After the Andrew Ng course I think this book is a good resource to learn #Tensorflow:
Machine Learning Using TensorFlow Cookbook, 2021
Machine Learning Using TensorFlow Cookbook, 2021
This website provides one of the most lightweight introductions to #machine_learning I have seen.
If I were to start learning #ML all over again, the structure and concepts covered in this resource would provide a good start.
got from Omarsar0
If I were to start learning #ML all over again, the structure and concepts covered in this resource would provide a good start.
got from Omarsar0
NetPyNE
#NetPyNE (Networks using #Python and #NEURON) is a Python package to facilitate the development, simulation, parallelization, analysis, and optimization of biological neuronal networks using the NEURON simulator.
Although NEURON already enables multiscale simulations ranging from the molecular to the network level, using NEURON for network simulations requires substantial programming, and often requires parallel simulations. NetPyNE greatly facilitates the development and parallel simulation of biological neuronal networks in NEURON for students and experimentalists. NetPyNE is also intended for experienced modelers, providing powerful features to incorporate complex anatomical and physiological data into models.
#simulator
#NetPyNE (Networks using #Python and #NEURON) is a Python package to facilitate the development, simulation, parallelization, analysis, and optimization of biological neuronal networks using the NEURON simulator.
Although NEURON already enables multiscale simulations ranging from the molecular to the network level, using NEURON for network simulations requires substantial programming, and often requires parallel simulations. NetPyNE greatly facilitates the development and parallel simulation of biological neuronal networks in NEURON for students and experimentalists. NetPyNE is also intended for experienced modelers, providing powerful features to incorporate complex anatomical and physiological data into models.
#simulator
A basic intro to stats for neuroscientists and all course materials are open here
Jupyter notebook slides & RISE with code to play around with to build an intuition for stats...
#neuroscience
#course
Jupyter notebook slides & RISE with code to play around with to build an intuition for stats...
#neuroscience
#course
GitHub
GitHub - BlohmLab/NSCI801-QuantNeuro: NSCI 801 (Queen's U) Quantitative Neuroscience course materials
NSCI 801 (Queen's U) Quantitative Neuroscience course materials - GitHub - BlohmLab/NSCI801-QuantNeuro: NSCI 801 (Queen's U) Quantitative Neuroscience course materials
Linge-Langtangen2016_Book_ProgrammingForComputations-Pyt.pdf
4.4 MB
Programming for Computations – Python
Hans Petter Langtangen
A Gentle Introduction to Numerical
Simulations with Python
Open access book
#book
#python
#basic
Hans Petter Langtangen
A Gentle Introduction to Numerical
Simulations with Python
Open access book
#book
#python
#basic
We have this awesome function called sublots_mosaic where you can pass us a layout id'ed on name
axd = plt.subplot_mosaic(
"""
ABD
CCD
""")
Link
#matplotlib
#python
axd = plt.subplot_mosaic(
"""
ABD
CCD
""")
Link
#matplotlib
#python
NMA-Computational Neuroscience: July 5-23, 2021
Content: https://github.com/NeuromatchAcademy/course-content
• NMA-Deep Learning: Aug 2-20, 2021
Content: https://github.com/NeuromatchAcademy/course-content-dl
Applications for interactive students and teaching assistants (paid positions) are due May 7th 2021. Application Portal: https://portal.neuromatchacademy.org/
#Neuromatch
Content: https://github.com/NeuromatchAcademy/course-content
• NMA-Deep Learning: Aug 2-20, 2021
Content: https://github.com/NeuromatchAcademy/course-content-dl
Applications for interactive students and teaching assistants (paid positions) are due May 7th 2021. Application Portal: https://portal.neuromatchacademy.org/
#Neuromatch
GitHub
GitHub - NeuromatchAcademy/course-content: NMA Computational Neuroscience course
NMA Computational Neuroscience course. Contribute to NeuromatchAcademy/course-content development by creating an account on GitHub.
Machine learning in Python with scikit-learn
Ref. 41026
Duration: 8 weeks
Effort: 35 hours
Pace: ~4h15/week
Build predictive models with scikit-learn and gain a practical understanding of the strengths and limitations of machine learning!
#ML
#scikit_learn
#course
Ref. 41026
Duration: 8 weeks
Effort: 35 hours
Pace: ~4h15/week
Build predictive models with scikit-learn and gain a practical understanding of the strengths and limitations of machine learning!
#ML
#scikit_learn
#course
FUN MOOC
Machine learning in Python with scikit-learn
Build predictive models with scikit-learn and gain a practical understanding of the strengths and limitations of machine learning!
Visualizing the similarity of two networks
For issue of blank cell on chrome:
install chrome extension
For issue of blank cell on chrome:
install chrome extension
It took Huxley 3 weeks to do the calculations of Hodgkin-Huxley 1952 paper.
The caption is slightly wrong. Still an incredible feat!
See Eg here.
The caption is slightly wrong. Still an incredible feat!
See Eg here.
Forwarded from آقا معلم
سایت Lynda دات‌کام را لیندا سوزان وین‌من، در سال ۱۹۹۵ همراه با شوهرش راه‌اندازی کرد و در آن به عرضه‌ی دوره‌های آموزشی پرداخت.
تا سال ۲۰۰۴، تنها ۱۰۰ دوره‌ی آموزشی در لیندا عرضه میشد، اما روند رو به رشد آن به گونه‌ای خیز برداشت که طی چند مرحله در سال ۲۰۱۴ توانست سرمایه‌ای برابر با ۱۸۶ میلیون دلار جذب کند.
۹ آوریل ۲۰۱۵ لینکداین اعلام کرد لیندا را در معامله‌ای به ارزش ۱.۵ میلیارد دلار خریده، و در ۱۳ ژوئن ۲۰۱۶، مایکروسافت کل لینکداین را با رقمی بالغ بر ۲۶.۲ میلیارد دلار از آن خود کرد.
لیندا از اکتبر ۲۰۱۷ دیگر به نام LinkedIn Learning شناخته می‌شود. مخاطبین اوائل برای استفاده از Libraryهای غنی آن باید اکانت لینکداین می‌ساختند اما این محدودیت از مارس ۲۰۲۱ برداشته شد.
بیش از ۲۸هزار دوره‌ی آموزشی لیندا در این سرفصل‌ها تقسیم‌بندی شده‌اند:
Software development
Design
Business
Web development
Photography
@Aghmoallem
تا سال ۲۰۰۴، تنها ۱۰۰ دوره‌ی آموزشی در لیندا عرضه میشد، اما روند رو به رشد آن به گونه‌ای خیز برداشت که طی چند مرحله در سال ۲۰۱۴ توانست سرمایه‌ای برابر با ۱۸۶ میلیون دلار جذب کند.
۹ آوریل ۲۰۱۵ لینکداین اعلام کرد لیندا را در معامله‌ای به ارزش ۱.۵ میلیارد دلار خریده، و در ۱۳ ژوئن ۲۰۱۶، مایکروسافت کل لینکداین را با رقمی بالغ بر ۲۶.۲ میلیارد دلار از آن خود کرد.
لیندا از اکتبر ۲۰۱۷ دیگر به نام LinkedIn Learning شناخته می‌شود. مخاطبین اوائل برای استفاده از Libraryهای غنی آن باید اکانت لینکداین می‌ساختند اما این محدودیت از مارس ۲۰۲۱ برداشته شد.
بیش از ۲۸هزار دوره‌ی آموزشی لیندا در این سرفصل‌ها تقسیم‌بندی شده‌اند:
Software development
Design
Business
Web development
Photography
@Aghmoallem