Forwarded from Kaprila_Post
⚙️🐍 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
.
❇️ 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
.
Forwarded from هوش مصنوعی |یادگیری ماشین| علم داده
This media is not supported in your browser
VIEW IN TELEGRAM
📍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
Forwarded from Pythonic AI (Soroush Hashemi Far)
http://cs229.stanford.edu/notes/cs229-notes1.pdf
Andrew Ng's lecture notes, CS229: Machine Learning
#machinelearning #artificialintelligence
@pythonicAI
Andrew Ng's lecture notes, CS229: Machine Learning
#machinelearning #artificialintelligence
@pythonicAI
Forwarded from کانال اطلاعرسانی آزمایشگاه سپهر (Ali Reza Feizi Derakhshi)
فصل اول ویدئوهای دوره آموزشی "پایتون برای علم داده"
Python for Data Science
برگزار کننده: آزمایشگاه سامانههای پردازش هوشمند رایانهای
مدرسهای دوره: میثم عسگری – نرجس نیکزاد
- مقدمه:
https://www.aparat.com/v/0QFgB
- جلسه اول (شروع کار، متغیرها، اولین برنامه و ساختمان داده ها) – مدرس: میثم عسگری
https://www.aparat.com/v/ZdC6P
جلسه دوم (شرط ها و حلقهها) – مدرس: میثم عسگری
https://www.aparat.com/v/YTztk
جلسه سوم (توابع، توابع یک خطی، نگاشت و کاهش، فرمت دهی رشتهها) – مدرس: میثم عسگری
https://www.aparat.com/v/kEg01
جلسه چهارم (شی گرایی در پایتون (جلسه اول)) – مدرس: میثم عسگری
https://www.aparat.com/v/5IbO2
جلسه پنجم (شی گرایی در پایتون (جلسه دوم)) – مدرس: میثم عسگری
https://www.aparat.com/v/KC1s6
🔆@cominsys_channel
❇️@AI_Python
Python for Data Science
برگزار کننده: آزمایشگاه سامانههای پردازش هوشمند رایانهای
مدرسهای دوره: میثم عسگری – نرجس نیکزاد
- مقدمه:
https://www.aparat.com/v/0QFgB
- جلسه اول (شروع کار، متغیرها، اولین برنامه و ساختمان داده ها) – مدرس: میثم عسگری
https://www.aparat.com/v/ZdC6P
جلسه دوم (شرط ها و حلقهها) – مدرس: میثم عسگری
https://www.aparat.com/v/YTztk
جلسه سوم (توابع، توابع یک خطی، نگاشت و کاهش، فرمت دهی رشتهها) – مدرس: میثم عسگری
https://www.aparat.com/v/kEg01
جلسه چهارم (شی گرایی در پایتون (جلسه اول)) – مدرس: میثم عسگری
https://www.aparat.com/v/5IbO2
جلسه پنجم (شی گرایی در پایتون (جلسه دوم)) – مدرس: میثم عسگری
https://www.aparat.com/v/KC1s6
🔆@cominsys_channel
❇️@AI_Python
آپارات - سرویس اشتراک ویدیو
مقدمه - دوره آموزشی پایتون برای علم داده (Python for Data Science)
برگزار شده توسط آزمایشگاه سامانه های پردازش هوشمند رایانه ای (آزمایشگاه سپهر - دانشگاه تبریز)ارائه دهنده: مهندس میثم عسگریسرپرست: دکتر محمدرضا فیضی درخشی
Forwarded from کانال اطلاعرسانی آزمایشگاه سپهر (Ali Reza Feizi Derakhshi)
Google
Google Colaboratory
Forwarded from دستاوردهای یادگیری عمیق(InTec)
Best part of Deeplearning.ai weekly news :
Link
با استفاده از یک GPU و ۲۴ ساعت زمان ترین دقت خیلی خوبی گرفته
Link
با استفاده از یک GPU و ۲۴ ساعت زمان ترین دقت خیلی خوبی گرفته
Forwarded from دستاوردهای یادگیری عمیق(InTec)
Fritz ai
A Practical Guide to Feature Engineering in Python - Fritz ai
Feature engineering is one of the most important skills needed in data science and machine learning. It has a major influence on the performance of machine learning models and even the quality of insights derived during exploratory data analysis (EDA).… Continue…
هرکی تو کانالمون عضو نیست و مطالبشو دنبال نمیکنه به نظرم جمع کنه از تلگرام بره :/
@ai_python
@ai_python
سلام .
به یک ui کار به صورت پروژه ای جهت طراحی قالب
یک پرتال نیازمندیم
فایل های psd موجود است
مهارت هایی که مورد نیاز هست :
طراحی قالب به صورت کاملا ریسپانسیو .
قابلیت اتصال به بک اند به وسیله Api
از یکی از فریم ورک های reactjs یا vuejs استفاده شود.
از Semantic UI استفاده شود .
در صورت تمایل به ایدی @h3s4m پیام بفرستید .
و نمونه کار های خود را ارسال کنید .
به یک ui کار به صورت پروژه ای جهت طراحی قالب
یک پرتال نیازمندیم
فایل های psd موجود است
مهارت هایی که مورد نیاز هست :
طراحی قالب به صورت کاملا ریسپانسیو .
قابلیت اتصال به بک اند به وسیله Api
از یکی از فریم ورک های reactjs یا vuejs استفاده شود.
از Semantic UI استفاده شود .
در صورت تمایل به ایدی @h3s4m پیام بفرستید .
و نمونه کار های خود را ارسال کنید .
از هفته دیگه فیلم دانشگاههای مطرح دنیا را در کانال منتشر خواهیم کرد تا ارشیو کاملی برای پیشبرد اهداف و اموزشهای استاندارد و خیلی خوبی از مفاهیم کاربردی الگوریتمهای هوش مصنوعی را داشته باشید
Forwarded from DLeX: AI Python (Farzad)
گروه های مرتبط با کانال :
گروه DLeX : NLP:
https://t.me/joinchat/Ndag9FM9sgulcJrdaKIBJA
گروه DLeX: Deep Learning Experts
https://t.me/joinchat/Ndag9EZKfp1VbjjKyDbciA
گروه DLeX: Python + Linux Experts
https://t.me/joinchat/Ndag9D9QzOj0p3XMc71Gwg
گروه DLeX : NLP:
https://t.me/joinchat/Ndag9FM9sgulcJrdaKIBJA
گروه DLeX: Deep Learning Experts
https://t.me/joinchat/Ndag9EZKfp1VbjjKyDbciA
گروه DLeX: Python + Linux Experts
https://t.me/joinchat/Ndag9D9QzOj0p3XMc71Gwg
Forwarded from کانال اطلاعرسانی آزمایشگاه سپهر (Ali Reza Feizi Derakhshi)
فصل اول ویدئوهای دوره آموزشی "پایتون برای علم داده"
Python for Data Science
برگزار کننده: آزمایشگاه سامانههای پردازش هوشمند رایانهای
مدرسهای دوره: میثم عسگری – نرجس نیکزاد
- مقدمه:
https://www.aparat.com/v/0QFgB
- جلسه اول (شروع کار، متغیرها، اولین برنامه و ساختمان داده ها) – مدرس: میثم عسگری
https://www.aparat.com/v/ZdC6P
جلسه دوم (شرط ها و حلقهها) – مدرس: میثم عسگری
https://www.aparat.com/v/YTztk
جلسه سوم (توابع، توابع یک خطی، نگاشت و کاهش، فرمت دهی رشتهها) – مدرس: میثم عسگری
https://www.aparat.com/v/kEg01
جلسه چهارم (شی گرایی در پایتون (جلسه اول)) – مدرس: میثم عسگری
https://www.aparat.com/v/5IbO2
جلسه پنجم (شی گرایی در پایتون (جلسه دوم)) – مدرس: میثم عسگری
https://www.aparat.com/v/KC1s6
🔆@cominsys_channel
❇️@AI_Python
Python for Data Science
برگزار کننده: آزمایشگاه سامانههای پردازش هوشمند رایانهای
مدرسهای دوره: میثم عسگری – نرجس نیکزاد
- مقدمه:
https://www.aparat.com/v/0QFgB
- جلسه اول (شروع کار، متغیرها، اولین برنامه و ساختمان داده ها) – مدرس: میثم عسگری
https://www.aparat.com/v/ZdC6P
جلسه دوم (شرط ها و حلقهها) – مدرس: میثم عسگری
https://www.aparat.com/v/YTztk
جلسه سوم (توابع، توابع یک خطی، نگاشت و کاهش، فرمت دهی رشتهها) – مدرس: میثم عسگری
https://www.aparat.com/v/kEg01
جلسه چهارم (شی گرایی در پایتون (جلسه اول)) – مدرس: میثم عسگری
https://www.aparat.com/v/5IbO2
جلسه پنجم (شی گرایی در پایتون (جلسه دوم)) – مدرس: میثم عسگری
https://www.aparat.com/v/KC1s6
🔆@cominsys_channel
❇️@AI_Python
آپارات - سرویس اشتراک ویدیو
مقدمه - دوره آموزشی پایتون برای علم داده (Python for Data Science)
برگزار شده توسط آزمایشگاه سامانه های پردازش هوشمند رایانه ای (آزمایشگاه سپهر - دانشگاه تبریز)ارائه دهنده: مهندس میثم عسگریسرپرست: دکتر محمدرضا فیضی درخشی
Forwarded from کانال اطلاعرسانی آزمایشگاه سپهر (Ali Reza Feizi Derakhshi)
#ویدئو
سخنرانی مهندس میثم عسگری در "فستیوال توسعهدهندگان گوگل - GDG".
موضوع ارائه: Neural Machine Translation: Seq2Seq models with attention
ارائهکنندگان: مهندس میثم عسگری - امید صفرزاده
https://www.aparat.com/v/XWY7r
@cominsys_channel
سخنرانی مهندس میثم عسگری در "فستیوال توسعهدهندگان گوگل - GDG".
موضوع ارائه: Neural Machine Translation: Seq2Seq models with attention
ارائهکنندگان: مهندس میثم عسگری - امید صفرزاده
https://www.aparat.com/v/XWY7r
@cominsys_channel
آپارات - سرویس اشتراک ویدیو
سخنرانی مهندس میثم عسگری با موضوع "Neural Machine Translation ..."
سخنرانی مهندس میثم عسگری در "فستیوال توسعهدهندگان گوگل - GDG".عنوان سخنرانی: "Neural Machine Translation: Seq2Seq models with attention"زبان ارائه: ترکی استانبولی - انگلیسیمکان: "UNIQUE Istanbul - Istanbul - Turkey"
Forwarded from کانال اطلاعرسانی آزمایشگاه سپهر (Ali Reza Feizi Derakhshi)
#ویدئو
ویدئو نشست تخصصی آزمایشگاه سپهر
موضوع ارائه: شباهتیابی متون
ارائهکننده: راضیه طباطبایی
https://aparat.com/v/DKgsV
@cominsys_channel
ویدئو نشست تخصصی آزمایشگاه سپهر
موضوع ارائه: شباهتیابی متون
ارائهکننده: راضیه طباطبایی
https://aparat.com/v/DKgsV
@cominsys_channel
آپارات - سرویس اشتراک ویدیو
شباهتیابی متون - نشست تخصصی آزمایشگاه سپهر
از سلسله نشستهای تخصصی برگزار شده توسط آزمایشگاه سامانههای پردازش هوشمند رایانهای (آزمایشگاه سپهر - دانشگاه تبریز)موضوع ارائه: "شباهتیابی متون"ارائه دهنده: خانم مهندس راضیه طباطباییسرپرست آزمایشگاه: دکتر محمدرضا فیضی درخشی
فرمول بنزین زدن بر اساس آخرین تحقیقات بدست آمده از deepmind با همکاری FAIR و openai:
X = 3.99*n
{n € N}
گفته می شود در این تحقیقات بیش از ۵۰۰۰ محقق و دانشمند علم داده به مدت چندین سال مشغول به کار بودهاند.
با ما همراه باشید:
@ai_python
X = 3.99*n
{n € N}
گفته می شود در این تحقیقات بیش از ۵۰۰۰ محقق و دانشمند علم داده به مدت چندین سال مشغول به کار بودهاند.
با ما همراه باشید:
@ai_python
🔹در این مقاله مفهوم GAN ساده و مفید توضیح داده شده است.
https://developers.google.com/machine-learning/gan/gan_structure
@ai_python
https://developers.google.com/machine-learning/gan/gan_structure
@ai_python
Forwarded from دستاوردهای یادگیری عمیق(InTec)
راهکارهای زیادی برای سرعت بخشیدن به کار با پکیج فوقالعاده Pandas وجود داره، که میشه به Dask, Ray بعنوان شناخته شده ترینها اشاره کرد
همه کسانی که با Ray کار کردن احتمالا جذب سادگی اون شدند، اما Dask ، فوق العاده هست چون distributed computing رو راحت میکنه
حالا لایبراری Modin این ۲تا ویژگی رو باهم در اختیارتون میذاره، راحتی در این حد که ؛
import modin.pandas as pd
اینو بجای ایمپورت قبلی pandas تو کدهاتون قرار بدید و از سرعت اجرا لذت ببرید.
Github link
همه کسانی که با Ray کار کردن احتمالا جذب سادگی اون شدند، اما Dask ، فوق العاده هست چون distributed computing رو راحت میکنه
حالا لایبراری Modin این ۲تا ویژگی رو باهم در اختیارتون میذاره، راحتی در این حد که ؛
import modin.pandas as pd
اینو بجای ایمپورت قبلی pandas تو کدهاتون قرار بدید و از سرعت اجرا لذت ببرید.
Github link
GitHub
GitHub - modin-project/modin: Modin: Scale your Pandas workflows by changing a single line of code
Modin: Scale your Pandas workflows by changing a single line of code - modin-project/modin