#اندر_حکایت #عدم_پاسخ_گویی_شرکت‌های نرم افزاری به درخواست مصاحبه شوندگان :
نشر عکس های فوق که همگی درخواست های فقط یک نفر می‌باشد دقیقا در راستای شکستن #تابو عدم پاسخ گویی شرکت ها در خصوص آگهی های ثبت شده و ضربه زدن به فرآیند برندینگ برخی شرکت ها توسط بنده صورت گرفته واز تمام صاحبان رسانه‌(تویتر/پادکست/کانال تلگرام/و هرجایی مخاطبی هست برای خواندن و شنیدن و دیدن) درخواست میکنم در قبال این رفتار غیرحرفه‌ای سکوت نکنند و در حد توان به تحقق مطالبات به حق جامعه ی کوچک برنامه نویسان کمک نمایند

✅ @ai_python

#پی.نوشت اول: البته لازم به ذکر می‌باشد برخی معدود(یک تا سه عدد)از این شرکت ها به صورت ایمیلی نتیجه ی رد شدن را اعلام کرده اند

پی.نوشت دوم: نحوه ی اطلاع رسانی برخی شرکت ها جهت مصاحبه و فرآیند مصاحبه "دردی دگر است نه درد امروز" که شاید در مجالی دیگر و بحثی دیگر به آن پرداختیم


پی.نوشت سوم: بنده به نوبه خودم وظیفه ی خود میدانم در خدمت تمامی دوستان باشم تا دغدغه‌های اصلی و فرعی جامعه ی برنامه نویسی را در توان به گوش همگان برسانم پس اگر دغدغه یا دل‌نگرانی دارید درخدمت شما هستم

#پی.نوشت چهارم: این ایده بعد از گوش دادن به پادکست رادیو فول استک و مصاحبه ی آنها با جناب رضا غیاثی عزیز شکل گرفت

کمترین شما عزیزان :
@majid199372


✅ @ai_python

Machine Learning Models

☞ https://morioh.com/p/1dc7518426c2

#TensorFlow #machinelearning

❇️ @AI_Python_EN

کدها (نوت بوک) به همراه اسلاید ورک‌شاپ شبکه های عصبی بازگشتی (RNN) در تنسرفلو 2 و کراس که در صندوق نوآوری و شکوفایی برگزار گردید در گیت‌هاب آپلود شدند:

https://github.com/Alireza-Akhavan/rnn-notebooks

ی گیت فوق‌العاده برای علاقه‌مندان به متن

https://github.com/kk7nc/Text_Classification

First video GAN with sparse input

https://github.com/facebookresearch/DeepFovea?fbclid=IwAR3sYJpCMyPYOpnkiMJHTBTPtZxYEBVr2lYh8J-U_TpH-6290H1168qW0DE


این گیت هنوز کامل نشده (بزودی) اما برای پیاده سازی خوندن مقاله کافی خواهد بود

A good introduction to #MachineLearning and its 4 approaches:

https://towardsdatascience.com/machine-learning-an-introduction-23b84d51e6d0?gi=10a5fcd4decd

#BigData #DataScience #AI #Algorithms #ReinforcementLearning

❇️ @AI_Python_EN

با سلام خدمت همراهان گرامی🤗

🎈پیشاپیش ولادت امام حسن عسکری(ع) بر امام زمان(عج) و همه شما مبارک🌹


#اطلاعیه_۱_چهارمین_دوره_سمکد

۱- از هم اکنون میتوانید با تشکیل تیم 👬 خود در سامانه www.quera.ir در مسابقه دست‌گرمی🔥 ثبت‌نام کرده و برای آشنایی با روند مسابقه سمکد، مسائل مربوط به مراحل آنلاین سال‌های گذشته سمکد را حل کرده و ارسال نمایید.😬


۲- همچنین برای ثبت نام در مسابقه مرحله اول 🥇 نیز می‌توانید از هم‌اکنون ثبت‌نام خود را نهایی کنید.

۳- دقت داشته باشید که ثبت‌نام شما در مسابقه دست‌گرمی🔥 به معنای ثبت‌نام قطعی در مسابقه اصلی🥇 نمی‌باشد.
لینک مسابقه دستگرمی:

https://quera.ir/contest/other/

۴- 📜پاسخ‌های شما به مسابقه دست‌گرمی در تعدای از سوالات در همان لحظه نمره‌دهی خواهد شد و در سوال «بهینه‌سازی» باید خودتان طبق نکته‌ای که گفته شده است، با استفاده از فایل آزمایه‌ها نمره خود را استخراج کنید.
چنانچه سوالی داشتید، میتوانید در قسمت «سوال بپرسید» سوال خود را مطرح کنید تا مسولان مسابقه در اسرع وقت آن را پاسخ دهند.🤩😏


۵- همچنین دقت داشته باشید که این مسابقه ویژه دانش‌آموزان دبیرستان‌های دوره اول می‌باشد.

4 Traits, qualities that a data scientist must seek ...

1) Technical bar: Data science teams work everyday in SQL, specifically in Postgres, and expect candidates to know Python/some fluency in some sort of statistical language. Also, someone who is really comfortable with querying really large datasets.

2) Communication: we’re in roles where a lot of our day-to-day is spent getting great insights or building models and communicating results of that to stakeholders, whether that’s product managers, marketing folks or finance. It’s super key that data science candidates have good communication skills.

3) Grit, tenacity and willingness to solve hard problems: Things that DS teams solve are generally hard problems. My hope is that anyone who joins the data science team is excited about hard problems and bumping against hard challenges.

4) Passion for the arts and passion for the mission: This is not the most important but great to have.
#datascience

❇️ @AI_Python_EN

📝 یک مقاله خوب پیرامون مبحث Transformer ها در پردازش زبان طبیعی،کاربردها و چالش های آن و راه حل های موجود برای این چالش ها

✅ مواردی که در این مقاله پوشش داده شده است شامل عناوین زیر است :

1-Sequence-to-Sequence Models – A Backdrop
2-Introduction to the Transformer in NLP
3-Understanding Transformer-XL
4-The New Sensation in NLP: Google’s BERT

🔗 لینک: shorturl.at/blR12


#پردازش_زبان_طبیعی #مقاله
#NLP
#transformer

✅ @ai_python

#پردازش_زبان_طبیعی و #بینایی_کامپیوتر/ #بینایی_ماشین
#ComputerVision #NLP

❇️ @AI_Python
✴️ @AI_Python_EN

“BatchNormalization is not a norm!” by Prateek Gulati https://towardsdatascience.com/batchnormalization-is-not-a-norm-cebfd921dadd

آموزشی مقدماتی برای دانشجویان کارشناسی

«مفاهیم و برنامه نویسی شبکه های GAN با تنسرفلو و پایتورچ»

#پایتون #شبکه_عصبی_تخاصمی #تنسرفلو #منابع #یادگیری_عمیق #کتاب #پایتورچ #برنامه_نویسی #الگوریتمها

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

25 Best Free #Dataset s for Machine Learning

https://www.edureka.co/blog/25-best-free-datasets-machine-learning/

❇️ @AI_Python_EN

گروه ما رو در لینکدین دنبال کنید
https://www.linkedin.com/groups/13793807

#ارائه آذرماه
#آزمایشگاه_سپهر برگزار می‌کند:
۲۱مین #نشست_تخصصی با موضوع: قواعد توسعه نرم افزار خوب
شرکت برای عموم آزاد است.
@cominsys_channel

💡 What's the difference between bagging and boosting?

Bagging and boosting are both ensemble methods, meaning they combine many weak predictors to create a strong predictor.

One key difference is that bagging builds independent models in parallel and "averages" their results in the end, whereas boosting builds models sequentially, at each step emphasizing reducing error that remains in the model by better fitting to the observations that were missed in previous steps.

❇️ @AI_Python_EN

Machine Learning w.r.t meditation routine.
Machine before meditation = underfitting
Machine after meditation = optimal fitting
Planning of meditation = overfitting
#datascience

❇️ @AI_Python_EN