این آیین‌نامه فریلنسرهای اعتبارسنجی‌شده توسط سازمان نظام صنفی رایانه‌ای کشور، می‌توانند از اینترنت پایدار و پرسرعت، تسهیلات و بیمه تأمین اجتماعی برخوردار شوند.
🔹 آیین‌نامه حمایت از آزادکاران فعال در حوزه اقتصاد دیجیتال کشور به تصویب کارگروه ویژه اقتصاد دیجیتال رسید و به موجب آن وزارتخانه‌ها و سازمان‌های مختلفی موظف به اقداماتی در راستای حمایت از فریلنسرهای این حوزه شدند.
🔹 این آیین‌نامه که در ۱۰ ماده تدوین شده و به تصویب وزاری حاضر در کارگروه ویژه اقتصاد دیجیتال رسیده است، الزاماتی برای ایجاد پایگاهی جهت ثبت اطلاعات فریلنسرها، ارائه اینترنت پرسرعت و پایدار و اعطای بیمه تأمین اجتماعی به آزادکاران اعتبارسنجی‌شده را تعیین کرده و نهادهای مختلفی را موظف به اجرای این موارد کرده است.
🔹 فریلنسر شخصیتی حقیقی است که در استخدام شرکت یا مجموعه خاصی نیست و به شکل پروژه‌ای و پاره‌وقت و به صورت حق‌الزحمه‌ای در داخل کشور برای کارفرماهای مختلف در داخل یا خارج از کشور در زمینه توسعه فناوری اطلاعات و ارتباطات و توسعه فنی و راهبری کسب‌وکارهای دیجیتال کار می‌کند.
🔹 در ماده دوم این آیین‌نامه به منظور ایجاد بستر حمایتی و ارتقای مهارت فعالان حوزه آزادکاری سازمان نظام صنفی رایانه‌ای کشور موظف شده است که با همکاری وزارت ارتباطات، معاونت علمی، فناوری و اقتصاد دانش‌بنیان رئیس‌جمهور و وزارت تعاون، کار و رفاه اجتماعی تا سه ماه آینده پایگاه ثبت اطلاعات آزادکاران را ایجاد کند. این سازمان همچنین مجری اعتبارسنجی افراد این پایگاه نیز هست و مسئله اعتبارسنجی را باید طبق دستورالعمل موضوع تبصره (۱) این ماده به انجام برساند.
🔹 تبصره (۱) این ماده به این موضوع پرداخته است که دستورالعمل نظارت بر پایگاه و سکوهای نرم‌افزاری و اعتبارسنجی افراد عضو پایگاه باید از سوی وزارت ارتباطات و با همکاری سازمان نصر کشور و وزارتخانه‌های تعاون، اطلاعات، ارشاد، معاونت علمی تهیه و توسط وزیرارتباطات ابلاغ شود. در تبصره دوم این ماده نیز ذکر شده است که «کلیه سکوهای ارائه خدمات آزادکاری می‌توانند از خدمات اعتبار سنجی وحمایتی پایگاه برخوردار شده و در چهارچوب دستورالعمل تبادل اطلاعات نمایند.»
🔹 نکته مهم این طرح وظیفه‌ای است که برای وزارت ارتباطات و فناوری اطلاعات تعیین شده و ماده۸ این آیین‌نامه این وزارتخانه را موظف به فراهم کردن زیرساخت‌های دسترسی به اینترنت پرسرعت و پایدار با سطح دسترسی مناسب افراد اعتبارسنجی‌شده کرده است که به موجب آن فریلسنرهای خاصی که توسط پایگاه اعتبارسنجی شده باشند می‌توانند از اینترنتی برخوردار باشند که وضعیتی بهتر از اینترنت اکثریت اعضای جامعه خواهد داشت. در این ماده چنین ذکر شده است:
🔹 موظف است زیرساخت‌های دسترسی به اینترنت پرسرعت و پایدار با سطح دسترسی مناسب افراد اعتبارسنجی شده در پایگاه را فراهم کند.
🔹 این موضوع به همان نگرانی همیشگی درباره ایجاد اینترنت طبقاتی در کشور دامن می‌زند که پیش از این نیز زمزمه‌های آن در برخی اظهارات و طرح‌های مربوط به حوزه فضای مجازی به گوش می‌رسید و حاکی از این امر بود که فیلترینگ و محدودیت‌های اینترنت فقط برای افراد خاص برداشته می‌شود.
اطلاعات کامل را در زومیت بخوانید
🚀 @theZoomit
🔹 آیین‌نامه حمایت از فریلنسرهای حوزه اقتصاد دیجیتال تدوین و منتشر شد. طبق این آیین‌نامه فریلنسرهای اعتبارسنجی‌شده توسط سازمان نظام صنفی رایانه‌ای کشور، می‌توانند از اینترنت پایدار و پرسرعت، تسهیلات و بیمه تأمین اجتماعی برخوردار شوند.
🔹 آیین‌نامه حمایت از آزادکاران فعال در حوزه اقتصاد دیجیتال کشور به تصویب کارگروه ویژه اقتصاد دیجیتال رسید و به موجب آن وزارتخانه‌ها و سازمان‌های مختلفی موظف به اقداماتی در راستای حمایت از فریلنسرهای این حوزه شدند.
🔹 این آیین‌نامه که در ۱۰ ماده تدوین شده و به تصویب وزاری حاضر در کارگروه ویژه اقتصاد دیجیتال رسیده است، الزاماتی برای ایجاد پایگاهی جهت ثبت اطلاعات فریلنسرها، ارائه اینترنت پرسرعت و پایدار و اعطای بیمه تأمین اجتماعی به آزادکاران اعتبارسنجی‌شده را تعیین کرده و نهادهای مختلفی را موظف به اجرای این موارد کرده است.
🔹 فریلنسر شخصیتی حقیقی است که در استخدام شرکت یا مجموعه خاصی نیست و به شکل پروژه‌ای و پاره‌وقت و به صورت حق‌الزحمه‌ای در داخل کشور برای کارفرماهای مختلف در داخل یا خارج از کشور در زمینه توسعه فناوری اطلاعات و ارتباطات و توسعه فنی و راهبری کسب‌وکارهای دیجیتال کار می‌کند.
🔹 در ماده دوم این آیین‌نامه به منظور ایجاد بستر حمایتی و ارتقای مهارت فعالان حوزه آزادکاری سازمان نظام صنفی رایانه‌ای کشور موظف شده است که با همکاری وزارت ارتباطات، معاونت علمی، فناوری و اقتصاد دانش‌بنیان رئیس‌جمهور و وزارت تعاون، کار و رفاه اجتماعی تا سه ماه آینده پایگاه ثبت اطلاعات آزادکاران را ایجاد کند. این سازمان همچنین مجری اعتبارسنجی افراد این پایگاه نیز هست و مسئله اعتبارسنجی را باید طبق دستورالعمل موضوع تبصره (۱) این ماده به انجام برساند.
🔹 تبصره (۱) این ماده به این موضوع پرداخته است که دستورالعمل نظارت بر پایگاه و سکوهای نرم‌افزاری و اعتبارسنجی افراد عضو پایگاه باید از سوی وزارت ارتباطات و با همکاری سازمان نصر کشور و وزارتخانه‌های تعاون، اطلاعات، ارشاد، معاونت علمی تهیه و توسط وزیرارتباطات ابلاغ شود. در تبصره دوم این ماده نیز ذکر شده است که «کلیه سکوهای ارائه خدمات آزادکاری می‌توانند از خدمات اعتبار سنجی وحمایتی پایگاه برخوردار شده و در چهارچوب دستورالعمل تبادل اطلاعات نمایند.»
🔹 نکته مهم این طرح وظیفه‌ای است که برای وزارت ارتباطات و فناوری اطلاعات تعیین شده و ماده۸ این آیین‌نامه این وزارتخانه را موظف به فراهم کردن زیرساخت‌های دسترسی به اینترنت پرسرعت و پایدار با سطح دسترسی مناسب افراد اعتبارسنجی‌شده کرده است که به موجب آن فریلسنرهای خاصی که توسط پایگاه اعتبارسنجی شده باشند می‌توانند از اینترنتی برخوردار باشند که وضعیتی بهتر از اینترنت اکثریت اعضای جامعه خواهد داشت. در این ماده چنین ذکر شده است:
🔹 موظف است زیرساخت‌های دسترسی به اینترنت پرسرعت و پایدار با سطح دسترسی مناسب افراد اعتبارسنجی شده در پایگاه را فراهم کند.
🔹 این موضوع به همان نگرانی همیشگی درباره ایجاد اینترنت طبقاتی در کشور دامن می‌زند که پیش از این نیز زمزمه‌های آن در برخی اظهارات و طرح‌های مربوط به حوزه فضای مجازی به گوش می‌رسید و حاکی از این امر بود که فیلترینگ و محدودیت‌های اینترنت فقط برای افراد خاص برداشته می‌شود.
اطلاعات کامل را در زومیت بخوانید
🚀 @theZoomit
سلام بر پایتورچی‌های عزیز 🖤
پایتورچ 2.0 معرفی شده!!
خبری بس مهم که دو روز اخیر خیلی مورد توجه بوده. از مهم‌ترین دستاوردهای پایتورچ 2.0 سرعت هست. به تصویر پیوستی نگاه کنید؛ سه دسته مدل رو روی دو نسخه پایتورچ 1.0 و 2.0 باهم مقایسه کردن و نتیجه جالب توجه هست! بین 38 تا 76% افزایش سرعت در پایتورچ 2.0 نسبت به پایتورچ 1.0!! 🤯
همه این افزایش سرعت، تنها با تغییراتی جزئی در کد حاصل میشه. دستوری بنام compile معرفی کردن که کافیه مدل رو به این دستور بدید و تمام...
خب فعلا نسخه رسمی پایتورچ 2.0 نیومده و باید تا مارچ 2023 منتظر بمونیم...
@pytorch_howsam
پایتورچ 2.0 معرفی شده!!
خبری بس مهم که دو روز اخیر خیلی مورد توجه بوده. از مهم‌ترین دستاوردهای پایتورچ 2.0 سرعت هست. به تصویر پیوستی نگاه کنید؛ سه دسته مدل رو روی دو نسخه پایتورچ 1.0 و 2.0 باهم مقایسه کردن و نتیجه جالب توجه هست! بین 38 تا 76% افزایش سرعت در پایتورچ 2.0 نسبت به پایتورچ 1.0!! 🤯
همه این افزایش سرعت، تنها با تغییراتی جزئی در کد حاصل میشه. دستوری بنام compile معرفی کردن که کافیه مدل رو به این دستور بدید و تمام...
خب فعلا نسخه رسمی پایتورچ 2.0 نیومده و باید تا مارچ 2023 منتظر بمونیم...
@pytorch_howsam
کتاب حاضر ، نوشته دکتر کوین مورفی کتابی کامل و جامع در حوزه یادگیری ماشینی به شمار می رود که به خوبی تئوری های کلاسیک و پیشرفت های اخیر حوزه یادگیری ماشینی و یادگیری عمیق را تا سال ۲۰۲۲ پوشش داده است. جلد دوم کتاب نیز در سال ۲۰۲۳ منتشر خواهد شد که مباحث پیشرفته تر را در برخواهد گرفت. برای علاقمندان در سطح research level و کسانی که علاقه دارند مطالب حوزه یادگیری ماشین را به صورت عمیق و با جزئیات دقیق بیاموزند، مطالعه این کتاب ارزشمند را پیشنهاد می کنیم.
چند نفر از دوستان در ماه‌های اخیر گفتن که دسترسی به کولب و گوگل درایو براشون سخت شده. شما هم مشکل دارید؟
با این فرض که VPN روشن نیست، لطفا جواب بدید.
با این فرض که VPN روشن نیست، لطفا جواب بدید.
Anonymous Poll
69%
بله، مشکل دارم.
31%
خیر، مشکلی ندارم.
سلام
چطورید؟ امیدوارم خوب باشید.
میخوام یک کتاب بهتون معرفی کنم. هنوز نسخه نهایی کتاب منتشر نشده ولی درفت در دسترس هست که کیفیت خوبی هم داره.
کتاب درمورد دیپ لرنینگ هست. از جهات مختلفی برای من کتاب خاصی محسوب میشه. پر از تصویرسازی هست که هم فوق العاده هست و هم اینکه تا این اندازه رو در کمتر کتابی دیدم. سعی کرده مقدمات رو هم بگه. مثلا در فصل تابع اتلاف، همون ابتدا مطالب خوبی درباره Maximum Likelihood میگه و بعد کم کم میره سر اصل مطلب.
نگاهی بهش بندازید، شاید براتون مفید باشه. خصوصا دوستانی که دوره دیپ لرنینگ 2022 هوسم رو دیدن.
https://udlbook.github.io/udlbook/
@pytorch_howsam
چطورید؟ امیدوارم خوب باشید.
میخوام یک کتاب بهتون معرفی کنم. هنوز نسخه نهایی کتاب منتشر نشده ولی درفت در دسترس هست که کیفیت خوبی هم داره.
کتاب درمورد دیپ لرنینگ هست. از جهات مختلفی برای من کتاب خاصی محسوب میشه. پر از تصویرسازی هست که هم فوق العاده هست و هم اینکه تا این اندازه رو در کمتر کتابی دیدم. سعی کرده مقدمات رو هم بگه. مثلا در فصل تابع اتلاف، همون ابتدا مطالب خوبی درباره Maximum Likelihood میگه و بعد کم کم میره سر اصل مطلب.
نگاهی بهش بندازید، شاید براتون مفید باشه. خصوصا دوستانی که دوره دیپ لرنینگ 2022 هوسم رو دیدن.
https://udlbook.github.io/udlbook/
@pytorch_howsam
میدونید LASSO Regression چی هست؟ همونطور که از اسمش مشخصه، یک مدل رگرسیونی هست. اما نکته مهم در بخش LASSO هست. این یعنی، ما با یک مدل رگرسیون همراه با رگیولارایزشن مواجهیم.
حالا رگولاریزه از چه نوعی؟ از نوع نُرم 1. توی سایکیت برای این مدل، یک دستور بنام Lasso داریم.
خب، حالا یکم در مورد خواص LASSO توضیح بدم؛ LASSO مخفف عبارت زیر هست:
Least Absolute Shrinkage and Selection Operator
عبارت بالا دو کلمه مهم داره. اول، کلمه Shrinkage که اشاره به کوچک شدن وزنها با رگولاریزه داره. با رگولاریزه نُرم 1، وزنها کوچکتر میشن، یا میشه گفت جلوی بزرگ شدن وزنها رو میگیره. یکی از نشونه‌های مهم اورفیت، بزرگ شدن وزنهای مدل هست.
کلمه دوم، Selection هست که به خاصیت صفر کردن وزنها اشاره داره. نُرم 1 نسبت به نُرم 2 بی‌رحم‌تر هست. نه تنها وزنها رو کوچک نگه میداره، بلکه بعضی‌هاشون رو صفر میکنه. این یعنی خاصیت انتخاب ویژگی یا Selection داره.
تصویر پیوستی، مقایسه وزنهای یک مدل درجه 10 در سه حالت {اورفیت، نُرم 1 و نُرم 2} هست.
برگی از دوره یادگیری ماشین‌مون
چطور بود؟
@pytorch_howsam
حالا رگولاریزه از چه نوعی؟ از نوع نُرم 1. توی سایکیت برای این مدل، یک دستور بنام Lasso داریم.
خب، حالا یکم در مورد خواص LASSO توضیح بدم؛ LASSO مخفف عبارت زیر هست:
Least Absolute Shrinkage and Selection Operator
عبارت بالا دو کلمه مهم داره. اول، کلمه Shrinkage که اشاره به کوچک شدن وزنها با رگولاریزه داره. با رگولاریزه نُرم 1، وزنها کوچکتر میشن، یا میشه گفت جلوی بزرگ شدن وزنها رو میگیره. یکی از نشونه‌های مهم اورفیت، بزرگ شدن وزنهای مدل هست.
کلمه دوم، Selection هست که به خاصیت صفر کردن وزنها اشاره داره. نُرم 1 نسبت به نُرم 2 بی‌رحم‌تر هست. نه تنها وزنها رو کوچک نگه میداره، بلکه بعضی‌هاشون رو صفر میکنه. این یعنی خاصیت انتخاب ویژگی یا Selection داره.
تصویر پیوستی، مقایسه وزنهای یک مدل درجه 10 در سه حالت {اورفیت، نُرم 1 و نُرم 2} هست.
برگی از دوره یادگیری ماشین‌مون
چطور بود؟
@pytorch_howsam
درسته که فریمورکهایی مثل سایکیت، پایتورچ و تنسورفلو کارمون رو خیلی ساده کردن. اما همیشه موقع کدنویسی، به یکسری توابع جانبی و کمکی نیاز داریم که توی این فریمورکها پیدا نمیشن. مثلا میخوایم ناحیه تصمیم گیری (Decision Region) رو در تسک دسته بندی پلات کنیم.
در چنین حالتی، یا باید برای پیدا کردن کد آماده و معتبر وقت بذاریم، یا باید خودمون از ابتدا کدش رو بنویسیم، یا اینکه از چت جی پی تی بخوایم! 😁 ولی خب یک لایبرری تروتمیز که این توابع جانبی رو داشته باشه، خیلی کمکمون میکنه.
لایبرری mlxtend، اومده که به شما کمک کنه و توابع کمکی زیادی داره. مثلا با دستور plot_decision_regions میتونید به راحتی ناحیه تصمیم گیری شبیه تصویر بالا رسم کنید. یا با دستور bias_variance_decomp میتونید بایاس/واریانس مدل رو حساب کنید.
لینک لایببری mlxtend:
https://rasbt.github.io/mlxtend/
@pytorch_howsam
در چنین حالتی، یا باید برای پیدا کردن کد آماده و معتبر وقت بذاریم، یا باید خودمون از ابتدا کدش رو بنویسیم، یا اینکه از چت جی پی تی بخوایم! 😁 ولی خب یک لایبرری تروتمیز که این توابع جانبی رو داشته باشه، خیلی کمکمون میکنه.
لایبرری mlxtend، اومده که به شما کمک کنه و توابع کمکی زیادی داره. مثلا با دستور plot_decision_regions میتونید به راحتی ناحیه تصمیم گیری شبیه تصویر بالا رسم کنید. یا با دستور bias_variance_decomp میتونید بایاس/واریانس مدل رو حساب کنید.
لینک لایببری mlxtend:
https://rasbt.github.io/mlxtend/
@pytorch_howsam
مدلهای pre-train در کگل!
کگل یک بخش جدیدی بنام Models اضافه کرده که شامل مدلهای pre-train حوزه یادگیری عمیق هست.
https://www.kaggle.com/models
تنوع خوبی داره؛ شامل مدلهای دسته بندی، تصویری، متن، صوت و غیره میشه. احتمالا کم کم این بخش هم بزرگتر میشه. کگل چند روز پیش اعلام کرد که کلکسیون دیتاستهاش به 200 هزار دیتاست رسیده!
@pytorch_howsam
کگل یک بخش جدیدی بنام Models اضافه کرده که شامل مدلهای pre-train حوزه یادگیری عمیق هست.
https://www.kaggle.com/models
تنوع خوبی داره؛ شامل مدلهای دسته بندی، تصویری، متن، صوت و غیره میشه. احتمالا کم کم این بخش هم بزرگتر میشه. کگل چند روز پیش اعلام کرد که کلکسیون دیتاستهاش به 200 هزار دیتاست رسیده!
@pytorch_howsam
Kaggle
Find Pre-trained Models | Kaggle
Use and download pre-trained models for your machine learning projects.
یه روز که بزرگ شدم، دلار 1000 تومن شد، تحریم هم نبودیم، اینو میخرم! 🥲
شقایق وای شقایق، گل همیشه عاشق 🚛
https://store.arduino.cc/products/nicla-vision
شقایق وای شقایق، گل همیشه عاشق 🚛
https://store.arduino.cc/products/nicla-vision
Arduino Official Store
Arduino Nicla Vision – Compact Vision AI Board with Camera
Nicla Vision empowers you to create smart projects with advanced vision capabilities in a compact, easy-to-use development board.
سلام دوستان،
طی 7 سال فعالیت در هوسم، همواره تلاش کردیم آموزش‌های رایگان/غیررایگان و بروزی از حوزه هوش مصنوعی آماده کنیم.
آموزش‌های رایگان زیادی در وبلاگ منتشر کردیم. همچنین، آموزش‌های ویدئویی زیادی تولید کردیم که مهم‌ترین و جدیدترین‌ها اینهاست:
پایتون برای هوش مصنوعی (30 ساعت، هنوز دوره تموم نشده)
یادگیری ماشین 2022 (50 ساعت، هنوز دوره تموم نشده)
یادگیری عمیق 2022 (81 ساعت)
بینایی کامپیوتر حرفه‌ای (75 ساعت)
در دوره‌هامون وزن یکسانی برای تئوری و کدنویسی قائل هستیم. معتقدیم، هوش مصنوعی صرفا
خوشبختانه، هوسم مورد لطف و اعتماد مخاطبین عزیز بوده و با فیدبک‌ها، هوسم رو به سمت بهتر شدن سوق دادن. تلاشمون رو می‌کنیم در سال جدید بهتر بشیم.
برای دوره‌های هوسم تخفیف 50% تا پایان اسفند درنظر گرفتیم. اگر دوست داشتید به دوره‌های ما نگاهی بندازید. برای دوره‌ها دموهای متعددی گذاشتیم که پیش از تهیه، از کیفیت دوره‌ها مطمئن بشید.
برای راهنمایی، میتونید با پشتیبانی آنلاین در سایت یا پشتیبانی در تلگرام @howsam_support صحبت کنید.
www.howsam.org
طی 7 سال فعالیت در هوسم، همواره تلاش کردیم آموزش‌های رایگان/غیررایگان و بروزی از حوزه هوش مصنوعی آماده کنیم.
آموزش‌های رایگان زیادی در وبلاگ منتشر کردیم. همچنین، آموزش‌های ویدئویی زیادی تولید کردیم که مهم‌ترین و جدیدترین‌ها اینهاست:
پایتون برای هوش مصنوعی (30 ساعت، هنوز دوره تموم نشده)
یادگیری ماشین 2022 (50 ساعت، هنوز دوره تموم نشده)
یادگیری عمیق 2022 (81 ساعت)
بینایی کامپیوتر حرفه‌ای (75 ساعت)
در دوره‌هامون وزن یکسانی برای تئوری و کدنویسی قائل هستیم. معتقدیم، هوش مصنوعی صرفا
()model.fit نیست و باید اصولی مطالب رو یاد گرفت. خوشبختانه، هوسم مورد لطف و اعتماد مخاطبین عزیز بوده و با فیدبک‌ها، هوسم رو به سمت بهتر شدن سوق دادن. تلاشمون رو می‌کنیم در سال جدید بهتر بشیم.
برای دوره‌های هوسم تخفیف 50% تا پایان اسفند درنظر گرفتیم. اگر دوست داشتید به دوره‌های ما نگاهی بندازید. برای دوره‌ها دموهای متعددی گذاشتیم که پیش از تهیه، از کیفیت دوره‌ها مطمئن بشید.
برای راهنمایی، میتونید با پشتیبانی آنلاین در سایت یا پشتیبانی در تلگرام @howsam_support صحبت کنید.
www.howsam.org
سلام دوستان،
پایتورچ 2.0 رسما دیگه دردسترس هست و از این به بعد میتونید نسخه رسمی پایتورچ 2.0 رو نصب کنید. قبلا اینجا (لینک)، توضیحی در مورد پایتورچ 2.0 داده بودیم.
قرار بود دوره پایتورچ رو آپدیت کنیم. دیگه آموزش رو باید با نسخه 2.0 آماده کنیم.
پایتورچ 2.0 رسما دیگه دردسترس هست و از این به بعد میتونید نسخه رسمی پایتورچ 2.0 رو نصب کنید. قبلا اینجا (لینک)، توضیحی در مورد پایتورچ 2.0 داده بودیم.
قرار بود دوره پایتورچ رو آپدیت کنیم. دیگه آموزش رو باید با نسخه 2.0 آماده کنیم.
یک خبر مهم اینکه MIT Deep Learning 2023 اومده. توی تصویر بالا تاپیک‌ها رو میتونید ببینید.
ویژگی مهم این مجموعه این هست که سعی میکنه خیلی ساده مباحث رو ارائه بده. پیشنهاد می‌کنم مباحث جدید مثل text to image generation رو مطالعه کنید.
دوستانی که دوره یادگیری عمیق 2022 هوسم رو تموم کردن، میتونن با این دوره دانششون رو بیشتر کنن.
https://introtodeeplearning.com/
@pytorch_howsam
ویژگی مهم این مجموعه این هست که سعی میکنه خیلی ساده مباحث رو ارائه بده. پیشنهاد می‌کنم مباحث جدید مثل text to image generation رو مطالعه کنید.
دوستانی که دوره یادگیری عمیق 2022 هوسم رو تموم کردن، میتونن با این دوره دانششون رو بیشتر کنن.
https://introtodeeplearning.com/
@pytorch_howsam
سلام رفقا
تا الان دوره و کتابهای زیادی در دیپ لرنینگ و ماشین لرنینگ بهتون معرفی کردم. الان میخوام یه دوره دیپ لرنینگ متفاوت بهتون معرفی کنم. این دوره دیگه فقط شامل شبکه MLP CNN Transformer GAN و غیره نیست. مطالبی که توی این دوره گفته شده، ممکن هست دغدغه خیلی از شماها باشه. مثلا چی؟ مثلا، MLOPS یا Data Management یا Test یا AI Ethics و ...
علاوه بر عناوین بالا، یک جلسه جالب با موضوع ML Teams & Startups دیدم. مربوط میشه به نحوه تشکیل یک تیم ML که جالب هست. یک اسلاید از این جلسه رو در تصویر بالا میبینید؛ تعریف دقیقی از تخصصها ارائه داده که واقعا آموزنده هست.
ویدئوها و اسلایدهای این دوره به صورت رایگان دردسترس هست:
https://fullstackdeeplearning.com/spring2021/lecture-13/
اما یک توضیح کلی هم درباره سایتشون (fullstackdeeplearning.com) بدم؛ از اسمش (فول استک دیپ لرنینگ) میشه حدس زد که اهدافش چی هست. به بخشهای دیگه سایت حتما سر بزنید و این منبع آموزشی متفاوت رو از دست ندید.
حالا برو فوتبال ببین! 😁
@pytorch_howsam
تا الان دوره و کتابهای زیادی در دیپ لرنینگ و ماشین لرنینگ بهتون معرفی کردم. الان میخوام یه دوره دیپ لرنینگ متفاوت بهتون معرفی کنم. این دوره دیگه فقط شامل شبکه MLP CNN Transformer GAN و غیره نیست. مطالبی که توی این دوره گفته شده، ممکن هست دغدغه خیلی از شماها باشه. مثلا چی؟ مثلا، MLOPS یا Data Management یا Test یا AI Ethics و ...
علاوه بر عناوین بالا، یک جلسه جالب با موضوع ML Teams & Startups دیدم. مربوط میشه به نحوه تشکیل یک تیم ML که جالب هست. یک اسلاید از این جلسه رو در تصویر بالا میبینید؛ تعریف دقیقی از تخصصها ارائه داده که واقعا آموزنده هست.
ویدئوها و اسلایدهای این دوره به صورت رایگان دردسترس هست:
https://fullstackdeeplearning.com/spring2021/lecture-13/
اما یک توضیح کلی هم درباره سایتشون (fullstackdeeplearning.com) بدم؛ از اسمش (فول استک دیپ لرنینگ) میشه حدس زد که اهدافش چی هست. به بخشهای دیگه سایت حتما سر بزنید و این منبع آموزشی متفاوت رو از دست ندید.
حالا برو فوتبال ببین! 😁
@pytorch_howsam
سلام
مجموعه deeplearning.ai (دکتر اندروانگ و دوستان) یکسری کورس کوتاه معرفی کرده که به گفته خودشون برای مدت محدودی رایگان هست. این کورسها شامل مطالب جالبی هستن:
* Building Systems with the ChatGPT API
* ChatGPT Prompt Engineering for Developers
* LangChain for LLM Application Development
* How Diffusion Models Work
موضوعها ترند هستن. فقط اون مورد آخر، دیفیوژن مدلها، برای افرادی مناسب هست که دانش و مهارت خوبی در یادگیری عمیق دارن. چون خیلی کوتاه و خلاصه درموردش توضیح دادن.
لینک:
https://www.deeplearning.ai/short-courses/
@pytorch_howsam
مجموعه deeplearning.ai (دکتر اندروانگ و دوستان) یکسری کورس کوتاه معرفی کرده که به گفته خودشون برای مدت محدودی رایگان هست. این کورسها شامل مطالب جالبی هستن:
* Building Systems with the ChatGPT API
* ChatGPT Prompt Engineering for Developers
* LangChain for LLM Application Development
* How Diffusion Models Work
موضوعها ترند هستن. فقط اون مورد آخر، دیفیوژن مدلها، برای افرادی مناسب هست که دانش و مهارت خوبی در یادگیری عمیق دارن. چون خیلی کوتاه و خلاصه درموردش توضیح دادن.
لینک:
https://www.deeplearning.ai/short-courses/
@pytorch_howsam
This media is not supported in your browser
VIEW IN TELEGRAM
یک مقاله جالب
اگه کمی با ساختار مغز آشنا باشید، میدونید که در مغز انسان نورونهای مختلفی وجود داره.
اما اکثر شبکه های عصبی ما ساختار یکسانی برای نورون درنظر میگیرن که یک تابع فعالساز مثل سیگموید، رلو یا موارد دیگه داره. حالا در مقاله ای اومدن شبکه Neural Diversity رو معرفی کردن که میتونه با وزنهای رندوم مسائل RL رو حل کنه.
به ویدئوی بالا نگاه کنید؛ سمت چپی، یک شبکه عصبی استاندارد و سمت راستی شبکه پیشنهاد شده در این مقاله هست. به توابع فعالساز دو شبکه نگاه کنید؛ ببینید تفاوت قالب توجهی باهم دارند. درعین حال، به نقطه چینهای قرمز و سبز هم دقت کنید. قرمزها قابل آموزش و سبزها ثابت هستن. میبنید که دو شبکه برعکس همدیگه هستن.
در شبکه استاندارد، نورونها ثابت و اتصالات بین نورونها قابل یادگیری هست. اما در شبکه پیشنهادی، نورونها قابلیت یادگیری دارن و اتصالات ثابت و صرفا اعدادی رندوم هستن. هر نورون در این شبکه ساختاری مشابه با RNN داره و به قول مولفهای مقاله، یک TinyRNN هست. این نورونها یکسری وزن دارن که قابلیت یادگیری دارن. به اکتیویشنها در ویدئو دقت کنید. اکتیویشنهای متنوعی میبینید.
مقاله | رفرنس
@pytorch_howsam
اگه کمی با ساختار مغز آشنا باشید، میدونید که در مغز انسان نورونهای مختلفی وجود داره.
اما اکثر شبکه های عصبی ما ساختار یکسانی برای نورون درنظر میگیرن که یک تابع فعالساز مثل سیگموید، رلو یا موارد دیگه داره. حالا در مقاله ای اومدن شبکه Neural Diversity رو معرفی کردن که میتونه با وزنهای رندوم مسائل RL رو حل کنه.
به ویدئوی بالا نگاه کنید؛ سمت چپی، یک شبکه عصبی استاندارد و سمت راستی شبکه پیشنهاد شده در این مقاله هست. به توابع فعالساز دو شبکه نگاه کنید؛ ببینید تفاوت قالب توجهی باهم دارند. درعین حال، به نقطه چینهای قرمز و سبز هم دقت کنید. قرمزها قابل آموزش و سبزها ثابت هستن. میبنید که دو شبکه برعکس همدیگه هستن.
در شبکه استاندارد، نورونها ثابت و اتصالات بین نورونها قابل یادگیری هست. اما در شبکه پیشنهادی، نورونها قابلیت یادگیری دارن و اتصالات ثابت و صرفا اعدادی رندوم هستن. هر نورون در این شبکه ساختاری مشابه با RNN داره و به قول مولفهای مقاله، یک TinyRNN هست. این نورونها یکسری وزن دارن که قابلیت یادگیری دارن. به اکتیویشنها در ویدئو دقت کنید. اکتیویشنهای متنوعی میبینید.
مقاله | رفرنس
@pytorch_howsam
در مطالب آموزشی درس یادگیری ماشین، کمتر به بحث بهینه سازی (Optimization) پرداخته میشه. درحالیکه در یادگیری ماشین حضور پررنگی داره. اصلا قلب تپنده خیلی از الگوریتمهای یادگیری ماشین هست.
اگه یادگیری ماشین رو در سطح خوبی یاد گرفتید، مطالعه Convex Optimization براتون مفیده و میتونه دید شما رو در یادگیری ماشین ارتقا بده.
اینجا یک اسلاید قدیمی و تروتمیز از دانشگاه برکلی براتون گذاشتیم که نگاهی بهش بندازید. قطعا کافی نیست، ولی برای دیدن رئوس مطالب و آشنایی با کلیدواژه ها خوب هست.
https://people.eecs.berkeley.edu/~jordan/courses/294-fall09/lectures/optimization/slides.pdf
@pytorch_howsam
اگه یادگیری ماشین رو در سطح خوبی یاد گرفتید، مطالعه Convex Optimization براتون مفیده و میتونه دید شما رو در یادگیری ماشین ارتقا بده.
اینجا یک اسلاید قدیمی و تروتمیز از دانشگاه برکلی براتون گذاشتیم که نگاهی بهش بندازید. قطعا کافی نیست، ولی برای دیدن رئوس مطالب و آشنایی با کلیدواژه ها خوب هست.
https://people.eecs.berkeley.edu/~jordan/courses/294-fall09/lectures/optimization/slides.pdf
@pytorch_howsam
خیلیا میدونن paperswithcode چیه و خیلیا هم نمیدونن...
ما همیشه توی همه دوره هامون و همچنین گروه های پشتیبانی میگیم که از سایت paperswithcode غافل نشید. اگه میخوای مقاله با کد پیدا کنی، اگه میخوای موضوع مناسب برای پایان نامه پیدا کنی، اگه میخوای کارهای تحقیقاتی ترند رو پیدا کنی و ... همه و همه اینها در این سایت وجود داره.
حالا، ما در سایت یک وبلاگ براش نوشتیم. یک ربع وقت بذارید مطالعه کنید، لینکش رو هم بوکمارک کنید، بعدا بدردتون میخوره.
لینک وبلاگ آشنایی با سایت paperswithcode:
https://howsam.org/paperswithcode-introduction/
@pytorch_howsam 🫶
ما همیشه توی همه دوره هامون و همچنین گروه های پشتیبانی میگیم که از سایت paperswithcode غافل نشید. اگه میخوای مقاله با کد پیدا کنی، اگه میخوای موضوع مناسب برای پایان نامه پیدا کنی، اگه میخوای کارهای تحقیقاتی ترند رو پیدا کنی و ... همه و همه اینها در این سایت وجود داره.
حالا، ما در سایت یک وبلاگ براش نوشتیم. یک ربع وقت بذارید مطالعه کنید، لینکش رو هم بوکمارک کنید، بعدا بدردتون میخوره.
لینک وبلاگ آشنایی با سایت paperswithcode:
https://howsam.org/paperswithcode-introduction/
@pytorch_howsam 🫶
آکادمی هوش مصنوعی هوسم
معرفی سایت paperswithcode - آکادمی هوش مصنوعی هوسم
سلام دوستان گل هوسم؛ در این پست می‌خواهیم درباره سایت خفن paperswithcode.com صحبت کنیم. چه…
سلام
یک دوره خوب و جدید با رویکرد هوش مصنوعی کاربردی در کورسرا. اسم دوره:
AI for Good Specialization
شامل سه بخش (پروژه) هست:
AI and Public Health
AI and Climate Change
AI and Disaster Management
اینم معرفی دوره:
Learn AI's role in addressing complex challenges. Build skills combining human and machine intelligence for positive real-world impact using AI
لینک کورس
@pytorch_howsam
یک دوره خوب و جدید با رویکرد هوش مصنوعی کاربردی در کورسرا. اسم دوره:
AI for Good Specialization
شامل سه بخش (پروژه) هست:
AI and Public Health
AI and Climate Change
AI and Disaster Management
اینم معرفی دوره:
Learn AI's role in addressing complex challenges. Build skills combining human and machine intelligence for positive real-world impact using AI
لینک کورس
@pytorch_howsam