📚 Title: Better Python Code (2024)

📚 Title: Quick Start Guide to Large Language Models (2024)

☀️ One2Avatar: Pic -> 3D Avatar ☀️

👉#Google presents a new approach to generate animatable photo-realistic avatars from only a few/one image. Impressive results.

👉Review https://t.ly/AS1oc
👉Paper arxiv.org/pdf/2402.11909.pdf
👉Project zhixuany.github.io/one2avatar_webpage/

@DocPython

یک نفر ربات تلگرامی ساخته که باهاش میشه هر کدی رو اجرا کرد. تقریبا همه‌ی زبان‌های برنامه نویسی رو هم پشتیبانی می‌کنه

@CRunnerBot

‌
📘 آموزش مبانی ماتریس‌ها و جبرخطی منتشر شد!

🔹 لینک آموزش – [کلیک کنید]

🔖 در این آموزش، ابتدا به جمع و ضرب عددی در ماتریس‌ها، ترانهاده و ماتریس‌های بلوکی و تعریف دستگاه معادلات خطی می‌پردازیم. سپس دستگاه معادلات همگن و کاربرد دستگاه معادلات خطی و تعریف معکوس ماتریس و محاسبه معکوس با روش حذفی گاوس را مورد بررسی قرار می‌دهیم. در انتها، اعمال سطری مقدماتی و خواص دترمینان، جواب دستگاه معادلات خطی، مختصات و تغییر پایه و مراحل قطری‌سازی ماتریس را یاد می‌گیریم.

🎯 مناسب برای: دانشجویان ریاضی | دانشجویان آمار | دانشجویان رشته‌های مهندسی

💲 هزینه اصلی آموزش: ۸۹۰,۰۰۰ تومان

🎁 هزینه با احتساب هدیه ویژه انتشار: ۲۶۷,۰۰۰ تومان
‌(‌۷۰ درصد تخفیف)

👈 کد تخفیف: NWXQ87

❗️ اعتبار: تا پایان روز دوشنبه، ۱۸ دی ۱۴۰۲

🔗 لینک آموزش – [کلیک کنید]

@FaraDars — فرادرس
@FDPub — تازه‌های نشر فرادرس
.

Deep Learning Basics (lecture notes)

Romain Tavenard
Jul 20, 2023
@machine_learning_and_DL

Machine Learning (lecture notes)

Winter 2024

@machine_learning_and_DL

Statistical Learning Theory(Winter 2016)

Percy Liang
@machine_learning_and_DL

SOTA🚀 YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information

☄️ Github
☄️ Paper

ورژن ۹ مدل YOLO در چهار سایز ۷/۲ میلیون، ۲۰/۱ میلیون و ۲۵/۵ میلیون و ۵۸/۱ میلیون پارامتر منتشر شد!!!

مقاله:
https://arxiv.org/abs/2402.13616

کد:
https://github.com/WongKinYiu/yolov9

🩻 Pose via Ray Diffusion 🩻

👉Novel distributed representation of camera pose that treats a camera as a bundle of rays. Naturally suited for set-level transformers, it's the new SOTA on camera pose estimation. Source code released 💙

👉Review https://t.ly/qBsFK
👉Paper arxiv.org/pdf/2402.14817.pdf
👉Project jasonyzhang.com/RayDiffusion
👉Code github.com/jasonyzhang/RayDiffusion

#هوش_مصنوعی #مقاله #سورس_کد
💎 مدل YOLOv9 منتشر شد.
- سریعتر، دقیقتر و بهینه‌تر از مدل‌های مشابه
📎 دانلود مقاله (pdf)
💻 دانلود سورس کد (Github)
YOLOv9 is out 🔥
📄 We combined the proposed PGI and GELAN, then designed a new generation of YOLO object detection system, which we call YOLOv9.
🔻share with your friends🔻
🔹@OpenCV_olc🔹

ابزارهای لازم برای یادگیری ماشین
@DocPython

کتابخانه لاکپشت در پایتون

برگه تقلب یادگیری عمیق

مدل YOLOv9 هم اومد. الان میتونید به صورت لوکال توی browser به صورت تقریبا real time اشیا را تشخیص بدید. نیازی هم به سرور ندارید


🔗 Demo: https://hf.co/spaces/Xenova/yolov9-web

https://blog.roboflow.com/train-yolov9-model/

https://colab.research.google.com/github/roboflow-ai/notebooks/blob/main/notebooks/train-yolov9-object-detection-on-custom-dataset.ipynb

https://github.com/WongKinYiu/yolov9

https://github.com/roboflow/notebooks

🆔 @Ai_Tv

CyberDemo

Augmenting Simulated Human Demonstration for Real-World Dexterous Manipulation

We introduce CyberDemo, a novel approach to robotic imitation learning that leverages simulated human demonstrations for real-world tasks. By incorporating extensive data augmentation in a simulated environment, CyberDemo outperforms traditional in-domain real-world demonstrations when transferred to the real world, handling diverse physical and visual conditions. Regardless of its affordability and convenience in data collection, CyberDemo outperforms baseline methods in terms of success rates across various tasks and exhibits generalizability with previously unseen objects. For example, it can rotate novel tetra-valve and penta-valve, despite human demonstrations only involving tri-valves. Our research demonstrates the significant potential of simulated human demonstrations for real-world dexterous manipulation tasks.

paper page: https://huggingface.co/papers/2402.14795


🆔

⭐ MATH-Vision Dataset 🕹

😏 MATH-V is a curated dataset of 3,040 HQ mat problems with visual contexts sourced from real math competitions. Dataset released 📱

😏 Review: https://t.ly/gmIAu

🤨 Paper: arxiv.org/pdf/2402.14804.pdf

🥺 Project: mathvision-cuhk.github.io/

👉 Code: github.com/mathvision-cuhk/MathVision

Deep Learning with torch:: CHEAT SHEET

یادگیری با نظارت؛ بدون نظارت و یادگیری تقویتی
@Docpython