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
Forwarded from دستاوردهای یادگیری عمیق(InTec)
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
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
Medium
How to compress CSV file efficiently in just 25 lines of code
Data is perhaps the most important thing in this century. We have generated more than 90% of data in the previous 5 years. According to…
🔸 Deep Learning Object Detection App on Android
▶️ Video: https://www.youtube.com/watch?v=EhMrf4G5Wf0&feature=youtu.be
💠 Source: https://github.com/natanielruiz/android-yolo
🌐APK: https://drive.google.com/file/d/0B2fFW2t9-qW3LWFDNXVHUE9rV3M/view
@ai_python
▶️ Video: https://www.youtube.com/watch?v=EhMrf4G5Wf0&feature=youtu.be
💠 Source: https://github.com/natanielruiz/android-yolo
🌐APK: https://drive.google.com/file/d/0B2fFW2t9-qW3LWFDNXVHUE9rV3M/view
@ai_python
YouTube
Deep Learning Object Detection App on Android
Deep learning object detection app on the Android Pixel C tablet.
Detects 20 classes of objects, among those are bicycles, sofas, chairs, tv/monitors and bottles. This app uses the YOLO model on TensorFlow for Android.
You can find the code here https:…
Detects 20 classes of objects, among those are bicycles, sofas, chairs, tv/monitors and bottles. This app uses the YOLO model on TensorFlow for Android.
You can find the code here https:…
👍1
✅ 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
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
Paperswithcode
Papers with Code - The latest in Machine Learning
Papers With Code highlights trending Machine Learning research and the code to implement it.
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
این فایل شامل عبارات و جملات انگلیسی پر کاربردی که میتونید در مصاحبه های شغلی استفاده کنید
#interview
@ai_python
Forwarded from دستاوردهای یادگیری عمیق(InTec)
یک مثال و آموزش سریع برای نحوه کار و آشنایی با (بهمراه کد)
Graph Neural Networks , Deep Graph Library
Link
Graph Neural Networks , Deep Graph Library
Link
Medium
A primer on Graph Neural Networks with Amazon Neptune and the Deep Graph Library
In this post, I’d like to introduce you to Graph Neural Networks (GNN), one of the most exciting developments in Machine Learning (ML)…
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
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
#DataScience #MachineLearning #AI #ML #ReinforcementLearning #Analytics #CloudComputing #Python #DeepLearning #BigData #Hadoop
Forwarded from AI, Python, Cognitive Neuroscience (Farzad 🦅)
XGBoost: An Intuitive Explanation
Ashutosh Nayak :
https://towardsdatascience.com/xgboost-an-intuitive-explanation-88eb32a48eff
#MachineLearning #DataScience
Ashutosh Nayak :
https://towardsdatascience.com/xgboost-an-intuitive-explanation-88eb32a48eff
#MachineLearning #DataScience