This media is not supported in your browser
VIEW IN TELEGRAM
Facebook, Instagram و Whatsapp
دیروز یه چندساعتی قطع بودند این وسط تلگرام سه میلیون کاربر جدید جذب کرد.
(تصویر مربوط به کاربران اینستا 😂😂)
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
دیروز یه چندساعتی قطع بودند این وسط تلگرام سه میلیون کاربر جدید جذب کرد.
(تصویر مربوط به کاربران اینستا 😂😂)
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
Discover Computer Vision #Dataset s:
https://www.visualdata.io
thanks:@Alidiba
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
https://www.visualdata.io
thanks:@Alidiba
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
▪️معرفی لیستی از پروژه ها جهت اشنایی با مبحث علم داده (Data Science )
☆ The Data Science IPython Notebooks:
=> This repository is filled with IPython notebooks that cover different topics, going from Kaggle competitions to big data and deep learning.
[ https://lnkd.in/dW3WBi6 ]
☆ The Pattern Classification:
=> Tutorials and examples to solve and understand machine learning and pattern classification tasks.
[ https://lnkd.in/d9PGxHm ]
☆ Deep Learning In Python:
=> This repository is the way to go!
[ https://lnkd.in/d-hNVCD ]
More ...
▪️Data Science News
▪️Data Science Books
▪️Data Science Talks
▪️R for Data Science Talks
▪️Python for Data Science Talks
▪️Big Data Talks
▪️Data Science Podcasts
▪️Data Science Webinars
▪️Data Science Tutorials
▪️Data Science Community
▪️Data Science Courses
Refer to the full article
[ https://lnkd.in/dmKmx_D ]
#datascience #علم_داده #منابع
✴️ @AI_Python_EN
☆ The Data Science IPython Notebooks:
=> This repository is filled with IPython notebooks that cover different topics, going from Kaggle competitions to big data and deep learning.
[ https://lnkd.in/dW3WBi6 ]
☆ The Pattern Classification:
=> Tutorials and examples to solve and understand machine learning and pattern classification tasks.
[ https://lnkd.in/d9PGxHm ]
☆ Deep Learning In Python:
=> This repository is the way to go!
[ https://lnkd.in/d-hNVCD ]
More ...
▪️Data Science News
▪️Data Science Books
▪️Data Science Talks
▪️R for Data Science Talks
▪️Python for Data Science Talks
▪️Big Data Talks
▪️Data Science Podcasts
▪️Data Science Webinars
▪️Data Science Tutorials
▪️Data Science Community
▪️Data Science Courses
Refer to the full article
[ https://lnkd.in/dmKmx_D ]
#datascience #علم_داده #منابع
✴️ @AI_Python_EN
Forwarded from DLeX: AI Python (Farzad🦅🐋🐕🦏🐻)
✅ معرفی منابعی از یادگیری الگوریتم های یادگیری ماشین با زبان برنامه نویسی های مختلف
#منابع #یادگیری_ماشین #الگوریتم #کتاب #آموزش
🌎 Link Review
❇️ @AI_Python
✴️ @AI_Python_EN
#منابع #یادگیری_ماشین #الگوریتم #کتاب #آموزش
🌎 Link Review
❇️ @AI_Python
✴️ @AI_Python_EN
Forwarded from DLeX: AI Python (Farzad🦅🐋🐕🦏🐻)
۵ کتابی که راه آموزش فراگیری یادگیری ماشین را به شما آموزش میدهند.
#کتاب #book #یادگیری_ماشین #آموزش
1. Learning Python
Download Learning Python for free.
2. Python Machine Learning
Download Python Machine Learning for free.
3. Python Deep Learning
Download Python Deep Learning for free.
4. Artificial Intelligence with Python
Download Artificial Intelligence with Python for free.
5. Advanced Python Machine Learning
Download Advanced Python Machine Learning for free.
❇️ @AI_Python
🗣 @AI_Python_Arxiv
✴️ @AI_Python_EN
#کتاب #book #یادگیری_ماشین #آموزش
1. Learning Python
Download Learning Python for free.
2. Python Machine Learning
Download Python Machine Learning for free.
3. Python Deep Learning
Download Python Deep Learning for free.
4. Artificial Intelligence with Python
Download Artificial Intelligence with Python for free.
5. Advanced Python Machine Learning
Download Advanced Python Machine Learning for free.
❇️ @AI_Python
🗣 @AI_Python_Arxiv
✴️ @AI_Python_EN
دستورات نمایش مشخصات سیستم در لینوکس:
arch:
نمایش معماری سیستم
cat /proc/cpuinfo:
نمایش اطلاعات cpu (دقت داشته باشین که این اطلاعات در یک فایل ذخیره شده هستند و ما با دستور cat که برای مشاهده محتویات فایل هست محتویات آنرا میبینیم)
cat /proc/meminfo:
نمایش اطلاعات حافظه سیستم
cat /proc/swaps:
نمایش اطلاعات حافظه مجازی یا swap
cat /proc/version:
نمایش نام توزیع و نسخه ی هسته ی استفاده شده در سیستم
cat /proc/net/dev:
نمایش آمار و اطلاعات کارت های شبکه و وایرلس
cat /proc/mounts:
نمایش فایل سیستم های متصل شده به سیستم مثل پارتیشن ها
date:
نمایش تاریخ سیستم
dmidecode -q:
نمایش بسیار کامل اجزای سخت افزاری سیستم
hdparm -i /dev/hda:
نمایش مشخصات و ویژگی های هارد دیسک
hdparm -tT /dev/sda:
بررسی سرعت خواندن هارد دیسک
lspci -tv:
نمایش قطعات متصل شده از طریق پورت PCI
lsusb -tv:
نمایش قطعات متصل شده از طریق پورت USB
دیدن مشخصات سخت افزاری سیستم در لینوکس
lshw
uname -r:
نمایش نسخه کرنل
#لینوکس #linux
❇️ @AI_Python
🗣 @AI_Python_Arxiv
✴️ @AI_Python_EN
arch:
نمایش معماری سیستم
cat /proc/cpuinfo:
نمایش اطلاعات cpu (دقت داشته باشین که این اطلاعات در یک فایل ذخیره شده هستند و ما با دستور cat که برای مشاهده محتویات فایل هست محتویات آنرا میبینیم)
cat /proc/meminfo:
نمایش اطلاعات حافظه سیستم
cat /proc/swaps:
نمایش اطلاعات حافظه مجازی یا swap
cat /proc/version:
نمایش نام توزیع و نسخه ی هسته ی استفاده شده در سیستم
cat /proc/net/dev:
نمایش آمار و اطلاعات کارت های شبکه و وایرلس
cat /proc/mounts:
نمایش فایل سیستم های متصل شده به سیستم مثل پارتیشن ها
date:
نمایش تاریخ سیستم
dmidecode -q:
نمایش بسیار کامل اجزای سخت افزاری سیستم
hdparm -i /dev/hda:
نمایش مشخصات و ویژگی های هارد دیسک
hdparm -tT /dev/sda:
بررسی سرعت خواندن هارد دیسک
lspci -tv:
نمایش قطعات متصل شده از طریق پورت PCI
lsusb -tv:
نمایش قطعات متصل شده از طریق پورت USB
دیدن مشخصات سخت افزاری سیستم در لینوکس
lshw
uname -r:
نمایش نسخه کرنل
#لینوکس #linux
❇️ @AI_Python
🗣 @AI_Python_Arxiv
✴️ @AI_Python_EN
🌟کمپین مشکلات ارز دانشجویی گروه فعالان
🌟شرح فعالیت:
تلاش برای احیای ارز دانشجویی در چهارچوب قوانین جمهوری اسلامی ایران
🔆 لینک جدید گروه:
https://t.me/joinchat/AKimvlWwDHYu8CvgAPngaA
🔆 لینک جدید کانال:
https://t.me/M0shkelateArz
🌟شرح فعالیت:
تلاش برای احیای ارز دانشجویی در چهارچوب قوانین جمهوری اسلامی ایران
🔆 لینک جدید گروه:
https://t.me/joinchat/AKimvlWwDHYu8CvgAPngaA
🔆 لینک جدید کانال:
https://t.me/M0shkelateArz
Forwarded from DLeX: AI Python (Meysam Asgari)
⭐️ آموزش امروز: چطور اس ام اس های تبلیغاتی را شناسایی کنیم؟ (نوشته ای برای جناب وزیر!)
ببینید دوست عزیز خیلی ساده است. شما نیاز به یک دسته بند دودویی دارید برای متن. موضوعی که خیلی خیلی کار شده. یکی از راهکارهایی که خیلی خوب هم جواب میده این مقاله است:
لینک
یک گروه تحقیق و توسعه داشته باشید میتونین راهکارهای بهتری هم ارایه بدید (که نمیدید).
بخونیدش و پیاده سازی کنید. (البته پیاده سازیش تو گیت هاب هم هست اگر وقت و حوصله و بودجه اش رو ندارید که دارید)
در ادامه بیاید دادگانی درست کنید از اس ام اس های تبلیغاتی. میتونین اینکار رو بکنید که: یک اپ هم داشته باشید خود کاربران اس ام اس های تبلیغاتی رو علامت بزنند براتون و بتونید دادگان خوبی داشته باشید.
بزارید یادبگیره و تمام! 😐 میتونین با گذر زمان بروزش هم بکنید البته.
(البته مطمینم این داستان اس ام اس های تبلیغاتی رو کسی جلوش رو نمیگیره، تویتر هم تویت زدم خدمتتان که مجانی انجام میدم براتون و هستند اساتید زیادی در دانشگاه تبریز و سایر دانشگاهها که nlp کار میکنند (دکتر فیضی، دکتر رضوی و دکتر تنها).
با تشکر! (برای چی تشکر میکنم نمیدونم!!!)
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
ببینید دوست عزیز خیلی ساده است. شما نیاز به یک دسته بند دودویی دارید برای متن. موضوعی که خیلی خیلی کار شده. یکی از راهکارهایی که خیلی خوب هم جواب میده این مقاله است:
لینک
یک گروه تحقیق و توسعه داشته باشید میتونین راهکارهای بهتری هم ارایه بدید (که نمیدید).
بخونیدش و پیاده سازی کنید. (البته پیاده سازیش تو گیت هاب هم هست اگر وقت و حوصله و بودجه اش رو ندارید که دارید)
در ادامه بیاید دادگانی درست کنید از اس ام اس های تبلیغاتی. میتونین اینکار رو بکنید که: یک اپ هم داشته باشید خود کاربران اس ام اس های تبلیغاتی رو علامت بزنند براتون و بتونید دادگان خوبی داشته باشید.
بزارید یادبگیره و تمام! 😐 میتونین با گذر زمان بروزش هم بکنید البته.
(البته مطمینم این داستان اس ام اس های تبلیغاتی رو کسی جلوش رو نمیگیره، تویتر هم تویت زدم خدمتتان که مجانی انجام میدم براتون و هستند اساتید زیادی در دانشگاه تبریز و سایر دانشگاهها که nlp کار میکنند (دکتر فیضی، دکتر رضوی و دکتر تنها).
با تشکر! (برای چی تشکر میکنم نمیدونم!!!)
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
A list of dataset sources for machine learning
1- Kaggle Datasets
( https://www.kaggle.com/datasets)
2- Amazon Datasets
(https://registry.opendata.aws)
3- UCI Machine Learning Repository
(https://archive.ics.uci.edu/ml/datasets.html)
4- Google’s Datasets Search Engine
(https://toolbox.google.com/datasetsearch)
5- Microsoft Datasets
( https://msropendata.com)
6- Awesome Public Datasets Collection
( https://github.com/awesomedata/awesome-public-datasets )
7- Government Datasets
( https://data.europa.eu/euodp/data/dataset )
( https://data.gov.in/ )
8- Computer Vision Datasets
(https://www.visualdata.io)
با تشکر فراوان از: @Crmilad_7
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
1- Kaggle Datasets
( https://www.kaggle.com/datasets)
2- Amazon Datasets
(https://registry.opendata.aws)
3- UCI Machine Learning Repository
(https://archive.ics.uci.edu/ml/datasets.html)
4- Google’s Datasets Search Engine
(https://toolbox.google.com/datasetsearch)
5- Microsoft Datasets
( https://msropendata.com)
6- Awesome Public Datasets Collection
( https://github.com/awesomedata/awesome-public-datasets )
7- Government Datasets
( https://data.europa.eu/euodp/data/dataset )
( https://data.gov.in/ )
8- Computer Vision Datasets
(https://www.visualdata.io)
با تشکر فراوان از: @Crmilad_7
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
همه WordEmbedding ها در همه زبانها:
لینک
#nlp
#پردازش_زبان_طبیعی #منابع
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
لینک
#nlp
#پردازش_زبان_طبیعی #منابع
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
vectors.nlpl.eu
NLPL word embeddings repository
Nordic Language Processing Laboratory word embeddings repository
کتابخونه برای augmentation تصاویر
✴️ Image augmentation for machine learning experiments
#پردازش_تصویر #یادگیری_ماشین #الگوریتمها #پایتون #python #machinelearning
با تشکر فراوان از: @Crmilad_7
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ Image augmentation for machine learning experiments
#پردازش_تصویر #یادگیری_ماشین #الگوریتمها #پایتون #python #machinelearning
با تشکر فراوان از: @Crmilad_7
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
GitHub
GitHub - aleju/imgaug: Image augmentation for machine learning experiments.
Image augmentation for machine learning experiments. - aleju/imgaug
کتاب جدید جناب جعفرنژاد قمی:
http://olomrayaneh.net/BookInfo.aspx?bookID=297&cat=P
مرجع کامل node.js
در کتاب دیگری در باب سویفت:
http://olomrayaneh.net/BookInfo.aspx?bookID=290&cat=P
کامنتاش با خودتون دیگه ...
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
http://olomrayaneh.net/BookInfo.aspx?bookID=297&cat=P
مرجع کامل node.js
در کتاب دیگری در باب سویفت:
http://olomrayaneh.net/BookInfo.aspx?bookID=290&cat=P
کامنتاش با خودتون دیگه ...
✴️ @AI_Python_EN
❇️ @AI_Python
🗣 @AI_Python_arXiv
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
#آموزش #نکته #keras
در بلاگ پست انتقال یادگیری Francois chollet مطابق عکس بالا از تقسیم بر 255 برای نرمال کردن و بین 0 و 1 آوردن مقادیر ورودی استفاده شده.
این بلاگ پست قبل از معرفی keras.applications نوشته شده است.
توصیه میشود مطابق داکیومنت برای نرمال سازی ورودی حتما از تابع preprocess_input همان مدل استفاده کنید. ممکن است از نرمال سازی دیگری در مدل از پیش‌آموزش داده شده استفاده شده باشد.
سوال مرتبط:
https://stackoverflow.com/questions/48677128/what-is-the-right-way-to-preprocess-images-in-keras-while-fine-tuning-pre-traine
#kears #transfer_learning #preprocess
در بلاگ پست انتقال یادگیری Francois chollet مطابق عکس بالا از تقسیم بر 255 برای نرمال کردن و بین 0 و 1 آوردن مقادیر ورودی استفاده شده.
این بلاگ پست قبل از معرفی keras.applications نوشته شده است.
توصیه میشود مطابق داکیومنت برای نرمال سازی ورودی حتما از تابع preprocess_input همان مدل استفاده کنید. ممکن است از نرمال سازی دیگری در مدل از پیش‌آموزش داده شده استفاده شده باشد.
سوال مرتبط:
https://stackoverflow.com/questions/48677128/what-is-the-right-way-to-preprocess-images-in-keras-while-fine-tuning-pre-traine
#kears #transfer_learning #preprocess
Forwarded from AI, Python, Cognitive Neuroscience (Farzad🦅🐋🐕🦏🐻)
💡 What is a p-value?
When testing an hypothesis, the p-value is the likelihood that we would observe results at least as extreme as our result due purely to random chance if the null hypothesis were true.
💡 What does it mean when a p-value is low?
When the p-value is low, it is relatively rare for the our results to be purely from random variations in observations.
Because of this, we may decide to reject the null hypothesis. If the p-value is below some pre-defined threshold, we say that the result is "statistically significant" and we reject the null hypothesis.
💡 What value is most often used to determine statistical significance?
A value of alpha = 0.05 is most often used as the threshold for statistical significance.
#datascience #statistics
✴️ @AI_Python_EN
When testing an hypothesis, the p-value is the likelihood that we would observe results at least as extreme as our result due purely to random chance if the null hypothesis were true.
💡 What does it mean when a p-value is low?
When the p-value is low, it is relatively rare for the our results to be purely from random variations in observations.
Because of this, we may decide to reject the null hypothesis. If the p-value is below some pre-defined threshold, we say that the result is "statistically significant" and we reject the null hypothesis.
💡 What value is most often used to determine statistical significance?
A value of alpha = 0.05 is most often used as the threshold for statistical significance.
#datascience #statistics
✴️ @AI_Python_EN