#یادگیری_عمیق دقیقا چیه؟

طی چند روز گذشته، بعضی از محقق‌های بزرگ هوش مصنوعی مانند #یان_لکان و #فرانسوا_شوله تعریف خودشون رو از دیپ لرنینگ توی سال 2019 اعلام کردند.

یان لکان:

"Some folks still seem confused about what deep learning is. Here is a definition:

DL is constructing networks of parameterized functional modules & training them from examples using gradient-based optimization. That's it.

This definition is orthogonal to the learning paradigm: reinforcement, supervised, or self-supervised.

Don't say "DL can't do X" when what you really mean is "supervised learning needs too much data to do X"

Extensions (dynamic networks, differentiable programming, graph NN, etc) allow the network architecture to change dynamically in a data-dependent way."
https://www.facebook.com/722677142/posts/10156463919392143/

فرانسوا شوله:

"What's deep learning?

The "common usage" definition as of 2019 would be "chains of differentiable parametric layers trained end-to-end with backprop".

But this definition seems overly restrictive to me. It describes *how we do DL today*, not *what it is*."
https://twitter.com/fchollet/status/1210031900695449600

اندری بورکوف:

"Looks like in late 2019, people still need a definition of deep learning, so here's mine: deep learning is finding parameters of a nested parametrized non-linear function by minimizing an example-based differentiable cost function using gradient descent."
https://www.linkedin.com/posts/andriyburkov_looks-like-in-late-2019-people-still-need-activity-6615377527147941888-ce68/

#deep_learning

#ویدئو

ویدئو نشست تخصصی خرداد ماه آزمایشگاه سپهر

موضوع ارائه: موضوعات رونددار در شبکه‌های اجتماعی

ارائه‌کننده: مهرداد رنجبر خدیوی

https://aparat.com/v/DfEe0

@cominsys_channel

Transform any hands-drawn design into a #HTML code with #AI.

https://sketch2code.azurewebsites.net/

✅@ai_python

MIT lecture series on deep learning in 2019
MIT lecture series on deep learning:Basics:
https://www.youtube.com/watch?v=O5xeyoRL95U&list=PLrAXtmErZgOeiKm4sgNOknGvNjby9efdf

MIT lecture series on deep learning: State of the Art:
https://www.youtube.com/watch?v=53YvP6gdD7U&list=PLrAXtmErZgOeiKm4sgNOknGvNjby9efdf

MIT lecture series on deep learning: Introduction to Deep RL:
https://www.youtube.com/watch?v=zR11FLZ-O9M&list=PLrAXtmErZgOeiKm4sgNOknGvNjby9efdf

Find The Most Updated and Free Artificial Intelligence, Machine Learning, Data Science, Deep Learning, Mathematics, Python Programming Resources

https://www.marktechpost.com/free-resources/

دیپ لرنیگ در آینده به چه صورت خواهد بود؟
می‌تونید سخنرانی یوشوآ بنجیو در NeurIPS 2019 در این باره را دنبال کنید.

From System 1 Deep Learning to System 2 Deep Learning

Video: https://www.youtube.com/watch?v=FtUbMG3rlFs
Slide: https://drive.google.com/file/d/1zbe_N8TmAEvPiKXmn6yZlRkFehsAUS8Z/view

https://www.linkedin.com/posts/digitalis-kapha-b-v-_matlab-datascience-activity-6619462547810598912-TfjY

❇️ @AI_Python
🗣 @AI_Python_arXiv
✴️ @AI_Python_EN

♦️ مجموعه آموزش‌های پایتون - جامع و کاربردی

🔸 برنامه‌نویسی پایتون- صفر تا صد
🔹 یادگیری ماشین
🔸 الگوهای طراحی
🔹 پیاده‌سازی مسائل بهینه‌سازی
🔸 پیاده‌سازی الگوریتم ژنتیک
🔹 ساخت ربات و جنگو (Django)
🔸 پردازش سیگنال و زبان‌های طبیعی (NLP)

👈 لینک: fdrs.ir/nxje

@FaraDars - فرادرس
‌

✅ Multi-Class Text Classification with LSTM using TensorFlow 2.0

✳ problem: BBC news document classification with LSTM

#tensorflow #nlp #lstm
https://towardsdatascience.com/multi-class-text-classification-with-lstm-using-tensorflow-2-0-d88627c10a35

@ai_python

#کمک در انجام پروژه‌ی دانشجویی

⚠️ در صورتی که قبلا در این آزمایش شرکت کرده‌اید، لطفا این پیام را نادیده بگیرید!

🌸 با سلام خدمت همه‌ی دوستان گرامی

🔵 به منظور انجام بخشی از پروژه‌ی دانشگاهی‌، آزمایشی را طراحی کردیم که شامل نقشه‌های مختلفی از مسابقات اتومبیل‌رانی می‌باشد. در هر نقشه دو مسیر وجود دارد که می‌توانند راننده را از نقطه‌ی ابتدا به نقطه‌ی انتها برسانند. شما باید در هر نقشه از بین دو مسیر، کوتاه‌ترین مسیر را انتخاب کنید.

🔸 این آزمایش کمتر از 3 دقیقه زمان شما را خواهد گرفت.

🔹هدیه‌ی بسیار کوچک ما برای شما جهت شرکت شما در این آزمایش، یک عدد شارژ ایرانسل/همراه‌اول 1000 تومانی می‌باشد.

🔶 در صورتی که مایل هستید در این آزمایش شرکت کنید، لطفا با من در ارتباط باشید.

@Dr_Apply

⚠️ این آزمایش به صورت آنلاین انجام می‌شود.

🙏 با تشکر

⚫️ جان باختن هموطنان (به خصوص برخی از دانشجویان عزیز) و سایر مسافران را در حادثه سقوط هوایپمای بوئینگ 737 اوکراین تسلیت عرض می کنیم

حمیدرضا ستاره کوکب (ورودی ۱۳۸۹ کارشناسی ارشد مهندسی مکانیک)، مهدی اسحاقیان درچه (ورودی ۱۳۹۲ کارشناسی مهندسی مکانیک)، پونه گرجی (ورودی ۱۳۹۱ کارشناسی مهندسی کامپیوتر)، ایمان آقابالی (ورودی ۱۳۸۹ کارشناسی مهندسی برق)، آرش پورضرابی (ورودی ۱۳۹۱ کارشناسی مهندسی کامپیوتر)، محمد الیاسی (ورودی ۱۳۸۹ کارشناسی مهندسی مکانیک)، میلاد قاسمی (ورودی ۱۳۸۹ کارشناسی ارشد مدیریت ورودی ۱۳۸۴ کارشناسی مهندسی برق)، الناز نبی (ورودی ۱۳۹۲ کارشناسی ارشد مدیریت)، محمد امین بیروتی (ورودی ۱۳۹۲ مهندسی کامپیوتر)، زهرا حسنی سعدی (ورودی ۱۳۹۲ کارشناسی فیزیک)، امیر اشرفی حبیب آبادی (ورودی ۱۳۹۲ کارشناسی ارشد مهندسی مکانیک)، محمد صالحه (ورودی ۱۳۸۹ کارشناسی ارشد مهندسی برق) و غزل نوریان (ورودی ۱۳۹۱ کارشناسی مهندسی علم مواد) که همگی دانشجویان دانشگاه شریف بودند در این سانحه جان باختند.

⚙️🐍 آموزش یادگیری ماشین (Machine Learning) با پایتون

❇️ خطرات هوش مصنوعی
🔺 آشنایی با بسته NumPy
❇️ آشنایی با بسته Pandas
🔺 ترسیم داده‌ها
❇️ پیش پردازش داده
🔺 یادگیری نظارت شده و غیر نظارت شده
❇️ کاهش ابعاد

👈 لینک: fdrs.ir/z64e

@FaraDars - فرادرس
.

📍‌انسان مصنوعی Neon با حمایت سامسونگ رسما معرفی شد.

🔹نئون انسانی دیجیتالی‌ست که رفتار و ظاهری دقیقا شبیه انسان‌های عادی دارد.
نئون‌ها مثل الکسا و سیری دستیارهای شخصی نیستند که بتوانند سوالات شما را از طریق اینترنت پاسخ دهند.
نئون‌ها شبیه انسان موجوداتی مستقل و زنده اما مجازی هستند که می‌توانند ابراز احساسات کنند و تجربه کسب کنند.
نئون‌ها حافظه دارند و می‌توانند با شما صحبت کنند و مهارت بیاموزند.
هر نئون در نوع خود منحصر به فرد است و شخصیت خاص خودش را دارد.
ًبه نظر شما آینده با وجود نئون‌ها یا انسان‌های مجازی چطور خواهد بود؟‌ با مطالعه این خبر به یاد سریال Westworld نیفتادید؟ ‌

#هوش_مصنوعی #انسان_مجازی
🆔 @Ai_Tv

http://cs229.stanford.edu/notes/cs229-notes1.pdf

Andrew Ng's lecture notes, CS229: Machine Learning

#machinelearning #artificialintelligence

@pythonicAI