Continuous Probability Distributions for Machine Learning
@Machine_learn
https://machinelearningmastery.com/continuous-probability-distributions-for-machine-learning/

با عرض سلام
جهت کمک به کودکان بی بضاعت تصمیم بر این شد که از این به بعد تمامی هزینه های فروش دوره یادگیری ماشین و پایتون صرف خرید#لوازم_تحریر شود. #تعداد_فروش و #اقلام_تهیه شده از طریق همین کانال اعلام میشود.
مجموعه آموزشی #یادگیری_ماشین و پایتون به زبان فارسی برای دوستانی که می خواهند در این زمینه علمی قدم بگذارند تهیه شده است. قابل توجه است که تمامی سرفصل ها با پیاده سازی عملی توضیح داده شده اند. سرفصل ها از قرار زیر می باشند.
پایتون:
1:print formatting
2:strings
3:advance strings
4:Range
5:list and list comprehension
6:list methods
7:numbers
8:comparison operations
9:chain operations
10:dictionary
11:collection module
12:Tuple
13:complex
14:advance sets
15:Basic Functions
16:sets and boolean
17:if,elif,else
18:for loop
19:while loop
20:Enumerate
21:iteration and generators
22:all and any
23:lambda expression
24:map
25:Reduce
26:filter
29:modules and packages
30:Functions
31:Decorators
32:File
33:object oriented programming
جلسات ماشین:
۱:مقدمه ای بر یادگیری ماشین
۲: رگرسیون خطی
۳: مقدمه ای بر Numpy
۴:پیاده سازه رگرسیون خطی با Numpy
۵:نصب tensorflow
۶:مقدمه ای بر tensorflow
۶:پیاده سازی رگرسیون خطی با tensorflow
۷: درخت تصمیم گیری
۸:پیاده سازی درخت تصمیم با Numpy
۹:الگوریتم K-nearest neighbor
۱۰: الگوریتم K-means
۱۱: الگوریتم GMM(gaussian mixtural model)
۱۲: پیاده سازی GMM با numpy
۱۳:پیاده سازی GMM در SKlearn
۱۴:مقدمه ای بر شبکه های عصبی (perceptron)
۱۵: شبکه های عصبی Fully connected و error back propagation
۱۶: پیاده سازی Fully connected network در tensorflow
۱۷: مقدمه ای بر شبکه های کانولوشن
۱۸: پیاده سازی کانولوشن در tensorflow

تمامی ویدیوها به همراه jupyter notebook و اسلایدهای مرتبط با هر فصل ضبط و تهیه شده اند.
قیمت دوره ۱۰۰ هزار تومن
#حمایت_از _کودکان

برای تهیه این مجموعه با ایدی
@RaminMousa
در ارتباط باشید.
مدرس جلسات رامین موسی 🎬🎬

Creating a Custom TFX Executor
#TFX #Tensorflow #DL
@Machine_learn
https://medium.com/tensorflow/creating-a-custom-tfx-executor-28edaa3604f6

The ExampleGen TFX Pipeline Component:

https://github.com/tensorflow/tfx/blob/master/docs/guide/examplegen.md#custom-examplegen

video:

https://www.youtube.com/playlist?list=PLQY2H8rRoyvxR15n04JiW0ezF5HQRs_8F

@Machine_learn
Simple Deep Q Network w/Pytorch: https://youtu.be/UlJzzLYgYoE
Reinforcement Learning Crash Course: https://youtu.be/sOiNMW8k4T0
Policy Gradients w/Tensorflow: https://youtu.be/UT9pQjVhcaU
Deep Q Learning w/Tensorflow https://youtu.be/3Ggq_zoRGP4
Code Your Own RL Environments https://youtu.be/vmrqpHldAQ0
How to Spec a Deep Learning PC: https://youtu.be/xsnVlMWQj8o
Deep Q Learning w/ Pytorch: https://youtu.be/RfNxXlO6BiA
Machine Learning Freelancing https://youtu.be/6M04ZTLE_O4

Code from video: https://github.com/philtabor/Youtube-Code-Repository

DeepMind Measures 7 Capabilities Every AI Should Have

video: https://www.youtube.com/watch?v=zrF5_O92ELQ

📝 The paper "Behaviour Suite for Reinforcement Learning"

https://arxiv.org/abs/1908.03568

code https://github.com/deepmind/bsuite

با سلام
با عنایت به ضرورت جمع آوری دیتا جهت انجام پروزه های تحقیقاتی موجود، لازم است تعدادی توکن دسترسی (َaccess token) به توییتر تهیه گردد. هر یک از دوستان که توکن دارند و یا توانایی گرفتن توکن رو دارند در این راستا کمک های لازمه را انجام دهند. با تشکر
https://developer.twitter.com/en/docs/basics/authentication/guides/access-tokens.html

ارسال توکن: @Raminmousa

@Machine_learn
Tensorflow 2.0 release

Faster
TPU support
TensorFlow datasets

Change log: https://medium.com/tensorflow/tensorflow-2-0-is-now-available-57d706c2a9ab

#google #tensorflow #dl #tf

​​📹Artificial caricature

Agents learn to draw simplified (artistic?) portraits via trial and error.

Project website: https://learning-to-paint.github.io
ArXiV: https://arxiv.org/abs/1910.01007

#GAN #CelebA #DL

✅How to Develop a CycleGAN for Image-to-Image Translation with Keras

https://machinelearningmastery.com/cyclegan-tutorial-with-keras/

Title: Rebooting AI : building artificial intelligence we can trust / Gary Marcus and Ernest Davis.
#book #AI
@Machine_learn

Title: Rebooting AI : building artificial intelligence we can trust / Gary Marcus and Ernest Davis.
#book #AI
@Machine_learn

BigBiGAN representation learning models

https://arxiv.org/abs/1907.02544 

TF Hub: https://tfhub.dev/s?publisher=deepmind&q=bigbigan

Try them out in a Colab at: https://colab.research.google.com/github/tensorflow/hub/blob/master/examples/colab/bigbigan_with_tf_hub.ipynb

​​📹Artificial caricature

Agents learn to draw simplified (artistic?) portraits via trial and error.

Project website: https://learning-to-paint.github.io
ArXiV: https://arxiv.org/abs/1910.01007

#GAN #CelebA #DL

Deep Learning with keras
#DL #CNN #LSTM #GRU
#FCNN #book
@Machine_learn

Notes by Tess Ferrandez on the Andrew Ng’s Deep learning specialization.

Very nice way to refresh you memory of DL concepts.
#DL #note
@Machine_learn
Credit: Tess Ferrandez, https://www.slideshare.net/TessFerrandez/notes-fr

1: introduction two machine learning
2: Regression (linear and non-linear)
3: Tensorflow introduction
4: Tensorflow computaion graph
5: Tensorflow optimizer and loss function
6: Tensorflow linear and non linear regression
7: logistic regression
8: Tensorflow regression
_______
9: introduction to traditional machine learning
*10: knn and desicion tree
*11: desicion tree and Naive bayes
*12: desicion tree, knn, Naive bayes implementation
*13: k-means
*14: Guassion Mixture Model(GMM)
*15: implementation K-means and GMM
_____________
16: introduction to Artificial Neural Network
17: Multi-level Neural Network
18: Introduction to Convolution Neural Network
19: Tensorflow Multi-level Neural Network
20:Tensorflow CNN
21:CNN image clasaification
22: Cnn text clasaification
23: Recurrent Neural Network(RNN)
24: implementation RNN
25: RNN image Classification
26: RNN text Classification
__________
*optional class

در این دوره که در ۲۶ جلسه برگزار می شود بسیاری از سرفصل های یادگیری ماشین آموزش داده می شوند تمامی الگوریتم ها بغییر از * براساس کتابخانه Tensorflow اموزش داده می شوند. از پیش نیاز های این دوره آشنایی به زبان پایتون می باشد در صورت عدم آشنایی ۵ جلسه به موارد بالا اضافه می شود. این ۵ جلسه حدودا ۱۰ ساعت کد نویسی می باشد. جلسات به صورت آنلاین و از طریق اسکایپ برگزار می شوند. در انتهای جلسات جهت یادگیری بیشتر چند مساله واقعی به همراه کدنویسی و بدون هزینه برگزار می شود. کلاس ها به صورت کاملا خصوصی می باشند.
جهت رزرو وقت کلاس با ایدی تلگرام زیر در ارتباط باشین.

📱 Teleg: @Raminmousa

Unfolding the Structure of a Document using Deep Learning.
#DL #paper
@Machine_learn
https://arxiv.org/abs/1910.03678