تمام ساعت یه مهندس کامپیوتر😁

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN.

مقدمه ای بر پایتون ۳

#پایتون #python #آموزش

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN.

کلاس آموزشی یادگیری عمیق دانشگاه Paris Saclay

#یادگیری_عمیق #آموزش #فیلم #منابع #هوش_مصنوعی #یادگیری_ماشین

🌎 Link Review

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

🔥To our new subscribers 🔥

If you have trouble reading our posts in farsi which is 100% normal if you are not a native persian speaker 😃 i invite you to join english version of our channel:

✴️ @AI_Python_EN

PS: we have another channel called arXiv with a great AI bot that posts significant and recent articles submitted to arXiv on a daily basis:

🗣 @AI_Python_Arxiv

Thank you for joining our community of AI researchers and Python users.

Meysam Asgari on behalf of ai_python admins team.

❇️ @AI_Python

ویدیوهای آموزشی دوره پایتون برای علم داده - مدرس عسگری، نیکزاد
نیم فصل اول پایتون برای علم داده:
⭐️مقدمات و توضیحات کلی
1️⃣ https://t.me/ai_python/6923

⭐️شروع کار، متغیرها، اولین برنامه و لیست دیکشنری تاپل و ست
2️⃣ https://t.me/ai_python/6924

⭐️شرط ها و حلقه ها
3️⃣ https://t.me/ai_python/6927

⭐️توابع، توابع یک خطی، نگاشت و کاهش، فرمت دهی رشته ها
4️⃣ https://t.me/ai_python/6928

⭐️شی گرایی در پایتون جلسه اول
5️⃣ https://t.me/ai_python/6939

⭐️شی گرایی در پایتون جلسه دوم
6️⃣ https://t.me/ai_python/6949

⏲ این دوره ادامه دارد و ویدیوها در حال تکمیل شدن هستند. تا کنون ۶ جلسه قرار داده شده است.

گروه:
https://t.me/joinchat/ClyM2kZKfp0_jRXWpiQDkw

#فیلم #پایتون #علم_داده #آموزش #منابع

❇️ @AI_Python
🗣 @AI_Python_Arxiv
✴️ @AI_Python_EN

✅ منابع و آموزش های بینایی ماشین و کامیپوتر با کتاب ها,کنفرانسها, فیلمها و منابع آموزشی نرم افزارها و ماژولهای قابل استفاده

#یادگیری_ماشین #بینایی_ماشین #بینایی_کامپیوتر #منابع #آموزش #آمار #ریاضی #opencv #دیتا #dataset #بهینه_سازی #فیلم #کنفرانس #مدل_گرافیکی #شناسایی_اشیا #بینایی_اینترنت #پایتون #یادگیری_عمیق #متلب #مقاله #بازسازی_تصاویر #پردازش_تصویر #الگوریتم و...

🌎 Link Review

❇️ @AI_Python
✴️ @AI_Python_EN

A Brief Survey of #Deep Reinforcement Learning

https://bit.ly/2rZSQAm

#مقاله
Deep Learning for Generic Object Detection: A Survey

https://bit.ly/2s3gw6M

✴️ @AI_Python_EN
🗣 @AI_Python_Arxiv

ده مورد از بزرگترین دیتاستهای بزرگ برای کارهای تحقیقاتی

0) Open Images V4 from Google AI on April 30th Contains 15.4M bounding-boxes for 600 categories on 1.9M images.
Paper: https://lnkd.in/fm4xiUm

1) MURA from Stanford University ML Group on May 24 Radiographic image dataset
Paper: https://lnkd.in/fBy5szB

2) BDD100K from BAIR, Georgia Tech, Peking University, Uber AI
on May 30 Self-Driving Car Dataset.
Paper: https://lnkd.in/f-sYj9k

3) SQuAD 2.0 from Stanford
on June 11 QA Dataset.
Paper: https://lnkd.in/fYc6c5W

4) CoQA from Stanford on August 21 QA Dataset
Paper: https://lnkd.in/fKvuTvE

5) Spider 1.0 from Yale Univ on September 24 Cross-domain semantic parsing and text-to-SQL dataset.
Paper: https://lnkd.in/fWyR2x8

6) HototQA from Carnegie, Stanford, and Montreal on September 25 QA Dataset on Wiki
Paper: https://lnkd.in/fTtTgZt

7) Tencent ML Images from Tencent AI Lab on Oct 18 largest open-source multi-label image dataset
Paper: https://lnkd.in/ffV6VD5

8) Tencent AI Lab Embedding Corpus for Chinese words and phrases on Oct 19 Embeddings Dataset
Paper: https://lnkd.in/ffV6VD5

9) fastMRI from NYU and Facebook AI on November 26 Knee MRI Images Dataset
Paper: https://lnkd.in/fQuUDNk

Read: https://lnkd.in/fXU9Kr6

#dataset #datasets
#دیتا

❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_Arxiv

🔴 آگهی استخدام

◀️ چنانچه در زمینه های زیر تخصص دارید و علاقمند به فعالیت در زمینه واقعیت افزوده (AR) در یک شرکت استارتاپی واقع در پارک فناوری پردیس به صورت تمام وقت یا پاره وقت می باشید لطفا رزومه خود را به ایمیل info@digibina.com ارسال نمایید.

🔹پردازش تصویر با استفاده از پایتون (در زمینه تشخیص چهره)
🔹کار با مدلهای سه بعدی در پایتون
🔹جاوا اسکریپت و PHP
🔹یادگیری عمیق (Deep Learning) (امتیاز دارد، الزامی نیست)
🔹آشنایی با ++C (امتیاز دارد، الزامی نیست)

شرایط کاری:
قرارداد ساعتی + بیمه
حداقل 3 روز در هفته حضور در پارک فناوری پردیس اجباریست

دانلود کتاب آموزشی «پردازش تصویر با متلب »
#کتاب #پردازش_تصویر
An Introduction to Digital Image Processing with MATLAB

Download:
https://t.me/ai_python/7197

❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_Arxiv

دانلود کتاب آموزشی «پردازش تصویر با متلب »

An Introduction to Digital Image Processing with MATLAB

#کتاب #پردازش_تصویر

❇️ @AI_Python
✴️ @AI_Python_EN
🗣 @AI_Python_Arxiv

#سخنرانی_TED
🔺از ابرهوش مصنوعی نترسید!
🔹گردی بوچ

————————
🆔: @ethics_technology
❇️: @AI_Python

🔹تکنولوژی‌های جدید همواره، نگرانی‌های جدید را با خود به همراه داشته‌اند. با ظهور هوش مصنوعی، انقلابی در حوزه‌های مختلفی مانند علم، تکنولوژی، روابط اجتماعی، سیاست و... به‌وجود آمد. متناظر با این انقلابات و با توجه به رشد سریع قدرت محاسبه‌ی کامپیوترها، نگرانی‌هایی به‌وجود آمد که از ظهور یک موجود ابرهوشمند خبر می‌داد. موجودی که یا انسان، برایش موجودی بی اهمیت و غیرجذاب به حساب خواهد آمد؛ مانند آنچه در فیلم HER به تصویر کشیده شده؛ یا به دشمن درجه‌ی یک نوع انسان مبدل خواهد شد؛ مانند آنچه در سریال WestWorld نمایش داده می‌شود. شاید هم ما انسان‌ها را حیوانات خانگی بی آزاری بپندارند که به راحتی تحت کنترل آن‌ها به زندگی خویش ادامه خواهیم داد.

🔸در این ارائه، گردی بوچ، دانشمند آمریکایی، توضیح می‌دهد که با یاد دادن مفاهیمی مانند ارزش‌های انسانی به کامپیوترهای ابرهوشمند، دیگر نگرانی‌ خاصی از تحقق یافتن یک موجود ترسناک و فناناپذیر، وجود نخواهد داشت. در عوض او توجه ما را به چگونگی رشد زندگی انسان توسط ابرهوش‌های مصنوعی جلب می‌کند.

————————
🆔: @ethics_technology
❇️: @AI_Python

🗒FPGA-based Accelerators of Deep Learning Networks for Learning and Classification: A Review.
📗PDF

#arXiv
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
❇️ @AI_Python

🗒Mask-aware networks for crowd counting.
📗PDF

#arXiv
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
❇️ @AI_Python

✳️ اسکرین‌شات توزیع‌های مختلف #لینوکس از قدیم تا به امروز

🌐 http://bit.ly/linuxscreenshots

❇️ @AI_Python

✳️ تماشای ویدئوهای یوتیوب در #ترمینال #لینوکس

🌐 http://bit.ly/YouTubeLinuxT

❇️ @AI_Python

بهترین ادیتورها برای پایتون:
1- Visual Studio Code
2- Jupyter notebook / lab
3- Spyder
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
❇️ @AI_Python

پرسش و پاسخ لینوکس و پایتون:
https://t.me/joinchat/ClyM2j9QzOiYfJkHkgrMxQ
_______
کتابدونی ما:
@PyRepo
_______
کانالهامون:
@uselinux
@ai_python

کانال رابط کاربری و تجربه کاربری
انتشار رایگان نقد و بررسی رابط کاربری اپلیکیشن و وبسایت شما
@UiUxAssets
جهت ارتباط و ارسال نقد با ایدی زیر در ارتباط باشید
@ijava

بهینه سازی محلی هر عامل یا بهینه سازی سراسری؟
یک مثال واضح:
فرض کنید یک بازی را ترتیب بدهیم به این شکل که هر عاملی بر اساس تشخیص خود به عامل دیگری رای دهد. با فرض اینکه عاملی که بیشترین رای را بیاورد به عنوان نماینده سایر عامل ها خواهد بود. حال سوال این است: معیار رای دهی به عامل دیگر چیست؟
دو رویکرد را در نظر بگیرید:
رویکرد اول: هر عامل بر اساس نیازهای خود تابع هدفی مشخص میکند و بر اساس آن به عاملی که بیشتر از بقیه نیازهای وی را برآورده کند رای میدهد.
رویکرد دوم: هر عامل بر اساس نیازهای همه عاملهای موجود در محیط هدفی مشخص می کند و بر اساس آن رای میدهد به عاملی که اهداف عمومی را برآورده کند.
در هر دو رویکرد برخی عوامل می توانند رای ندهند و با کل قضیه رای گیری هم مخالفت کنند.

نتیجه رویکرد اول میشود این: https://t.me/akhbarefori/151343
که رای گیری و دموکراسی بین عاملها چیزی جز هزینه برایشان ندارد چون هرعامل دنبال اهداف شخصی است.
رویکرد دوم منجر به انتخابهایی میشود که تمامی عاملها از آن سود خواهند برد.
در رویکرد اول عاملهایی که مخالف با رای گیری بودند برنده خواهند شد.

دموکراسی را فدای اهداف شخصی در رای گیری نکنیم.

🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
❇️ @AI_Python