DLeX: AI Python
22.6K subscribers
4.99K photos
1.22K videos
764 files
4.35K links
هوش‌مصنوعی و برنامه‌نویسی

توییتر :

https://twitter.com/NaviDDariya

هماهنگی و تعرفه تبلیغات : @navidviola
Download Telegram
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 .
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
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
‏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
🔹در این مقاله مفهوم GAN ساده و مفید توضیح داده شده است.

https://developers.google.com/machine-learning/gan/gan_structure

@ai_python
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
تو این بلاگ پست، تکنیک خیلی ساده‌ایی استفاده شده و اون تبدیل فرمت‌هاس (بسیاری از ابزارها و تکنیک‌های فشرده‌سازی مدل‌های دیپ‌لرنینگ هم ازین تکنیک استفاده می‌کنند)
مسئله اینه که وقتی شما اعدادی توی محدوده‌های کوچیک دارید و فقط ۲-۴ رقم اعشار دارند چرا باید از float64 که حافظه بیشتری استفاده می‌کنه استفاده بشه درحالی که float16 با حافظه کمتر و سرعت بیشتر همون کارایی رو به شما میده ؟

نکته: این تکنیک رو در زمان ترین مدل‌هاتون به کار نبرید، اونجا زمانی هست که شما می‌خواد متغییر‌هارو پیدا کنید و خیلی بهتره که محدود نباشند، اما بعد از ذخیره سازی مدل می‌تونید ازین تکنیک استفاده کنید (هرچند خود ابزارهای موجود اینکار رو برای شما انجام میدند + تکنیک‌های دیگر)

Medium link
How to learn Machine Learning in #2020

1. Pick a real-world problem to solve
2. Go to http://paperswithcode.com
3. Find & read a related paper
4. Experiment with the code
5. Find explainer content for any new concepts you find
6. Develop & share your project for feedback
7. Repeat

@ai_python
مصاحبه انگلیسی.pdf
783.8 KB
انگلیسی برای مصاحبه شغلی

این فایل شامل عبارات و جملات انگلیسی پر کاربردی که میتونید در مصاحبه های شغلی استفاده کنید

#interview

@ai_python
ی فریمورک عالی؛ اگر می‌خواید همه چیز روی GPU اجرا بشه

Link
Forwarded from AI, Python, Cognitive Neuroscience (Farzad 🦅)
Backpropagation and labeled data are the bread and butter of deep learning. But recent research from the University of Amsterdam suggests neither is necessary to train effective neural networks to represent complex data:
http://bit.ly/2TQ4f4T
Forwarded from AI, Python, Cognitive Neuroscience (Farzad 🦅)
Decision trees are extremely fast when it comes to classify unknown records. Watch this video to know how Decision Tree algorithm works, in an easy way - http://bit.ly/2Ggsb9l

#DataScience #MachineLearning #AI #ML #ReinforcementLearning #Analytics #CloudComputing #Python #DeepLearning #BigData #Hadoop
Forwarded from AI, Python, Cognitive Neuroscience (Farzad 🦅)