#ویدئو

ویدئو نشست تخصصی آزمایشگاه سپهر

موضوع ارائه: شباهت‌یابی متون

ارائه‌کننده: راضیه طباطبایی

https://aparat.com/v/DKgsV

@cominsys_channel

‏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

🔸 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

✅ 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

✅ 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

یک مثال و آموزش سریع برای نحوه کار و آشنایی با (بهمراه کد)
Graph Neural Networks , Deep Graph Library


Link

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

😂👍

#پایتون
#python

❇️ @AI_Python
✴️ @AI_Python_EN

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

XGBoost: An Intuitive Explanation
Ashutosh Nayak :
https://towardsdatascience.com/xgboost-an-intuitive-explanation-88eb32a48eff
#MachineLearning #DataScience

best to summarize the key trends I saw at NeurIPS 2019. The themes covered are:

1. Deconstructing the deep learning black box: many papers aim to understand the theories behind deep learning including convergence and generalization. It also analyzes exciting and contentious approach is neural tangent kernel.

2. New approaches: Bayesian deep learning & uncertainty estimation, graph neural networks, and convex optimization.
3. Neuroscience in machine learning: consciousness and attention And more.

https://huyenchip.com/2019/12/18/key-trends-neurips-2019.html

❇️ @AI_Python_EN

توضیح دقیق و خلاصه از MobileNet v3 :

Link

قیمت سرویس‌های کلود گوگل برای هر Gpu T4 و به ازای هر ساعت رو مدنظر بگیرید، شاید دیگه نیازی به خرید سیستم دیپ‌لرنینگ نداشته باشید. (همکاری انویدیا و گوگل)

Link

Uber GTNs, explained

Link

✳ آموزش جنگو (Django) – فریمورک تحت وب با پایتون

▫ پایگاه داده و Models
▫ تعریف URLs
▫ قالب ها
▫ اتصال View به URL و دیتابیس
▫ پروژه کتابخانه
و ...

👈 🔗 لینک : fdrs.ir/n1it

@FaraDars - فرادرس
.