@Machine_learn

TFRT: A new TensorFlow runtime

https://blog.tensorflow.org/2020/04/tfrt-new-tensorflow-runtime.html

@Machine_learn


Combinatorial 3D Shape Generation
via Sequential Assembly

https://arxiv.org/pdf/2004.07414.pdf
https://arxiv.org/abs/2004.07414

@Machine_learn

Reinforcement Learning with Augmented Data

https://mishalaskin.github.io/rad

Code: https://github.com/MishaLaskin/rad

Paper: https://arxiv.org/abs/2004.14990

@Machine_learn

BASNet was already great for salient object detection and background removal.

Repo: https://github.com/NathanUA/U-2-Net

Watsapp: +989333900804
ID: @Machine_learn

deep learning in computer vision
#book #DL
@Machine_learn

@Machine_learn
Global explanations for discovering bias in data

Github: https://github.com/agamiko/gebi

Code: https://github.com/AgaMiko/GEBI/blob/master/notebooks/GEBI.ipynb

Paper: https://arxiv.org/abs/2005.02269v1

Machine Learning A Bayesian and Optimization Perspective
#book #ML
@Machine_learn

Python® Machine Learning
#book #Python
@Machine_learn

Little Ball of Fur


Little Ball of Fur consists of methods to do sampling of graph structured data

Documentation : https://little-ball-of-fur.readthedocs.io/en/latest/#little-ball-of-fur-documentation

github: https://github.com/benedekrozemberczki/littleballoffur

paper: https://arxiv.org/abs/2005.05257v1

@Machine_learn

@Machine_learn

Short over view of Artificial Neural Networks with examples
Page:
https://www.infinitycodex.in/

TensorFlow 2.0 Pocket Primer

#Tensorflow #python
#Book

@Machine_learn

@Machine_learn

Detecting Emotions with CNN Fusion Models - dair.ai - Medium
https://medium.com/dair-ai/detecting-emotions-with-cnn-fusion-models-b066944969c8

@Machine_learn
Modified SEIR and AI prediction of the epidemics trend of
COVID-19 in China under public health interventions
#paper

@Machine_learn
Deep Learning System to Screen Coronavirus Disease 2019
Pneumonia #Paper

با عرض سلام
جمع اوری داده های مربوط به #Covide_19 یکی از اساسی ترین گام ها برای یک تحقیق می باشد. ما مجموعه ای از ابزارها و‌مدل ها برای جمع اوری داده ها و پیش بینی ها را طراحی کرده ایم که می تواند در این زمینه به کمک محقیق بیایند. این ابزار ها و‌مدل ها از قرار زیر می باشند:
1) Twitter #Covid_19 :
این ابزار برای استخراج نامحدود داده های تویتر و ویژگی های هر تویت و هر شخص مورد استفاده قرار می گیرد. خوبی این ابزار این است که می تواند مختص چند شهر خاص نیز تنظیم شود.
2) Instagram #Covid_19
این ابزار برای جمع اوری داده ها از پست های خاص اينستاگرام طراحی شده است بدین گونه که تمامی کامنت های پست شده، تعداد لایک، تاریخ و صاحب نظران را استخراج می کند. این ابزار می تواند به صورت همزمان لیستی از پست ها را استخراج کند.
3) Weather #Covide_19
با توجه به اهمیت اب و هوا بر روی شیوع این اپیدمی ابزار فوق برای جمع اوری داده های اب و هوا مورد استفاده قرار می گیرد
4) Stock #Covide_19
بازار بورس یکی دیگر از حوزه هایی است که دست خوش تغییراتی براساس این اپیدمی بوده است. این ابزار امکان جمع اوری‌دادههای ۱۳ شاخص FX# را فراهم می آورد.
__
همچنین مجموعه ای از داده ها نیز برای این منظور جمع اوری شده است.

1) Who #Covide_19
داده های اصلی سازمان بهداشت جهانی شامل ۷ ویژگی
2) Sars history
داده های بیماری سارس برای جبران اطلاعات ناقص مدل ها با ۷ ویژگی
3)Countries of world
داده هاي مربوط به اطلاعات اجتماعي، سياسي، اقتصادي و جغرافيايي تمامي كشورهاي دنيا شامل ٢٩ ويژگي
4)Weather #Covide_19
داده هاي مربوط به اب و هواي هر شهر و هر كشور از شروع اين اپيدمي با ٦٠ ويژگي از جمله (دما، رطوبت، فشار، اوزون و....)
___
همچنین مجموعه ای از مدلها نیز برای پیش بینی طراحی شده اند از جمله
1) LSTM Seq2Seq model(multi-Regression)
2) GRU Seq2Seq model(multi-Regression)
3) Hi-Attention Seq2Seq model(multi-Regression)
4) SVR(single-Regression)
5) Lasso(single-Regression)
6) Random forest Regression(single-Regression)
7) Decision tree Regression(single-Regression)
دوستانی که نیاز به این ابزار ها دارن می توانند برای سفارش به بنده مراجعه کنند

@Raminmousa

​CURL: Contrastive Unsupervised Representations for Reinforcement Learning

@Machine_learn
This paper introduces a new method that significantly improves the sample efficiency of RL algorithms when learning from raw pixel data.


Paper: https://arxiv.org/abs/2004.04136.pdf
Code: https://github.com/MishaLaskin/curl


#rl #agent #reinforcement #learning