FF13-Causality_for_Machine_Learning-Cloudera_Fast_Forward.pdf
14.4 MB
کتاب خوبی راجب
Causality for ML Cloudera Fast Forward
#کتاب #منابع #یادگیری_ماشین
پ.ن: دارای حق قانون کپی رایت نیست
❇️ @AI_Python
Causality for ML Cloudera Fast Forward
#کتاب #منابع #یادگیری_ماشین
پ.ن: دارای حق قانون کپی رایت نیست
❇️ @AI_Python
دکتر الهیاری و تیمشون دارن روی یه سری پروژه جانبی کار می کنند . یکی از اونها درست کردن محتوای کوتاه در زمینه ماشین لرنینگ، به خصوص پردازش زبان،
سوالهایی که معمولا توی مصاحبه ها پرسیده میشه، طراحی سیستمهای مبتنی بر ماشین لرنینگ، و خلاصه نکات و کاربردهای اون در زمینه های مختلف صنعت هست.
قالب محتوا به صورت پستهای خیلی کوتاهه.چند تا نکته: اول اینکه محتوا به صورت انگلیسی هست، دیگه اینکه کامپیوتر ویژن فعلا شاملش نمیشه. و بالاخره اینکه هدف درس دادن ماشین لرنینگ نیست. اگه مایل هستید که این محتوا را دریافت
کنید ایمیل خودتون را توی فرمی که لینکش اینجا هست وارد کنیید.
اگه نظر یا پیشنهادی دارید خوشحال میشم اینجا کامنت بذارید. ممنون!
https://docs.google.com/forms/d/e/1FAIpQLSe9Pn0PGoP7biCHUc0NAQO4XOwejy5m--SYJD8EjhsEN4OiMw/viewform?usp=send_form
سوالهایی که معمولا توی مصاحبه ها پرسیده میشه، طراحی سیستمهای مبتنی بر ماشین لرنینگ، و خلاصه نکات و کاربردهای اون در زمینه های مختلف صنعت هست.
قالب محتوا به صورت پستهای خیلی کوتاهه.چند تا نکته: اول اینکه محتوا به صورت انگلیسی هست، دیگه اینکه کامپیوتر ویژن فعلا شاملش نمیشه. و بالاخره اینکه هدف درس دادن ماشین لرنینگ نیست. اگه مایل هستید که این محتوا را دریافت
کنید ایمیل خودتون را توی فرمی که لینکش اینجا هست وارد کنیید.
اگه نظر یا پیشنهادی دارید خوشحال میشم اینجا کامنت بذارید. ممنون!
https://docs.google.com/forms/d/e/1FAIpQLSe9Pn0PGoP7biCHUc0NAQO4XOwejy5m--SYJD8EjhsEN4OiMw/viewform?usp=send_form
murenei_natural-language-processing-with-python-and-nltk.pdf
54.2 KB
آموزش خلاصه ای از
Natural Language Processing with Python & nltk Cheat Sheet
#منابع #پردازش_زبان_طبیعی
❇️ @AI_Python
Natural Language Processing with Python & nltk Cheat Sheet
#منابع #پردازش_زبان_طبیعی
❇️ @AI_Python
هوش مصنوعی و واقعی کردن دنیا تا کجا میتواند موفق شود
https://nautil.us/deep-learning-is-hitting-a-wall-14467/
https://nautil.us/deep-learning-is-hitting-a-wall-14467/
Nautilus
Deep Learning Is Hitting a Wall
What would it take for artificial intelligence to make real progress?
#مقاله خیلی خوبی برای ترکیب RNN و Transformars ها
Block-Recurrent Transformers
#شبکه_عصبی_بازگشتی #شبکه_عصبی
❇️ @AI_Python
Block-Recurrent Transformers
#شبکه_عصبی_بازگشتی #شبکه_عصبی
❇️ @AI_Python
Forwarded from DLeX: AI Python (Farzad 🦅)
This media is not supported in your browser
VIEW IN TELEGRAM
دوره
Natural Language Processing with Classification and Vector Spaces
سایت کورسرا
33 Locality sensitive hashing
#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم
❇️ @AI_Python
Natural Language Processing with Classification and Vector Spaces
سایت کورسرا
33 Locality sensitive hashing
#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم
❇️ @AI_Python
Do you speak multiple languages and alternate between them in conversations? Do you *code-switch* depending on who you talk to and how comfortable you are with each language?
https://arxiv.org/abs/2203.08979
https://arxiv.org/abs/2203.08979
#مقاله خوب
Humans can learn continuously, while standard deep neural networks need interleaved data
Modelling continual learning in humans with Hebbian context gating and exponentially decaying task signals
Comparing continual task learning in mindsand machines
#پردازش_زبان_طبیعی
❇️ @AI_Python
Humans can learn continuously, while standard deep neural networks need interleaved data
Modelling continual learning in humans with Hebbian context gating and exponentially decaying task signals
Comparing continual task learning in mindsand machines
#پردازش_زبان_طبیعی
❇️ @AI_Python
درخواست همکاری:
با سلام
دوستانی که در زمینه کدنویسی پردازش تصویر و شبکه های یادگیری عمیق دانش و تجربه دارند و به موارد زیر تسلط دارند برای همکاری در پژوهش دعوت به همکاری میشود.
- آشنایی با Deep learning و شبکه های سگمنتیشن تصاویر
- آشنا با کار با تصاویر پزشکی
- داشتن تجربه کدنویسی شبکه های Transformer
لطفا در صورت تمایل رزومه خود را در تلگرام به آیدی زیر ارسال کنید :
@last_man_r
- لینک مشاهده تحقیقات گذشته :
https://rezazad68.github.io
❇️ @AI_Python
با سلام
دوستانی که در زمینه کدنویسی پردازش تصویر و شبکه های یادگیری عمیق دانش و تجربه دارند و به موارد زیر تسلط دارند برای همکاری در پژوهش دعوت به همکاری میشود.
- آشنایی با Deep learning و شبکه های سگمنتیشن تصاویر
- آشنا با کار با تصاویر پزشکی
- داشتن تجربه کدنویسی شبکه های Transformer
لطفا در صورت تمایل رزومه خود را در تلگرام به آیدی زیر ارسال کنید :
@last_man_r
- لینک مشاهده تحقیقات گذشته :
https://rezazad68.github.io
❇️ @AI_Python
Forwarded from DLeX: AI Python (Farzad 🦅)
10 Techniques to deal with Imbalanced Data.pdf
369.7 KB
آموزش
10 Techniques to deal with Imbalanced Classes in Machine Learning
#منابع #الگوریتمها #یادگیری_ماشین
❇️ @AI_Python
10 Techniques to deal with Imbalanced Classes in Machine Learning
#منابع #الگوریتمها #یادگیری_ماشین
❇️ @AI_Python
فرصت شغلی (ریسرچر یا دانشجوی اینترنشیپ) در کشور کره جنوبی 🇰🇷
* یک آزمایشگاه معتبر در یکی از دانشگاههای معتبر (رنکینک زیر ۹۰) در کشور کره جنوبی قصد دارد یک توسعهدهنده استخدام نماید.
* این پروژه با همکاری فیسبوک انجام میشود.
* موضوع پروژه در مورد متاورس است. بطور مثال یک شخص از راه دور و با کمک واقعیت مجازی باید بتواند ماشینآلات موجود در کارگاه را به کار بیندازد. به طور کلی لازم است نمونه های اولیه با استفاده از تلاقی الگوریتم های بینایی کامپیوتری برای عکاسی محاسباتی سه بعدی، رندر عصبی، بازسازی صحنه، تصویربرداری محاسباتی، کیلومتر شماری بصری-اینرسی، تخمین حالت، ترکیب حسگر، نقشه برداری و محلی سازی، ساخته و تست شود.
* روال استخدام بدین شکل است که ابتدا مدارک مربوطه را به ایمیل ارسال میکنید.
* در صورتی که سابقه و تحصیلات متناسب با پروژه بود به مصاحبه دعوت میشوید.
* شخص در وهله اول توسط سر تیم ایرانی مصاحبه میشود و در صورت قبولی، در مرحله دوم توسط استاد کرهای مصاحبه میشود که تصمیم نهایی را ایشان میگیرند.
* تسلط به زبان انگلیسی نیاز است. (مدرک زبان نیاز نیست ولی مزیت محسوب میشود)
* در صورت قبولی، شخص به کره دعوت میشود و کار خود را شروع میکند.
* مدت این پروژه حدود یک سال است.
* اشخاص نباید برای خروج از کشور مشکلی داشته باشند. (آقایان مشکل سربازی نداشته باشند. در صورت نیاز مدارک مربوطه درخواست خواهد شد.)
* افراد متقاضی لازم است پویا و مشتاق یادگیری بوده و در یک یا چند حوزهی زیر مسلط یا آشنایی نسبی داشته باشند:
- برنامه نویسی پایتون یا c++
- آشنایی کلی با یک یا چند مفهوم از مفاهیم واقعیت مجازی (AR)، واقعیت افزوده(VR)، واقعیت ترکیبی (MR)،
واقعیت توسعه یافته Extended Reality (XR) / Metaverse
- یادگیری عمیق (Deep learning)
- الگوریتمهای بینایی ماشین و پردازش تصویر
- نرمافزارهای Rhino و Unity
* مدارک ارسالی در ایمیل:
- رزومه
- آخرین مدرک تحصیلی
- ریزنمرات
- انگیزه نامه (به زبان فارسی هم قابل قبول است)
* عنوان ایمیل:
ریسرچر
seyed.javad.tab@gmail.com
* یک آزمایشگاه معتبر در یکی از دانشگاههای معتبر (رنکینک زیر ۹۰) در کشور کره جنوبی قصد دارد یک توسعهدهنده استخدام نماید.
* این پروژه با همکاری فیسبوک انجام میشود.
* موضوع پروژه در مورد متاورس است. بطور مثال یک شخص از راه دور و با کمک واقعیت مجازی باید بتواند ماشینآلات موجود در کارگاه را به کار بیندازد. به طور کلی لازم است نمونه های اولیه با استفاده از تلاقی الگوریتم های بینایی کامپیوتری برای عکاسی محاسباتی سه بعدی، رندر عصبی، بازسازی صحنه، تصویربرداری محاسباتی، کیلومتر شماری بصری-اینرسی، تخمین حالت، ترکیب حسگر، نقشه برداری و محلی سازی، ساخته و تست شود.
* روال استخدام بدین شکل است که ابتدا مدارک مربوطه را به ایمیل ارسال میکنید.
* در صورتی که سابقه و تحصیلات متناسب با پروژه بود به مصاحبه دعوت میشوید.
* شخص در وهله اول توسط سر تیم ایرانی مصاحبه میشود و در صورت قبولی، در مرحله دوم توسط استاد کرهای مصاحبه میشود که تصمیم نهایی را ایشان میگیرند.
* تسلط به زبان انگلیسی نیاز است. (مدرک زبان نیاز نیست ولی مزیت محسوب میشود)
* در صورت قبولی، شخص به کره دعوت میشود و کار خود را شروع میکند.
* مدت این پروژه حدود یک سال است.
* اشخاص نباید برای خروج از کشور مشکلی داشته باشند. (آقایان مشکل سربازی نداشته باشند. در صورت نیاز مدارک مربوطه درخواست خواهد شد.)
* افراد متقاضی لازم است پویا و مشتاق یادگیری بوده و در یک یا چند حوزهی زیر مسلط یا آشنایی نسبی داشته باشند:
- برنامه نویسی پایتون یا c++
- آشنایی کلی با یک یا چند مفهوم از مفاهیم واقعیت مجازی (AR)، واقعیت افزوده(VR)، واقعیت ترکیبی (MR)،
واقعیت توسعه یافته Extended Reality (XR) / Metaverse
- یادگیری عمیق (Deep learning)
- الگوریتمهای بینایی ماشین و پردازش تصویر
- نرمافزارهای Rhino و Unity
* مدارک ارسالی در ایمیل:
- رزومه
- آخرین مدرک تحصیلی
- ریزنمرات
- انگیزه نامه (به زبان فارسی هم قابل قبول است)
* عنوان ایمیل:
ریسرچر
seyed.javad.tab@gmail.com
This media is not supported in your browser
VIEW IN TELEGRAM
#مقاله جدید دکتر Yoshua Bengio
This figure illustrates why we use the word “flow” in GFlowNets. We think about the flow of unnormalized probabilities, similar to the amount of water flowing from an initial state (s0 on the left) in a directed acyclic graph (that may be exponentially large, so we don’t need to represent it explicitly in computers) whose trajectories correspond to all the possible sequences of actions, actions that determine state transitions) in order to sequentially construct complicated objects like molecular graphs, causal graphs, explanations for a scene, or (and this is the real inspiration) thoughts in our mind.
Generative Flow Networks
❇️ @AI_Python
This figure illustrates why we use the word “flow” in GFlowNets. We think about the flow of unnormalized probabilities, similar to the amount of water flowing from an initial state (s0 on the left) in a directed acyclic graph (that may be exponentially large, so we don’t need to represent it explicitly in computers) whose trajectories correspond to all the possible sequences of actions, actions that determine state transitions) in order to sequentially construct complicated objects like molecular graphs, causal graphs, explanations for a scene, or (and this is the real inspiration) thoughts in our mind.
Generative Flow Networks
❇️ @AI_Python
Forwarded from DLeX: AI Python (Farzad 🦅)
Decision Tree Model for Classification.pdf
3.9 MB