نظر شما در مورد ارسال موقعیت های شغلی خارج از کشور و تحصیلات در خارج در کانال چیست؟
Anonymous Poll
60%
خوبه بیشترش کنید
29%
کانال جدا بزنین براش
11%
نتایج رو نشون بده
UT ACM
یادگیری عمیق برای هوش مصنوعی سخنران: Yoshua Bengio فوق دکترا از دانشگاه MIT عضو هیئت علمی دانشگاه مونترال برنده جایزه تورینگ سال ۲۰۱۸ ۲شنبه ۴ شهریور ساعت ۱۶ تا ۱۸ آمفیتئاتر دانشکده برق و کامپیوتر @ut_acm
سخنرانی yashua bengio در دانشگاه تهران
دوستانی که تهران هستند شدیدا توصیه می شود.
دوستانی که تهران هستند شدیدا توصیه می شود.
UT ACM
یادگیری عمیق برای هوش مصنوعی سخنران: Yoshua Bengio فوق دکترا از دانشگاه MIT عضو هیئت علمی دانشگاه مونترال برنده جایزه تورینگ سال ۲۰۱۸ ۲شنبه ۴ شهریور ساعت ۱۶ تا ۱۸ آمفیتئاتر دانشکده برق و کامپیوتر @ut_acm
دوستانی که تشریف میبرند اگر به هر شکلی فیلمی تهیه کنند و در یوتیوب قرار بدهند واقعا لطف خواهند کرد.
(درخواست چند تن از اعضای گروه)
(درخواست چند تن از اعضای گروه)
پایگاه داده چهره (Emotional Face Database) از امروز فعال است و به شکل رایگان در اختیار پژوهشگران قرار گرفته است. این پایگاه شامل 290 محرک چهره هیجانی است که چهره را در هفت حالتِ (خنثی، خشم، خوشحالی، ناراحتی، غم، ترس و اشمئزاز) به نمایش می گذارد. میزان هیجانِ همه چهره ها توسطِ بیش از 400 نفر به شکل آنلاین ارزیابی شده و در دسترس است. این ارزیابی هم اکنون نیز برای کاربران فارسی زبان و غیر فارسی زبان ادامه دارد.
لینک وب سایت پایگاه داده چهره: http://e-face.ir/
این پایگاه، در آزمایشگاه محاسبات عصبی شناختی واقع در دانشکده فناوری های نوین پزشکی دانشگاه تهران تولید شده است.
لینک وب سایت آزمایشگاه محاسبات عصبی شناختی: http://ncclab.ir/
@ai_python
لینک وب سایت پایگاه داده چهره: http://e-face.ir/
این پایگاه، در آزمایشگاه محاسبات عصبی شناختی واقع در دانشکده فناوری های نوین پزشکی دانشگاه تهران تولید شده است.
لینک وب سایت آزمایشگاه محاسبات عصبی شناختی: http://ncclab.ir/
@ai_python
Forwarded from Python For Coders
موضوع : نحوه ارزیابی یک طبقه بند دوکلاسه
برای ارزیابی یک مسأله طبقه بندی دو کلاسه، معیارهای مختلفی وجود دارد که بایستی برای مقایسه مدلهای مختلف با همدیگر مورد استفاده قرار گیرد که به عنوان نمونه میتوان به موارد زیر اشاره کرد:
✍️Accuracy
✍️Recall
✍️Precision
✍️Fmeasure
در این سری آموزشی شامل دو ویدئو با مسأله طبقه بندی دو کلاسه، ماتریس کانفیوژن و انواع معیارهای بالا آشنا خواهید شد و کاربرد هر کدام را یاد خواهید گرفت
لینک ویدئو اول
لینک ویدئو دوم
مدزس : @smkh1985
#یادگیری_ماشین #طبقه_بندی #Accuracy #Recal #Precision #F_measure
@PythonForCoders
برای ارزیابی یک مسأله طبقه بندی دو کلاسه، معیارهای مختلفی وجود دارد که بایستی برای مقایسه مدلهای مختلف با همدیگر مورد استفاده قرار گیرد که به عنوان نمونه میتوان به موارد زیر اشاره کرد:
✍️Accuracy
✍️Recall
✍️Precision
✍️Fmeasure
در این سری آموزشی شامل دو ویدئو با مسأله طبقه بندی دو کلاسه، ماتریس کانفیوژن و انواع معیارهای بالا آشنا خواهید شد و کاربرد هر کدام را یاد خواهید گرفت
لینک ویدئو اول
لینک ویدئو دوم
مدزس : @smkh1985
#یادگیری_ماشین #طبقه_بندی #Accuracy #Recal #Precision #F_measure
@PythonForCoders
Forwarded from DLeX: AI Python (Farzad)
Modern NLP Tutorial with Python Code (Jupyter Notebook) .pdf
1.2 MB
آموزش پیشرفته پردازش زبان طبیعی در ژوپیتر
#پایتون #الگوریتمها #پردازش_زبان_طبیعی #منابع #کتاب #فیلم #کلاس_آموزشی
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
#پایتون #الگوریتمها #پردازش_زبان_طبیعی #منابع #کتاب #فیلم #کلاس_آموزشی
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
Forwarded from آکادمی فن آسا | FanasaAcademy
🔴 دوره جامع آموزشی #Deep_NLP
کاربردهای #یادگیری_عمیق در #پردازش_متن
در دو سطح #مقدماتی و #پیشرفته
🎁 تا #۳۰درصد_تخفیف
📅 شروع کارگاه مقدماتی: ۷ شهریور ماه
🎁 ثبت نام زودتر ➕ ثبت نام گروهی⬅️ تخفیف ویژه همراهان آکادمی در شبکه های اجتماعی
🔰 دریافت #کد_تخفیف:
🆔 @FanasaAcademy_admin
🔚 ثبت نام و اطلاعات بیشتر در:
🌐 evnd.co/HkSpY
➕Teleg & Insta :@FanasaAcademy
کاربردهای #یادگیری_عمیق در #پردازش_متن
در دو سطح #مقدماتی و #پیشرفته
🎁 تا #۳۰درصد_تخفیف
📅 شروع کارگاه مقدماتی: ۷ شهریور ماه
🎁 ثبت نام زودتر ➕ ثبت نام گروهی⬅️ تخفیف ویژه همراهان آکادمی در شبکه های اجتماعی
🔰 دریافت #کد_تخفیف:
🆔 @FanasaAcademy_admin
🔚 ثبت نام و اطلاعات بیشتر در:
🌐 evnd.co/HkSpY
➕Teleg & Insta :@FanasaAcademy
Forwarded from Jahad Sharif
⭕️ کاوش در داده ها برای پیشرفت با متدولوژی خاص برای شرکت کنندگان در عصر داده ها
✅ داده کاوی چیزی فرا تر از کار با ابزار های داده کاوی است ...
🔹اطلاعات تکمیلی↙️
http://bit.ly/2XWSPj2
☎️مشاوره وثبت نام
۶۶۰۷۵۶۴۱-۶۶۰۷۵۶۲۶
https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow
✅ داده کاوی چیزی فرا تر از کار با ابزار های داده کاوی است ...
🔹اطلاعات تکمیلی↙️
http://bit.ly/2XWSPj2
☎️مشاوره وثبت نام
۶۶۰۷۵۶۴۱-۶۶۰۷۵۶۲۶
https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow
موضوع : آموزش برنامه نویسی شیء گرا در پایتون(سری شیرجه عمیق)
برنامهنویسی شیءگرا (به انگلیسی: Object-Oriented Programming) (بهاختصار: OOP) یک شیوه برنامهنویسی است، که ساختار یا بلوک اصلی اجزای آن، شیءها میباشند. در این شیوه برنامهنویسی، برنامه به شیء گرایش پیدا میکند، به این معنا که دادهها و توابعی که بر روی این دادهها عمل میکنند، تا حد امکان در قالبی به نام شیء و در کنار یکدیگر قرار گرفته، جمعبندی شده و یک واحد (یا یک شیء) را تشکیل میدهند و نسبت به محیط بیرونِ خود، کپسوله میشوند.
⬇️لینک ویدئو جلسه اول
⬇️لینک ویدئو جلسه دوم
⬇️لینک ویدئو جلسه سوم
⬇️لینک ویدئو جلسه چهارم
⬇️لینک ویدئو جلسه پنجم
⬇️لینک ویدئو جلسه ششم
⬇️لینک ویدئو جلسه هفتم
📢📢ضبط جلسات ادامه دارد...
مدزس : @smkh1985
#پایتون #شیء_گرا #oop
برنامهنویسی شیءگرا (به انگلیسی: Object-Oriented Programming) (بهاختصار: OOP) یک شیوه برنامهنویسی است، که ساختار یا بلوک اصلی اجزای آن، شیءها میباشند. در این شیوه برنامهنویسی، برنامه به شیء گرایش پیدا میکند، به این معنا که دادهها و توابعی که بر روی این دادهها عمل میکنند، تا حد امکان در قالبی به نام شیء و در کنار یکدیگر قرار گرفته، جمعبندی شده و یک واحد (یا یک شیء) را تشکیل میدهند و نسبت به محیط بیرونِ خود، کپسوله میشوند.
⬇️لینک ویدئو جلسه اول
⬇️لینک ویدئو جلسه دوم
⬇️لینک ویدئو جلسه سوم
⬇️لینک ویدئو جلسه چهارم
⬇️لینک ویدئو جلسه پنجم
⬇️لینک ویدئو جلسه ششم
⬇️لینک ویدئو جلسه هفتم
📢📢ضبط جلسات ادامه دارد...
مدزس : @smkh1985
#پایتون #شیء_گرا #oop
👍1
𝖆𝖟𝖆𝖉𝖊𝖍
Video
فیلم جلسه وبینار دکتر یاشوا بنجیو در دانشکده برق و کامپیوتر دانشگاه تهران
#فیلم #منابع #یادگیری_عمیق #هوش_مصنوعی
#فیلم #منابع #یادگیری_عمیق #هوش_مصنوعی
Forwarded from بایگانی تبلیغات ۹۸,۹۹
⭕️ کاوش در داده ها برای پیشرفت با متدولوژی خاص برای شرکت کنندگان در عصر داده ها
✅ داده کاوی چیزی فرا تر از کار با ابزار های داده کاوی است ...
🔹اطلاعات تکمیلی↙️
http://bit.ly/2XWSPj2
☎️مشاوره وثبت نام
۶۶۰۷۵۶۴۱-۶۶۰۷۵۶۲۶
https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow
✅ داده کاوی چیزی فرا تر از کار با ابزار های داده کاوی است ...
🔹اطلاعات تکمیلی↙️
http://bit.ly/2XWSPj2
☎️مشاوره وثبت نام
۶۶۰۷۵۶۴۱-۶۶۰۷۵۶۲۶
https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow
Forwarded from Sadra Codes (Alireza Yahyapour)
Artboard 5.png
111 KB
💠 I'm a supporter of animals rights.
@lnxpy
@lnxpy
Forwarded from DLeX: AI Python (Farzad)
0.jpeg
131.9 KB
نقشه راه یادگیری هوش مصنوعی
#منابع #هوش_مصنوعی #فیلم #دکترـرضوی #کلاس_آموزشی
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
#منابع #هوش_مصنوعی #فیلم #دکترـرضوی #کلاس_آموزشی
❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN
Forwarded from Pythonic AI (Soroush Hashemi Far)
📚 10 Essential Books on Machine Learning & AI
✅ Hands on Machine learning with scikit-learn and tensorflow, Aurélien Géron
✅ Machine Learning For Absolute Beginners: A Plain English Introduction, Oliver Theobald
✅ Understanding Machine Learning: From Theory to Algorithms, Shai Shalev-Shwartz
✅ Machine Learning with R, Brett Lantz
✅ The Singularity is Near, Ray Kurzweil
✅ Applied Artificial Intelligence: A Handbook For Business Leaders, Mariya Yao, Adelyn Zhou, Marlene Jia
✅ Deep Learning with Python, Francois Chollet
✅ The Elements of Statistical Learning,
Trevor Hastie, Robert Tibshirani, Jerome Friedman
✅ Pattern Recognition and Machine Learning, Christopher M. Bishop
✅ Machine Learning: A Probabilistic Perspective, Kevin Murphy
#book #machinelearning #artificialintelligence
@pythonicAI
✅ Hands on Machine learning with scikit-learn and tensorflow, Aurélien Géron
✅ Machine Learning For Absolute Beginners: A Plain English Introduction, Oliver Theobald
✅ Understanding Machine Learning: From Theory to Algorithms, Shai Shalev-Shwartz
✅ Machine Learning with R, Brett Lantz
✅ The Singularity is Near, Ray Kurzweil
✅ Applied Artificial Intelligence: A Handbook For Business Leaders, Mariya Yao, Adelyn Zhou, Marlene Jia
✅ Deep Learning with Python, Francois Chollet
✅ The Elements of Statistical Learning,
Trevor Hastie, Robert Tibshirani, Jerome Friedman
✅ Pattern Recognition and Machine Learning, Christopher M. Bishop
✅ Machine Learning: A Probabilistic Perspective, Kevin Murphy
#book #machinelearning #artificialintelligence
@pythonicAI
🔹نمیدونم چقدر با مفهموم Bayesian Optimization for Hyperparameters آشنا هستید اما اگر حتی یکبار هم تلاش کرده باشید یک network روی یک دیتاست جدید train کنید حتما با این موضوع مواجه شدید که مقدار زیادی از وقتتون صرف پیدا کردن یک ترکیب خوبی از فراپارامترهای مربوط به شبکه و اپتیمایزر و دیگر بخش ها میشه.
علاوه بر روش های مرسوم مثل Grid Search و Random Search که دستی و تصادفی هستند که عموما زمانبر هستند چند وقتی هست که گرایش در کامیونیتی بسمت روشهای نسبتا خودکار و آماری رفته که Bayesian Optimization یکی از این روش ها هست.
با معرفی سه کتابخانه مبتنی بر PyTorch این کار برای عموم محقق ها و پژوهشگرها بسیار ساده و با کمترین زمان ممکن قابل استفاده شده.
🔹 من در یک پیاده سازی ساده در این صفحه در گیتاب نشون میدم که چطوری میتونید این کار بسادگی انجام بدید. این روش کاملا قابل تعمیم به task های دیگه هست:
https://github.com/mbiparva/ax-bo-image-classification
🔹جهت مطالعه بیشتر میتونید به کتابخانه های زیر که به هم وابسته بوده و هر سه مبتنی بر PyTorch هستند مراجعه کنید:
Adaptive Experimentation Platform (Ax):
https://ax.dev/
Bayesian Optimization in PyTorch (BOTorch):
https://botorch.org/
Gaussian processes for modern machine learning systems (GPyTorch):
https://gpytorch.ai/
باتشکر از: MahD
❇️ @AI_Python
علاوه بر روش های مرسوم مثل Grid Search و Random Search که دستی و تصادفی هستند که عموما زمانبر هستند چند وقتی هست که گرایش در کامیونیتی بسمت روشهای نسبتا خودکار و آماری رفته که Bayesian Optimization یکی از این روش ها هست.
با معرفی سه کتابخانه مبتنی بر PyTorch این کار برای عموم محقق ها و پژوهشگرها بسیار ساده و با کمترین زمان ممکن قابل استفاده شده.
🔹 من در یک پیاده سازی ساده در این صفحه در گیتاب نشون میدم که چطوری میتونید این کار بسادگی انجام بدید. این روش کاملا قابل تعمیم به task های دیگه هست:
https://github.com/mbiparva/ax-bo-image-classification
🔹جهت مطالعه بیشتر میتونید به کتابخانه های زیر که به هم وابسته بوده و هر سه مبتنی بر PyTorch هستند مراجعه کنید:
Adaptive Experimentation Platform (Ax):
https://ax.dev/
Bayesian Optimization in PyTorch (BOTorch):
https://botorch.org/
Gaussian processes for modern machine learning systems (GPyTorch):
https://gpytorch.ai/
باتشکر از: MahD
❇️ @AI_Python
موضوع : آموزش برنامه نویسی شیء گرا در پایتون (سری شیرجه عمیق)
برنامهنویسی شیءگرا (به انگلیسی: Object-Oriented Programming) (بهاختصار: OOP) یک شیوه برنامهنویسی است، که ساختار یا بلوک اصلی اجزای آن، شیءها میباشند. در این شیوه برنامهنویسی، برنامه به شیء گرایش پیدا میکند، به این معنا که دادهها و توابعی که بر روی این دادهها عمل میکنند، تا حد امکان در قالبی به نام شیء و در کنار یکدیگر قرار گرفته، جمعبندی شده و یک واحد (یا یک شیء) را تشکیل میدهند و نسبت به محیط بیرونِ خود، کپسوله میشوند.
⬇️لینک ویدئو جلسه اول
⬇️لینک ویدئو جلسه دوم
⬇️لینک ویدئو جلسه سوم
⬇️لینک ویدئو جلسه چهارم
⬇️لینک ویدئو جلسه پنجم
⬇️لینک ویدئو جلسه ششم
⬇️لینک ویدئو جلسه هفتم
♨️لینک ویدئو جلسه هشتم♨️ NEW!
📢📢ضبط جلسات ادامه دارد...
مدزس : @smkh1985
#پایتون #فیلم #منابع #کلاس_آموزشی
برنامهنویسی شیءگرا (به انگلیسی: Object-Oriented Programming) (بهاختصار: OOP) یک شیوه برنامهنویسی است، که ساختار یا بلوک اصلی اجزای آن، شیءها میباشند. در این شیوه برنامهنویسی، برنامه به شیء گرایش پیدا میکند، به این معنا که دادهها و توابعی که بر روی این دادهها عمل میکنند، تا حد امکان در قالبی به نام شیء و در کنار یکدیگر قرار گرفته، جمعبندی شده و یک واحد (یا یک شیء) را تشکیل میدهند و نسبت به محیط بیرونِ خود، کپسوله میشوند.
⬇️لینک ویدئو جلسه اول
⬇️لینک ویدئو جلسه دوم
⬇️لینک ویدئو جلسه سوم
⬇️لینک ویدئو جلسه چهارم
⬇️لینک ویدئو جلسه پنجم
⬇️لینک ویدئو جلسه ششم
⬇️لینک ویدئو جلسه هفتم
♨️لینک ویدئو جلسه هشتم♨️ NEW!
📢📢ضبط جلسات ادامه دارد...
مدزس : @smkh1985
#پایتون #فیلم #منابع #کلاس_آموزشی