🔴دوره های تخصصی دپارتمان علوم داده و هوش تجاری

مشاوره:

021-66075626

➖➖➖➖➖➖➖➖➖

@jsharif

🔹 Python examples of popular machine learning algorithms with interactive Jupyter demos and math being explained👌

#پایتون #یادگیری_ماشین #منیع
📌 https://github.com/trekhleb/homemade-machine-learning

❇️ @AI_Python

What makes a good conversation?
How controllable attributes affect human judgments

A great post on conversation scoring.

Link:
http://www.abigailsee.com/2019/08/13/what-makes-a-good-conversation.html
Paper:
https://www.aclweb.org/anthology/N19-1170

#NLP #NLU #DL

❇️ @ai_python_en

سلام دوستانی که در حوزه سیستمهای توصیه گر و شبکه های عصبی عمیق و KNN, RF NLP فعالیتهای علمی و تحقیقاتی داشتن و با این مباحث آشنایی دارند برای انجام یک کار تحقیقاتی به پی وی من مراجعه کنند سپاس
@FarzadHeYdarYY

⭕️برنامه نویسی با زبان پایتون ، شاه راهی برای برنامه نویسان

🔹آموزش صفر تا صد زبان پایتون در ۶۰ ساعت

🔹اطلاعات تکمیلی↙️
https://bit.ly/2L1er7V

☎️مشاوره و ثبت نام
۶۶۰۷۵۶۲۶-۶۶۰۷۵۶۴۱

https://t.me/joinchat/AAAAAD6fyUw0AYXKLGbkow

کارگاه آموزشی حضوری VHDL و FPGA، بمدت 40 ساعت (8 هفته 5 ساعته)
پنجشنبه ها از ساعت 8:30 الی 13:30
تهران، تخت طاووس (مطهری)

سرفصلهای استثنایی دوره FPGA را میتوانید در سایت evand ببینید.
https://evnd.co/Xb8xB

برای استفاده از تخفیف ویژه ثبتنام زودهنگام فقط یک روز دیگر فرصت باقی است.
کد تخفیف: digizang_FPGA


@digizang
زنگ دیجیتال
کانال آموزش و اخبار علوم دیجیتال در زمینه سخت افزارهای دیجیتالی الکترونیکی، هوش مصنوعی، یادگیری ماشین، کنترل کننده های صنعتی دیجیتالی و کامپیوترهای کوانتومی

🔹 Python examples of popular machine learning algorithms with interactive Jupyter demos and math being explained👌

📌 https://github.com/trekhleb/homemade-machine-learning

❇️ @AI_Python

🎞 یادگیری عمیق به زبان ساده : ماشین بولتزمن محدود شده (RBM) – قسمت ششم

🔸دستیابی به چه موفقیت هایی بود که به شبکه های عمیق اجازه داد تا با مشکل محو شدگی گرادیان مقابله کنند؟ پاسخ دارای دو بخش است که بخش اول شامل ماشین بولتزمن محدود شده (RBM) است ، الگوریتمی که می تواند با بازسازی ورودی ، به طور خودکار الگوهای ذاتی در داده ها را تشخیص دهد.

جف هینتون از دانشگاه تورنتو ، پیشگام و غول این رشته ، توانست یک روش برای آموزش شبکه های عمیق بسازد. کار او منجر به ایجاد ماشین بولتزمن محدود شده یا RBM شد.


🔻برای دریافت اطلاعت بیشتر درباره ی شبکه های عصبی و مشاهده قسمت های دیگر این مجموعه به لینک زیر مراجعه کنید :

⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩
https://shahaab-co.ir/mag/edu/deep-learning/deep-learning-simplified-restricted-boltzmann-machines-ep-6/

#آموزش
#ویدیو
#یادگیری_عمیق
#مجله_شهاب

📝 ⁩چگونه به فرایند توسعه ی هوش مصنوعی وارد شویم

🔸چگونه یک فرد کاملا مبتدی به توسعه هوش مصنوعی دست پیدا کند؟ برای یادگیری شبکه های عصبی مصنوعی ، الگوریتم های اساسی هوش مصنوعی ، ساده ترین مدل های یادگیری ماشین و همه این ها، از چه منابع یادگیری میتواند استفاده می کند؟

پیشینه ریاضی قوی چقدر اهمیت دارد؟ و چه زبان برنامه نویسی را باید یاد بگیرم / دانش خود را عمیق تر کنم؟

در اینجا یک راهنمای گام به گام برای یک فرد کاملا مبتدی برای یادگیری هوش مصنوعی وجود دارد، که باید شما را در مسیر صحیح قرار دهد، بنابراین اگر می خواهید توسعه نرم افزار های هوش مصنوعی را شروع کنید … بلاشک این راه درست خواهد بود.

🔻برای دریافت اطلاعت بیشتر به لینک زیر مراجعه کنید :

⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩⁦⬇️⁩
https://shahaab-co.ir/mag/edu/deep-learning/start-learning-artificial-intelligence/

#آموزش
#هوش_مصنوعی
#مجله_شهاب

Video of the ACM Tech Talk webinar I gave on 2018/07/11.

ACM says this is one of the most popular Tech Talks ever.

https://youtu.be/zikdDOzOpxY

❇️کارگاه آموزش مدارات برق صنعتی و پیاده سازی بر روی مینی PLC لوگو (40 ساعت، 8 هفته پنجشنبه ها از 15 الی 20)

❇️ارائه شده توسط دکتر جوادیان، دکترای برق شریف با 15 سال سابقه تدریس

❇️ تا شنبه 30 شهریور با تخفیف استثنایی فقط 490 تومان. کد تخفیف: digizang_LGOPLC

❇️لینک سرفصلها و ثبتنام:
https://evnd.co/voERU

❇️اطلاعات تماس: 09332391223
@mojavadian
❇️عضویت در کانال زنگ دیجیتال
https://t.me/digizang
کانال آموزش برق صنعتی و کنترل کننده های دیجیتال، یادگیری ماشین، طراحی دیجیتال

🔴دوره های تخصصی دپارتمان علوم داده و هوش تجاری

مشاوره:

021-66075626

➖➖➖➖➖➖➖➖➖

@jsharif

برترین مهارت‌های فعلی و آتی متخصصین علم‌داده!

http://tiny.cc/9kt6cz

به‌تازگی توسط وب‌سایت kdnuggets یک نظرسنجی از متخصصین علوم داده مبنی بر مهارت‌های فعلی (Have Skill) و مهارت‌های آتی (Want Skill) موردنیاز پرسیده شده است که با توجه به جامعیت نظرسنجی فوق می‌تواند راهنمایی مناسبی جهت تحلیل مهارت‌های موردنیاز بازار علم‌داده در آینده باشد.

✅ برترین مهارت‌های فعلی متخصصین علم‌داده:

1️⃣ پایتون (Python)

2️⃣ مصورسازی داده‌ها (Data Visualization)

3️⃣ تفکر انتقادی (Critical Thinking)

4️⃣ اکسل (Excel)

5️⃣ مهارت‌های ارتباطی (Communications Skills)

6️⃣ یادگیری ماشین (Machine Learning)

7️⃣ آمار (Statistics)

8️⃣ مهارت‌های پایگاه داده (SQL/Database Coding)

9️⃣ فهم کسب‌وکار (Business Understanding)

🔟 ریاضی (Math)

🔵 برترین مهارت‌های آتی (توسعه دانش) متخصصین علم‌داده:

1️⃣ یادگیری عمیق (Deep Learning)

2️⃣ کتابخانه یادگیری عمیق تنسورفلو (TensorFlow)

3️⃣ یادگیری ماشین (Machine Learning )

4️⃣ پایتون (Python)

5️⃣ آپاچی اسپارک (Apache Spark)

6️⃣ پردازش زبان طبیعی (NLP - Text Processing)

7️⃣ کتابخانه یادگیری عمیق پایتورچ (Pytorch)

8️⃣ آمار (Statistics)

9️⃣ داده‌های غیرساخت‌یافته (Unstructured Data)

🔟 سایر ابزارهای کلان داده (Other Big Data Tools)

پی‌نوشت:
◾️ افزایش میزان توجهات به کتابخانه یادگیری عمیق Pytorch، زبان Scala و ابزارهای Big Data با توجه به درصد رشد آن قابل‌توجه است.
◾️در میان زبان‌های برنامه‌نویسی، کسب رتبه نخست توسط زبان پایتون و کاهش جایگاه زبان‌های برنامه‌نویسی R و Matlab، این زبان برنامه‌نویسی را تبدیل به برترین زبان در حوزه علم‌داده کرده است.
◾️قرار گرفتن دو مهارت نرم (Soft Skill) تفکر انتقادی و مهارت‌های ارتباطی جز 5 مهارت برتر فعلی متخصصین علم‌داده نشان از میزان توجهات به این قبیل مهارت‌ها در این بازار کاری دارد.

ارادتمند
محمدرضا محتاط

@DataAnalysis

برخی از ابزارهای هوش مصنوعی را می‌توان به صورت آنلاین و رایگان مورد استفاده قرار داد، لیست لینک‌های برخی از این سرویس‌ها در فایلی که در پست فوق ارسال شد موجود می‌باشد.

لینک ویدیوی سخنرانی پروفسور Yoshua Bengio برنده جایزه تورینگ سال ۲۰۱۸ در دانشگاه تهران
(زمان سخنرانی: چهارم شهریورماه ۱۳۹۸)

https://www.aparat.com/v/RYF94

لینک اسلایدهای سخنرانی:
https://drive.google.com/file/d/1YPRysiXQj8nYNTuDmYxPp4EPi8qseAvs/view?usp=sharing

Sarbazi, M., Sadeghzadeh, M., & Mir Abedini, S. J. (2019). Improving resource allocation in software-defined networks using clustering. Cluster Computing.
doi:10.1007/s10586-019-02985-3

❇️ @AI_Python_EN

کلی Dataset عمومی رو, بصورت دسته بندی شده از منبع زیر دانلود کنید

🔗https://github.com/awesomedata/awesome-public-datasets

@ai_python

string Foramting

@raspberrypiforall

معروف ترین کتابخانه های پایتون برای هوش مصنوعی


کتابخانه ها جان تازه‌ ای به زبان برنامه نویسی پایتون داده‌اند و یکی از دلایل اصلی محبوبیت این زبان هستند. کتابخانه‌ها کدهای از قبل نوشته شده هستند که توسط سایر توسعه دهندگان ایجاد شده اند. استفاده از آن ها در زمان شخص برنامه نویس صرفه جویی کرده و از دوباره کاری جلوگیری می‌کنند. دانش هوش مصنوعی نیاز به تجزیه و تحلیل داده دارد. در ادامه بهترین کتابخانه های پایتون که در تحلیل و بررسی داده به شما کمک خواهند کرد را بررسی می کنیم.
1 - Scikit-learn
یکی از بهترین کتابخانه های یادگیری ماشین در پایتون است. این کتابخانه الگوریتم های اصلی و پایه این حوزه را به خوبی پردازش می‌کند. مواردی مثل رگرسیون خطی و لاجستیک، خوشه بندی، طبقه بندی و غیره توسط Scikit-learn به خوبی شناسایی می‌شوند.
2 - Pandas
یک کتابخانه متن باز است که تحت پروانه BSD منتشر می‌شود. این کتابخانه در کنار کارایی آسان خود، بازدهی بالایی نیز دارد. از Pandas برای تحلیل داده استفاده می‌شود. Pandas در واقع سعی داشت یک شکاف را در پایتون برطرف کند. این شکاف مشکلی بود که پایتون در مدل سازی و آنالیز داده ها داشت. پانداس در کنار سایر کتابخانه های یادگیری عمیق و یادگیری ماشین قدرت بیشتری می‌گیرد.
3 - Keras
از Keras برای یادگیری عمیق (Deep Learning) استفاده می‌شود. این کتابخانه محاسبات و ساخت نمونه را با سرعت بسیار بالا انجام می‌دهد. به خاطر اینکه به جزء پردازشگر دستگاه (CPU) از گرافیک (GPU) هم برای تقسیم بار محاسباتی استفاده می‌کند. Keras از پایتون 2.7 تا 3.6 را پشتیبانی می‌کند و یکی از بهترین کتابخانه های یادگیری عمیق در پایتون است.
4 - TensorFlow
شرکت گوگل در سال 2010 یک تیم تحقیقاتی در حوزه هوش مصنوعی و یادگیری عمیق تشکیل داد. کتابخانه TensorFlow یکی از دستاوردهای این گروه است که در سال 2015 منتشر شد. گوگل هم در تحقیقات و هم در محصولات خود از این کتابخانه استفاده می‌کند. TensorFlow خودش را با انواع سیستم عامل ها (لینوکس، ویندوز، مکینتاش و غیره) وقف داده است.
5 - Matplotlib
یک کتابخانه بسیار مفید برای ایجاد نمودارها است. به کمک آن می‌توانید انواع اشکال دوبعدی، هیستوگرام، نمودار و غیره طراحی کنید. بعد از اینکه اطلاعات متنوع خود را تحلیل کردید، برای خوانایی و فهم بیشتر، می‌توانید از نمودارها استفاده کنید. Matplotlib به ما کمک می‌کند یک خروجی کاربردی و ملموس از دیتای خود داشته باشیم.
6 - NLTK
یک ابزار عالی برای ساخت برنامه‌های پایتونی مبتنی بر زبان انسان است. مثلا اگر برنامه ای ساخته‌اید که نیاز به تحلیل صحبت های انسان  دارد، می‌توانید از کتابخانه NLTK استفاده کنید. متاسفانه این کتابخانه فقط برای زبان انگلیسی کار می‌کند و امکان اضافه کردن آن به پروژه های  فارسی زبان وجود ندارد. NLTK مخفف Natural Language Toolkit بوده و بهترین گزینه در پردازش زبان است.
7 - Scikit-image

پردازش تصویر مبحثی است که رابطه نزدیکی با بینایی ماشین دارد. پردازش تصویر در زمینه های متنوعی مثل موارد نظامی، امنیتی، صنعتی کاربرد دارد. بعضی از کاربردهای بینایی ماشین در زندگی روزمره عبارتند از تشخیص بارکد محصول، تشخیص پلاک یا سرعت خودرو و غیره. Scikit-image الگوریتم‌های مختلفی دارد که شامل تغییرات هندسی، آنالیز رنگ‌ها، تشخیص ویژگی‌های تصویر و غیره می‌شود.
8 - PyBrain
یکی از بهترین کتابخانه های یادگیری ماشین بوده که با زبان پایتون نوشته شده است. این کتابخانه شامل الگوریتم‌هایی مربوط به شبکه‌های عصبی و یادگیری تقویتی است. Pybrain یک کتابخانه رایگان، آزاد و متن باز به حساب می‌آید که هر کسی می‌تواند از آن استفاده کند. ترکیب Pybrain با سایر کتابخانه‌های هوش مصنوعی به نتایج بسیار مفیدی منجر می‌شود.
9 - Caffe
یک فریم ورک یادگیری عمیق (Deep Learning) است که با تمرکز بر روی سریع بودن و ماژولار بودن طراحی شده است. این کتابخانه پروژه آقای Yangqing Jia در دانشگاه Berkeley بوده و در حال حاضر تحت لایسنس BSD در اختیار عموم قرار گرفته است. برای اینکه قدرت Caffe را درک کنید باید بگوییم که این کتابخانه می‌تواند با جا‌به‌جا شدن بین CPU و کارت گرافیک، روزانه بیشتر از 60 میلیون تصویر را پردازش کند.
10 - StatsModels
این کتابخانه در علوم داده، تجزیه و تحلیل اطلاعات و گزارش‌گیری ها کاربرد دارد و به خوبی در کنار سایر کتابخانه هایی که معرفی کردیم قرار می‌گیرد و با آن‌ها تعامل دارد. مثلا می تواند به راحتی برای کنترل داده‌ها با کتابخانه Pandas ادغام شود. همچنین این کتابخانه برای کار با سایر کتابخانه های گرافیکی از Matplotlib استفاده می‌کند.

#هوش_مصنوعی #پایتون
🆔 @Ai_Tv