دوره
Natural Language Processing with Sequence Models
سایت کورسرا
10 Traditional Language models

#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم

❇️ @AI_Python

دوره
Natural Language Processing with Sequence Models
سایت کورسرا
11 Recurrent Neural Networks

#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم

❇️ @AI_Python

دوره
Natural Language Processing with Sequence Models
سایت کورسرا
12 Applications of RNNs

#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم

❇️ @AI_Python

🙋🏻‍♀️ 20 topics you’ll never regret learning before your SQL interview!

1. CASE WHEN. Shows up all the time.
2. Self joins. Common in product.
3. DISTINCT and GROUP BY.
4. Left vs outer joins.
5. UNION. Rarely discussed but frequent.
6. SUM and COUNT.
7. Date-time manipulation.
8. String formatting, substring.
9. Window functions like rank and row.
10. Subqueries.
11. HAVING vs WHERE.
12. LAG and LEAD.
13. Understanding indexing.
14. Running totals.
15. MAX and MIN.
16. Using SUM CASE WHEN to count.
17. COUNT DISTINCT.
18. How to debug a query.
19. How to speed up a query.
20. Rank and dense rank.

By Eric Weber, on LinkedIn.

❇️ @AI_Python

دوره
Natural Language Processing with Sequence Models
سایت کورسرا
14 Cost Function for RNNs

#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم

❇️ @AI_Python

دوره
Natural Language Processing with Sequence Models
سایت کورسرا
13 Math in Simple RNNs

#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا #فیلم

❇️ @AI_Python

Comprehensive Python Cheatsheet

#منابع #پایتون

❇️ @AI_Python

Rethinking Portrait Matting with Privacy Preserving

Code: https://github.com/mingjiechen/dyganvc

Paper: https://arxiv.org/abs/2203.16828v1

Dataset: https://github.com/vitae-transformer/vitae-transformer-matting#ppt-setting-and-p3m-10k-dataset

خلاصه #بینایی_کامپیوتر و شبکه های عصبی کانولوشنی
#منابع #شبکه_عصبی_کانولوشن

❇️ @AI_Python

Dalle2
میتونید زیر این تویت ‌بنویسید که چی براتون جنریت کنه:
https://twitter.com/sama/status/1511724264629678084?t=eIOoyECbKRxD-GE44nhFPg&s=19

مقاله این مدل:

https://cdn.openai.com/papers/dall-e-2.pdf

دمو این مدل
https://openai.com/dall-e-2/
اینجا میتونید انتظارات خودتون رو برای توسعه این مدل بنویسید اگه قابل قبول بود دسترسی بهتون بدن
https://labs.openai.com/waitlist

دوست داشتید کامنتها رو هم یه دور ببینید خروجی‌های خیلی خوبی داره :)
#مقاله

@ai_python

آموزشهای مقدماتی و پیشرفته منتشر شده برای ابزارهای #هوش_مصنوعی

Hot topics:
1. Stanford CS229: Machine Learning
2. Practical Deep Learning for Coders (2020)
3. Deep Unsupervised Learning
4. Advanced NLP
5. Deep Learning for Computer Vision
6. Deep Reinforcement Learning
7. Full Stack Deep Learning
8. Self-Driving Cars (Tübingen)


https://github.com/dair-ai/ML-YouTube-Courses

#منابع #فیلم #کلاس_آموزشی


❇️ @AI_Python

لیست مقالات مدلهای NLP


https://github.com/thunlp/PLMpapers

#منابع #مقاله #پردازش_زبان_طبیعی

❇️ @AI_Python

نسخه جدید کتابخانه بورس تهران در پایتون منتشر شد!
https://youtu.be/5ktBsR9Em58

کار اصلی این کتابخانه دریافت اطلاعات مالی موجود در سایت tsetmc است، در نسخه جدید امکانات زیادی به کتابخانه اضافه شده و البته بهبودهای خوبی هم در عملکردش انجام شده:

- راه‌اندازی ابتدایی و دریافت اطلاعات کلی شرکت‌ها بلافاصله بعد از این اجرا
- دریافت اطلاعات کامل قیمت شامل بیش از ۱.۲ میلیون قیمتی و ۲۱ سال تاریخچه سهام
- دریافت اطلاعات آنی از روی تابلو
- دریافت اطلاعات مربوط به افزایش سرمایه و تعدیل قیمت
- سازگار با pandas
- پشتیبانی کامل از تاریخ شمسی با کمک کتابخانه jalali-pandas
- قابلیت انتقال دیتابیس از sqlite به هر دیتابیس دیگری مانند postgresql با تغییر در فایل config
- امکان بک‌تست استراتژی‌ها با بسامد روزانه
- ...


برای دریافت کتابخانه و راهنمای نصب و استفاده می‌تونید به صفحه گیتهاب اون مراجعه کنید:
https://github.com/ghodsizadeh/tehran-stocks


برای راهنمای کامل می‌تونید به پست بلاگ مراجعه کنید:

https://learnwithmehdi.ir/posts/tehran-stocks-python/

برای مشاهده ویدیوی معرفی و مشاهده عملی کار با کتابخانه از لینک زیر استفاده کنید:
https://youtu.be/5ktBsR9Em58

راه‌های حمایت از این کتابخانه در صفحه گیتهاب توضیح داده شده ولی مهمترین حمایت چیزی جز انتشار این کتابخانه و معرفی کتابخانه و کانال یوتوب به دیگرانه.

پیشاپیش ممنون از حمایت شما.


@learn_with_mehdi

دوره
Natural Language Processing with Attention Models
سایت کورسرا
9 Sampling and Decoding

#منابع #پردازش_زبان_طبیعی #الگوریتمها #کورسرا

❇️ @AI_Python

#الگوریتم_ژنتیک #پایتون #الگوریتمها

❇️ @AI_Python

مدلهای امیخته گوسی
#آمار #الگوریتمها #کتاب

❇️ @AI_Python

#Roadmap 2022

این رو برای یک دوستی که تازه داره سعی می‌کنه وارد، ماشین‌لرنینگ بشه نوشتم ؛
اول اینکه توجه کنید,
۱- ایشون تازه برای کارشناسی بورسیه گرفته و قراره شروع کنه درسش رو
۲- پایتون رو در سطح متوسطی بلد هست و چندسالی هست که کد میزنه (Data structure, Algorithm رو متوجه‌ هست)
۳- علاقه شدیدی به هوش مصنوعی داره و برخلاف خیلی‌ها که می‌خوان سریعتر کد بزنن ترجیح میده وقت بیشتری توی مقدمات بذاره تا حرفه‌ای تر جلو بره


RoadMap :

1- Numpy (and scipy):

. Python Numpy Beginners (AI publishing)
. Scientific Computing with Python .... 2nd edition (Claus Fuhrer - packt pub)
* High performance python ... 2nd edition (O'Reilly)

2- Pandas:

Effective Pandas (Matt Harrison)
Pandas in Action (Manning Pub)
Pandas 1.x cookbook ... 2nd edition (Packt pub)

3- Matplotlib (or other visualization libs)

Hands on matplotlib (Ashwin - Apress pub)
Data visualization with python for beginners ... ( AI publishing)

چیزی که خیلی مهمه اینه کار با OOP، api رو توی این کتابخونه یاد بگیرید.

3- Data Engineering
نه کامل اما بعضی مباحث واقعاً لازم هست :
Sql / NoSql / PySpark
اینها مباحثی هست که خیلی بدرد میخوره معمولاً

4- Scikit-learn :

Hands on machine learning with scikit-learn, ... (O'Reilly) - Part 1 only

Machine learning with pytorch and scikit-learn (Packt pub) - Part 1 only

5- Story telling
کتاب‌های زیادی برای این مورد وجود داره که بسته به علاقه و نوع نوشتاری که می‌پسندید می‌تونید انتخاب کنید

اما این بخش رو اصلا دستکم نگیرید (۹۹.۹٪ آموزش‌ها این موضوع رو منتقل نمی‌کنند و ۱۰۰٪ توی کار این موضوع واجب و حیاتی هست)

6-
آمار و احتمالات / ریاضیات / جبر

بستگی به خودتون داره؛ اگر فکر می‌کنید لازم هست کمی ریاضیات پایه رو مرور کنید
آمار و احتمال رو شاید بهتره حتی قبل از scikit-learn مرور کنید

کتابهای با عنوان statistical learning وجود داره برای پایتون که به سلیقه خودتون می‌تونید بخونید.
7- Deep learning (practical)

۲ تا کتابی که برای Machine learning معرفی کردم بخش دوم هر ۲ کتاب رو می‌تونید اینجا شروع کنید
Deep learning with python 2nd edition (Manning pub)
هم حتماً برای اونایی که Tensorflow هم می‌خوان کار کنند باید خونده بشه

اگر قرار هست کارهای deploy , ... هم انجام بدید اون خودش ی roadmap اساسی میخواد اما بطور ساده :

ML engineering / MLOps / Linux / Docker / Api development (FastApi) / Edge deployment (Tiny ML)

حداقل چیزهایی هست که لازم دارید.
بعد با توجه به بیزینس و علاقه به بخش‌های مختلفش شاخ و برگ میدید.

پ.ن : برای بخش‌های مختلف چندکتاب معرفی شد، چون نوع نوشتار بعضی از کتابها ممکن مورد پسند شما نباشه
لازم نیست همه‌ی چند مورد رو بخونید.

کتاب :
High performance python
جزو واجبات هست که بنظرم همه باید بخونند.